金融業(yè)大數(shù)據(jù)應(yīng)用研究＊

劉寒 中國信息通信研究院通信標準研究所工程師

孫晶 中國信息通信研究院電信設(shè)備認證中心助理工程師

金融業(yè)大數(shù)據(jù)應(yīng)用研究＊

劉寒 中國信息通信研究院通信標準研究所工程師

孫晶 中國信息通信研究院電信設(shè)備認證中心助理工程師

大數(shù)據(jù)技術(shù)不斷發(fā)展，同傳統(tǒng)行業(yè)的結(jié)合勢在必行。金融業(yè)是以數(shù)據(jù)為基礎(chǔ)的行業(yè)，在大數(shù)據(jù)應(yīng)用領(lǐng)域首當其沖。金融領(lǐng)域的銀行、保險、證券三大業(yè)務(wù)已經(jīng)同大數(shù)據(jù)全方位結(jié)合發(fā)展。但在大數(shù)據(jù)規(guī)范完善、信息安全、金融企業(yè)大數(shù)據(jù)平臺建設(shè)、分析能力方面還有待進一步發(fā)展。

大數(shù)據(jù) 金融 應(yīng)用

1 引言

隨著2013年后大數(shù)據(jù)概念的熱度升溫和技術(shù)發(fā)展，大數(shù)據(jù)這個來源于互聯(lián)網(wǎng)領(lǐng)域的技術(shù)理念已經(jīng)不可避免地與傳統(tǒng)行業(yè)相互接觸、碰撞，一些擁有大數(shù)據(jù)技術(shù)的企業(yè)利用技術(shù)優(yōu)勢和前瞻科技不斷擴展業(yè)務(wù)領(lǐng)域，對傳統(tǒng)行業(yè)形成威脅；而從另一個角度來說，傳統(tǒng)行業(yè)更應(yīng)該憑借自身固有優(yōu)勢，利用新技術(shù)手段改革創(chuàng)新、尋求新的發(fā)展方式，固步自封是一潭死水，開放融合才會孕育新的生機，這才是真正的大數(shù)據(jù)思維。

金融業(yè)是以數(shù)據(jù)為基礎(chǔ)的行業(yè)，大量的交易、客戶、投資等數(shù)據(jù)都為金融業(yè)大數(shù)據(jù)的應(yīng)用提供了豐厚土壤，大數(shù)據(jù)和金融行業(yè)的協(xié)同發(fā)展不僅是天然結(jié)合，也是業(yè)界共識。金融行業(yè)應(yīng)該抓住大數(shù)據(jù)這次技術(shù)引領(lǐng)的創(chuàng)新機遇，以大數(shù)據(jù)思維從事業(yè)務(wù)、使用大數(shù)據(jù)技術(shù)拓展經(jīng)營空間、利用大數(shù)據(jù)資源創(chuàng)造價值，這必將是金融業(yè)的發(fā)展路徑。

2 大數(shù)據(jù)發(fā)展趨勢

（1）數(shù)據(jù)種類日益豐富、采集渠道不斷拓展

金融、醫(yī)療、交通等各行業(yè)經(jīng)過信息化建設(shè)，積累了眾多專有數(shù)據(jù)，是存量的大數(shù)據(jù)資源。而移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，大大豐富了大數(shù)據(jù)的采集渠道，社交網(wǎng)絡(luò)、可穿戴設(shè)備、車聯(lián)網(wǎng)等成為大數(shù)據(jù)增量資源的主體。

目前，微博、微信和各類移動APP等渠道提供了豐富的互聯(lián)網(wǎng)數(shù)據(jù)源。截至2014年6月，中國網(wǎng)民規(guī)模達6.32億，其中手機網(wǎng)民規(guī)模5.27億。微博用戶數(shù)量2014年達2.75億，社交網(wǎng)站用戶規(guī)模為2.57億。通過社交網(wǎng)絡(luò)服務(wù)商提供的API或爬蟲程序，可以采集到豐富的網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)成企業(yè)數(shù)據(jù)資源的重要組成部分，可以作為業(yè)務(wù)數(shù)據(jù)的有效補充。

