a有四個基本特征。
金融行業基本上是全球所有行業中最依賴數據的，也是最容易實現數據變現的。全球最大的金融數據公司彭博成立於1981，當時“大數據”的概念還沒有出現。彭博的最初產品是投資市場系統(IMS)，主要為各類投資者提供實時數據和財務分析。
隨著信息時代的到來，1983年估值只有1億美元的彭博，用30%的股份換來了美林3000萬美元的投資，相繼推出了彭博終端、新聞、廣播、電視等多種產品。1996彭博價值20億美元，以2億美元從美林回購了10%的股份。2004年，彭博在曼哈頓中心建造了壹座246米高的摩天大樓。到了2008年次貸危機，美林面臨倒閉，其在彭博剩余的20%股份成了救命稻草。彭博利用美林的危機贖回了所有股份，其估值躍升至225億美元。2016年，彭博在全球擁有192個辦事處，員工15，000人，年收入約為100億美元，估值約為100億美元，超過同年市值650億美元的華爾街標桿高盛。
大數據的概念形成於2000年左右，最初定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下壹個前沿:創新、競爭和生產力》報告中首次提出，大數據是指規模超過典型數據庫軟件工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四個基本特征:
壹、數據量大，指的是大數據集，壹般在10TB左右。但是在實際應用中，很多企業用戶把多個數據集放在壹起，已經形成了PB級的數據量。
二是數據類型大，來自各種數據源，數據的類型和格式日益豐富，突破了之前定義的結構化數據範疇，包含了半結構化和非結構化數據。現在的數據類型不僅僅是文本，還有圖片、視頻、音頻、地理信息等各種類型的數據。
第三，處理速度快，可以在數據量巨大的情況下實時處理數據。數據處理遵循“1秒定律”，可以從各類數據中快速獲取高價值信息。
第四，數據真實性高。隨著社會數據、企業內容、交易和應用數據等新型數據源的興起，傳統數據源的局限性被打破，信息的真實性和安全性極為重要。
與其他行業相比，金融數據具有緊密的邏輯關系，對安全性、穩定性和實時性要求更高，通常包括以下關鍵技術:數據分析，包括數據挖掘、機器學習、人工智能等。，主要用於客戶信用、聚類、特征、營銷、產品相關性分析等。；數據管理，包括關系和非關系數據、集成、數據提取、數據清理和轉換；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等。數據展示，包括可視化、歷史流和空間信息流展示，主要用於金融產品健康、產品發展趨勢、客戶價值變化、反洗錢和反欺詐等方面的監測和預警。
b重塑金融業競爭新格局
“互聯網+”之後，隨著“大數據+”在全球的快速興起，金融行業悄然發生了以下變化:
大數據的特征從傳統數據中的“3 V的”增加到了“5 V的”。在成交量、速度、品種的基礎上，進壹步提高價值和真實性。真實性包括數據的可信度、來源和聲譽、有效性和可審計性。
金融行業按經營產品分為經營模式。傳統金融業分為銀行、證券、期貨、保險、基金五大類。隨著大數據產業的興起和混業經營的發展，現代金融業按經營方式分為存貸款、投資、保險三大類。
大數據市場已經從壟斷發展到充分的市場競爭。全球大數據市場企業數量迅速增加，產品和服務的差異性加大，技術門檻逐漸降低，市場競爭日趨激烈。行業解決方案、計算和分析服務、存儲服務、數據庫服務和大數據應用成為五大細分市場。
