京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代传统金融业正经受激荡_数据分析师培训
基于大数据(Big Data)构建的思维革命,正在悄然改变金融行业原有的竞争格局和生态系统。大数据与以往的数据有何不同?这些数量惊人的大数据将给金融业带来了怎样的颠覆性变革?
大数据不同于传统数据
“原来有一句很典型的话——在互联网上,谁也不知道你是一条狗,但现在经过多元化分析后,不仅知道你是一条狗,还知道你是一条什么样的狗!”谈及大数据带来的改变,中国保监会旗下中国保信公司常务副总裁罗胜打趣称。
大数据与传统的数据有何不同?罗胜认为,“数据多,并不是大数据”,大数据其多维度和多元化的变化,正是传统数据和大数据之间的最大的变化。例如,运用大数据分析飓风,它是由无数维度的量变决定循环发生的。
什么叫“大数据”?中科院金融科技中心首席科学家兼副主任刘世平认为,它不是一个突变的过程,而是一个渐进的过程,之所以今天大数据这个概念非常热,一是技术存储的能力加快了,二是新的算法和整个体系架构成立了。
“在某种意义上讲,正是因为互联网的发展,导致了这个数据的产生,反过来促使了互联网今天的发展,在大数据背景下,金融业的也得以重塑与颠覆。”作为论坛的主持人,刘世平直言大数据带给传统金融行业盈利模式的颠覆。
众所周知,大数据是指那些超过传统数据库系统处理能力的数据,它具有“4V”特征:大量化(Volume)、多样化(Variety)、快速化(Velocity)和价值化(Value),这正是大数据不同于传统数据的最大区别。
“我原来一直不太相信大数据,后来到了金融机构,才有了非常深的体会。”中信信托技术部总经理初壮认为,如果从数据的角度理解整个金融机构信息系统,那么你就会发现它有一些内在稳定性的东西。因为,频繁变化的应用的背后,不变的是永恒的数据。
大数据带给初壮的感受是,大数据才刚刚开始,因为人们在日常生活中,被数字化的环节越来越多,因此环节越多,我们得到的数据就越多,那么我们可能就在某些领域上会爆发一些新的应用。
作为专注金融行业的研究者,中国社科院金融所所长助理、研究员杨涛最近对金融与大数据关注颇多。他认为,随着大数据的兴起,传统的金融功能已在基础层面产生了逐渐的融合,这对金融前台和后台都产生了非常深的影响。
在杨涛看来,在上世纪九十年代行为经济学之前的一段时间,由于信息技术、信息应用学没有通过支持,所以信息应用学遇到了很大的难题,但随着信息技术的普及和大数据的技术发展,这一瓶颈已经得到逐渐的解决。
大数据背后的“金钥匙”
国宏汇金(北京)管理顾问有限公司董事长李斌表示,自去年私募备案以后,其公司就确定了一个方向——专注量化交易,其本质就是对大数据的应用与挖掘。他透露,最近两个月收益实现了80%,已经找到了大数据背后的“金钥匙”。
统计物理学出身的国寿安保沪深300基金经理李康,自从上学一直到工作,他基本上一直与数据打交道,他的理解是,整个的数据的外延,无论是从广度、时间这个轨道都在不断扩大。此外,对大数据的分析手段也在不断地创新。
作为工银瑞信基金经理,袁兵兵也非常看好大数据时代的相关公司,如果它拥有了大数据的重要环节,那它再做相关的业务开发时,就会有一个非常重要的优势,例如东方财富(300059,咨询)基于用户分析,其基金交易量呈现出井喷爆发式增长。
“大数据的价值在什么?就是它把我们对社会、对很多事物的分析重新来依靠逻辑出发,已经转变为一套数据自己的关联性、相关性的分析,来产生我们很多预想不到的好的数据结果。”谈及大数据对金融业的颠覆,北京天合万盛科技有限公司董事长、优股网创始人卢常福总结称。
如何寻找大数据里的“金钥匙”?李康举例称,互联网网站对投资者的行为有一些数字的统计,他们会开发一些真实的系统,然后对市场上的投资者做情绪统计研究,以此来预测未来的股市或个股趋势,目前已经有很多金融公司和互联网公司合作,发行了一些基于大数据的指数基金。
不过,随着各种金融数据量的越来越大,让李康感觉困惑的是,数据是不是越多就越好?数据越多的时候,我们怎么样从中间去寻找有效的数据?此时,如何对一些有干扰的噪音进行屏蔽和隔离,显得非常重要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26