大数据金融应用研究（精选12篇）

1. 大数据改变社会

人人都喜欢说大数据, 但是大数据的定义不仅仅是数据量的大幅度增加, 而是通过对数据的有机整合, 综合分析、筛选等, 构成新的数据体系, 从新的数据结构中发现新的商机和知识, 在数据整合的同时, 不断筛选优势数据, 可以使有理数据大大提高, 淘汰无用数据。开辟了数据利用的新时代。因此, 大数据可以说是当今社会的转型契机。

2. 大数据创造商机

智慧来自大数据, 对大数据的分析、预测等应用俨然成为了人们眼中的金矿。《纽约时报》2012年2月的一篇专栏文章认为“大数据时代已经降临, 正在对各个领域造成影响, 在商业、经济和其他领域中, 决策行为将日益基于数据分析做出, 而不是像过去更多凭借经验和直觉”。

IT属性一直以来是金融业区别于其他行业的最大特征, 只要涉及IT行业的变革都会带动金融业的革新。因此, 对于金融服务商家来说可以抓住这一机遇, 紧随改革浪潮, 通过对大数据的综合分析, 努力提高自身服务能力, 积极改善用户体验, 做好金融风险的预判, 从而使自己不至于被动出击。

3. 大数据给信息安全带来挑战

人类在大自然不是感官最灵敏的动物, 除了智力发达之外, 视觉听觉以及心理直觉都不是动物界中最突出的。因此, 在市场经济的环境下, 人们凭直觉和经验来进行的金融活动已经不能适应时代的发展。大数据的出现有效弥补了这一缺陷, 使人们空出手来将精力转移到其他地方, 而一些实时性和综合性的事件处理和整合都可以交给大数据来完成。同时大数据的出现也为金融行业提供了更加安全的投资环境。保护了投资者安全也保护了行业的稳定。

二、大数据背景下, 金融业发展的机遇

短短两年时间内, 大数据已经不再是小范围内使用的外来物种, 而变成了横跨保险, 银行, 证券等大范围金融行业的大力水手。这些行业在大数据的浸染下越来越注重科学, 培养了很大的实事求是精神, 兵器经验主义, 本本主义等, 进而创造出更大的价值。

1. 风险管理, 监督金融欺诈行为

风险管理在金融行业从来不是可以掉以轻心的一环, 正因为金融业发展速度飞快, 因此任何一个金融机构都必须有能力甄别风险的存在并及时化解风险, 寻求最安全的发展道路。电子商务的飞速发展, 新媒体的迅速发展和社会化媒体的迅速发展都给金融业带来了巨大的风险和挑战。因此风险管理是金融行业不可或缺的一个环节。

2. 拓宽渠道, 改善用户体验

互联网金融的发展使人们的生活和购物、出行越来越方便, 人们对互联网金融的依赖程度也越来越高, 不论是手机支付业务还是网上购物业务, 都将人类与大数据紧密连接在一起。依托于此, 人们的综合信息就可以作为大数据输出, 成为综合测评信息。在此基础上, 金融企业就可以制定针对性的计划进行客户群体规划。

3. 跨界电商:覆盖B2B和B2C两种模式

在金融大浪潮的冲击之下, 传统企业也开始有意识的发展自己的电子金融平台, 金融行业从本质上是利用资本和金融创造财富的行业, 金融行业之间的竞争主要就是数据之争, 如果不能获得最新的数据, 那么金融企业的有时就很难发挥出来。

三、大数据背景下, 金融业发展的挑战

大数据时代给金融产业发展和金融品牌的创立、传播都带来新的挑战。

1. 保障信息安全

在如今社会, 网络发展迅速, 各类信息鱼龙混杂, 骗子防不胜防, 用户个人信息很容易不不贩子盗取, 并利用其进行诈骗或其他违法活动。因此个人信息的保护显得越来越重要。除此之外, 用户自己也要保护自己的隐私, 不随便蹭网, 不上有病毒嫌疑的网站, 不打开陌生邮件等。

2. 培养大数据人才

在如今大发展的年代, 科技竞争和人才竞争是两大法宝, 得人才者得天下, 我国历朝历代贤明君主之所以成功, 就是因为拥有贤臣的辅佐才能成其霸业。如今, 人才的培养也是国家十分注重的。金融行业所需要的人才大多是创新型人才, 拥有较高的计算机水平, 对编程、统计学等都要有一定的掌握, 此外, 金融管理者也是不可或缺的人才。

