我國金融行業創新理念的實施與發展探究

官凱文

摘 要：隨著第四次工業革命的到來，“大數據”已經成為下一個創新、競爭和生產力的前沿領域了，并且廣泛地運用在金融、教育、醫療、制造、文化、能源、農業等多個領域。主要通過闡述對大數據與金融行業之間關系，研究了大數據在銀行、券商、保險公司等的應用場景，及其未來發展趨勢需面對的問題。

關鍵詞：大數據；金融行業；應用場景

中圖分類號：F83 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2018.08.047

1 大數據概述

大數據又稱海量數據，是巨量數據的集合，而且這些數據是無法在某時間段通過傳統的軟件工具獲得、處理、分析的數據。大數據具有數據體量巨大、數據種類繁多、價值密度低但商業價值高以及處理速度快等特征。

“大數據”在著名未來學家阿爾文·托夫勒《第三次浪潮》中首次被提出，進入到21世紀后，科學技術的迅猛發展使得“大數據”在2009年成為互聯網信息技術行業的流行詞匯。大數據分為結構化數據和非結構化數據，結構化數據，具體來講，就像企業ERP、財務系統；醫療HIS核心數據庫、教育一卡通等根據應用場景而誕生的數據庫。非結構化數據則是類似于所有格式的文本、圖片、圖像和音頻/視頻信息等等，具有不規則、不完整，無法用二級邏輯來表示的數據。大數據主要是把互聯網上不規則，不完整并且看似沒有意義的非結構化數據進行挖掘、分析，從而轉化成有價值的信息。隨著互聯網的快速發展，人們在互聯網上的行為產生了大量的數據。根據相關調查，截至2013年非結構化數據增長率達到400%，預計到2020年數據將成指數級增長，并且中國的信息數據總量屆時也是非常的龐大，成為真正的數據資源大國。

2 大數據在金融行業的應用場景

大數據在金融領域的應用區別在于運用于其他領域，并非海量數據簡單集合，而是通過互聯網、大數據以及云計算等多種信息化的模式整合相應客戶的消費習慣、資產負債狀況、納稅信息和信用記錄等數據，這些數據經過計算和分析后，將幫助金融機構全面掌握客戶行為并能計算動態違約概率和損失率，降低金融機構放貸風險。借助大數據分析而建立起的征信系統給予了對金融業最有力的幫助，創新了信用管理模式，并且極大程度的降低了壞賬率， 減少了金融企業運營成本與服務成本，實現了規模化的經濟效益。另外，大數據平臺還可以幫助企業精準判斷客戶下一階段消費傾向，從而設計推廣出更貼近客戶需求的業務與產品，差異化的產品設計和個性化的服務，能夠提高客戶的滿意度。基于大數據建立的全新溝通渠道和營銷手段，提高產品銷售的成功率，降低了金融機構的管理運營成本。

根據前瞻研究院發布的一份分析報告顯示，2016年我國的大數據金融市場規模已經達到15.8億元。國務院頒布的《推進普惠金融發展規劃（2016—2020年）》中提到，鼓勵金融機構運用大數據、云計算等新興信息技術來打造互聯網金融服務平臺。隨著政策的推廣實施，以大數據為核心驅動力的產業金融將會成為未來時代發展的大趨勢，預計2018年中國金融大數據應用市場將突破100億元，金融業也將進入大數據時代的快車道。

2.1 銀行大數據應用

銀行對于大數據的應用主要可以分為四個方面：客戶畫像、運營優化、風險管控和精準營銷。

2.1.1 用戶畫像

用戶畫像有個人客戶畫像和企業客戶畫像。個人客戶畫像里面包含人口統計學特征、個人客戶消費能力數據、客戶興趣數據以及風險偏好等數據，而企業客戶畫像則包含企業的生產、流通、運營、管理、財務等等。通過獲取客戶在社交媒體上的行為數據，可以進行更為精準的營銷和管理；獲取客戶在電商網站上的交易紀錄和數據則可以評估客戶信用情況，從而決定客戶可以借貸的額度。通過獲取企業客戶產業鏈上下游數據掌握企業外部環境發展情況預測企業未來發展情況減少銀行貸款風險。

2.1.2 精準營銷

精準營銷主要有實時營銷、交叉營銷、個性化推薦和客戶生命周期管理。

實時營銷是根據用戶近期的消費信息來判斷今后客戶的消費需求，從而有針對的進行營銷。交叉營銷即通過獲取客戶的業務或者產品的信息來進行其它業務或產品的推薦。個性化推薦是指針對某個群體，比如根據客戶年齡段、消費水平、收入水平、風險接受度等選擇適合該類客戶的金融產品或業務進行推薦。而客戶生命周期管理指的是一個客戶從了解企業或者企業預對某一客戶進行開發開始，直到客戶與企業的業務關系完全終止并且雙方的事務也已完成結束的完整時間段。

2.1.3 風險管控

通過挖掘企業的生產，與供應商之間的交易數據、財務、管理等信息數據進行貸款風險分析，設定企業可貸款額度，減少企業失信帶來的貸款壞賬損失。

2.2 保險行業大數據應用

保險行業傳統的代理人因為代理人素質參差不齊等問題，使得保險行業一直飽受詬病，但是代理人素質及人際關系網是業務開展的關鍵因素。隨著互聯網以及大數據的發展，保險公司的營銷將會變得更加精準化。