智能化的可穿戴設(shè)備經(jīng)過幾年的發(fā)展，智能手環(huán)、腕帶、手表等可穿戴設(shè)備正在走向成熟。國外Intel、Google、Facebook，國內(nèi)百度、京東、小米等均布局可穿戴設(shè)備領(lǐng)域。同時，隨著移動互聯(lián)網(wǎng)的發(fā)展，車聯(lián)網(wǎng)附加功能將越來越豐富，車聯(lián)網(wǎng)進入快速發(fā)展階段。2014年，全球機動車保有量達到12億輛，我國1.4億輛；預(yù)計2015年，國內(nèi)車聯(lián)網(wǎng)即將突破10%；到2020年，車聯(lián)網(wǎng)滲透率有望突破20%。而這些物聯(lián)網(wǎng)領(lǐng)域定向采集的數(shù)據(jù)資源具有極高的利用價值，是各行業(yè)大數(shù)據(jù)資源的重要組成部分。

（2）大數(shù)據(jù)存儲、計算、分析技術(shù)為大數(shù)據(jù)應(yīng)用提供支撐

2000 年左右，Google等提出的文件系統(tǒng)（GFS），以及隨后的Hadoop的分布式文件系統(tǒng)HDFS（Hadoop Distributed File System）奠定了大數(shù)據(jù)存儲技術(shù)的基礎(chǔ)。這類存儲技術(shù)采用分布式架構(gòu)，擁有較高的并發(fā)訪問能力，同時將計算和存儲在物理上進行統(tǒng)一，降低了數(shù)據(jù)頻繁讀取所產(chǎn)生的I/O吞吐量制約。

2004 年，Google提出了新型分布式計算技術(shù)MapReduce，其線性擴展的處理能力在成本和擴展性上有著巨大優(yōu)勢，目前成為最廣泛的大數(shù)據(jù)處理方式。2010年，Google公布的Dremel系統(tǒng)是一種交互分析引擎，幾秒鐘即可完成PB級的數(shù)據(jù)查詢操作。新一代計算平臺Spark進一步將Hadoop性能提高30倍以上。技術(shù)不斷進步，并通過開源方式進行發(fā)布，降低了技術(shù)準入門檻。同時，成本不斷降低，傳統(tǒng)數(shù)據(jù)存儲和分析成本約為3萬美元/TB，而采用Hadoop技術(shù)，成本可以降到300～1000美元/TB。目前，開源Hadoop和Spark已經(jīng)形成了比較成熟的產(chǎn)品供應(yīng)體系，基本上可以滿足大部分企業(yè)建設(shè)大數(shù)據(jù)存儲和分析平臺的需求，為企業(yè)的大數(shù)據(jù)應(yīng)用提供了低成本解決方案。

（3）大數(shù)據(jù)分析、挖掘和建模技術(shù)成為發(fā)展重點

大數(shù)據(jù)已經(jīng)具備了技術(shù)上的可能，但是在人類全部數(shù)字化數(shù)據(jù)中僅有1%的數(shù)據(jù)得到了深入分析和挖掘，大型的互聯(lián)網(wǎng)企業(yè)也僅是對網(wǎng)絡(luò)數(shù)據(jù)進行了淺層分析，而占數(shù)據(jù)總量一半以上的圖片、語音、視頻等非結(jié)構(gòu)數(shù)據(jù)還沒有得到有效挖掘。因此，企業(yè)不僅需要針對結(jié)構(gòu)化數(shù)據(jù)進行深入挖掘和分析，同時應(yīng)積極分析利用非結(jié)構(gòu)化數(shù)據(jù)中隱含的價值構(gòu)建自身優(yōu)勢，增強競爭能力。

（4）大數(shù)據(jù)政策不斷推出、法律法規(guī)日益完善

美國政府在2012年率先推出“大數(shù)據(jù)行動計劃”，加大技術(shù)研究力度、推行數(shù)據(jù)開放和推動政府大數(shù)據(jù)應(yīng)用。隨后，英、澳、日等國家相繼推出大數(shù)據(jù)規(guī)劃和政策。我國政府高度重視大數(shù)據(jù)應(yīng)用發(fā)展，2012年以來，科技部、發(fā)改委、工信部等部委在科技和產(chǎn)業(yè)化專項上陸續(xù)支持了一批大數(shù)據(jù)項目；2014年3月，“大數(shù)據(jù)”首次出現(xiàn)在全國兩會的《政府工作報告》中。各地方政府從2013年陸續(xù)出臺大數(shù)據(jù)推進計劃，根據(jù)地方特點，形成不同應(yīng)用模式。

