金融行業內移動大數據的價值挖掘與創新應用探究

摘 要：移動互聯網技術的迅速發展與移動終端的日益普及，讓大數據逐漸應用到各個行業。其中，金融大數據分析行業市場規模快速增長，移動大數據發揮著不容忽視的作用。但現階段，金融行業內移動大數據的價值尚未被充分挖掘，應用范圍也相對較為局限。因此，本文重點探究金融行業內移動大數據的價值挖掘與創新應用。首先介紹了金融行業移動大數據的發展與應用現狀，根據現狀指出金融行業應用移動大數據的難點所在，包括迅速擴張的市場規模、分支機構間數據割裂、數據安全與隱私問題等。對于金融行業移動大數據價值的挖掘，可以數據思維構建移動大數據應用系統，重視移動大數據技術框架與領域建模，增強移動大數據治理體系化建設。金融行業移動大數據的創新應用，包括助力金融行業精確市場定位、支撐金融行業加強收益管理，促進金融行業開發創新型需求等。通過對金融移動大數據進行進一步的價值挖掘與創新應用，有助于對整個金融行業的業務調整與產業結構優化起到積極的推動作用。

關鍵詞：金融;移動大數據;價值挖掘;創新應用

一、引言

隨著移動互聯網技術的不斷提升，移動終端在人們的日常生活中廣泛普及，由此產生了迅速增長的數據量，超出了傳統數據處理的負荷，急需提升數據處理效率。同時，移動大數據涉及到大規模的有關個體運動、交互和移動服務消息的信息，具有非常重要的價值，逐漸被應用到社會生活的各個領域中。在金融行業，移動大數據也越來越受到人們的重視，互聯網金融的發展對傳統金融業產生了巨大的影響。大數據和云計算技術的融合，讓移動大數據的信息采集更具實時性，信息處理更加高效，有利于充分挖掘移動大數據在金融行業的應用價值，不斷開拓新的創新應用模式。然而，目前金融行業對于移動大數據的應用還局限于某些特定的方面，如用戶分析、信用評級、定向推送等，其服務范圍也較為有限。本文從金融行業移動大數據的應用現狀入手，分析應用移動大數據的難點，并重點探討金融行業移動大數據的價值挖掘和創新應用。

二、金融行業移動大數據的發展與應用現狀

近幾年來，金融大數據分析行業市場規模快速增長，從2016年的404億元總收入額，到2019年的1093億元總收入額，呈現持續增長。2020年由于受到新冠疫情影響，金融大數據分析服務的整體需求下降，金融機構的業務發展步伐放緩。但根據中商研究院的預測，2021年金融大數據分析服務市場的總收入額為1255億元，如圖1所示。

目前，大數據應用正在各個領域得到實踐，應用技術和方法也日趨成熟。從2020年中國各行業大數據應用占比來看，政府應用占比最高，其次就是金融大數據，占據25%的份額。緊隨其后的是工業大數據，占比約6.64%，此外，電力、交通、電信等其他領域也正不斷優化對大數據的應用，圖2所示。

移動大數據逐漸融入金融行業，是以移動互聯網的發展和傳感器的應用為基礎的，初期主要用于解決信息不對稱的問題，應用范圍包括數據的收集、存儲、分析、利用等。由于早期技術的限制，對數據處理的效率問題更加關注，而對非結構化數據的處理并未引起足夠的重視。在這個階段，主要解決的問題是龐大的數據規模、快速的數據流轉、動態的數據體系以及多樣的數據類型。但大數據，尤其是移動大數據還未充分發揮其價值，也導致人們對數據價值本身有所質疑。

隨著技術的進步和產品的迭代，移動大數據和金融行業聯系更加緊密。一方面，互聯網的發展讓傳統金融業務模式不斷發生著變化，從銀行柜臺、ATM機，到網上銀行、手機銀行，加上受到便捷的線上支付模式的影響，銀行機構也適時在移動互聯網終端推出App。移動互聯網為人們帶來了諸多便利，也讓金融業務的發展對信息和互聯網產生高度依賴。通過移動大數據，可以對用戶資料加以分析利用，提升經濟效益，降低金融行業的成本和風險。

