
大数据时代和金融的模糊未来
“大数据”一旦后缀上“时代”二字,一股开拓、奋进的情绪就会扑面而来。掌握大数据,将使我们从繁杂而模糊的世界里,找到确定的方向。掌握大数据、运用大数据,将给我们提供一种可能——可以不依靠直觉、经验和勇气来应对令人深惧、更令人渴望的未来。从这个角度讲,在充满不确定和利用不确定赚取高额利润的金融界,他们以激动心情拥抱大数据和大数据时代,则是合情合理的必然之举。
大数据与互联网金融时代
金融作为一个独立发展的产业,它所能买|卖的产品,就是信用。决定信用多寡和高低的,是对未来不确定性的判断。收集大数据,再运用合理、合适的计算方法,就可以从海量的数据中发现未来发展的方向。人类自古以来始终在做类似的事情,只是很多时候受制于计算方法、计算工具。
计算机发明后使处理海量数据成为可能。互联网的发展使海量数据的收集成本被降到可接受的程度,人们可以运用互联网收集数据,再运用高超的计算公式,判断出广泛人群或特定人群的心理倾向、消费习惯等商业价值极高的信息。
我国的金融结构长期失衡,银行的地位远远压过资本市场。尽管今天资本市场正在突飞猛进,但间接融资依然是市场资金来源的主流。银行把控的金融市场,必然弥漫着抵押文化,金融市场的宠儿是抵押物。基于个人或者群体信用的金融市场,始终难以大放异彩,甚至在抵押文化下,个人或群体信用要么被关进“俱乐部”,要么则很可能被妖魔化,成为各种法条律令的监控对象。
当大数据收集和处理的成本足够低时,以阿里巴巴为代表的互联网金融,以P2P为特征的互联网信贷模式,正在打破银行信用信息的垄断,以低廉的成本自创出一套与银行无关的个人或者群体信用信息系统,从而使金融真正走出高高在上的“庙堂”,与群众“打成一片”。
大数据下的银行业危机
互联网金融借助大数据和运用大数据的作业系统,最大程度地解决了信息不对称问题,从而最大限度地降低其因对客户信用甄别缺乏有效工具而带来的风险。然而,运用大数据的作业系统,并非大数据时代的最大难题,最大难题是如何收集到可用或者说符合在现有思维模式下创立的计算公式的那些大数据。显然,阿里巴巴等规模较大的电商已经占据先机,这些电商经过长期的积累,手上掌握了大量中小微企业的信息,同时,也掌握这些中小微企业用户的信息。利用这一平台,电商既能对消费市场做到“春江水暖鸭先知”,又能对可授信企业的风险做出准确判定,而这依然不是电商将成为大数据时代下金融业巨头的最主要理由,关键理由在于阿里巴巴等体量巨大的电商已经或者说有望影响生产和消费的倾向,他们从被动的观察者和接受者,演变成主动的创造者和引领者。互联网金融成为他们在中国经济里翻云覆雨的重要利器和法宝。
与草根性十足的互联网金融相比,一身贵族气的银行业显然将陷入极大的困窘之中。银行业对金融信息的垄断一旦丧失,距离他们从主角沦为配角的时间就不远了。但一些研究者认为,银行依然可以发挥资金、人才等方面的传统优势,将危局消于无形之中。也就是说,银行业可以利用网络上的大数据,或者说自己沉淀下来的数据,发展类似P2P的业务,和互联网金融一争高下,胜算非常大。
然而,这看似非常符合逻辑的推断却很难成立。举个例子,在余额宝突飞猛进时,各家银行陆续推出了类似余额宝的产品,但由于没有类似电商的平台,“银行版”的“余额宝们”除了证明其存在外,其实并没有引起金融江湖多大的波澜,反倒更加凸显出银行业在互联网金融面前的无力感。
因此,在大数据时代来临之际,在互联网金融步步紧逼之下,传统的银行业很可能将失去招架之力,中国的金融也将陷入极大危机,一旦处理不当,即使互联网金融势头发展迅猛,也难逃被传统金融带入万劫不复深渊的命运。
不过,我们可以预料但不愿意看到的是,传统银行业将再次以规避金融风险的名义,以讨伐的姿态,“挟天子以令诸侯,奉天子以令不臣”。如果这次庙堂向江湖的进攻,以这样的面貌开场,即使取胜或者稳固其既有领地,却让人情何以堪呢?这样的事很可能发生,这样的未来不要大数据,仅凭直觉也能猜到。
一个动荡而模糊的时代
今年3月份,依托货币基金发展的余额宝承受了来自传统金融业,或者说银行业的猛烈质疑和挤压,以至于中国人民银行等部门因为发出两份治理互联网金融的文件,也被拖下水,成为互联网金融拥趸们指责的对象。这场口水仗刚刚淡出人们的视野,“大数据”就呼啸而来,这次以“大数据”为靠山,以P2P为武器的互联网金融集体反攻,从技术层面看,银行业确实已陷入危机重重的被动境地。
但既然中国的银行业因个大、体沉而几乎到了不可倒、不能倒的地步,那么,互联网金融这种迅猛反攻势必会受到有关部门的极大关注。当前,互联网金融挟大数据之威在金融市场上并没有占据高地,从余额宝近几个月的业绩看,由于央行货币宽松政策,使货币基金的收益率急速下降,在银行间拆借市场上赚取高额回报的时代暂时过去了。而“余额宝”们却并未及时开发出另类的金融产品,在金融市场上获取新的领地。而尽管P2P发展迅猛,但积累还不足,数据存量严重短缺,特别是真正支撑大数据作业系统的数据平台,依然处在一盘散沙的状态中,而电商们深度开发自身的数据资源的动作正处于探索阶段。因此,互联网金融自身在模式和体系上还不成形,各种缺点依然很多。当有关部门以严肃、忧虑、质疑的态度关注它时,它也很可能和银行业一样陷入另一个困境。因此,双方在一段时间内很难真正交上手,而只能各据疆土,心怀忐忑地注视对方。
种种迹象表明,中国的金融市场进入了一个动荡而模糊的时代。在这个时代,我们看到了危机,也看到了开始,但也许我们很难猜出最后的结果。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08