DT時代商業(yè)革命，大數(shù)據(jù)金融行業(yè)應(yīng)用發(fā)展分析

從IT時代到DT時代，本文將從金融行業(yè)大數(shù)據(jù)發(fā)展現(xiàn)狀、市場規(guī)模及前景、數(shù)據(jù)類型分析、應(yīng)用場景、實際案例等方面簡要分析大數(shù)據(jù)在金融行業(yè)應(yīng)用發(fā)展。
　　IT時代是以自我控制、自我管理為主，而DT(Datatechnology)時代，它是以服務(wù)大眾、激發(fā)生產(chǎn)力為主的技術(shù)。這兩者之間看起來似乎是一種技術(shù)的差異，但實際上是思想觀念層面的差異。未來，包括數(shù)據(jù)處理、綜合處理、語音識別、商業(yè)智能軟件等在內(nèi)的大數(shù)據(jù)服務(wù)，將成為企業(yè)的下一步發(fā)展重點。

　　金融行業(yè)數(shù)據(jù)資源豐富，數(shù)據(jù)應(yīng)用由來已久。從發(fā)展特點和趨勢來看，金融數(shù)據(jù)與其他跨領(lǐng)域數(shù)據(jù)的融合應(yīng)用正不斷強化，金融行業(yè)數(shù)據(jù)的整合、共享和開放正在成為趨勢。對于大數(shù)據(jù)的應(yīng)用分析能力，正在成為金融機構(gòu)未來發(fā)展的核心競爭要素。而針對金融機構(gòu)轉(zhuǎn)型，目前移動互聯(lián)網(wǎng)化及大數(shù)據(jù)技術(shù)的迅速普及則為其提供了更多的利好可能。
　　金融大數(shù)據(jù)發(fā)展現(xiàn)狀
　　數(shù)據(jù)容量大，涵蓋范圍廣
　　在大數(shù)據(jù)時代，金融業(yè)數(shù)據(jù)迅速膨脹并呈現(xiàn)出幾何級數(shù)的增長態(tài)勢。由于行業(yè)特性，銀行業(yè)在長期業(yè)務(wù)開展過程中積累了海量數(shù)據(jù)。從數(shù)據(jù)涵蓋范圍來看，數(shù)據(jù)類型包括以工資、公積金、消費貸款等為代表的結(jié)構(gòu)化數(shù)據(jù)和以文檔、圖片、音像和地理位置信息等種類繁多的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。以銀行業(yè)為例，每創(chuàng)收100萬美元，會平均產(chǎn)生820GB的數(shù)據(jù)，數(shù)據(jù)強度高踞各行業(yè)之首，而在相同創(chuàng)收條件下，電信、保險和能源行業(yè)數(shù)據(jù)強度分別為490GB、150GB和20GB，由此可知金融業(yè)在大數(shù)據(jù)應(yīng)用方面具備天然優(yōu)勢。
　　數(shù)據(jù)處理復(fù)雜，充分挖掘困難
　　商業(yè)銀行數(shù)據(jù)體量龐大，在數(shù)據(jù)處理過程中存在很多問題，主要包括：
　　（1）數(shù)據(jù)治理體系化建設(shè)匱乏?，F(xiàn)階段商業(yè)銀行尚未形成系統(tǒng)的數(shù)據(jù)治理方法和體系，缺乏有效的數(shù)據(jù)分類、整理和加工。
　?。?）數(shù)據(jù)資源管理整合度不高，內(nèi)部可用信息使用率低下。當(dāng)前商業(yè)銀行的數(shù)據(jù)在組織內(nèi)部處于割裂狀態(tài)，缺乏順暢的共享機制，難以實現(xiàn)數(shù)據(jù)的有效整合和使用。
