大数据在金融行业的应用与发展
发布时间：2018-10-29 09:09:53 所属栏目：大数据 来源：金融电子化
导读：威海站长网（http://www.0631zz.cn）观点美国作为大数据技术的发源地，大数据发展一直引领全球。2000年以来，美国针对数据的收集、管理、使用和发布等进行了一系列规定。2009年，推出政府数据开放平台Data.gov。2012年3月，公布《大数据研究与开发计划》。
 威海站长网（http://www.0631zz.cn）观点美国作为大数据技术的发源地，大数据发展一直引领全球。2000年以来，美国针对数据的收集、管理、使用和发布等进行了一系列规定。2009年，推出政府数据开放平台“Data.gov”。2012年3月，公布《大数据研究与开发计划》。2014年5月，发布全球“大数据”白皮书《大数据：抓住机遇、守护价值》。英国紧随美国大数据战略，于2013年投资1.89亿英镑发展大数据。2015年，增加7300万英镑创建“data.gov.uk”开放共享政府数据。
自2014年我国首次将“大数据”写入《政府工作报告》，以及2015年国务院印发《促进大数据发展行动纲要》后，大数据已成为国家发展重要着力点。2017年，工信部正式对外发布《2016～2020年大数据产业发展规划》，提出到2020年，基本形成技术先进、应用繁荣、保障有力的大数据产业体系。麦肯锡的一份研究显示：无论是应用潜力还是投资规模，金融业都是大数据应用的重点行业。在全球金融监管趋严、同业竞争激烈、数据规模爆发式增长的形势下，金融机构纷纷借助大数据提升业务处理水平。
金融大数据应用优势
1.数据量大。金融业是数据密集型行业，对数据强依赖。以银行业为例，100万元的创收平均会产生130GB的数据，数据成为金融机构的核心资产。在不断增长的海量数据背景下，采用具有更有弹性的计算、存储扩展能力的分布式计算技术成为必然选择。
2.数据质量高。与其他行业相比，金融数据逻辑性强，要求具有更高的实时性、安全性和稳定性。而且无论对于个人还是企业，金融数据都是核心敏感数据。金融行业核心实时交易系统数据要求强一致性，正常状态下数据错误率为零，金融业开展大数据应用时，数据清洗环节将较为简单。
3.结构化数据占比高。当前，企业级数据结构化数据占比77%，而互联网数据结构化数据仅占5%.结构化数据与非结构化数据相比，在分析工具成熟度方面具有明显优势。后期，随着传统金融机构不断拓展互联网业务、远程业务办理、无人营业网点、机器人大堂经理等现代金融科技的不断丰富演进，金融行业的半结构化数据和非结构化数据占比将快速增长。
4.应用场景广泛、潜力大。大数据在金融行业有众多应用场景，包括精准营销、风险控制、客户关系管理、反欺诈检测、反洗钱检测、决策支持、股票预测、宏观经济分析与预测等方面。通过大数据应用，金融机构可开展精准营销，提升风控准确性、降低风控成本、增加用户粘性、改善客户体验，增强服务敏捷性。
金融大数据应用面临的挑战
1.数据孤岛现象严重。在金融机构内部，职能部门、业务条线和风控部门之间缺少数据共享机制，无统一规划，系统建设自由蔓延式扩展。烟囱式系统建设导致各部门业务系统相互独立，形成大大小小的数据孤岛。受样本量和数据维度的限制，各类大数据分析方法难以有效发挥作用。
2.复合型大数据人才短缺。大数据是新兴交叉学科，对人才的复合型能力要求高，既需掌握软件开发技术，并要具备统计学、数据挖掘以及应用领域的业务知识。目前大数据应用人才处于紧缺状态，如何加快大数据人才的培养和引进是值得金融业思考的一个问题。
3.数据安全和个人隐私保护更加困难。大数据时代的数据共享带来数据不可控、数据泄密等问题，关于涉及用户隐私和权益的数据类别界定，还需法律进一步细化明确。另外，大数据数据量大且集中，一旦遭遇网络攻击或窃取，将使数据安全面临更大的挑战。
4.金融业外部数据利用率较低。当前，金融机构大部分可利用数据依然是传统业务产生的数据，而外部数据，如税收、保险、公共缴费等数据源尚需进一步拓宽，这就需要更高层面的统筹协调，支持更为全面的数据分析与利用。 （编辑：萍乡站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