大數據形成新的經濟增長點。根據Wikibon數據，2016年，全球大數據硬件、軟件和服務市場增長22%，達到28100億美元。預計到2027年，全球大數據硬件、軟件和服務整體支出的復合年增長率為12%，達到約970億美元。
數據和IT技術取代了“重復性”的商業工作。數據服務公司Eurekahedge跟蹤了23只對沖基金，發現5只對沖基金經理的總薪酬為6543.8+0億美元或更多。在過去的10年裏，通過數學模型分析金融市場的物理學家、數學家“寬克”壹直是對沖基金的寵兒。其實大數據+人工智能更擅長這個。高盛的紐約股票現金交易部門在2000年有600名交易員，而現在只有兩個，其任務全部由機器處理。專家說，10年後，高盛的員工肯定會比今天少。
美國大數據發展走在世界前列。美國政府宣稱:“數據是寶貴的國家資本，應該向公眾開放，而不是局限於政府系統。”作為大數據的源頭和創新引領者，美國的大數據發展壹直走在世界前列。自20世紀以來，美國頒布了壹系列法律法規，對數據的收集、發布、使用和管理做出具體規定。2009年，美國政府推出了Data.gov政府數據開放平臺，方便應用領域的開發者利用該平臺開發應用、滿足公眾需求或創新創業。2010美國國會通過了更新法案，進壹步提高了數據收集的準確性和報告的頻率。2012年3月，奧巴馬政府推出大數據研發計劃，大數據迎來新壹輪快速發展。
英國是歐洲金融中心，大數據已經成為其主導技術之壹。2013年，英國投入65438+8900萬英鎊發展大數據。2015追加7300萬英鎊，建立“英國數據庫”data.gov.uk網站。2016年，在倫敦舉辦了22000多項科技活動。同年，英國在數字技術上的投資超過68億英鎊，而收入超過170億英鎊。此外，英國統計局利用政府資源進行“虛擬人口普查”，僅此壹項每年就節省5億英鎊。
建立有效的金融監管體系
作為現代數字技術的核心，大數據的靈魂是預測。
發現並打擊逃稅、洗錢和金融欺詐
全球每年因欺詐造成的經濟損失約為3.7萬億美元，企業因欺詐造成的損失通常為年收入的5%。SAS公司是世界上最大的軟件公司之壹，它與稅務、海關等政府部門以及世界各地的銀行、保險、醫療保健等機構合作，有效應對日益復雜的金融犯罪。例如，在發放許可證之前，需要檢測客戶是否有行賄、詐騙等犯罪記錄。通過前期數據分析，再確定是發放貸款還是通關。SAS開發的系統已被國際公認為統計分析的標準軟件，廣泛應用於各個領域。英國政府利用大數據檢測行為模型，找回了200億英鎊的逃稅和欺詐行為，挽回了數十億美元的損失。被《福布斯》評為美國最佳銀行的德州資本銀行(TCBank)在大數據技術上不斷投入，其反金融犯罪系統與銀行的發展保持同步。過去三年，其資產從90億美元增長到21億美元。荷蘭第三大壽險公司CZ依靠大數據檢測騙保和虛假理賠，在賠付前提前封堵，有效減少了騙保後的司法救濟。
大數據風控建立客戶信用評分和監控體系。
根據美國註冊舞弊審計師協會(ACFE)的統計，缺乏反舞弊控制的企業將遭受高額損失。美國主流的個人信用評分工具FICO，可以自動將借款人的歷史數據與數據庫中所有借款人的整體信用習慣進行對比，預測借款人的行為趨勢，評估其與各類不良借款人的相似度。美國SAS公司通過集中瀏覽、分析和評估客戶銀行賬戶的基本信息、歷史行為模式和正在進行的行為模式(如轉賬)，結合智能規則引擎(如搜索客戶在新興國家為唯壹用戶轉賬，或在新地點進行網上交易等)進行實時反欺詐分析。).
