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