在大数据浪潮的冲击之下, 金融企业要想保存自己的实力, 必须将高精尖人才纷纷纳入怀中, 只有高端人才才能撑起企业运作和发展。金融团队的打造同样一赖于人才的引进, 人员素质决定了团队的素质。灵活高效的团队在工作中无疑更具优势。管理人员的配置方面, 可以采取猎头方式, 高薪聘请优秀人才, 将行业内拔尖的人才招募过来, 给于丰厚的待遇和发展前景, 将团队运作逐步送上正轨。

3. 打造“互联网金融”

在大数据时代, 金融业所面临的竞争不仅仅来自同行业内部, 外部的挑战也日益严峻。互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理经验等方面都拥有优势。在我国, 以阿里巴巴等为代表的电商企业正成为金融企业的“伙伴式竞争对手”, 传统金融业必将进入到网络业务金融化阶段。

互联网金融来势汹汹, 金融机构也应采取开放的态度与其他互联网金融新进入者开展跨界合作, 挖掘双方在风险偏好和数据维度上的互补空间, 以期在互联网金融创新和发展中互补共赢。

摘要：大数据时代给当今社会的金融业转型提供了很大契机, 同时为金融业的创新发展带来了巨大的有利时机, 传统金融业在其根深蒂固的背景下一直占据着主导地位, 新型互联网金融企业是近些年异军突起的朝阳产业, 他的出现给传统互联网带来了巨大的挑战, 结合大数据的出现, 互联网金融模式的发展有望突破传统金融行业。

关键词：大数据,金融业

参考文献

[1]涂子沛.大数据:正在到来的数据革命[M].广西:广西师范大学出版社, 2012.

[2]胡蓉萍, 蓝彬珍, 张可.建行电商逻辑[N].经济观察报, 2012-08-25.

[3]丁小希, 孙天仁, 黄发红.敲响大数据时代金融安全警钟[N].人民日报, 2013-05-17 (22) .

[4]贾鸿飞.大数据时代银行业的机遇与挑战[J].中国金融电脑, 2012, (12) :25-29.

作者：盛瀚 北京银行股份有限公司无锡分行，长期从事信息化安全建设和IT服务管理的研究。

摘要：本文从对大数据产业发展进行分析，介绍大数据金融的相关应用及场景案例，并阐述了大数据金融存在的挑战。

关键词：大数据，金融

1.大数据概述

1.1.什么是大数据

大数据（Big Data）是一个宽泛的概念，业界没有统一的定义，大数据概念的兴起可以追溯到2000年前后，最初理解为一类海量数据的集合。2011年，美国麦肯锡在研究报告《大数据的下一个前沿：创新、竞争和生产力》中给出了大数据的定义：大数据是指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。根据Gartner的定义，大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据在通信、金融、教育等各个领域存在已有时日，近年来随着互联网和信息行业的发展进入了快速推广阶段。

1.2.大数据的特征

大数据不仅有传统数据定义的“三个V”，即数量（Volume）、速度（Velocity）和种类（Variety），还包含了更重要的第四个V，价值（Value）。

浅谈大数据在金融行业的应用与挑战

阿姆斯特丹大学提出了大数据体系架构框架的5V特征，在原有4V基础上增加了真实性（Veracity）特征，包括数据可信性、真伪性、来源和信誉、有效性和可审计性等特性，如图1所示。

图 1大数据体系架构框架5V特征

1.3.大数据的发展趋势

随着大数据产业的不断发展，各行业的应用解决方案不断成熟，大数据产业迎来了井喷式发展。Wikibon 数据显示，2014年全球大数据市场规模达到285亿美元，同比增长53.2%。大数据成为全球IT支出新的增长点，如图2所示。Gartner数据显示，2014年数据中心系统支出达1430亿美元，比2013 年增长2.3%。大数据对全球IT 开支的直接或间接推动将达2320亿美元，预计到2018年这一数据将增长三倍。

浅谈大数据在金融行业的应用与挑战

图 2Wikibon全球大数据市场规模测算

全球大数据市场结构从垄断竞争向完全竞争格局演化。企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争越发激烈。全球大数据市场中，行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用为市场份额排名最靠前的细分市场，如图3所示。

浅谈大数据在金融行业的应用与挑战

图 3Wikibon全球大数据市场结构测算

2.大数据金融

随着大数据技术的应用，越来越多的金融企业也开始投身到大数据应用实践中。麦肯锡的一份研究显示，金融业在大数据价值潜力指数中排名第一。以银行业为例，中国银联涉及43亿张银行卡，超过9亿的持卡人，超过一千万商户，每天近七千万条交易数据，核心交易数据都超过了TB级。

一直以来，金融企业对数据的重视程度非常高。随着移动互联网发展各种务和服多样化市场整体规模扩大。对于数据分析带来的主要业务价值，大量参加调研的金融企业表示，大数据分析的价值是可以根据商业分析实现更加智能的业务决策，让企业战略制定更加理性化。依靠有前瞻性的决策，实现生产过程中资源更优化的分配，能够根据