為了更好地適應信息化時代的市場格局，金融行業需要適時更新數據庫信息，特別是用戶的交易數據、信用數據、用戶自身的App行為數據、交易行為數據等，在充分發揮用戶數據價值的基礎上，借助大數據金融平臺，進行數據建模，更好地實現精準投融資，降低風險和壞賬率。同時，金融機構除了對自身App中的用戶數據進行整合與分析，也要注重與外部數據的合作，對其他移動互聯網企業終端的用戶數據引起足夠的重視，打破不同終端數據之間的壁壘，充分發揮關聯數據的價值。

三、金融行業應用移動大數據的難點

金融行業是數據生產和消費的大戶，從數據類型上進行劃分，大致可以分為結構化數據、半結構化數據與非結構化數據。典型的金融數據包括用戶及其客戶信息、產品信息、業務交易信息以及金融機構自身經營信息等，以結構化數據為主，也有文本圖、音頻、視頻等半結構化和非結構化數據。金融行業對移動大數據的應用，一方面需要在移動大數據技術層面有高度的專業性，另一方面也需要根據金融行業本身有充分的了解。尤其是對于非結構性數據，對數據的處理有較高的要求，數據建模需要對金融相關業務和內部運作邏輯有深刻的認識，才能構建完善的金融移動大數據處理系統。

金融行業應用移動大數據的難點主要表現在以下幾個方面：

首先，移動互聯網技術和移動終端的不斷發展使得金融數據呈幾何級增長，金融大數據市場規模不斷擴張。以銀行為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度在各行業中排在前列。龐大的數據量對數據處理能力提出了更高的要求，要高效地進行金融移動大數據的分析與處理就需要更加可靠的系統與方案。

其次，雖然金融行業數據量龐大，但由于各金融機構內部，不同職能部門、業務條線、分支機構所擁有的數據之間整合困難，處于割裂狀態。就外部而言，不同金融機構間，或是金融機構與其他企業之間，也存在信息整合困難的問題，缺乏順暢的數據共享機制，導致海量數據處于分散狀態，數據的利用效率偏低。

最后，數據的安全與隱私問題，也是金融行業應用移動大數據的關鍵問題之一。與其他信息一樣，金融移動大數據的應用同樣需要注重安全問題，在存儲、處理、傳輸數據的過程中，需要采取技術手段進行防護，避免數據管理和數據運營風險，也需要相關法律法規的進一步完善和金融機構自身的自律。

四、金融行業移動大數據的價值挖掘

在金融行業，移動大數據的價值挖掘與大數據的研究和應用有密切的關系。一般而言，金融機構內部設置的大數據研究部門，僅針對自身App上的用戶數據進行分析與研究，數據來源往往具有一定的局限性。若金融機構要將移動大數據應用于投資，對數據的實時性往往有較高的要求，且需要通過不同的數據進行相互印證，單一來源的數據往往不足以進行有效的風險控制。互聯網大數據公司也是金融領域應用移動大數據的重要合作對象，但是互聯網大數據公司更注重解決移動大數據應用技術層面的問題。在這樣的背景下，專注于金融行業移動大數據公司的企業逐漸涌現，將金融理念與移動大數據技術進行有機結合，深耕細分領域，更好地提供專業化的金融移動大數據服務。金融行業要對移動大數據價值進行進一步挖掘，可以從以下幾個方面入手：

1.以數據思維構建移動大數據應用系統

現階段金融行業的移動大數據，雖然在風控、征信、定向營銷等領域得到初步的應用，但在其他金融領域的應用還在探索之中。事實上，金融移動大數據往往要通過分析與研究，轉變為金融機構或相關企業的業務方式，方能產生更加直觀的價值，這就容易導致金融機構在數據應用系統的建設過程中缺乏足夠的數據思維。因此，為了提升數據價值挖掘的效率使金融移動大數據得到更廣泛的應用，可以在建設應用系統之初，就融入數據思維，在充分了解移動大數據分析的價值、戰略和流程的基礎上，對數據應用系統進行建設。同時，移動大數據的應用領域會隨著金融業務的創新發展而不斷拓展，同樣需要以數據思維為系統日后的升級做好預留，提升應用拓展的適應性。