3 金融業(yè)大數(shù)據(jù)應(yīng)用研究

金融業(yè)的行業(yè)特性決定了金融業(yè)利用大數(shù)據(jù)的必然性。金融業(yè)是信息密集型服務(wù)產(chǎn)業(yè)，現(xiàn)代金融企業(yè)普遍大量投資IT設(shè)施，同時擁有龐大的數(shù)據(jù)庫可資利用。因此，數(shù)據(jù)易用性好，數(shù)據(jù)密度大，技術(shù)和人才儲備相對充裕，利用大數(shù)據(jù)可創(chuàng)造價值更高。

根據(jù)2012年的一份調(diào)查報告顯示，中國大數(shù)據(jù)應(yīng)用投資規(guī)模最大的行業(yè)分別是互聯(lián)網(wǎng)行業(yè)（28.9%），之后是電信業(yè)（19.9%）、金融業(yè)（17.5%），然后是交通、政府和醫(yī)療領(lǐng)域。金融業(yè)的大數(shù)據(jù)應(yīng)用投資逐年增加，已經(jīng)成為除信息通信領(lǐng)域外大數(shù)據(jù)應(yīng)用熱情最高和投資最大的傳統(tǒng)行業(yè)。而在麥肯錫的一份報告中顯示，金融保險無論是在整體價值潛力、企業(yè)平均數(shù)據(jù)量、交易密度等方面都居于全球所有行業(yè)的前20%；另一份報告顯示，在金融行業(yè)的三大主要領(lǐng)域，銀行業(yè)大數(shù)據(jù)應(yīng)用居首，占比41%，證券和保險分別占31.5%和28.5%。

（1）銀行業(yè)大數(shù)據(jù)應(yīng)用

●數(shù)據(jù)整合和數(shù)據(jù)平臺建設(shè)

大數(shù)據(jù)應(yīng)用的基礎(chǔ)是數(shù)據(jù)，數(shù)據(jù)的體量大小、類型多樣性和完整性決定了數(shù)據(jù)應(yīng)用的程度和能夠挖掘的數(shù)據(jù)價值。各銀行的傳統(tǒng)數(shù)據(jù)大多來源于經(jīng)營網(wǎng)點的業(yè)務(wù)數(shù)據(jù)，而在大數(shù)據(jù)時代，銀行獲取數(shù)據(jù)的渠道不斷擴展，包括門戶網(wǎng)站、網(wǎng)上銀行、電話銀行、手機銀行、ATM等電子渠道，利用微博、微信、社交網(wǎng)站等眾多途徑，整合這些新型數(shù)據(jù)使得銀行有了大數(shù)據(jù)應(yīng)用的基礎(chǔ)。

以客戶數(shù)據(jù)為例，客戶是企業(yè)賴以生存的基礎(chǔ)，企業(yè)的一切產(chǎn)品、營銷、服務(wù)都是以客戶為出發(fā)點，所以基于多渠道的客戶數(shù)據(jù)進行整合分析，描繪完整和精準的客戶畫像至關(guān)重要。企業(yè)的客戶畫像應(yīng)用主要分為個人客戶畫像和企業(yè)客戶畫像。個人客戶畫像包括人口統(tǒng)計學特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風險偏好等；企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運營、財務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。傳統(tǒng)手段上，銀行擁有的客戶信息并不全面，基于銀行自身擁有的數(shù)據(jù)有時候難以得出理想的結(jié)果甚至可能得出錯誤的結(jié)論。例如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，得到的真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。因此，銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴展對客戶的了解。