浅谈大数据在金融行业的应用与挑战

市场变化迅速做出调整，提高用户体验以及资金周转率，降低库存积压的风险，从而获取更高的利润。

2.1.金融数据的类型

金融数据从数据类型上进行划分，大致可以分为结构化数据、半结构化数据与非结构化数据三大类。

（1）结构化数据。结构化的数据来源自金融企业运营数据仓储(ODS)和数据仓库(EDW)。EDW为企业提供分析决策服务，ODS主要实现企业数据整合、共享和准实时运营监控等功能。而通过Hadoop等组件的应用可以将数月前甚至几年前的历史数据进行迁移保存。在分布式存储结构下，结构化数据的存储计算可以得到巨大的改善，可对海量离线数据进行离线分析，将离线数据优势最大化，为金融企业用户打造立体用户画像提供最全面的数据支撑。

（2）半结构化数据。半结构化数据的整合在数据整合中是最为复杂的。金融企业可对接来源于外部单位所提供的不同类型数据库或Excel等的数据。“打通”多源异构的数据是项目中遇到的最困难的部分，数据整合完毕可快速进行建模分析。

（3）非结构化数据。金融行业对于非结构化的处理的方法还是比较原始的。非结构化数据涵盖的范围比较广泛，有新闻，视频，图片以及社交网络等数据。

浅谈大数据在金融行业的应用与挑战

2.2.大数据金融的技术实现

金融数据一般具有“流数据”的特征，需要在短时间内快速处理。与其他行业相比，金融具有逻辑关系紧密、处理实时性要求高、可展示性需求强等特征，通常需要以下几类关键技术。

（1）数据分析技术。包括数据挖掘、机器学习等人工智能技术，主要应用在用户信用分析、用户聚类分析、用户特征分析、产品关联分析、营销分析等方面。金融系统安全性、稳定性和实时性要求比较高，对大数据计算处理能力也要求非常高。

（2）数据管理技术。包括关系型和非关系型数据管理技术、数据融合和集成技术、数据抽取技术、数据清洗和转换等技术。金融行业对数据的实时处理能力要求非常高，需要灵活地进行数据转换配置和任务配置。

（3）数据处理技术。包括分布式计算、内存计算技术、流处理技术等。通过新型数据处理技术更有效地利用软硬件资源，在降低IT投入、维护成本和物理能耗的同事，提供更为稳定、强大的数据处理能力。

（4）数据展现技术。包括可视化技术、历史流展示技术、空间信息流展示技术等。主要用于金融产品健康度监视、产品发展趋势监视、客户价值监视、反洗钱反欺预警等方面。

2.3.大数据金融的场景应用

任何技术的应用都是基于需求产生的，大数据金融的应用也是由

浅谈大数据在金融行业的应用与挑战

金融行业的业务驱动而衍生出来的。具体的应用分类也没有统一的标准。以金融行业最具代表性的银行为例，根据业务驱动应用场景大致可分为精准营销、风险控制、改善经营、服务创新和产品创新等五个方面，如图4所示。

（1）精准营销： 互联网时代的银行在互联网的冲击下，迫切的需要掌握更多用户信息，继而构建用户360度立体画像，即可对细分的客户进行精准营销、实时营销等个性化智慧营销。

（2）风险控制：应用大数据技术，可以统一管理金融企业内部多源异构数据与外部征信数据，可以更好的完善风控体系。内部可保障数据的完整性与安全性，外部可控制用户风险。

（3）改善经营：通过大数据分析方法改善经营决策，为管理层提供可靠的数据支撑，使经营决策更加高效、敏捷，精确性更高。

（4）服务创新：通过对大数据的应用，改善与客户之间的交互、增加用户粘性，为个人与政府提供增值服务，不断增强金融企业业务核心竞争力。

（5）产品创新：通过高端数据分析和综合化数据分享，有效对接银行、保险、信托、基金等各类金融产品，使金融企业能够从其他领域借鉴并创造出新的金融产品。

浅谈大数据在金融行业的应用与挑战

图 4金融大数据业务驱动

2.3.场景实例

2.3.1.客户全景画像

客户画像应用主要分为个人客户画像和企业客户画像。其中个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等。以银行为例，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论，所以还需要引入外部数据源，包括：运营商数据、主流电商网站数据、上网痕迹数据、SNS软件、生活圈子、网络应用等，从而丰富用户标签，构建一起全面的客户画像，如下图5所示。