美國壹家互聯網信用評級機構分析客戶在臉書、推特等社交平臺上留下的信息，對銀行信貸和保險申請人進行風險評估，並將結果出售給銀行、保險公司等。，從而成為眾多金融機構的合作夥伴。
數據整合是困難的
應用經濟指數預測系統分析市場趨勢
利用大數據信息技術，IBM成功開發了“經濟指數預測系統”，該系統基於單壹數據進行提煉和整合，通過對新聞中出現的“新訂單”等與股價指標相關的詞語進行搜索、統計和分析來預測趨勢，再結合其他相關經濟數據和歷史數據分析其與股價的關系，從而得出市場預測結果。
追蹤社交媒體上的海量信息，評估市場變化。
如今，搜索引擎、社交網絡、智能手機上的微博、微信、論壇、新聞評論、電商平臺，每天都會產生數百乃至數千億的文字、音視頻、視頻和數據，內容涵蓋廠商動向、個人情緒、行業信息、產品體驗、產品瀏覽和交易記錄、價格走勢等。，其中蘊含著巨大的財富價值。
2011年5月，規模4000萬美元的英國對沖基金DC市場利用大數據分析推特的信息內容，感知市場情緒，指導投資。首月盈利，以1.85%的收益率擊敗其他對沖基金，平均收益率僅為0.76%。
美國佩斯大學的壹名博士利用大數據追蹤了星巴克、可口可樂和耐克在社交媒體上的圍觀者，並比較了它們的股價，證明了臉書、推特和Youtube上的粉絲數量與股價密切相關。
提供廣泛的投資選擇和交易切換。
日本個人投資理財產品Money Design在應用Theo中采用算法+人工智能，最低門檻924美元。用戶只需回答風險承受水平、退休計劃等9個問題，即可交易和切換65個國家35種不同貨幣的1.1.9萬只股票，年管理費僅為1%。貨幣設計還可以根據用戶的投資目標自動平衡其賬戶金額。預計2020年將有超過2萬億美元投入此類產品。
利用雲數據庫為客戶提供會計服務
日本財富管理工具提供商Money Forward提供基於雲的記賬服務，可以管理工資、代收代付、發送發票和賬單，有針對性地推送新的金融項目。其軟件系統連接並整合了2580家金融機構的各類賬戶，利用大數據分析的智能儀表盤顯示用戶當前的財富狀況，還可以分析用戶過去的數據，預測未來的金融軌跡。目前擁有50萬商家和350萬個人用戶，並與山口金融集團聯合開發了新的APP，市值2.5萬億美元。
為客戶定制差異化的產品和營銷方案。
金融機構迫切需要掌握更多的用戶信息，進而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷和智慧營銷。
部分境外銀行圍繞客戶“生活事件”分析計算壹般生活節點，有效刺激客戶購買高價值金融產品的意願。例如，澳大利亞壹家銀行通過大數據分析發現，即將在家生寶寶的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監測準媽媽開始購買抗流產藥物和嬰兒相關產品的現象，識別即將添寶寶的家庭，精準推出定制化金融產品套餐，得到客戶的積極響應，相比傳統短信群發模式大大提高了成功率。
催生並支持人工智能交易。
“量化投資之王”西蒙斯是公認的最賺錢的基金經理。自1988創立復興科技公司旗艦產品——梅達蓮基金以來，20年間創造了35%的年均凈收益率，比索羅斯高出10%，比股神巴菲特高出18%。在美國《阿爾法》雜誌每年公布的對沖基金經理排名中，席夢思2005年以654.38+0.5億美元的凈收入排名全球第壹，2006年以654.38+0.7億美元排名第五，2007年以654.38+0.3億美元重返榜首，2008年以25億美元重返榜首。
促進金融產品和服務的創新。
e面臨三大挑戰。
目前全球各行業數據增速驚人，尤其是中國的金融、交通、電信、制造業等重點行業。信息化的深入正在進壹步催生更多新的海量數據。
據統計，2015年，中國數據總量達到1700EB以上，同比增長90%，預計到2020年該數值將超過8000EB。以銀行業為例，銀行業每654.38+0萬元的收入，平均產生654.38+0.30 GB的數據，數據密集度居各行業之首。然而，在金融企業中，數據處於碎片化狀態。業務條線、職能部門、渠道部門、風險部門等分支機構往往是數據的真正擁有者，沒有順暢的* * *共享機制，導致海量數據被分散“沈睡”。金融行業雖然有“豐富”的數據，但真正用起來就“捉襟見肘”了。
數據安全的隱患
大數據的本質是開放和享受，但如何界定和保護個人隱私卻成了法律問題。大數據存儲、處理、傳輸、共享過程中也存在諸多風險，不僅需要技術保障，還需要相關法律法規和金融機構自律。多個實際案例表明，即使是大量無害的數據也會滋生各種隱患。安全保護的對象不僅包括大數據本身，還包括通過大數據分析得到的知識和結論。英國的壹個在線市場平臺Handshake.uk.com試圖允許用戶就與品牌分享個人數據的報酬進行協商。
人才梯隊建設任重道遠。
人才是大數據的基礎。與信息技術其他子行業的人才相比，大數據的發展對人才的復合能力要求更高，既要掌握計算機軟件技術，又要有數學、統計等領域的知識以及應用領域的專業知識。