一是通過大數據對客戶細分化從而進行差異化服務。通過大數據挖掘了解到客戶的風險偏好，不同的風險偏好者對于保險的需求也不一樣，一般風險厭惡者有更大的保險需求。除此之外，根據大數據對客戶的職業、收入水平、家庭結構等各方面進行分類，對不同類別的客戶提供不同的產品和服務。

二是保險公司可以通過大數據分析挖掘潛在客戶。通過搜集客戶線上的行為數據以及客戶的其它信息，將某些關鍵行為數據代入到模型當中，預測出客戶的出險情況，同時精確推出適合該客戶的保險品種。

三是通過大數據實現對客戶的精準營銷。隨著互聯網的發展，人們的生活和互聯網緊密聯系，大數據使得人們在互聯網產生的行為數據都集合在一起，比如購物數據、客戶地域分布、平時瀏覽的購物偏好、愛好以及搜索關鍵詞等等，大數據通過集合這些信息數據并進行分析，從而可以實現定時推送客戶有偏好的保險品種，實現精準營銷。

四是通過大數據實現精細化運營。在過去沒有大數據的情況下保險公司不能掌握每個客戶的信息，所以把每個客戶都放在同一個風險水平，因此給客戶制定的保單也大同小異。大數據的運用可以通過客戶在社交網絡的數據和信息精確掌控風險控制問題，從而為客戶制定出適合不同客戶的個性化保單，建立出更加準確的保單模型，增加公司利潤率。

2.3 證券行業數據應用

證券行業對于大數據的運用主要在三個方面：股價預測、客戶關系管理以及投資景氣指數。

2011年5月英國對沖基金Derwent Capital Markets建立了規模為4000萬美金的對沖基金，該基金是首家基于社交網絡的對沖基金，該基金通過分析Twitter 的數據內容來感知市場情緒，從而指導進行投資。情緒是影響投資者股票交易的一個重要因素，情緒既有正面情緒又有負面情緒，正面情緒就是希望，而負面情緒更多表現為害怕和焦慮，麻省理工學院的學者，根據情緒詞將twitter內容標定為正面或負面情緒，結果顯示這兩種情緒占總twitter內容數的比例都會影響道瓊斯指數、標準普爾500指數、納斯達克指數的漲跌。但是Twitter 情緒指標無法預測出沖擊金融市場的突發事件。

在客戶關系管理方面，大數據分析客戶的交易習慣、賬戶狀態、投資偏好、投資收益和賬戶價值等對客戶進行細分，挖掘潛在客戶，制定出滿足客戶投資盈利需求且他們最需要的投資品種，從而抓住最有價值的客戶。

2.4 互聯網金融對于大數據的運用

成立于2010年6月的“阿里小貸”，是中國首個專門面向網商放貸的小額貸款公司。阿里小貸是阿里巴巴金融的重要組成部分，阿里小貸利用阿里巴巴企業已經擁有的客戶信用數據和行為數據，進行整合和分析。在分析之前，利用平臺認證時客戶的注冊信息、交易歷史數據等等多種信息，再結合商品供應商提供的交易數據、交易流水等數據，綜合所有采集的數據，然后轉化為數值錄入到評測、評分的模型當中，從而得出信用評級，在短短五年時間就已經達到了銀行征信系統多年以來都無法完成的數據庫規模和資金流量。

3 未來趨勢和挑戰

在銀行業，除了傳統的結構化數據，那些來自互聯網的非結構化數據，比如客戶錄音資料等的描述，度量和計算的處理難度都會比較大。

在證券業，雖然宏觀經濟動態、行業動態以及公司的基本情況等這些比較系統的數據方面一直都是證券公司的分析主體，但是可以通過大數據挖掘出來的非結構化數據也是一塊寶藏，證券公司通過挖掘這些數據同樣可以為研究公司走勢以及行業動態提供重要的幫助。而探討是否可以將產品生命周期和客戶生命周期結合起來獲取更多的數據資料，以及獲取客戶風險偏好類型得出客戶的風險承擔意愿，從而給客戶制定出真正需求的產品都是未來大數據給券商帶來的新的增長點。

在保險行業，大數據的發展使得傳統的樣本數據變成全面數據，保險的目的是為了發現風險從而減少風險造成的損失，而大數據將重塑整個保險行業的商業模式。在過去，保險公司僅能獲取有限且片面的對于客戶資料，而通過大數據結合互聯網以及政府公開的信息能獲得較全面的信息，達到個性化風險控制和定價，變風險為可控。

作為互聯網金融創新的驅動力，大數據金融帶來的方式革新，互聯網金融未來將走向精細化和專業化。

4 結論

大數據在各行各業的運用已經得到很好的效果驗證，大數據的運用不僅提高了企業運營效率，而且能夠精準把握客戶需求，使得產品推銷不再盲目。對客戶而言，最低成本、最少時間就能選取到自己最需要的商品，從而使兩者實現雙贏。在金融行業方面的運用不僅使得監管更加高效、信用體系更加完備，投資更加精準化，真正實現智慧金融。

參考文獻

[1]尹智杰.大數據產業對金融的發展和啟示[J].消費導刊.2017，（10）：121-123.

[2]周世佳.大數據思維初探：提出、特征及意義[J].中共山西省直機關黨校學報， 2014，（5）：10-12.

[3]韋雪瓊，史超等.大數據發展下的金融市場新生態[J].時代金融，2014，（7）：173-174.