浅谈大数据在金融行业的应用与挑战

图 5大数据客户全景画像

2.3.2.客户服务优化

通过大数据，金融企业可监控各种市场推广运作情况，将客户行为转化为咨询流，从中分析客户的个性特征、风险偏好，了解客户的金融往来习惯及使用行为，进一步分析及预测客户潜在的需求，将精准行销扩展至服务的创新与优化。

图 6 个性服务优化过程

浅谈大数据在金融行业的应用与挑战

以银行为例，通过大数据资料库，可对下辖分子机构服务柜台及摆设、理财区装饰、甚至座位的设计，依照资料库中机构所在地的人口特征、年龄及交易量复杂度等数据，以及客户在网站、手机银行、微信银行等软件使用习惯进行分析，为客户提供个性化的服务。如：

 针对高领客户比例偏高的机构，即考虑新增矮柜服务窗口并提供大屏幕显示器提醒；

 面对顾客对网银、手机银行的使用习惯，将浏览率高的栏目与浏览率低的栏目进行重新排版设计，以提升客户使用率及忠诚度的目的；

 根据不同人群在网络、手机APP访问的记录行为，分析其关注资讯的不同（页面浏览时间，次数，频率等），提供不同需求的咨询和服务。

2.3.3.交易欺诈侦测

大数据的分析对于风险控制有着重要意义，金融机构可通过对企业的生产、流通、销售、财务等相关信息的数据挖掘，进行贷款风险分析，量化企业的信用额度，更有效的开展企业贷款。

浅谈大数据在金融行业的应用与挑战

图 7 企业征信体系

同时，在交易欺诈防控中，可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。

3.大数据金融存在的挑战

3.1.数据的几何级增长，整合困难

目前，全球各行业数据量的增长速度惊人，再我国尤其集中在金融、交通、电信、制造业等重点行业和医保、社保、海关等重要领域，信息化的不断深入正在进一步催生更多新的海量数据。据统计，2015年中国的数据总量达到1700EB 以上，同比增长90%，预计到2020 年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB 的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导

浅谈大数据在金融行业的应用与挑战

致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。

3.2.数据安全的保障

安全与隐私问题是大数据发展过程中的一个关键问题，多项实际案例表明，即使无害的数据被大量收集后，也会暴露个人隐私。实际上，大数据安全含义更为广泛，人们面临的威胁并不仅限于个人隐私泄露，保护对象不仅包括大数据自身，也包含通过大数据分析得到的知识。

与当前的其他信息一样，大数据在存储、处理、传输等过程中面临安全风险，主要包括数据管理风险和数据运营风险。这里一方面需要技术手段的保护，同时需相关法律法规的完善和金融企业自身的自律。

3.3.大数据标准规范的制定

要实现数据的互联互通，必须包含两个条件，其中互联是技术体系标准，互通是数据体系标准。实现互联可以要求系统使用标准化接口，而实现互通则需要围绕产业链建立跨行业的数据标准结构。目前，各行业的发展长期各施其政，行业间存在较高的壁垒，即使金融行业内部，如银行、证券、保险等行业也采用了不同的标准，遵守不同的行业规范。如何加快元数据、数据交换、数据交易、数据质量、安全保密等重点共性标准的制定是大数据建设的关键。

浅谈大数据在金融行业的应用与挑战

3.4.人才梯队的培养

与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。目前金融行业在可承担分析和挖掘的复合型人才、高端数据科学家以及管理人才都存在很大缺口。

5.结束语

党的十八届五中全会“十三五”规划提出：“实施国家大数据战略，推进数据资源开放共享”。2015年12月16日在第二届世界互联网大会开幕式上，总书记提出：“十三五”时期，中国将大力实施网络强国战略、国家大数据战略、“互联网+”行动计划。大数据已成驱动经济发展的新引擎，大数据应用范围和应用水平将加速我国经济结构调整、深度改变我们的生产生活方式，大数据金融应用正是改变金融业态，引发金融行业经营模式创新的催化剂和助推器。

参考文献

[1]陈利强 梁如见 张新宇 著.《金融大数据-战略规划与实践指南》.电子工业出版社.2015年

[2]陈云 著.《金融大数据》.上海科学技术出版社.2015年

[3]BCG.《回归“价值”本源：金融机构如何驾驭大数据》.2015年

不管你恐惧还是欣喜，大数据金融时代已经来临。

如何理解由技术创新逐渐引领的金融创新？何谓大数据金融？我们选取三个最有代表性的例子来解答。

何谓大数据？大数据没有严格定义，顾名思义就是“很多数据”。可以从三个层面来解析这个特别的称谓——

从生产来看，不需要特别的采集过程，因为监管要求、业务逻辑或者技术便利，具有“自生产”特征，比如搜索数据、交易数据等；从存储来看，相对于传统数据库的数据规模，量变引起质变，需要新的数据库技术来支持存储和访问；从使用来看，分析方法从基于概率论的抽样理论过渡到人工智能、统计学习等讲求高维、高效率分析技术。