有了大數(shù)據(jù)基礎(chǔ)，還需要大數(shù)據(jù)平臺的建設(shè)，大數(shù)據(jù)平臺的建設(shè)可以分為兩個方面：一是數(shù)據(jù)獲取、存儲平臺的建設(shè)；二是數(shù)據(jù)分析平臺的建設(shè)。數(shù)據(jù)獲取手段的豐富和存儲能力的提升還需要大數(shù)據(jù)技術(shù)的支持，包括各類網(wǎng)絡(luò)信息的爬取和數(shù)據(jù)的存儲、客戶交易數(shù)據(jù)的實時獲取和存儲、語音視頻數(shù)據(jù)的獲取和非結(jié)構(gòu)化數(shù)據(jù)的存儲及網(wǎng)絡(luò)交互中各類可以完善元數(shù)據(jù)的通信數(shù)據(jù)的獲取和存儲。數(shù)據(jù)獲取和存儲的目的是為了應(yīng)用，大數(shù)據(jù)分析手段成為大數(shù)據(jù)能否創(chuàng)造商業(yè)價值的衡量標準。傳統(tǒng)的數(shù)據(jù)挖掘方法在海量數(shù)據(jù)分析時，存在非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換、算法效率等亟待解決的問題。大數(shù)據(jù)平臺的建設(shè)已經(jīng)成為各個銀行現(xiàn)階段重點關(guān)注的問題，無論是在現(xiàn)有平臺的基礎(chǔ)上向分布式平臺Hadoop和Spark遷移、還是以業(yè)務(wù)特點為出發(fā)點分領(lǐng)域、分段建設(shè)和轉(zhuǎn)換大數(shù)據(jù)平臺或是使用云服務(wù)商提供的云服務(wù)等方式都是大數(shù)據(jù)平臺建設(shè)的手段。

例如，摩根大通銀行已經(jīng)開始使用Hadoop技術(shù)以滿足日益增多的用途，包括詐騙檢驗、IT風險管理和自主服務(wù)。摩根大通的大數(shù)據(jù)平臺能夠存儲大量非結(jié)構(gòu)化數(shù)據(jù)，可以收集和存儲WBB日志、交易數(shù)據(jù)和社交媒體數(shù)據(jù)，其擁有150PB在線存儲數(shù)據(jù)、3萬個數(shù)據(jù)庫和35億個用戶登錄賬號。所有數(shù)據(jù)都被匯集至通用大數(shù)據(jù)平臺，以方便以客戶為中心的數(shù)據(jù)挖掘與數(shù)據(jù)分析工具使用。

●產(chǎn)品創(chuàng)新能力成為核心競爭力

大數(shù)據(jù)應(yīng)用拓寬了商業(yè)銀行業(yè)務(wù)和服務(wù)的發(fā)展空間，加速了產(chǎn)品創(chuàng)新。目前，我國商業(yè)銀行服務(wù)同質(zhì)化、產(chǎn)品差異性小。隨著數(shù)據(jù)的不斷積累和商業(yè)銀行數(shù)據(jù)分析能力的不斷提升，大數(shù)據(jù)應(yīng)用將拓展銀行的業(yè)務(wù)發(fā)展空間，涉及具有定價權(quán)和競爭力的創(chuàng)新產(chǎn)品，提升銀行的核心競爭力。

例如，阿里巴巴推出的“花唄”，基于對消費者日常消費的研究，年輕人理財需求旺盛，收入有限，但又熱衷消費。“花唄”的用戶中，有將近一半是沒有信用卡的，他們資金緊張時的購物需求“花唄”可以滿足。“花唄”的人群獲得的風險控制，都基于用戶在平臺上的消費行為，進行復(fù)雜分析計算后得出。

●互聯(lián)網(wǎng)金融

互聯(lián)網(wǎng)金融是大數(shù)據(jù)同金融業(yè)結(jié)合應(yīng)用的典型代表，既是經(jīng)營模式也是新興產(chǎn)業(yè)，既可以是傳統(tǒng)銀行的新業(yè)務(wù)也可以是互聯(lián)網(wǎng)企業(yè)進軍金融業(yè)的一件利器。目前，國內(nèi)的商業(yè)銀行的互聯(lián)網(wǎng)經(jīng)營大多還是傳統(tǒng)業(yè)務(wù)的互聯(lián)網(wǎng)運營，對于互聯(lián)網(wǎng)大數(shù)據(jù)價值的發(fā)掘還有待發(fā)展。而坐擁大數(shù)據(jù)技術(shù)的互聯(lián)網(wǎng)公司同金融業(yè)務(wù)的結(jié)合成為目前互聯(lián)網(wǎng)金融的最主要形式。