　?。?）數(shù)據(jù)內(nèi)容復(fù)雜多樣，難以充分挖掘數(shù)據(jù)資源潛在價值。造成這一現(xiàn)狀的原因在于商業(yè)銀行非結(jié)構(gòu)化數(shù)據(jù)占比不斷上升，數(shù)據(jù)構(gòu)造方法重復(fù)率高，且關(guān)系復(fù)雜。
　　數(shù)據(jù)資產(chǎn)化，應(yīng)用場景豐富
　　國內(nèi)商業(yè)銀行現(xiàn)處于數(shù)據(jù)資產(chǎn)化、產(chǎn)業(yè)化的起步階段，且銀行運用大數(shù)據(jù)技術(shù)以描述性數(shù)據(jù)分析為主，預(yù)測性數(shù)據(jù)建模為輔，以自身交易和客戶數(shù)據(jù)為主，外部數(shù)據(jù)為輔。數(shù)據(jù)資產(chǎn)目前最主要的作用是趨勢預(yù)測和決策支持，典型的應(yīng)用場景集中在營銷分析、內(nèi)部運營和風(fēng)險管控等方面，具體應(yīng)用案例包括交叉銷售、客戶群體劃分、信用評分及違約監(jiān)測等。當(dāng)前我國商業(yè)銀行大數(shù)據(jù)應(yīng)用深度、廣度和頻度都與國際先進銀行存在著巨大差距，迫切需要拓寬數(shù)據(jù)應(yīng)用層面，實現(xiàn)數(shù)據(jù)資產(chǎn)增值。
　　數(shù)據(jù)應(yīng)用難度大，制約因素多
　　1.大數(shù)據(jù)技術(shù)框架
　　大數(shù)據(jù)技術(shù)框架的組成部分包括處理系統(tǒng)、平臺基礎(chǔ)和計算模型。首先，處理系統(tǒng)必須穩(wěn)定可靠，同時支持實時處理和離線處理多種應(yīng)用，支持多源異構(gòu)數(shù)據(jù)的統(tǒng)一存儲和處理等功能。其次，平臺基礎(chǔ)要解決硬件資源的抽象和調(diào)度管理問題，以提高硬件資源的利用效率，充分發(fā)揮設(shè)備的性能。最后，計算模型需要解決三個基本問題：模型的三要素（機器參數(shù)、執(zhí)行行為、成本函數(shù)）、擴展性與容錯性、性能優(yōu)化。這些要求對構(gòu)建大數(shù)據(jù)技術(shù)框架提出了非常高的要求。
　　2.大數(shù)據(jù)應(yīng)用推進和落地
　　商業(yè)銀行大數(shù)據(jù)應(yīng)用雖然在風(fēng)控、反欺詐、征信等領(lǐng)域初見成效，但在其他層面暫時還處于探索階段。究其原因，一方面只有當(dāng)數(shù)據(jù)分析轉(zhuǎn)變?yōu)槠髽I(yè)業(yè)務(wù)方式后才產(chǎn)生價值；另一方面商業(yè)銀行在新建應(yīng)用系統(tǒng)的過程中缺乏數(shù)據(jù)思維，沒有充分了解大數(shù)據(jù)分析的價值、戰(zhàn)略和流程。同時大數(shù)據(jù)應(yīng)用投資效果難以衡量，領(lǐng)域建模未得到充分重視。
　　3.數(shù)據(jù)安全與個人隱私
　　現(xiàn)階段用戶數(shù)據(jù)的收集、存儲、管理和使用缺乏規(guī)范，主要依靠商業(yè)銀行自律，用戶無法確定自己隱私信息的用途。此外，鑒于國內(nèi)商業(yè)銀行體制機制限制以及尚未健全的金融法律法規(guī)體系，許多金融機構(gòu)擔(dān)心擅自使用數(shù)據(jù)會觸犯監(jiān)管和法律底線，同時數(shù)據(jù)處理不當(dāng)可能會給自身帶來聲譽風(fēng)險和業(yè)務(wù)風(fēng)險，因而在駕馭大數(shù)據(jù)層面難以付諸實際行動。
　　金融大數(shù)據(jù)市場規(guī)模