从行业细分角度，大数据金融业主要有大数据银行金融和大数据证券金融，分别和银行业务、证券业务相关。当然，保险业天然就和大数据相关。

信用卡自動授信是典型的大数据银行金融。从银行角度是否应该对申请者授信、发授多少信用额度，是个重要问题。传统方式是人工审核申请资料，然后根据大致的档位发放额度或拒绝申请。但是当银行积累了足够多的用卡客户数据，可以把是否违约，违约概率，有效使用额度等指标作为被评价对象，然后调用与此相关的各种客户信息建立统计模型，自动计算授信结果。

机器人投资是大数据证券金融的代表形式，股票价格波动受各种因素影响，传统的投资方式一般人工收集信息，手动交易。机器人投资可以建立多因素模型，自动选择股票或寻找交易时机，在适当的风控模型下建立机器人投资云交易模式。

再如，连接银行和证券的大数据不良资产评估。2005年，某国有不良资产管理公司开始尝试在海量数据基础上进行不良资产评估。原本银行信贷资产的评估都是基于会计模型，但是不良资产基本没有会计特征，很难用传统方法评估。因此，收集已处置资产和待处置资产样本进行对比，建立数据挖掘模型，可以方便评估待处置资产的价格。

了解了大数据和大数据金融的几个应用实例，我们总结一下何谓大数据金融。

金融业积累的大数据就是金融大数据，根据银行金融和证券金融本身的不同，这些数据也分成银行金融大数据和证券金融大数据。积累数据过程中，产生了数据采集、存储、使用的相关工作和企业，这样就完成了金融大数据的产业链，但总体依然是信息技术产业链。

大数据时代,信息化金融的发展对当前和未来的金融从业者提出了更高的要求。为了落实人才强国战略,加强金融人才队伍建设,根据《国家中长期人才发展规划纲要(2010-2020年)》的要求,人民银行会同银监会、证监会、保监会联合印发了《金融人才发展中长期规划(2010-2020年)》,明确了近十年金融人才发展的指导思想、战略目标和主要任务。作为人才培养基地,高校必须转变观念、主动应对、加强合作,从大处着眼,小处着手,大力开展大数据时代的金融教育和人才培养,为我国信息化金融发展做好人才储备。

当前高校人才培养模式是第二次产业革命标准化机器大生产的产物。为适应时代发展的需要,国外高校都进行了积极应对,如德国FH模式、英国“三明治”模式以及美国的“生计教育”模式等都从人才培养目标、课程体系、师资队伍和实践环节等诸多方面进行了相应调整。大数据时代深刻地影响着中国的高等教育,但是高校办学指导思想仍然停留在工业化大生产的标准化精英教育阶段,人才培养与大数据时代的要求之间的矛盾日益凸显。现实中不少高校对新形势下培养什么样的应用型人才、如何培养应用型人才等基本问题的认识仍旧模糊不清。因此,大数据时代为高校人才培养模式,特别是金融人才培养模式改革提出了迫切要求。

大数据时代应用型金融人才培养思路

当前,我国金融领域的人才队伍已不能完全满足信息化金融发展的需要,亟需培养大量兼具金融业务、信息技术和管理等多种知识技能的复合型人才。

大数据时代下的应用型金融人才培养要体现教学理念的前瞻性,体现大数据时代实验教学的实战性,体现以大数据时代为背景,以云技术为手段的应用型金融人才发展的最新特征和培养模式。遵循“融业务培养与素质教育为一体、融知识传授与能力培养为一体、融实验教学与科研活动为一体”的人才培养和教学改革思路,将“知识、能力和素质”三要素有机结合起来,打造大数据时代下的应用型金融人才培养模式。

1.运用大数据思维审视和修订教学培养方案,建立适应大数据时代发展的金融人才理论知识体系。现有的教学培养方案更多带有机器化大生产背景下的标准化特点,与大数据时代对金融从业人员的高要求严重脱节。金融专业应重新审视和修订现有的教学培养方案,在现有课程体系的基础上拟进一步建立适应大数据时代发展的金融人才理论知识体系,旨在培养学生的大数据思维和大数据视野。

2.利用大数据技术探索并开展国际化实践教学,建立适应大数据时代发展的金融人才实践能力体系。大数据时代下海量信息资料的获取可为高校提供更多、更新、更好的教学素材;各种新兴信息技术的发展为搭建国际化实践教学平台提供了技术保障。经济金融学院同欧美多所知名高校接触,积极筹备国际化实践教学平台,旨在实现不同时空下的同步模拟、数字仿真,建立适应大数据时代发展的金融人才实践能力体系。

