大數據技術在金融行業中的應用探索

段敏華

（中國華電集團財務有限公司，北京 100031）

1 金融行業中大數據的應用分析

1.1 大數據在金融機構中的應用

我國金融行業普及應用大數據技術的時間比較短，但是發展速度非常快，截至目前已經取得了階段性成果，非結構化的金融信息數量得到了充足、有效的發展。金融行業運用大數據技術的好處如下：首先，金融行業發展過程中會產生大量的有價值、有意義的數據資料，例如客戶資金結構、消費習慣等，這些數據經過深度分析之后，能夠為金融機構的業務開展、產品創新提供強大的數據支撐。其次，金融機構的資金體量十分龐大，在大數據技術探索、應用方面占據諸多優勢，還能吸引更多優秀的大數據人才。總體來說，金融行業普及應用大數據技術的作用如下：

1.推動金融行業轉型升級。隨著經濟結構調整工作的持續推進，再加上利率市場化的影響，金融行業的利潤空間逐漸被壓縮、業務定位急需調整。大數據技術的普及與應用，可以幫助金融機構深度挖掘海量數據中的潛在商業價值，幫助金融機構確立精準的市場定位，優化資源結構，從而推動金融行業的轉型發展。

2.提升金融機構監管水平。近年來，非法集資、資金詐騙案例不斷發生，以緬北為首的詐騙集團日益囂張，很多不法分子正是利用網絡漏洞從事詐騙、盜竊資金的行為。而大數據技術應用能夠對網絡資金交易進行全面動態的監管分析，及時發現可疑交易行為，摸索資金詐騙規律，為破獲網絡詐騙案提供重要的技術支撐。

1.2 大數據在銀行業中的應用

從數據維度分析，大數據技術在商業銀行中的應用最為普遍。截止到2019 年底，我國的人民幣銀行結算賬戶數量達到了73.7 億戶，同比增長3.15%；個人銀行結算賬戶數量達到了73.25 億戶，與2018 年相比提高了3.15 個百分點，2019 年我國累計銀行卡交易次數3343.2 億次，涉及金額278.25 萬億，其中與互聯網金融有關的網上支付306.38 億次，同比增長25.21%，由此可以看出銀行業在使用大數據方面有著廣闊的前景。大數據技術在銀行業中的應用主要集中在客戶精準營銷、金融產品開發、金融風險管理等諸多領域，例如光大銀行設計的“陽光理財”資產配置平臺，能夠深度分析客戶的投資需求，并制定相應的投資理財方案[1]。從整體角度分析，大數據技術在銀行經營管理中的職能作用如下：

1.有助于管控信貸風險。過去銀行都是利用以往數據來分析預估貸款客戶的違約風險，前瞻性和準確率十分低下，使得銀行蒙受了巨大的風險損失。后來西班牙一家銀行利用大數據技術，對貸款客戶的信用等級、資金狀況、履約情況、預期收益進行預測分析，進而給出科學、精準、完善的風險評估報告，不僅降低了銀行業信貸風險管控的成本，而且提升了信貸風險管理水平。

2.提升銀行業的中間收入。銀行積累了規模龐大的金融資料，諸如客戶身份、社會地位、資產狀況、消費習慣等，銀行可以利用大數據技術對這些數據展開深入細致的研究分析，將其轉化成新產品，從而提升銀行的中間收入。例如澳大利亞一家銀行通過大數據分析解讀客戶“消費特征”，將其銷售給公司客戶，幫助客戶優化廣告投放位置、調整產品結構，從而獲得更多的經濟收入。

1.3 證券行業中大數據技術的應用

如今證券行業擁有資本密集、信息密集、技術密集的典型特征，數據規模得到了充足、有效的發展，數據的形成、傳播、結構也發生了巨大的變化，極大地改變了證券行業的經營發展[2]。大數據技術在證券行業中的應用價值主要體現在兩個方面：一是大數據技術可提升證券股行業的個性化服務水平；二是大數據技術可避免證券客戶大量流失，詳細內容如下：

