京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据颠覆传统金融_数据分析师
2013年是互联网金融元年,互联网技术在金融业的应用犹如在银行主导的传统金融业的死水中投入一颗石子。互联网金融未来发展的一大趋势是大数据的应用,而这也改变了人们对金融本质的传统认识。此前学界广泛认为金融的本质是中介,还有人认为金融的本质是对风险的控制与管理,然而随着互联网金融的发展,已经有人开始对金融进行重新定义,金融就是大数据。
从融资模式看,现代金融有两种模式,一种是银行模式:存款、贷款、支付,一种是资本市场模式。资本市场模式就是直接融资,通过交易所进行股票交易。互联网金融既不走银行模式,也不走资本市场交易所模式,它有可能是所有的存款人和所有的借款人,通过互联网平台直接交易。未来通过互联网走直接金融的模式,不需要资本市场,也不需要银行。
从支付模式看,有移动支付和第三方支付。第三方支付在中国的典型是支付宝。我们现在的支付模式是银行支付模式:个人在商业银行开户,商业银行在中央银行开户,解决各家银行之间的跨行清算,而支付宝颠覆了这个模式。现在已经有一些公司给员工发工资直接打到支付宝,员工用支付宝支付,然后转账到别人的支付宝,这样的话,在银行体系之外构成了支付体系。微信5.0 支付也是这个模式。第三方支付未来完全有可能在银行支付系统之外创造一个新的支付系统。银行卡支付被手机支付替代;POS机刷卡被扫二维码替代。
所谓对传统金融的彻底颠覆,一个很重要的表现形式是大数据的征信和网络贷款:根据企业的行为数据计算出企业可能违约的概率,在这个基础上进行贷款(B2B是典型)。当前典型的是阿里小贷等。未来大数据的保险也是这样的:根据行为的数据进行保险差别的定价。比如未来的车险将根据个人生活、工作、习惯所有大数据的基础,给出事故发生的概率,然后给出保险的费率。这种模式完全颠覆了现在保险费率的模式。P2P网络贷款,也是互联网金融的模式。P2P网络贷款是债权,众筹融资就是解决股权问题。如通过众筹模式解决小额风险投资问题,美国已经规定这种模式是合法的。大数据在证券投资中的应用也将非常广泛。互联网金融,尤其是搜索引擎、云计算使人们收集了大量的数据,这些数据在证券投资当中将发挥很大的作 用,而且现在它对股价的预期非常有用。
从形式上讲,互联网对传统金融的彻底颠覆表现形式是大数据的应用,本质上是根据科斯定理,金融机构作为中介的价值或许会消失。假设整个金融市场互联网化,那么现在的银行机构、证券机构、保险机构的金融中介作用将会弱化甚至消失,取而代之的可能是基于大数据的直接金融交易。
假设整个金融市场互联网化,包括支付清算体系、金融产品金融工具、风险评估与定价、期限匹配数量匹配都互联网化,这样交易成本将极低,基于互联网技术的金融市场效率就非常高了。现在我们大量的金融市场的交易存在信息不对称,大量信息不对称引起交易成本非常高,也使得金融成为专业性很强的精英行业。然而未来金融神秘的面纱或许会揭开,普通百姓也可以很轻松进行现在看来很复杂的金融交易,就像现在下载一个APP应用一样下载使用金融产品。金融网点的消失可以使金融系统人力资本、营运资本大大降低。假设互联网支持了金融市场,完全互联网化的话,完全是供求方和需求方直接交易,交易成本会减少很多,这就是科斯定理。
互联网金融在2013年发轫,对金融的影响是颠覆性的,它将改变人们对金融传统的部分认识与观念。但是金融在未来将回归它的核心本质。未来变的不是金融的核心定义,而是现在的股权、债权、保险、信托等这些金融产品的契约形式,变的是金融监管的与时俱进。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24