互联网使信息变的扁平，但是信息的利用效率却没有得到提高，因为技术的限制和认知的局限，海量的信息无法深度挖掘价值，甚至是信息本身被直接忽视。很多情况下人们能看到的只是互联网的便利，而挖掘信息背后的价值则无从做起。但是大数据技术的到来改变了这一状态。

马云曾说：“人类正在从IT时代走向DT时代”。随着互联网技术的进一步发展和数据的积累，“大数据”应运而生，信息的收集，数据的挖掘逐渐被重视起来。人们意识到在现有的技术和数据的基础上，新的数据处理模式会具有更强的决策力、洞察发现力和流程的优化能力。在这样的情况下，信息成为资产，如何利用大数据技术变现数据资产的价值成了很多人的关心的问题。

而在金融行业，控制风险是永久的话题。根据个体以往的历史和整个大环境的观察，却可以对风险或多或少的有个预判。对于各种信息组合成的大数据，只要把关数据来源的范围和准确性、数据处理能力、数据产品是否能够满足客户要求、是否具有多样性，数据之于金融行业的价值不可估量。

但不同的主体、不同的情形下的风险不具有可比性；加上金融行业发展的现状，每个金融机构的数据就像是一个信息孤岛。所以在金融领域要让大数据技术得到进一步的应用，还存在一系列的问题亟待解决。

大数据应用在金融的典型案例

大数据应用到信贷：在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。另外，利用历史数据的积累可把握客户的行为规律。

阿里巴巴的淘宝信用贷款、阿里小贷的业务，同样基于网络平台的数据进行分析评估后开张的业务，只是阿里巴巴利用的是其自身平台的数据优势。

大数据辅助征信风控：中国互联网用户将近7亿，有一半左右人在央行征信系统没有信用记录。而互联网金融的意义使得金融发挥了普惠的价值，大量的人群在金融上也需要金融的消费需求，但是却一直游离于征信体制之外，以至于面对金融的“高门槛”，望之莫及。而在现在的技术条件之上，人们的日常行为被记录，大数据可以根据客户的信息进行客户画像，评估个人信用和投资风险。填补征信领域的市场空白。

大数据维护金融安全：大数据在反洗钱领域的能力也开始崭露头角。蚂蚁金服已经在利用大数据找出藏匿于网络空间的洗钱黑手，建立起智能的反洗钱体系。仅2015上半年，蚂蚁金服的反洗钱团队就向反洗钱监测分析中心报送300多份可疑交易报告，其中多份已移送公安机关。

大数据为客户制定差异化产品和营销方案：海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。

大数据应用预测市场走势

以上的案例是基于个体的数据分析，而基于个体数据进行的提炼整合，对市场环境也可以做出好坏的评估，进而更有效率的开展业务。

IBM 使用大数据信息技术成功开发了“经济指标预测系统”。借助该预测系统，可通过统计分析新闻中出现的单词等信息来预测股价等走势：IBM 的“经济指标预测系统”首先从互联网上的新闻中搜索与“新订单”等与经济指标有关的单词，然后结合其他相关经济数据的历史数据分析与股价的关系，从而得出预测结果。

早在2012年，国内国泰君安也推出了“个人投资者投资景气指数”（简称3I指数），通过一个独特的视角传递个人投资者对市场的预期、当期的风险偏好等信息。国泰君安研究所对海量个人投资者样本进行持续性跟踪监测，对账本投资收益率、持仓率、资金流动情况等一系列指标进行统计、加权汇总后得到的综合性投资景气指数。

在国内人们熟知的余额宝，其鲜明的特色就当属大数据。以基金的申购、赎回预测为例，基于淘宝和支付宝的数据平台，可以及时把握申购、赎回变动信息。

大数据在金融的应用 风控还是核心

上述无论是基于个体还是大环境的数据分析，都绕不开风险这一话题。基于个体行为和特征对客户进行的画像，是对个体的信用评级和风险评估；基于大环境的追踪和观察，是对系统性风险和市场景气指数的判断。这些行为都有效的控制住了行业风险，进而更顺利的开展金融业务。

可见，风险控制是金融行业的核心这一命题，在大数据技术的渗入下依然不会改变。

大数据发展的问题：

大数据发展至今，在金融领域的应用正在步入深水区。但是要进一步发展，除了大数据技术本身的局限，行业内部也有瓶颈亟待解决。

1、 合法性问题

大数据需要收集和提取私人数据，如何界定私人数据与公共数据的界限，如何保护个人的数据隐私权，灰色地带在哪里？这种标准的制定，为现实的法律提出了要求。

2、 共享与安全

大数据的本质是开放与共享，但是现实情况是需要数据共享的各个行业之间存在各种壁垒，如何解决目前仍是业界普遍面临的难点。

3、 解读与应用

对于大数据的结论如何解读，从哪个产业的利益出发来分析？应用的多元化，将引出不同层面的大数据价值，这需要想象力。数据分析的量级、角度和系统计算方式的差异，如果不同系统之间所作出的大数据分析出现差异，或者相反的结论，我们该如何判断和解读？

尽管大数据技术还可以继续深入发展，但这些问题，嫣然不是技术上的可以解决的。要想深入应用大数据技术，充分发掘出数据的价值。行业自身也需要自我进化升级。

本文转自d1net（转载）