從本質(zhì)上看，互聯(lián)網(wǎng)金融模式通過搭建高效便捷的信息交易平臺不斷弱化金融中介的作用，是一種金融脫媒的行為，目前基本形成第三方支付、大數(shù)據(jù)金融、P2P網(wǎng)絡(luò)信貸、眾籌融資等寡頭壟斷競爭的發(fā)展格局。大數(shù)據(jù)金融模式是推動互聯(lián)網(wǎng)金融格局變革的活躍因素。從運營模式看，可以分為以京東、蘇寧為代表的供應(yīng)鏈金融模式和以阿里小貸為代表的平臺自營模式。前者主要解決核心企業(yè)供應(yīng)商金融借貸所需的信用憑證問題，通過電商核心企業(yè)掌握的供應(yīng)商在支付、物流等關(guān)鍵環(huán)節(jié)的數(shù)據(jù)和憑證，與銀行合作，對產(chǎn)業(yè)鏈條中的上下游進行融資；后者主要解決平臺交易商小額貸款的風險控制問題，憑借電商平臺自身系統(tǒng)掌握的貸款人交易數(shù)據(jù)，對其信用狀況進行核定，發(fā)放無抵押的信用貸款及應(yīng)收賬款抵押貸款。

●風險管控和運營優(yōu)化

在風險管控方面，可以對小企業(yè)貸款風險進行評估，銀行可通過企業(yè)的產(chǎn)、流通、銷售、財務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進行貸款風險分析，量化企業(yè)的信用額度，更有效地開展中小企業(yè)貸款。同時，可以實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式等，結(jié)合智能規(guī)則引擎進行實時的交易反欺詐分析?；ヂ?lián)網(wǎng)金融應(yīng)用大數(shù)據(jù)整合物流、信息流等信用風險控制關(guān)鍵節(jié)點，以快捷方便的網(wǎng)絡(luò)信用貸款迅速搶占小微市場，商業(yè)銀行市場定位被迫下沉，并通過與供應(yīng)鏈核心企業(yè)、電商平臺的異業(yè)聯(lián)盟獲取大數(shù)據(jù)來源，創(chuàng)新信用風險管理模式。

在運營優(yōu)化方面，包括：

——市場和渠道分析優(yōu)化。通過大數(shù)據(jù)，銀行可以監(jiān)控不同市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進行合作渠道的調(diào)整和優(yōu)化。

——產(chǎn)品和服務(wù)優(yōu)化。銀行可以將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個性特征和風險偏好，更深層次地理解客戶的習慣，智能化分析和預(yù)測客戶需求，從而進行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。

——輿情分析。銀行可以抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過自然語言處理技術(shù)進行正負面判斷，尤其是及時掌握銀行以及銀行產(chǎn)品和服務(wù)的負面信息，及時發(fā)現(xiàn)和處理問題；對于正面信息，可以加以總結(jié)并繼續(xù)強化。同時，銀行也可以抓取同行業(yè)的銀行正負面信息，及時了解同行做得好的方面，以作為自身業(yè)務(wù)優(yōu)化的借鑒。

（2）保險業(yè)大數(shù)據(jù)應(yīng)用

價值創(chuàng)造是保險業(yè)大數(shù)據(jù)應(yīng)用的最終目標。保險業(yè)的普遍共識是，大數(shù)據(jù)同保險業(yè)的結(jié)合利用應(yīng)該是全方位、全流程的，無論從橫向的產(chǎn)品維度還是縱向的流程維度都應(yīng)該充分挖掘應(yīng)用節(jié)點，更好地利用大數(shù)據(jù)技術(shù)創(chuàng)造價值。不僅包括商業(yè)贏利，還包括企業(yè)經(jīng)營方式的改變、企業(yè)管理水平的進步、企業(yè)整體工作效率的提高、各業(yè)務(wù)水平的發(fā)展、服務(wù)水平的改進等方方面面的提升。