2.重視移動大數據技術框架與領域建模

金融移動大數據技術框架通常包括處理系統、平臺基礎以及計算模型。首先，在處理系統方面，面對龐大的數據量需要穩定可靠，從而支持實時處理和離線處理等多種應用，為系統提供多源異構數據的統一存儲和處理等功能，為應對非結構性數據的處理任務而服務。其次，在平臺基礎方面，需要注重處理好硬件資源的抽象和調度管理等問題，從而使硬件資源的利用效率得到提升，使設備性能得到充分的發揮。再次，在計算模型方面，需要重點解決好模型三要素、擴展性與容錯性、性能優化等問題。模型的三要素包括機器參數、執行行為和成本函數，對構建移動大數據技術框架而言是不小的挑戰。最后，由于金融移動大數據在投資應用中的效果不容易進行衡量，領域建模并未得到充分的重視。要充分挖掘數據價值，可以在搭建完整的移動大數據技術框架的基礎上，重視領域建模，使數據的應用效果可衡量，加強對數據價值的認知與進一步挖掘。

3.增強移動大數據治理體系化建設

金融機構目前的數據治理方法和體系缺乏系統性，在數據的分類、整理、加工處理上往往不夠高效，可以增強數據治理的體系化建設。一方面，在金融機構組織內部，可以加強對數據資源的整合，提升內部可用信息的使用率。有的金融機構數據在組織內不同部門之間是處于割裂狀態的，可以建立順暢的共享機制，從而促進數據的有效整合與應用。另一方面，金融行業內移動大數據的潛在價值難以被充分挖掘，數據內容本身越來越趨于復雜是重要的原因。隨著移動終端的智能化和全面普及，金融機構的非結構化數據也更加多元化，其占比更是不斷上升，數據構造方法的重復率很高，而且數據之間的關系也更加復雜，加大了金融移動大數據的應用難度。增強數據治理的體系化建設，有助于消除金融移動大數據應用的制約因素，對數據價值的充分挖掘起到積極推動的作用。

五、金融行業移動大數據的創新應用

1.助力金融行業精確市場定位

精準的市場定位對任何企業與品牌的發展都有重要的意義，金融行業也不例外。成功的市場定位，有助于加速企業與品牌的發展，而基于移動大數據的市場數據分析與調研，在市場定位過程中是尤為重要的環節。金融行業中的企業與品牌，要找準自己的市場定位，在激烈的市場競爭中突出重圍，需要架構移動大數據戰略，將傳統金融行業調研數據的廣度和深度進行拓寬。通過相對復雜但信息量豐富的移動大數據，可以更好地把握金融行業的市場構成，深入細分市場分析其特征，對消費者需求、競爭者狀況等眾多因素進行全面的了解。基于科學系統的信息數據收集、管理、分析，可以提出針對性的解決對策與建議，使得企業品牌的市場定位符合客觀市場規律與自身發展需求，而精準的市場定位將助其在金融行業市場上獲得更加廣泛的認可，取得競爭優勢。

對于想要進入或開拓某一金融行業市場的金融機構而言，首先要對目標市場進行充分的調研，評估項目的可行性，才能對是否進入或開拓這塊市場進行最終決策。而調研的過程往往就會涉及到各種各樣的信息，如該區域的人口、平均消費水平、客戶消費習慣、當前的市場供需情況等，海量信息共同構成了金融行業市場調研的移動大數據，對這些移動大數據進行分析與研究的過程，也是精確市場定位的過程。

2.支撐金融行業加強收益管理

收益管理是研究如何實現收益最大化的一門理論學科，近年來在金融行業受到廣泛的關注，并初步應用到實踐中。收益管理的主要目的，在于把合適的產品或服務，在合適的時間，以合適的價格，通過合適的銷售渠道，出售給合適的顧客，從而最終實現企業收益的最大化。根據收益管理的理論，需求預測、細分市場和敏感度分析是其中最為重要的三個環節，而任何一個環節都離不開移動大數據的支持。

