论文部分内容阅读
摘 要：如今，大数据已经深深融入我们的工作生活中。金融行业大数据应用起步比互联网行业稍晚，其应用深度和广度还有很大的扩展空间。相信在未来的两三年内，在互联网和移动互联网的驱动下，金融行业的大数据应用将迎来突破性的发展。
关键词：大数据 金融行业 应用
一、“大数据”概述
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
2013年，英国华威商学院和美国波士顿大学物理系的研究发现，用户通过谷歌搜索的金融关键词或许可以把脉金融市场的走向，相应的投资战略收益高达326%。而此前，也有专家尝试通过Twitter博文情绪来预测股市波动。从预测的原理上来看，稳定发展的美国股市是比较适合大数据预测发挥其作用的。对国内而言，百度推出的中小企业景气指数预测，应用百度海量的搜索数据来刻画我国中小企业运行发展的景气状态，以期能够及时、有效地反映中小企业运行状况，提高经济监测的全面性和及时性。同时，支付宝快捷支付创造巨额交易业绩；阿里小贷服务范围拓展；京东布局供应 链金融；LendingClub携手摩根斯坦利前CEO JohnMark和“互联网女皇”MaryMeeker开展小额借贷业务；中国建设银行跨界推出电商平台——“善融商务”；“三马”联合涉足保险业。这些都是在“数据资产”驱动下，不同行业向传统金融行业腹地渗透、冲击的表现。
如今计算机在生活中的应用越来越广泛，信息时代已经深深融入我们的工作生活中，我们通过各种平台、各种媒体、各种虚拟应用，产生、交互、分享信息。在金融市场，大数据在金融行业应用广泛并深入影像投资结构，数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。
二、大数据在金融公司的应用
大数据在金融公司主要有以下几方面应用。（这里主要以银行为例，相对集团财务公司银行面对的客户更多、经营的范围更大，采集与处理的相关信息也更加丰富。）
1.客户画像应用。客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
1.1客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。
1.2客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可。
1.3企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况。
1.4其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
2.精准营销。在客户画像的基础上银行可以有效的开展精准营销，具体体现在以下四个方面。
2.1实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消費等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会。
2.2交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售。
2.3个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广。
2.4客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
3.风险管控。
3.1中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
3.2实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。 4.运营优化。
4.1市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
4.2产品和服务优化。银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
4.3舆情分析。银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
总的来看，大数据在金融行业的应用起步比互联网行业稍晚，其应用深度和广度还有很大的扩展空间。金融行业的大数据应用依然有很多的障碍需要克服，比如银行企业内各业务的数据孤岛效应严重、大数据人才相对缺乏以及缺乏银行之外的外部数据的整合等问题。可喜的是，金融行业尤其是以银行的中高层对大数据渴望和重视度非常高，相信在未来的两三年内，在互联网和移动互联网的驱动下，金融行业的大数据应用将迎来突破性的发展。放眼集团财务公司领域，很多方面都可以向银行业借鉴，由于业务相对单一，客户范围也较窄，对大数据应用的需求推动力不强，通过应用大数据为公司带来更大的效益还要经过更长一段路。但如果能重视信息化建设加强对企业大数据管理与挖掘，一定会在经营管理、业务拓展、信息化安全保障等方面得到强化，也将会在市场不断的变革中占领先机。
参考文献：
[1]李新华.浅谈大数据时代的机遇与挑战[J].通讯世界，2013，6.
[2]唐方杰.大数据金融渐行渐近[J].银行家， 2014，3.
[3]侯敬文，程功勋.大数据时代我国金融数据的服务创新[J].财经科学，2015，10.
[4]韩浩.大数据技术在商业银行中的运用探討[D].苏州大学，2014.
作者简介：鲜梅（1976-），成都航空职业技术学院，女，成都人，副教授，硕士，从事会计教学与研究。陈其超（1979-），成都航空职业技术学院，男，自贡人，讲师，硕士，从事市场营销教学与研究。
关键词：大数据 金融行业 应用
一、“大数据”概述
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
2013年，英国华威商学院和美国波士顿大学物理系的研究发现，用户通过谷歌搜索的金融关键词或许可以把脉金融市场的走向，相应的投资战略收益高达326%。而此前，也有专家尝试通过Twitter博文情绪来预测股市波动。从预测的原理上来看，稳定发展的美国股市是比较适合大数据预测发挥其作用的。对国内而言，百度推出的中小企业景气指数预测，应用百度海量的搜索数据来刻画我国中小企业运行发展的景气状态，以期能够及时、有效地反映中小企业运行状况，提高经济监测的全面性和及时性。同时，支付宝快捷支付创造巨额交易业绩；阿里小贷服务范围拓展；京东布局供应 链金融；LendingClub携手摩根斯坦利前CEO JohnMark和“互联网女皇”MaryMeeker开展小额借贷业务；中国建设银行跨界推出电商平台——“善融商务”；“三马”联合涉足保险业。这些都是在“数据资产”驱动下，不同行业向传统金融行业腹地渗透、冲击的表现。
如今计算机在生活中的应用越来越广泛，信息时代已经深深融入我们的工作生活中，我们通过各种平台、各种媒体、各种虚拟应用，产生、交互、分享信息。在金融市场，大数据在金融行业应用广泛并深入影像投资结构，数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。
二、大数据在金融公司的应用
大数据在金融公司主要有以下几方面应用。（这里主要以银行为例，相对集团财务公司银行面对的客户更多、经营的范围更大，采集与处理的相关信息也更加丰富。）
1.客户画像应用。客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
1.1客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。
1.2客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可。
1.3企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况。
1.4其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
2.精准营销。在客户画像的基础上银行可以有效的开展精准营销，具体体现在以下四个方面。
2.1实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消費等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会。
2.2交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售。
2.3个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广。
2.4客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
3.风险管控。
3.1中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
3.2实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。 4.运营优化。
4.1市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
4.2产品和服务优化。银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
4.3舆情分析。银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
总的来看，大数据在金融行业的应用起步比互联网行业稍晚，其应用深度和广度还有很大的扩展空间。金融行业的大数据应用依然有很多的障碍需要克服，比如银行企业内各业务的数据孤岛效应严重、大数据人才相对缺乏以及缺乏银行之外的外部数据的整合等问题。可喜的是，金融行业尤其是以银行的中高层对大数据渴望和重视度非常高，相信在未来的两三年内，在互联网和移动互联网的驱动下，金融行业的大数据应用将迎来突破性的发展。放眼集团财务公司领域，很多方面都可以向银行业借鉴，由于业务相对单一，客户范围也较窄，对大数据应用的需求推动力不强，通过应用大数据为公司带来更大的效益还要经过更长一段路。但如果能重视信息化建设加强对企业大数据管理与挖掘，一定会在经营管理、业务拓展、信息化安全保障等方面得到强化，也将会在市场不断的变革中占领先机。
参考文献：
[1]李新华.浅谈大数据时代的机遇与挑战[J].通讯世界，2013，6.
[2]唐方杰.大数据金融渐行渐近[J].银行家， 2014，3.
[3]侯敬文，程功勋.大数据时代我国金融数据的服务创新[J].财经科学，2015，10.
[4]韩浩.大数据技术在商业银行中的运用探討[D].苏州大学，2014.
作者简介：鲜梅（1976-），成都航空职业技术学院，女，成都人，副教授，硕士，从事会计教学与研究。陈其超（1979-），成都航空职业技术学院，男，自贡人，讲师，硕士，从事市场营销教学与研究。