大数据时代金融业发展趋势与挑战
来源:用户上传
作者:
摘要：互联网的飞速发展，对传统行业的生产经营模式产生了根本性的影响，并带来爆炸式的数据量增长。海量数据在蕴含巨大价值的同时，数据结构和处理方式等也发生了巨大的变化，“大数据”概念应运而生。目前中国很多金融机构的数据量已经达到 100TB以上，非机构化数据量以更快的速率在增长，中国金融业的大数据时代已经悄然而至。
关键词：大数据；金融；挑战；机遇
中图分类号：F830 文献标识码：A
文章编号：1005-913X（2015）06-0160-02 互联网的发展和信息爆炸已经将我们推入了以云计算和大数据为新特征的信息社会，数据爆炸性增长催生了大数据技术的出现，互联网金融等一系列衍生物出现，大数据已经不再只是研究实验室的研究课题，它们已经冲击着社会，并对商业实践产生颠覆性的影响。大数据时代下的金融业已经不能继续走传统的老路，需要以开放的心态、积极地姿态准备新一轮的改革，若不能紧随经济、技术和社会的发展而发展，就会面临被淘汰的危险。
一、大数据的含义以及作用
（一）大数据的含义
大数据指的是资料量规模巨大，无法透过目前主流软件工具，在合理时间内达到、处理成为帮助企业做出更好地经营决策的信息。其是由数量巨大、结构复杂、类型众多的数据构成的一个集合，基于云计算的数据处理，通过数据的整合共享，形成的智力资源和知识服务能力。
（二）大数据的作用
大数据在四个方面可以改变传统的金融机构的数据运作模式，从而高效地实现巨大的商业价值：一是数据质量的兼容性。大数据可以通过增“量”提升数据分析对高“质”的宽容度。在小数据时代，样本思维占据统治地位，人们通常采用抽样方式获取数据，结果并非十分精确。在大数据时代，全量思维开始渗入人心，海量数据可以满足人们对数据质量的要求。二是数据运用的关联性。大数据使数据处理的方法和算法走向动态过程。人们通过持续的增量算法来优化数据结果，不仅追求因果关系，还追求相关关系。三是数据分析的成本。大数据可降低数据分析的成本门槛。大数据改变了数据处理资源相对紧缺的状态，数据挖掘来源广泛，大量数据的融合就会实现质的飞跃。四是数据价值的转化。大数据实现了数据到价值的高效转化。大数据价值的关键在于以低成本方式大量尝试大数据中蕴藏的大量机会，发现可获得价值的机会，立马进入商业推广，否则果断退出。大数据为金融机构打造了“触角优势”，能更加灵敏地感知商业环境，获取商业价值。最后，数据的整合共享为金融生态系统提供了新生动力。
二、大数据时代金融业发展趋势与挑战
（一）开放的银行
传统商业银行具有两项基础功能： 资金中介与信息中介。 银行作为资金中介可以通过专有技术实现规模经济， 降低资金融通交易成本； 作为信息中介可以采用专门信息处理能力， 解决资金借贷方之间因信息不对称引发的逆向选择和道德风险问题。 在传统商业银行主导的融资模式下， 银行是社会经济信息收集中心， 企业需向银行提供信息以获取信用。 但在大数据时代， 银行将不再成为经济关系的信息中心， 搜索引擎、社交网络、物联网、移动互联网、云计算、大数据等新兴信息技术改变了传统的信息产生、传播、加工利用的方式， 特别是基于互联网技术和移动支付技术的互联网金融打破了信息不对称和物理区域壁垒， 通过信息流、数据流引导各类资源的充分有效分配， 甚至资金供求双方可以通过网络直接获取信息并参与交易， 促使传统的生产关系发生变革， 形成了联网机构相对平等的关系。 这对传统商业银行业务提出了挑战， 商业银行将改变过去自然的、被动的社会经济信息收集中心角色， 以开放的方式与客户平等交流， 主动收集客户信息。
（二）数字化的银行
从长远来看， 随着数据化和网络化的全面深入发展， 大数据的应用将使银行的资金中介职能进一步发生变化， 表现为资金中介职能体现出虚拟化和电子化交易特征， 逐渐向虚拟化方向发展， 全面颠覆当前金融服务形态：一是产品的虚拟化。资金流将更加地体现为数据信号的交换， 电子货币等数字化金融产品在经济生活中将成为主流。二是服务的虚拟化。通过移动互联网、全息仿真技术等科技手段， 银行将更广泛地通过完全虚拟的渠道向客户提供金融服务。三是流程的虚拟化。银行业务流程中各类凭证、单据等将以数字文件的形式出现和处理， 极大提高处理的便利性和效率。在大数据时代， 传统商业银行的管理理念和运营方式面临挑战。未来商业银行的整体运作将是一个数据的洪流，“数字金融”得以全面实现。