需求預測重在以科學預測方法為基礎，構建大數據統計與分析模型，移動大數據是其中不容忽視的重要部分，有助于管理者把握金融行業中潛在的市場需求，提升對市場判斷的前瞻性，對市場波動進行及時反饋，從而獲得潛在的收益。細分市場對金融行業而言，能夠為企業針對市場需求來制定和更新價格提供依據，對不同的細分市場進行銷售量預測，實行差別定價策略，使各個細分市場的收益都能達到最大化。敏感度分析通過需求價格彈性分析技術，優化不同細分市場內的產品價格，最大程度地挖掘市場潛在的收益。這三個環節對移動大數據需求量很大，而傳統的數據分析模式往往是根據企業內部的歷史數據來進行分析和預測，但對整個行業數據缺乏更加宏觀的把握，所以也使預測結果難免會存在一定偏差。如果能夠收集更多的金融行業大數據，如借助第三方數據公司進行數據分析，就有利于對金融行業市場的信息有更清晰的把握，從而制定有針對性的收益管理策略。

3.促進金融行業開發創新性需求

金融行業的發展與消費者的需求有著密切的聯系，如何開發新的需求是金融行業從業者關注的熱點話題。在移動互聯時代，消費者已經不僅是信息的接收方，同時也成為信息的制造者與傳播者。在微博、微信、頭條等各類新媒體的迅速發展與推動下，公眾的信息分享模式已經變得愈加便捷和自由。而這種信息分享的行為會形成海量的交互性大數據，其中就蘊藏著巨大的金融行業需求開發價值，值得重點關注。

以網絡評論為例，如今在各類社交媒體平臺上，用戶都會進行相互交流，留下自己對產品、事件、服務的評論。而這些評論就會透露出消費者真實的需求，比如對產品的外觀、功能、質量、款式等方面進行點評，這些都會構成產品需求的移動大數據。對金融行業而言，如果都能夠對這些數據進行收集，建立數據處理與分析系統，根據不同數據屬性對消費者的消費行為、消費偏好等方面進行充分的把握，就可以更好地對現有產品進行有針對性的改進，并根據需求創新產品，從而獲得更大的收益。目前，提供第三方數據服務的公司，已經能夠為金融行業的企業帶來可靠的移動大數據，善于充分整合與利用資源，對移動大數據進行收集、挖掘、統計和分析，使之能夠真正應用到實踐中去，從而提高企業在金融市場的競爭力，帶來更好的收益。

六、結語

移動大數據對金融行業的重要作用是毋庸置疑的，在目前的初步應用階段已經呈現出明顯的效果，為金融行業帶來了一定程度的變化。然而，移動大數據目前的價值還有待進一步挖掘，應用范圍較為有限，通過提升數據思維，構建更完善的數據分析與應用系統，搭建移動大數據技術框架，實現領域建模，增強數據體系化建設等方式，有利于對移動大數據的價值進行更深層的挖掘。在移動大數據的應用方面，金融行業中在精確市場定位、加強收益管理、開發創新需求等方面，都可以對移動大數據加以創新應用，從而使移動大數據在金融行業更好地發揮其價值，促進行業整體健康發展。

參考文獻：

[1]韓維蜜.從“T11峰會”看金融業大數據營銷[J].新金融世界，2015（010）：41-41.

[2]余楷，唐路平.大數據技術助力金融服務業[J].信息記錄材料， 2018，019（001）：65-67.

[3]于司吉.互聯網金融的大數據分析處理研究[J].時代金融， 2020（05）：7-9+17.

[4]謝瑋.GMIC全球金融創新峰會：當大數據，人工智能，區塊鏈技術遇到金融[J].中國經濟周刊，2016（18）：50-51.

[5]王瑩，TP.互聯網金融產品轉向移動應用和大數據[J].今商圈，2015（002）：21-21.

[6]史曉波.大數據與移動互聯如何推動金融創新[J].中國科技財富，2014（006）：30-31.

作者簡介：劉艷（1982.08- ），漢族，安徽人，碩士研究生，研究方向：移動大數據在金融領域的應用