　　金融行業(yè)競爭日益激烈，基于數(shù)據(jù)的精細化運營需求日益迫切是金融大數(shù)據(jù)發(fā)展的內(nèi)在需求。金融企業(yè)經(jīng)過多年的信息積累沉淀了大量高價值的數(shù)據(jù)，發(fā)展金融大數(shù)據(jù)成為必然方向。
　　據(jù)愛分析《中國大數(shù)據(jù)行業(yè)報告》中指出，2017年大數(shù)據(jù)行業(yè)整體市場規(guī)模1000億，其中行業(yè)應(yīng)用細分市場規(guī)模為700億，是大數(shù)據(jù)行業(yè)最大細分領(lǐng)域，大數(shù)據(jù)在金融、政務(wù)、互聯(lián)網(wǎng)成熟度最高?；A(chǔ)平臺整體市場規(guī)模在100億元左右，通用技術(shù)整體市場規(guī)模在200億元左右。行業(yè)應(yīng)用層，大數(shù)據(jù)在各個行業(yè)應(yīng)用差異較大，應(yīng)用相對成熟的金融、政府領(lǐng)域市場規(guī)模為200億元。

　　金融、政務(wù)、互聯(lián)網(wǎng)這三個行業(yè)的IT投入位列各行業(yè)前列，隨著“互聯(lián)網(wǎng)+政務(wù)”的普及、政務(wù)云和政務(wù)大數(shù)據(jù)的落地，政府2017年IT投入超過800億元，占中國IT總投入的5-10%。金融一直是重IT投入的行業(yè)，以銀行為例，2017年中國銀行業(yè)整體IT投資為800億元，整個金融行業(yè)的IT投資突破千億元大關(guān)。
　　金融大數(shù)據(jù)發(fā)展前景
　　互聯(lián)網(wǎng)的出現(xiàn)讓海量的企業(yè)、個人行為數(shù)據(jù)的獲取、存儲、管理成為可能。大數(shù)據(jù)的發(fā)展已經(jīng)在多個層面推進金融機構(gòu)的業(yè)務(wù)模式不斷發(fā)生改變。比如，在金融產(chǎn)品的營銷設(shè)計、風(fēng)險控制、擴展服務(wù)半徑等方面，大數(shù)據(jù)都深刻改變了金融機構(gòu)的經(jīng)營模式，有效降低了成本、提高了效率。
　　從金融領(lǐng)域的視角來看，大數(shù)據(jù)在金融領(lǐng)域是一枝獨秀，加上人工智能的興起，規(guī)模急速地增長。在政策層面，國家多層面推進金融大數(shù)據(jù)發(fā)展提供了政策支持，金融行業(yè)經(jīng)過一二十年的信息化的積累，從數(shù)據(jù)到技術(shù)，人才的儲備等方面，都具有非常好的優(yōu)勢。
　　金融機構(gòu)是大數(shù)據(jù)天生的合作者，一方面自身有著利用技術(shù)紅利帶來收益沖動，另一方面又有國內(nèi)較好的信息化基礎(chǔ)。因此金融大數(shù)據(jù)發(fā)展也促進了金融行業(yè)從多方面實現(xiàn)管理的轉(zhuǎn)型和業(yè)務(wù)產(chǎn)品的創(chuàng)新，其中包括信用風(fēng)險、客戶服務(wù)、智能運營以及金融本身的產(chǎn)品。而金融行業(yè)在大數(shù)據(jù)領(lǐng)域里有著較好的場景應(yīng)用，例如銀行、保險、證券等，同時互聯(lián)網(wǎng)公司在大數(shù)據(jù)基礎(chǔ)上開展金融業(yè)務(wù)，這些業(yè)務(wù)跨過銀行傳統(tǒng)的信貸領(lǐng)域，開始向轉(zhuǎn)賬匯款、現(xiàn)金管理、資產(chǎn)管理、供應(yīng)鏈金融、支付等領(lǐng)域蔓延。