麥肯錫公司將欺詐檢測、客戶視圖、交叉銷售、情感分析、外部數(shù)據(jù)價值、非結(jié)構(gòu)化文檔挖掘等12類客戶案例同透明度、準實時分析、客戶細分、主動深入洞察、產(chǎn)品改良5類大數(shù)據(jù)價值創(chuàng)造模式進行交叉分析得出：在12類業(yè)務(wù)案例中有11類已經(jīng)應(yīng)用或可以應(yīng)用大數(shù)據(jù)技術(shù)進行主動洞察和改善保險各項業(yè)務(wù)，占比達到90%以上；有7類應(yīng)用了大數(shù)據(jù)技術(shù)進行客戶細分和創(chuàng)造新的商業(yè)模型來改善保險產(chǎn)品，占比達到50%以上。NOVARICA保險研究機構(gòu)對55家保險機構(gòu)的首席信息官和高級IT執(zhí)行官進行調(diào)查分析得出：大數(shù)據(jù)技術(shù)在保險精算和產(chǎn)品建模方面已經(jīng)創(chuàng)造較大的顯著應(yīng)用價值（18%）；大數(shù)據(jù)承保方面創(chuàng)造的顯著商業(yè)價值達到13%；在理賠方面有著最大的模糊應(yīng)用比例（11%），應(yīng)用模式不夠清晰，有待進一步研究和應(yīng)用；市場營銷是大數(shù)據(jù)應(yīng)用的重點領(lǐng)域，但是目前沒有顯著的商業(yè)效果（7%）；保險服務(wù)方面基本沒有顯著商業(yè)效果（2%）。

●客戶分群和精準營銷

現(xiàn)代保險業(yè)以客戶為基礎(chǔ)，如何整合客戶信息，創(chuàng)建統(tǒng)一視圖成為了大數(shù)據(jù)在保險業(yè)的重要應(yīng)用。以客戶為中心整合客戶自然信息、業(yè)務(wù)信息、互動信息以及外部公共信息等?；诳蛻粢晥D建立客戶標簽、進行客戶分群是進行精準營銷、個性化服務(wù)的重要基礎(chǔ)工作。采用大數(shù)據(jù)技術(shù)中的Nosql數(shù)據(jù)庫技術(shù)，以鍵值的方式儲存客戶數(shù)據(jù)。然后，以客戶為中心建立客戶與保單關(guān)聯(lián)視圖。一方面可以實現(xiàn)基于客戶或基于保單的整合查詢，為呼叫中心、營銷員、柜面及風險部門提供便利；另一方面可以進行客戶分群、客戶特征抽取等工作，為精準營銷、個性化服務(wù)打下基礎(chǔ)。

保險企業(yè)面對日益嚴峻的經(jīng)濟因素、激烈的市場競爭、嚴苛的客戶要求和日益發(fā)展的大數(shù)據(jù)技術(shù)四方面壓力，如何改善營銷模型，達到精準營銷目的，提升公司營銷水平，保證市場競爭力成為企業(yè)重點發(fā)展領(lǐng)域。企業(yè)需要運用大數(shù)據(jù)思維改變傳統(tǒng)的客戶管理觀點：從以產(chǎn)品為中心、銷售人員驅(qū)動的模式轉(zhuǎn)為以客戶為中心的定位和差異化營銷模式；從單一通過業(yè)務(wù)交易獲取客戶數(shù)據(jù)轉(zhuǎn)化為全面整合公司內(nèi)部客戶數(shù)據(jù)、積極獲取客戶外部數(shù)據(jù)的策略。之后是進行客戶大數(shù)據(jù)存儲的建設(shè)。數(shù)據(jù)存儲平臺建設(shè)之后就是通過客戶分群模型實現(xiàn)對客戶數(shù)據(jù)的分群處理，達到客戶特征的精準客刻畫和洞察。預(yù)測模型，對制定的銷售策略進行交叉銷售和追加銷售的模型預(yù)測，并通過反饋實現(xiàn)數(shù)據(jù)的閉環(huán)流動，實現(xiàn)了對客戶的洞察，找出了客戶的價值和行為，向客戶發(fā)起有針對性的營銷活動，并通過營銷活動結(jié)果不斷調(diào)整營銷策略提升營銷能力。