（三）高生产力的银行
与物质资本、人力资本一样， 大数据将成为经济活动一个重要的生产要素， 它也可以转变成为生产力， 创造巨大的经济价值。 开放的、数字化的银行随着大数据的应用可实现更高的生产力， 主要体现在以下几个方面： 一是信息技术的发展及部分金融产品交易的虚拟化， 使金融供应链外延， 降低了全社会融资成本和财务费用， 提高整个市场的生产效率。 二是大数据的积累使得商业银行通过全面分析商业银行内部数据和外部的社会化数据， 可以获得更为完整的客户全貌， 避免因客户信息不全面导致错误认知， 使得销售更具有精准性； 此外， 银行能够通过现有客户及其人际社会网络或业务网络， 发现更多具有价值的潜在客户， 并对其展开精准营销。三是通过整合结构化和半结构化的交易数据、非结构化数据及交互数据可以进行全面的模式识别、分析， 能够帮助银行实现事前风险预警、事中风险控制， 建立动态的、可靠的信用系统对各种交易风险进行识别， 有效地防范和控制金融风险， 并深度挖掘高价值的目标客户。四是促进银行进行产品创新。银行可以通过科学分析技术对海量结构化与非结构化数据进行分析和挖掘， 更好地了解客户的消费习惯、行为特征、客户群体及个体网络行为模式， 商业银行充分利用这些信息可以为客户制定个性化、智能化的服务模式， 设计开发出更贴近用户需求的新产品。 （四）科学决策的银行
大数据的本质特征之一是在决策模式上与传统模式不一样。大数据强调决策建立在牢固的数据证据基础上。大数据的客观性将对现有银行决策机制产生巨大冲击。 传统商业银行的决策模式依赖于样本数据分析和高管层经验； 而大数据时代全量数据分析使得分析结果更具客观性和决策支持性， 银行的决策过程将以数据为核心进行决策判断。对银行的管理者来说这是一场改变思维习惯的管理革命。从所周知，大数据的显著特征就是全数据分析。在大数据体系下， 银行数据获取、分析和运用的渠道和机制都和传统方式不同， 通过大数据分析技术和工具对海量结构化数据和非结构化数据进行分析、判断和挖掘， 商业银行能够及时、准确地发现业务和管理领域的风险和机会， 为业务发展和风险防范提供重要决策依据。
在通往大数据时代， 在走向开放的、数字化的、高生产力的且富有科学决策的银行远景中， 商业银行同样的面临几大挑战：一是文化挑战。在大数据时代， 开放、融合与创新是经济社会的发展主题， 市场竞争不断加剧， 传统意义上的非金融机构因新生的机动力量也将切入金融服务链条挤占银行的生存市场。 解释企业兴衰成败的“基因决定论”指出， 前一波产业浪潮中制胜的成功企业会不断地固化自己的企业文化、运行模式、商业策略以及市场定位等基本要素以满足当前市场的需求， 但这样的基因往往无法迎合下一波崛起的新浪潮。银行面临的挑战是由于既有的组织架构和条块分割的内部数据结构， 放不下原有的企业文化与思维习惯， 无法挖掘自身潜力而处于竞争下风。二是管理挑战。目前， 商业银行通过数据标准、数据架构、元数据和数据仓库等手段进行数据管理和应用， 但难以支撑以非结构化数据为基础的业务创新； 同时， 以业务条块为主的系统建设加剧了数据的冗余性和非一致性， 造成数据整合和数据质量管理难度。因此， 大数据时代， 需要运用基于数据生命周期的数据管理方式进行管理， 为数据质量及数据服务能力提升做好准备。三是技术挑战。商业银行科技人员以往主要针对结构化数据进行开发和处理， 而在大数据时代将面对海量的非结构化数据需要分析和处理。 在大数据时代， 处理数据体量巨大、数据种类繁多、流动速度快、价值密度低的大数据工具软件与信息处理技术不断创新和发展， 银行科技人员需要不断快速学习和应用Hadoop、云计算等新技术来处理大数据。因此， 银行需要加强前瞻性技术研究并与IT战略规划结合， 才能赶上大数据时代的步伐。
参考文献：
[1] 波士顿咨询公司.互联网金融生态系统 2020系列报告之大数据篇：回归“价值”本源：金融机构如何驾驭大数据[R].北京，2015.
[2] 刘晓曙.大数据时代下金融业的发展方向、趋势及其应对策略[J].中国科学，2015（60）.
[责任编辑：高 瑞]
转载注明来源:https://www.xzbu.com/2/view-11775700.htm