　　金融跟互聯(lián)網(wǎng)的融合是一個大勢所趨，金融向互聯(lián)網(wǎng)發(fā)展，互聯(lián)網(wǎng)向金融轉(zhuǎn)型，已經(jīng)成為整個科技和互聯(lián)網(wǎng)金融發(fā)展的焦點。中國是全球第二大經(jīng)濟國，金融業(yè)向?qū)嶓w經(jīng)濟、創(chuàng)新驅(qū)動的轉(zhuǎn)型中，利用大數(shù)據(jù)技術(shù)，必將成為中國金融業(yè)的新增長點和新亮點。
　　金融大數(shù)據(jù)類型
　　金融數(shù)據(jù)從數(shù)據(jù)類型上進行劃分，大致可以分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)三大類。
　　結(jié)構(gòu)化數(shù)據(jù)
　　結(jié)構(gòu)化的數(shù)據(jù)來源自金融企業(yè)運營數(shù)據(jù)倉儲(ODS)和數(shù)據(jù)倉庫(EDW)。EDW為企業(yè)提供分析決策服務(wù)，ODS主要實現(xiàn)企業(yè)數(shù)據(jù)整合、共享和準實時運營監(jiān)控等功能。而通過Hadoop等組件的應(yīng)用可以將數(shù)月前甚至幾年前的歷史數(shù)據(jù)進行遷移保存。在分布式存儲結(jié)構(gòu)下，結(jié)構(gòu)化數(shù)據(jù)的存儲計算可以得到巨大的改善，可對海量離線數(shù)據(jù)進行離線分析，將離線數(shù)據(jù)優(yōu)勢最大化，為金融企業(yè)用戶打造立體用戶畫像提供最全面的數(shù)據(jù)支撐。
　　半結(jié)構(gòu)化數(shù)據(jù)
　　半結(jié)構(gòu)化數(shù)據(jù)的整合在數(shù)據(jù)整合中是最為復(fù)雜的。金融企業(yè)可對接來源于外部單位所提供的不同類型數(shù)據(jù)庫或Excel等的數(shù)據(jù)?！按蛲ā倍嘣串悩?gòu)的數(shù)據(jù)是項目中遇到的最困難的部分，數(shù)據(jù)整合完畢可快速進行建模分析。
　　非結(jié)構(gòu)化數(shù)據(jù)
　　金融行業(yè)對于非結(jié)構(gòu)化的處理的方法還是比較原始的。非結(jié)構(gòu)化數(shù)據(jù)涵蓋的范圍比較廣泛，有新聞，視頻，圖片以及社交網(wǎng)絡(luò)等數(shù)據(jù)。
　　金融大數(shù)據(jù)應(yīng)用場景
　　從技術(shù)角度來看，金融大數(shù)據(jù)主要分為數(shù)據(jù)接入、數(shù)據(jù)存儲、數(shù)據(jù)計算、數(shù)據(jù)分析四層。目前金融大數(shù)據(jù)典型的應(yīng)用場景包括精準營銷、輿情監(jiān)控與股價預(yù)測、智能投顧、智能投研、監(jiān)管科技、信貸風(fēng)險評估、信息可視化、消費信貸、供應(yīng)鏈金融、風(fēng)險定價、黑產(chǎn)防范等。特別是在監(jiān)管科技方面，大數(shù)據(jù)勘稱市場風(fēng)險、非法集資、異常交易等監(jiān)測利器。
　　金融信貸
　　以前借款需要很長時間的審核，尤其是線下取證、財務(wù)報表、抵押擔(dān)保、審批流程、領(lǐng)導(dǎo)簽批、最后借款等環(huán)節(jié)，根據(jù)內(nèi)在的大數(shù)據(jù)信用評估和內(nèi)控技術(shù)，能夠?qū)崿F(xiàn)實時計算借款人的信用額度，在信用額度內(nèi)實現(xiàn)即時放款。這是傳統(tǒng)金融領(lǐng)域是難以想象的。而這種快速借款模式，將成為未來互聯(lián)網(wǎng)金融時代的標準配置。