●個性費率和最優(yōu)定價

費率計算和產(chǎn)品定價可以說是保險產(chǎn)品從開發(fā)設(shè)計到走向市場整個過程中最重要的一個環(huán)節(jié)，也是最直接利用數(shù)據(jù)的一個環(huán)節(jié)。從大數(shù)據(jù)的角度來看，因為保險業(yè)務(wù)的個性化定價較為普遍，數(shù)據(jù)量越大、數(shù)據(jù)維度越廣對于定價的精確程度提升越有幫助。定價越準確，保險公司面臨的逆選擇風險就越低，費率的充足性和公平性也就越理想正是在這個意義上，定價能力的高低，決定了保險公司風險選擇能力的高低。

定價科學、費率充足是產(chǎn)險公司承保盈利的源頭，如何使得費率最大程度地貼近保險市場的真實情況、如何使產(chǎn)品定價能夠為公司帶來最大化的收益一直以來都是保險公司最為關(guān)注的核心問題，大數(shù)據(jù)的出現(xiàn)使得個性化費率的制定和最優(yōu)產(chǎn)品定價有了可能。

●核保理賠優(yōu)化

對于保險業(yè)，“核?！迸c“理賠”每天都在發(fā)生，保險公司現(xiàn)金流主要通過“核?！迸c“理賠”兩個環(huán)節(jié)進行運作，核保理賠工作正是處在保險企業(yè)“收”和“支”兩條大動脈的重要關(guān)口上，把握著公司命脈。總的來說，核保理賠在保險企業(yè)的風險控制能力、盈利能力的提高和企業(yè)信譽的建立等方面起著關(guān)鍵作用。

核保方面，目前大數(shù)據(jù)主要應(yīng)用是利用大數(shù)據(jù)技術(shù)實現(xiàn)自動核保、自動賠付、優(yōu)化核保理賠流程。在大數(shù)據(jù)支持下，數(shù)據(jù)分析建?？梢詫崿F(xiàn)自動化核保和差異化核保，將前臺處理轉(zhuǎn)化為后臺處理。保險公司通過各種核保因素進行分析建模，將用戶填寫信息輸入電腦或移動終端，在結(jié)合公司數(shù)據(jù)庫內(nèi)所關(guān)聯(lián)的客戶信息，即可以實現(xiàn)實時和自動化核保。

理賠方面，在初步審核階段，報案手段的不同也決定了大數(shù)據(jù)應(yīng)用的方式有所不同。電話報案，保險公司可以通過電話號碼的小區(qū)定位大致了解報案發(fā)生的地點。如果通過手機應(yīng)用報案，保險公司可以通過技術(shù)手段獲取用戶的GPS定位信息，精確確定報案地點。在確認事故原因方面，可以通過遠程上傳現(xiàn)場圖片的方式，通過圖片分析挖掘手段進行事故分析，確認各方責任。在確定賠償金額方面，通過重要信息錄入，結(jié)合基本的賠償計算公式和客戶保單明細進行自動計算。最后對用戶進行保險賠償和給付，通過優(yōu)化內(nèi)部流程和合理的賠付手段，為客戶實現(xiàn)更為快捷、方便、適合的賠付，給客戶更好的賠付體驗。

（3）證券業(yè)大數(shù)據(jù)應(yīng)用

證券市場一直是數(shù)據(jù)分析師的領(lǐng)地，專業(yè)數(shù)據(jù)分析師憑借良好的數(shù)學功底，多年的行業(yè)經(jīng)驗?zāi)軌驅(qū)ξ⑿〔▌舆M行數(shù)字化解讀，找到最佳投資點，他們也是每個證券企業(yè)的寶貴財富。大數(shù)據(jù)技術(shù)中的數(shù)據(jù)分析手段，包括人工智能、深度學習、時序分析等算法的發(fā)展可以為數(shù)據(jù)分析師提供更為專業(yè)的數(shù)據(jù)支撐，深入數(shù)據(jù)內(nèi)部找出數(shù)據(jù)價值。