1.證券行業是綜合類金融產品的提供者，在大數據技術的助力下，能夠快速搜集高質量信息，設計出更符合客戶需求的金融產品，還能根據客戶偏好調整金融產品組合策略。如今很多證券公司都開始利用數據驅動方法，對客戶數據進行采集、存儲、分析、處理，為客戶提供更好的投資策略，更好地滿足客戶的個性化需求。

2.證券公司可以根據歷史數據、客戶交易信息創建大數據分析模型，精準預測客戶的流失數量、流失原因，進而制定出精準合理的挽留策略。例如海通證券創新設計了一套基于數據挖掘算法的證券客戶行為特征分析技術，能夠精準刻畫客戶畫像，對100 多萬樣本客戶、交易記錄進行建模分析，在此基礎上構建客戶分類、客戶偏好、客戶流失等數據模型，能夠很好地預測分析客戶流失問題。

1.4 保險行業中大數據技術的應用

保險行業是金融體系的重要組成部分，也是大數據技術應用的主戰場，如今很多保險公司都在積極研發應用大數據技術，并取得了階段性成果。據有關資料顯示：截止到2020 年12 月，我國保險行業共向公安機關移送詐騙線索28005 條，涉案金額高大6 億元人民幣，共抓獲犯罪嫌疑人2000 余人，在此過程中大數據技術發揮出了重要的職能作用。某保險公司高級管理人員曾經指出：“大數據已經成為反欺詐的有力武器。”大數據技術可以幫助保險公司分析判斷投保、理賠的合法性、合規性，有效防范欺詐風險，降低保險行業的損失[3]。

1.大數據技術可以減少保險公司的賠付金額。賠付金額是影響保險公司經營利潤的關鍵因素，尤其是“超大額賠付”是保險公司的關注焦點。例如美國一家保險公司利用內部數據、第三方平臺展開動態化監管，用1.4 億個數據點構建預測模型，涵蓋了客戶健康情況、人口特征、理賠流程、醫療狀況等多種信息，并根據分析結果采取及時有效的干預措施，使得平均索賠額下降了20%。

2.為保險產品差異化定價提供技術支持。由于每個人的條件不同、需求不同，對保險產品的期望也存在較大差異。大數據技術能夠對客戶數據展開全面深入的分析研究，進而制定出符合客戶需求的保險產品組合方案，有效提升客戶的滿意度。例如澳大利亞一家保險公司通過分析客戶數據來預測分析駕車風險，并為客戶提供個性化的保險產品和理賠計劃，大大提升了客戶的滿意度。

2 金融行業中大數據應用的技術支持

在金融產業、大數據技術飛速發展的時代背景下，金融業務的線上化、生態化特征越來越明顯，金融行業面臨著海量數據存儲、數據挖掘分析、數據商業應用等一系列挑戰。為了更好地滿足金融行業的發展需求，銀行業、證券業、保險業都開始創新探索IT 架構，為大數據在金融行業中的應用拉開了新的帷幕。

按照技術架構不同，應用于金融行業的數據庫可分為集中式數據庫、分布式數據庫，其中分布式數據庫可細分為中間架構數據庫、NewSQL 數據庫、云原生數據庫等三種類型，具體內容如下。

2.1 集中式數據庫

集中式數據庫的解析器、優化器、存儲引擎等重要部件都集中在同一臺服務器上，將其應用到金融行業中，能夠大大提升數據庫系統處理能力。例如MySQL 8.0 的處理性能與傳統系統相比提升了兩倍，能夠完成海量數據的分析與處理，為金融公司的業務開展提供全面可靠的數據支撐[4]。此外，集中式數據庫能夠增強SQL 查詢功能，降低應用開發難度，例如DB2 11.5引入了機器學習優化器，可大大提升SQL 查詢速度，MySQL 8.0 引入更多窗口函數，強化了對數據統計分析與查詢等功能支持。

截至目前，很多金融公司、證券公司、保險公司使用的都是集中式數據庫，經過十多年的創新發展和技術積累，集中式數據庫的發展已經相當成熟。在集中式數據庫的支持下，金融公司的產品易用性、穩定性、成熟度都達到了新的高度。

