京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融行业对大数据的思考
“大数据”是一个约定俗成的说法,而“数据科学”则是更科学的定义,它包括了数据和计算相关领域的科学范畴。如果用一个更大的视角,互联网、平台化、社交媒体、搜索引擎、维基技术等科技元素将从根本上影响金融、经济,乃至整个社会。
但这并不妨碍我们用“大数据”这个词。因为,通过这个词,能够去包含这个时代许多与之相关的科学和技术,通过这个词,让人们能够更多、更直观地认识数据科学,以及数据的时代使命。
对于金融业而言,需要我们有充分的认识和准备,并加快做出相应的调整和变革。
一是对于大数据时代的到来,需要有一个专业、深刻和前瞻性的认识。从金融业的角度看,需要关注三个问题,首先是“去边界”思维,即在大数据和平台化时代,各种边界都会越来越模糊,所以,未来的创新和机遇,更多的是在边界发生的,不是中心,但我们对边界又关注了多少,认识了多少?
其次是“社会脑”的认识,大数据使得整个社会的信息实现了共享。从整个社会的层面,出现了一个趋势叫“数字社会主义”;从个人的层面,出现了一个“数位人生”的概念,即每一个人都将被数据化。社会和人的数字化是“社会脑”出现的前提,也是其进化的基础,它将从根本上改变我们对知识和智慧的传统认识,并营造出全新的“生存环境”。在这个大背景下,就面临着怎么利用好这个“社会脑”的问题。
第三是协同创新问题,消费者的“生产者化”是一个趋势,是“以客户为中心”的根本解,为此,金融业要有一个开放的心态,一个畅通的机制,一个协同的平台,适应这种潮流,核心是解决内外部信息流的统一视图,并通过商业模式的创新,实现行业效率的结构性提升。
二是在互联网和大数据的思维下,效率不再是静态和单一维度。在多维、跨界和融合的浪潮下,就有了“羊毛出在猪身上”的说法。对于传统思维而言,这无疑是颠覆性的,是不可思议的。但这并不妨碍互联网企业高举着免费的“旗帜”,摧枯拉朽,攻城略地,大有“横扫千军如卷席”的架势。尽管金融企业未必能够理解和接受,但必须清醒地认识到这些已经的的确确地在我们的周遭甚至是行业内发生了,“余额宝”就是一个鲜活案例。因此,我们需要重新思考金融行业的效率和盈利模式问题,并在商业模式上进行反思和行动。因为,不创新,则被创新。
三是互联网行业有一个非常流行的商业模式,叫免费模式。大多数人都乐此不疲地使用各种免费模式,就忘记了一句话:天下没有免费的午餐。人们在免费使用数据产品的同时,其实是被运营商免费使用了自己的信息。互联网和大数据时代走到了今天,需要提出一个概念:“数权”,即每个数据都有权利归属的,均存在“所有权”的问题。这种“数权”与我们的财产权一样,是不能够随意侵犯的,国家需要在制度层面来完善这个问题的治理,否则,很多人稀里糊涂下载了那么多APP软件,最后,几乎就没有隐私了。与此同时,金融业也面临着数据的“用”与“不用”的问题,这涉及到了大数据的一个核心问题:数据的隐私与保护。从社会的角度看,需要通过法律对“数权”加以保护,金融业面临着适应问题。从商业的角度看,数据隐私问题处理不好,客户就可能不接受金融企业的产品与服务。
四是在大数据时代,解构和重构数据将成为一种重要能力。解构和重构的逻辑起点是发现并实现客户需求和发展机会,是结构性的成本降低并提升效率。金融业需要回答如何将现有的数据进行解构,同时根据需求进行重构,创造出一个新的商业模式。这种解构和重构的背后是一种价值的发现与实现。同时,解构与重构能力的根本是洞察力和计算能力,洞察力的核心是发现新需求和价值洼地,计算能力提升的关键是对数据的“追随”,即要改变数据“迁就”计算的管理思维模式,而让计算“追随”并“服务”数据,提供灵活性、易构性和高效性的计算能力,并在服务业务创新中成就自我。
五是随着“云计算”的出现,带动了信息技术和管理理念的变革,“云计算”带给人们更大的价值在于催生了“云管理”的概念。现代商业面临的最大挑战是越来越复杂的管理与越来越动态的市场和客户需求之间的矛盾,越来越高的风险管理标准与越来越灵活的需求之间的矛盾。客户、销售和服务是越来越分散的,要求是更加灵活多变,而经营管理则要求尽可能地集中,以有效控制风险,降低成本。通过“云管理”概念的导入,就能够较好地破解这一难题。“云管理”的核心是“形散神聚”,它能够很好地解决和平衡集中管控与效率保证的关系,解决集中运营与灵活服务的矛盾,建立一种灵动敏捷的管理模式。
六是数据管理面临“内外有别”的问题。金融业要有两个认识:第一,长期以来,我们总认为行业数据是经营的重要基础,面向未来,要认识到行业数据,仅仅是经营和风险数据的一小部分,真正解读客户和风险,需要更多关注行业外的数据。第二,历史和存量数据固然重要,但大数据时代,实时数据的获取和利用成为可能,因此,要更多地关注对实时数据的利用,实现对客户需求和风险管控的动态掌握和有效管控。第三,在大数据时代,我们对于数据的管理也要有一个全新的认识。从传统的角度看,我们更多的是希望“拥有”数据,但在未来大数据时代,“拥有”既不经济,更不现实。因此,对于外部海量数据的使用和管理,不可能采用数据管理的传统理念和技术,更多的应当是“不求所有,但知所在”,以确保效率。
七是对“专业”的再认识和再管理。传统意义上的专业,一是靠信息不对称,二是靠个体智慧。互联网时代,特别是搜索引擎技术的出现,最大的贡献是实现了信息的平等。此外,以往的“专业”更多是以个体的专家为载体,但在维基技术和互联网进化论的环境下,专业更多的是体现为一种社会互动与共享,体现为一种“社会脑”。从金融业看,传统的风险管理专业能力也面临来自科技时代的挑战,特别是物联网和人工智能技术的出现,将从根本上改变许多领域对于专业的认识。面向未来,科技时代“专业”的存在形式将从个体、机构和静态形式走向环境、聚合和动态形式,为此,金融业需要以互联网思维,构建全新的专业能力,人工智能将成为重要构成。建立新专业能力的重要指导思想是从传统的风险等量管理向风险减量管理过渡,特别是利用互联网技术破解信息不对称难题,通过动态和自主的“点对点”匹配与对冲,实现社会总体风险暴露的降低,继而为社会创造福祉。
最后,大数据时代面临的最大挑战是数据人才。数据人才是一种两栖人才,未来金融业需要大量通晓金融业务和信息技术的复合型人才,包括数据科学家和数据工程师,而这些人才最重要的一个能力是解构和重构数据。因此,关注这种人才的培养,不仅是企业的经营管理问题,更是行业发展的基础和关键问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09