3.借力大数据平台建设和优化课程资源,创新适应大数据时代发展的教学方法。受大数据时代的影响,课程资源不再仅仅局限于课堂,借助大数据平台实现课程资源共享是未来优化教育资源配置的重要途径。金融专业需要探索翻转课堂、微课、MOOC等先进的教学方式,借力大数据平台建设和优化课程资源,创新适应大数据时代发展的教学方法。

4.依托大数据系统整合并完善实验室资源,创造适应大数据时代发展的实验教学环境。金融实验室为应用型金融人才培养模式改革奠定了基础,顺应大数据时代的要求,金融实验室能同步接收全球金融市场的海量交易数据,商业银行交易系统、金融模拟交易系统、金融仿真系统、金融风险分析系统等为建立适应大数据时代发展的实验教学提供全面支持。

大数据时代应用型金融人才培养模式探讨

大数据时代必将对传统的高等教育和学习模式产生深刻影响。与当代信息技术以及金融市场层出不穷的创新相比,目前国内大学的金融教育水平还存在明显差距。这种差距体现在专业设置、课程设计、教材开发、师资队伍建设、教学方式、管理机制等多个方面。在大数据视域下,如何处理好继承传统和改革创新的关系,将传统的教育模式与现代学习技术、工具结合起来,是应用型金融人才培养模式改革的重要任务。

1. 课程体系创新

专业课程体系必须能够支撑人才培养目标,而人才培养目标应该满足用人单位的岗位需求和工作技能要求。为了更加紧密地与国际金融环境接轨,适应信息化金融的发展,金融专业课程体系调整应旨在培养具有良好的职业素养和道德水准,外语能力突出、经济学理论基础扎实,金融投资分析技能娴熟的应用型、复合型国际化高级金融人才。

面对大数据时代和信息化金融的发展,金融专业还需要在课程体系设置上进行再突破。根据大数据背景下金融业务创新和人才需求的特点,从培养学生的大数据视野、大数据思维和大数据实践能力角度出发,进行课程体系创新,创建“1+1+X”的动态课程体系。第一个“1”代表专业理论课程体系,为金融专业核心课程模块突出专业理论的应用型特征;第二个“1”代表专业实践课程体系,包括实验课程模块、实训课程模块和实践模块,进一步突出课程体系设置的应用型;“X”代表课程体系中的动态调整因素,在实验课程模块和实训课程模块两部分中,将其分为必修和选修,选修课程即是所谓的动态调整过程,用这个选修动态模块来追踪大数据时代的一些最新动态。

2. 教学方法改进

大数据时代为进一步改进金融专业教学方法,提高金融学本科教学质量提供了各种新的机遇。

(1)海量的数据信息资料为进一步丰富教学内容、改进教学方法提供了可能。一方面,海量的数据信息资料为本科教学提供了丰富而生动的教学素材,可以提高教学内容的可学性,激发学生的学习兴趣;另一方面,大量新颖案例的引入有利于进一步丰富案例教学,生动且多样化的呈现方式能够激发学生的形象思维和思考过程,可以提高教学效果。

(2)将传统集体授课方法与大型开放式网络课程等新兴教学方法相结合。在大数据时代,学生获取知识的途径将不再仅仅局限于课堂。互联网技术的快速发展使得在线学习日益成为学习知识的重要途径。在这种背景下,MOOC和微课能充分发挥其特点———工具资源多元化、课程易于使用(依托互联网,突破传统课程学习的时间、空间限制)、课程受众面广、课程参与自主性强。由此可见,如能采取线上线下相结合的教学方法,充分发挥两种方法的优点并弥补彼此的缺点,将会使学生的学习效率和教师的授课效率都得到大幅度提高。

(3)将传统的小组合作教学模式与网上小组学习模式相结合。在当今日新月异的信息时代,信息获取和信息交流能力是学生学习和创新的基础。教师和学生可以根据自己的使用习惯和设备条件选择适合自己的方式建立学习讨论组,讨论交流心得体会,随时随地分享智慧火花,培养学生终生学习的能力。

(4)利用大量微观统计数据促进学生自主学习。国内外企业数据库、上市公司数据库等所提供的企业微观数据为课堂教学之外的学生自主小组学习和本科实验教学内容提供良好的基础保障。教师能够通过这种开放教学的形式帮助学生从被动的知识学习向主动的知识创造转变。