2.2 中間件架構數據庫

金融公司為了解決集中式數據庫的拓展性缺陷，打破系統縱向拓展中硬件設施的制約，數據庫引入分庫分表中間件從而實現數據容量的橫向拓展，經過分布式事務管理、高可用切換、自動化運維，構成了基于中間件架構的數據庫產品。中間件架構數據庫采用“傳統數據庫+分片路由中間件+全局事務管理器”的架構，以集中式數據庫為基礎，通過中間件實現數據分片、分布式事務等實現數據分析功能，擁有較為成熟的數據技術和生態環境，而且穩定性更好，能夠滿足金融公司對系統穩定性的要求。

與較為先進的數據庫技術相比，中間件架構數據庫很少從架構設計角度宣傳功能應用。例如某金融公司創新設計出一套基于中間件架構數據庫產品和云原生數據庫產品，技術遷移跨度非常小，為大數據技術在金融行業中的普及與應用提供了無限可能。

2.3 NewSQL 數據庫

為了應對管理超大規模MySQL 集群造成的復雜度過高的問題，Google 公司創新推出了NoSQL 系統，并發表了GFS、Map-Reduce、Big Table 等技術指導方案。而后開源社區推出了TiDB、CockroachDB 等NewSQL 架構分布式數據庫產品，該數據庫的架構以KV 存儲引擎為基礎，引入SQL 關系模型以及分布式事務ACID 特性，擁有良好的拓展性，數據存儲可達到100PB 級別，能夠滿足金融行業對海量數據的存儲、管理及分析要求。

此外，NewSQL 數據庫在數據存儲、統計分析方面有著明顯優勢，因此部分金融公司使用NewSQL 數據庫作為金融核心批量場景的解決方案。

3 金融行業應用大數據技術的前景分析

2020 年，我國金融大數據應用市場的規模已經達到了1300 億人民幣，而且這一數據依然保持高速增長趨勢，參考金融行業和大數據技術的發展特征，對未來的發展前景進行預測分析就顯得尤為重要。

3.1 大數據助力金融信息的可視化

如何將海量數據中的結構化數據、非結構化數據提煉出來，清晰明確地展示出來，是當下金融公司、證券公司、保險公司需要考慮的共同問題。在以后的發展過程中，會有各種各樣的可視化金融工具應運而生，為金融行業的數據分析、應用提供專業的可視化方案[5]。金融可視化是利用數學算法、網絡技術、數據挖掘、計算機技術，將數據分析的目的、過程和結果展示出來，為金融決策、產品開發、客戶服務提供重要的方向指引。

3.2 大數據助力金融服務的個性化發展

在以后的發展過程中，大數據會徹底融入金融行業服務當中，諸如保險公司、證券公司會綜合利用客戶行為信息、交易信息、資產信息、消費習慣，刻畫出精準、立體的人群畫像，有效鎖定目標人群，提供完善周到、高質量的金融服務。以銀行借貸為例，銀行可以根據客戶還款信息，結合外部數據創新設計完善的數據模型，對客戶逾期風險進行預測分析，深入分析客戶逾期的根本原因，并提供個性化的解決方案，更好地幫助銀行挽回損失。

3.3 大數據助力金融行業的智能化發展

如今人們已經步入了信息化時代，人群周圍充斥著各種各樣的智能產品，金融行業作為前瞻性行業，在大數據技術的助力下，必然會向著智能化的方向發展。以后的金融行業不再局限于資產存取、證券交易，而是通過大數據、物聯網技術拓展到人們生活的各個角度，打造一個萬物互聯的新場景、新時代。

4 總結

從整體角度分析，大數據技術在金融機構、銀行業、證券業、保險業中都得到了廣泛的普及與應用，徹底改變了傳統落后的金融產業發展模式。金融公司可以根據自身實際情況，合理運用集中式數據庫、中間件架構數據庫、NewSQL 數據庫，創新開發出智能化、個性化、多功能化的數據平臺，為客戶提供更加專業、更加智能化的金融服務。相信在以后的發展過程中，大數據技術能夠在金融行業中展現出旺盛的生命力，推動金融行業會向著可視化、個性化、智能化的方向發展。