　　信息可視化
　　幫助雙方站在同一個平臺上相互模擬、相互評估與相互決策。金融信息可視化已經(jīng)成為經(jīng)濟分析、管理決策、績效評價等工作的必備工具，它將始終貫穿于金融活動的全過程。在技術(shù)變革的推動下，金融可視化成為未來發(fā)展趨勢。數(shù)據(jù)可視化的最大價值并不僅在于直接將數(shù)據(jù)呈現(xiàn)出來，讓人直觀地感受到數(shù)據(jù)，而更在于思維模式和決策方式的轉(zhuǎn)變?？梢岳脭?shù)據(jù)的可視化重新定義金融領(lǐng)域的數(shù)據(jù)模型，判斷金融價值模型中的爆發(fā)點與增長的關(guān)聯(lián)。
　　管理決策
　　在數(shù)據(jù)集成的基礎(chǔ)上，運用大數(shù)據(jù)、云計算技術(shù)，將數(shù)據(jù)清洗，處理，然后輸入模型，就能還原真實世界，得出精準信息，以此作為決策依據(jù)。未來的決策中人主觀因素會弱化，大數(shù)據(jù)提供的信息使得決策更加科學(xué)智能化，動態(tài)實時化。
　　供應(yīng)鏈金融
　　供應(yīng)鏈金融的風(fēng)險控制從授信主體向整個鏈條轉(zhuǎn)變。供應(yīng)鏈核心企業(yè)擁有良好的資產(chǎn)、充足的資金和高額的授信額度。而依附于核心企業(yè)的上下游企業(yè)可能需要資金，但是貸不到款。供應(yīng)鏈金融可以由核心企業(yè)做擔(dān)保，以產(chǎn)品或應(yīng)收賬款做質(zhì)押，幫助上下游企業(yè)獲得資金。
　　風(fēng)險控制
　　應(yīng)用大數(shù)據(jù)技術(shù)，可以統(tǒng)一管理金融企業(yè)內(nèi)部多源異構(gòu)數(shù)據(jù)與外部征信數(shù)據(jù)，可以更好的完善風(fēng)控體系。內(nèi)部可保障數(shù)據(jù)的完整性與安全性，外部可控制用戶風(fēng)險。
　　智能投顧


　　智能投顧業(yè)務(wù)提供線上的投資顧問服務(wù)，能夠基于客戶的風(fēng)險偏好、交易行為等個性化數(shù)據(jù)，采用量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。智能投顧在客戶資料收集分析、投資方案的制定、執(zhí)行以及后續(xù)的維護等步驟上均采用智能系統(tǒng)自動化完成，且具有低門檻、低費率等特點，因此能夠為更多的零售客戶提供定制化服務(wù)。
　　金融大數(shù)據(jù)解決方案
　　微構(gòu)科技的大數(shù)據(jù)和人工智能技術(shù)在金融行業(yè)已經(jīng)全面服務(wù)了多家大型金融機構(gòu)、保險、證券、互聯(lián)網(wǎng)金融客戶。在金融行業(yè)，積累了大數(shù)據(jù)基礎(chǔ)平臺、風(fēng)控、智能營銷、用卡欺詐行為識別、交易風(fēng)險預(yù)判、客戶畫像、實時風(fēng)險管控、用戶信用體系等多個從平臺到應(yīng)用的產(chǎn)品和解決方案的案例，助力金融機構(gòu)未來基于大數(shù)據(jù)和人工智能的創(chuàng)新發(fā)展。
　　針對金融行業(yè)大數(shù)據(jù)分析的特點，引入大數(shù)據(jù)平臺架構(gòu)，實現(xiàn)對海量的銀行數(shù)據(jù)、證券數(shù)據(jù)、保險數(shù)據(jù)的自動化、高能效、虛擬化和標準化的存儲和管理，保證金融行業(yè)海量交易數(shù)據(jù)的安全性、可靠性和高效的運營。