(5)设计金融专业APP,应用大数据技术分析学生的行为习惯,评价教学效果。在线学习系统中包含大量的细粒度的学生学习行为数据,如学习日志、学习路径、课程数据、学习管理数据、学习成果数据等。利用教育数据挖掘和分析技术对数据进行采集、存储和分析,绘制学生学习路径图;在前期预测模型的基础上,优化学生的学习路径,促进学习反思,可为包括学校管理者、教师和学生在内的各级各类人员提供相应反馈,以帮助其改善学校管理、教学和学习。

3. 教学资源优化

金融实验室配备金融信息数据库系统,可供学生及时了解和掌握国际、国内金融行情和发展动态;学校图书馆相继建成了清华同方、CNKI中国学术期刊全文数据库、人大复印报刊资料全文数据库、国研网数据库、高校英语资源数据库等10多个专业全文、文摘数据库等,便利学生的数据收集和研究学习。大数据时代和信息化金融的发展要求金融专业必须进一步优化教学资源。

首先,基于大数据平台的海量数据,运用数据挖掘技术,定期对金融领域内的教材、课件、视频等资料进行排序,选择能够反映当前金融市场真实情况和前沿问题的教学资料。

其次,利用大数据系统有效整合现有的教学实验资源,建成一个完整的虚拟仿真实验教学平台,发挥大数据的“去碎片化”作用,充分利用实验教学资源。

再次,使用金融教学APP,将优质教学资源上传网络,建立MOOC和微课平台及教学资源数据库,提高教学资源的便捷程度和使用效率。

4. 实践教学强化

当前大数据时代对学生的实践能力提出了更高要求,现代金融专业教学必须以培养实践能力作为主要目标。金融学科所涉及的证券投资、股市分析、期货交易、银行信贷等课程操作性很强,不仅需要理论学习,还需要借助现代科技力量,特别是要学习与当前金融大数据相关的知识。

第一,借力大数据平台随时跟踪国际金融市场及社交网站最新、高频的金融词汇和交易,以此作为实践教学的素材。最新、高频的金融词汇和交易能够清晰勾勒出国际金融市场以及金融研究领域的发展动态前沿,而这正是实践教学的重要素材。

第二,利用大数据技术探索并开展国际化实践教学,建立适应大数据时代发展的金融人才实践能力体系。大数据时代下海量信息资料的获取可为高校提供更多、更新、更好的教学素材;各种新兴信息技术的发展为国际化实践教学平台建设提供了技术保障。

5. 师资队伍建设

在大数据时代,高校教师只具备基本的数字化教学能力是远远不够的。教师应该主动适应高等教育的大数据化发展,理解数据支持的教学决策文化,提升数据的分析能力,并清楚地认识到大数据时代高校课程变化对自己专业发展提出的严峻挑战,意识到适应大数据时代要求的重要意义。金融专业要坚持“培养+引进”的人才建设方针,强化金融专业教师的专业知识、实践能力、实验软件操作能力以及大数据时代必备的知识与技能。

首先,“培养”现有师资。采用短期培训方式对金融专业教师进行培训,聘请行业专家授课,培训金融实践课程软件操作、数据库技术及应用、网络技术及应用、在线教学设计技能、数据分析技术和学习分析技能等内容。

其次,“引进”专业人才。要求引进人才能够熟练掌握金融专业知识、金融计量分析、网络应用技术和数据库应用技能。不断优化教学团队结构,为大数据时代应用型金融人才的培养提供充足的人力资源保障。

顺应大数据时代的发展,以社会经济发展的人才需求为导向,探索应用型金融专业人才培养的新思路,需要在以下几方面作出相应调整:一是教学理念方面。大数据时代应用型金融人才培养要体现教学理念的前瞻性,体现大数据时代金融专业教学的实战性,故基本的教学理念是以大数据时代为背景,以云技术为手段呈现国际金融人才培养的应用性、实战性、综合性;二是教学模式方面。转变思路,迎合大数据时代要求,重塑金融专业教学环境,设计与应用型金融人才发展新特征相吻合的教学内容、教学手段和教学模式;三是实践教学方面。构建以国际金融投资模拟实验教学中心为主体,国内和海外金融实验实践基地为补充的实践教学体系框架。实验教学中心的设计紧扣金融机构投融资实务的相关内容,实现产学研相结合,加强实验教学的大数据建设,不断更新实验教学项目,保证实验教学体系能够捕捉国际金融投资领域的前沿动态;四是教学资源方面。为有效追踪大数据时代下金融业的发展动态,需要不断更新金融专业教材、课件、视频等教学资料,有效整合及优化实验教学资源,开发利用金融教学APP等新兴教学资源。