股市是證券行業(yè)的戰(zhàn)場，股市交易是一種高頻金融交易，其主要特點是實時性要求高和數(shù)據(jù)規(guī)模大。目前，滬深兩市每天4個小時的交易時間會產(chǎn)生3億條以上逐筆成交數(shù)據(jù)，隨著時間的積累數(shù)據(jù)規(guī)模非?？捎^。與一般日志數(shù)據(jù)不同的是這些數(shù)據(jù)在金融工程領(lǐng)域有較高的分析價值，金融投資研究機構(gòu)需要對歷史和實時數(shù)據(jù)進行挖掘創(chuàng)新，以創(chuàng)造和改進數(shù)量化交易模型，并將之應(yīng)用在基于計算機模型的實時證券交易過程中。

美國一家叫做Kensho的金融數(shù)據(jù)服務(wù)商可以說充分利用了大數(shù)據(jù)技術(shù)進行證券市場分析，同時也對專業(yè)的金融企業(yè)帶來了不小的沖擊。該公司正在研發(fā)一種針對專業(yè)投資者的大規(guī)模數(shù)據(jù)處理分析平臺。該平臺將取代現(xiàn)有各大投資分析師的工作，可以快速、大量地進行各種數(shù)據(jù)處理分析工作并能實時回答投資者所提出的復(fù)雜金融問題。Kensho對于金融分析行業(yè)的影響就好像谷歌給搜索業(yè)帶來的沖擊一樣。當投資者想弄清楚三級颶風、朝鮮試射導(dǎo)彈或者蘋果新iPad上市和股票價格之間的關(guān)系時，即使最好的分析師能找到所有的數(shù)據(jù)，也至少要花上數(shù)天的時間來找出其中的潛在聯(lián)系。而大數(shù)據(jù)分析軟件可以通過掃描藥物審批、經(jīng)濟報告、貨幣政策變更、政治事件以及這些事件對地球上幾乎所有金融資產(chǎn)的影響等9萬余份數(shù)據(jù)資料進行分析，得到答案，而處理速度在優(yōu)質(zhì)模型的驅(qū)動下甚至可以達到毫秒級別，可以得到上千萬種答案，并從中找出最優(yōu)結(jié)果。

4 結(jié)束語

總體說來，大數(shù)據(jù)金融呈現(xiàn)出網(wǎng)絡(luò)化、信息不對稱大大降低、高效率、多層次的行業(yè)格局、高度個性化金融和去媒介化等多種特點，這是傳統(tǒng)金融所不具有的。從應(yīng)用模式上看，以客戶為中心，通過海量多樣數(shù)據(jù)的分析，進行個性化產(chǎn)品創(chuàng)新、精準營銷、針對性服務(wù)成為主要領(lǐng)域。同時，對于金融企業(yè)內(nèi)部管理、運營優(yōu)化帶來更豐富的支撐手段。

金融業(yè)大數(shù)據(jù)應(yīng)用前景一片光明，但也不能忽略發(fā)展背后帶來的問題。大數(shù)據(jù)平臺建設(shè)還需要繼續(xù)發(fā)展和完善、硬件遷移在成本和性能上還需綜合考量、大數(shù)據(jù)安全隱私問題的處理能力還很薄弱、各項法律法規(guī)的不健全也對金融大數(shù)據(jù)應(yīng)用造成標準不統(tǒng)一、市場混亂等問題。

1 McKinsey Report.5 DifferentWays of VALUE Creations. McKinsey.2013

2 NovaricaSurveyof55 InsurerCIOsandSenior ITExecs.2013

3 http://w ikibon.org/w iki/v/Big_Data_Vendor_Revemnue_and_Market_Forecast_2013-2017

4 傅志華.大數(shù)據(jù)在金融行業(yè)的應(yīng)用

5 唐方杰.大數(shù)據(jù)金融漸行漸近.銀行家.2014,3

6 蔚趙春,凌鴻.商業(yè)銀行大數(shù)據(jù)應(yīng)用的理論、實踐與影響.上海金融.2013,9

2015-01-29）

云計算標準與測試驗證北京市重點實驗室項目資助