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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25