　　金融行業(yè)大數(shù)據(jù)總體系統(tǒng)架構(gòu)分為五層,分別是數(shù)據(jù)層，存儲層，計算層，模型層,應(yīng)用層。模型層是整個大數(shù)據(jù)的核心部分，為上層應(yīng)用提供數(shù)據(jù)支撐。
　　微構(gòu)科技金融行業(yè)大數(shù)據(jù)解決方案能全面整合金融數(shù)據(jù)，具備全面的安全保障、強大的數(shù)據(jù)計算性能、先進的智能分析、便捷的協(xié)作分享等特性，充分發(fā)揮出金融大數(shù)據(jù)的價值。在客戶深度分析，市場新業(yè)務(wù)開發(fā)，傳統(tǒng)業(yè)務(wù)運營方面，具有高性價比，易于管理和擴展等特性，效果顯著，為金融機構(gòu)理解客戶金融需求，把金融需求轉(zhuǎn)化成金融產(chǎn)品，促建業(yè)務(wù)快速穩(wěn)健的發(fā)展。
　　金融大數(shù)據(jù)案例分析
　　中信銀行信用卡中心始終堅持"以客戶為中心，為客戶創(chuàng)造價值"的經(jīng)營理念，在金融行業(yè)的持續(xù)化深入經(jīng)營，在2017年發(fā)卡量已達4100萬余張，日均產(chǎn)出4億條消費數(shù)據(jù)標簽。中信銀行信用卡中心在客群分析、偏好預(yù)測、交易預(yù)測、客群推薦等大數(shù)據(jù)方面需求大幅度增加，同時也對數(shù)據(jù)分析處理時效與精準度有了更高的要求。
　　微構(gòu)大數(shù)據(jù)基于具有超強計算能力的云計算中心平臺，針對金融行業(yè)大數(shù)據(jù)分析特點同時結(jié)合信用卡業(yè)務(wù)場景，引用大數(shù)據(jù)平臺架構(gòu)為中信信用卡中心搭建“智慧分析挖掘平臺”。實現(xiàn)對海量的銀行數(shù)據(jù)、證券數(shù)據(jù)、保險數(shù)據(jù)的自動化、高能效、虛擬化和標準化的存儲和管理，保證金融行業(yè)海量交易數(shù)據(jù)的安全性、可靠性和高效的運營。


　　平臺基于卡中心云計算平臺，集成了Spark、Python、R、XCBoost等機器學(xué)習(xí)框架、搭建支持深度學(xué)習(xí)的自助式數(shù)據(jù)挖掘分析平臺，實現(xiàn)了一鍵建模和業(yè)務(wù)自助式挖掘分析，提升了大數(shù)據(jù)建模時效。智慧分析挖掘平臺沉淀和固化了大數(shù)據(jù)中心歷史豐富的客群分析、經(jīng)營分析經(jīng)驗，打造客戶畫像智慧分析模塊，實現(xiàn)智能化、自動化、可視化分析、提升了分析深度與時效。
　　微構(gòu)大數(shù)據(jù)在當(dāng)前中信銀行信用卡中心大數(shù)據(jù)環(huán)境下，通過數(shù)據(jù)實時采集項目提供統(tǒng)一的數(shù)據(jù)實時及批量采集、數(shù)據(jù)存儲分發(fā)、數(shù)據(jù)實時消費等功能：
　　實時采集業(yè)務(wù)數(shù)據(jù)庫數(shù)據(jù)到消息中間件，批量采集批處理產(chǎn)生的文件到文件系統(tǒng)，為后端的實時計算和批處理提供數(shù)據(jù)源；
　　統(tǒng)一數(shù)據(jù)接入方式，數(shù)據(jù)消費方式，權(quán)限控制方式，任務(wù)管理方式；


　　通過提供統(tǒng)一的數(shù)據(jù)采集，數(shù)據(jù)存儲分發(fā)功能，對數(shù)據(jù)庫數(shù)據(jù)，業(yè)務(wù)日志，后臺計算產(chǎn)生的中間數(shù)據(jù)進行收集，以實現(xiàn)異構(gòu)數(shù)據(jù)庫實時同步，流計算，數(shù)據(jù)快速批處理等功能。將業(yè)務(wù)端產(chǎn)生的數(shù)據(jù)準實時/批量同步到消息中間件/文件系統(tǒng)，并提供給其它系統(tǒng)進行消費。
　　整個系統(tǒng)架構(gòu)分為以下幾個部分：
　　1.數(shù)據(jù)采集層，用不同種類的的agent對接不同數(shù)據(jù)源實現(xiàn)數(shù)據(jù)采集，主要包括：Mariadb-binlog采集，直接sql抽取數(shù)據(jù)采集，對文件直接采集；
　　2.消息中間件和文件系統(tǒng)，將采集的數(shù)據(jù)存用消息的方式進行存儲，用于實現(xiàn)消息存儲/訂閱/消費，同時也支持將采集的數(shù)據(jù)存儲到文件系統(tǒng)上（Ceph/Ftp等），用于塊式文件的中轉(zhuǎn)；
　　3.管理模塊，進行元數(shù)據(jù)管理，用戶/權(quán)限管理，任務(wù)管理，數(shù)據(jù)質(zhì)量管理監(jiān)控；
　　整體性能：
　　1.支持每日10T/500億條記錄同步，支持節(jié)點水平擴展；
　　2.批量采集：實時方式數(shù)據(jù)采集-同步到消息中間件，對單條記錄，時間控制在5s內(nèi)；整個批次的延遲不高于文件dump+scp的2倍；
　　客戶智慧分析挖掘平臺全面服務(wù)于新客戶獲取、客戶深度經(jīng)營、全流程風(fēng)險防控等領(lǐng)域，極大提升獲客精準營銷及經(jīng)營管理效能。
　　金融大數(shù)據(jù)的挑戰(zhàn)與未來
　　金融服務(wù)的方式和工具在隨著技術(shù)的成熟發(fā)生變化，但金融的本質(zhì)不會改變，即解決信息不對稱的問題。而大數(shù)據(jù)恰恰提供了一個解決信息不對稱問題的有效渠道。目前金融大數(shù)據(jù)的應(yīng)用挑戰(zhàn)至少包括三方面。
　　一是金融行業(yè)的數(shù)據(jù)資產(chǎn)管理應(yīng)用水平仍待提高；
　　二是金融大數(shù)據(jù)應(yīng)用技術(shù)與業(yè)務(wù)探索仍需突破；
　　三是金融大數(shù)據(jù)的行業(yè)標準與安全規(guī)范仍待完善。
　　相關(guān)機構(gòu)應(yīng)及時出臺促進金融大數(shù)據(jù)發(fā)展的產(chǎn)業(yè)規(guī)劃和扶持政策，并分階段推動金融數(shù)據(jù)開放、共享和統(tǒng)一平臺建設(shè)，強化金融大數(shù)據(jù)行業(yè)標準和安全規(guī)范建設(shè)。
　　現(xiàn)階段，“大數(shù)據(jù)+”產(chǎn)業(yè)發(fā)展呈現(xiàn)兩方面的深度應(yīng)用，表現(xiàn)在于為用戶“畫像”，讓企業(yè)對用戶進行細分，提升業(yè)務(wù)精準度成為熱門。未來，除消費產(chǎn)業(yè)大數(shù)據(jù)之外，大數(shù)據(jù)應(yīng)用還在向產(chǎn)業(yè)互聯(lián)網(wǎng)方向延伸。大數(shù)據(jù)應(yīng)用技術(shù)不斷開發(fā)、完善，越來越多的“數(shù)據(jù)信息孤島”被打破，呈現(xiàn)跨行業(yè)、跨領(lǐng)域的數(shù)據(jù)交流與融合。