参考文献

[1]史修松:《大数据环境下地方高校应用人才培养初探》,《理论观察》2013年第11期,第134-135页。

[2]朱建平、李秋雅:《大数据对大学教学的影响》,《中国大学教学》2014年第9期,第41-44页。

[3]卢盛峰:《大数据背景下〈财政学〉本科教学改革探析》,《湖北经济学院学报》(人文社会科学版)2015年第2期,第170-171页。

[4]孙方娇:《科技与金融结合背景下金融教学改革与人才培养》,《上海金融》2013年第8期,第113-114页。

[5]王晖、段文军:《大数据时代下〈财务分析〉课程建设》,《中国电力教育》2013年第25期,第111-112页。

[6]任嘉嵩、焦方义:《地方高校金融人才培养的区域定位与对策浅析》,《中国高等教育》2012年第9期,第59-60页。

摘要：大数据分析和互联网金融都是时下最火热的词汇，大数据和互联网在金融行业的完美运用无疑将带给整个金融行业以巨大的变革。但互联网金融是机遇与风险并存的，它的风险因其与网络的融合比传统金融业更大，做好金融风险预警是十分重要的，本文分析了互联网金融风险预警机制，并提出了具体措施。关键词:大数据分析；互联网金融；金融风险；风险预警 引言

当前，大数据时代已经来临，数据的大量积累和迫切需要数据处理的时期，大数据分析应运而生。与此同时，阿里巴巴、腾讯、等互联网巨头纷纷涉足金融服务，以支付宝为代表的各类互联网金融产品纷纷出现，基于大数据分析的互联网金融日益发展。大量客户为获得高投资回报将金融资源转向互联网，对互联网金融风险预警的研究得到广泛关注。

（一）基于大数据分析的互联网金融特点、优势

大数据分析就是通过统计方法对数据进行分析，获得数据中有价值的东西，以发挥数据的作用。互联网金融把传统的金融业务与互联网相结合，带给大家全新的体验，互联网金融基于对大数据的分析。不可否认，互联网金融具有自身的优越性。

互联网覆盖面积大，各个系统间相互联系，信息共享，其便捷的数据传递可以解决信息不对称问题；互联网金融在支付、信贷、存款等各领域均有创新，快捷的交易突破地理距离和时间的限制，便利人民大众的生活，冲击了传统金融行业的传统金融业务。

（二）基于大数据分析的互联网金融的风险 1，信用风险

互联网金融毕竟还属于新兴事物，配套的法律法规体系尚不完善，信用体系构建也有待进一步加强，对注册企业的资格审查要求不如银行严格，准入门槛也参差不齐，客户身份识别上也有漏洞，不能排除一些注册企业资质不够，发生违约的信用风险，甚至利用互联网金融从事洗钱等违法犯罪行为。一般情况下，主流的互联网金融软件，如支付宝，采用第三方支付的方式在一定程度上降低了信用风险，但还有些企业由于资金、技术等各方面原因，本身不具备第三方支付能力，信用风险极大。2，隐私风险

在网络中，数据信息可以快捷流动的同时也存在信息泄露的风险。如开户资料中要求投资者详细提供身份信息，银行账号、银行账号密码、手机号码，家庭住址等信息，如果泄露出去会给投资者带来难以估量的损失。还有一些软件要求绑定手机，用手机验证码完成系列交易，那万一手机丢失，则隐私泄露，威胁财产安全。3，技术风险

互联网金融基于互联网的大数据分析，必须以互联网的正常运作为前提条件，网络环境还有待进一步优化，网络金融犯罪问题突出，黑客攻击，网络病毒、网络技术故障等情况下，网络不能正常运行，给投资者带来资金损失的风险。而且这样的风险规模巨大，难以及时控制。

（三）金融风险的预警机制 1，预警信号的分析 早期预警信号往往是金融风险的先兆，关注早期预警信号可以再风险到来前预测时态发展趋势，采取有效措施进行风险管理。早期预警信号有的很明晰，比如企业的信誉受损、财务状况重大变化等，可以做出很清晰的判断。有的信号如财务报表、政策变化等就需要决策者判断、分析、做出正确的解读了。总之，对早期预警信号的分析判断风险还是机制中的一种较为直观的方法。2，预警指标体系的设计

建立科学的指标体系是金融风险预警分析的首要基础，我们希望能通过对一系列的数据进行分析，把握金融风险爆发的前兆，在风险发生前做出预警，规避风险。指标的选取要遵循一定的原则，比如可测、可控、相关、抗干扰、有代表性等，方便得到数据，并且灵敏的反应互联网金融风险。我们可以从宏观经济金融指标、中观经济金融指标、微观经济金融指标三个方面分别建立指标体系，针对不同系统做出预警。

（四）风险预警措施

1，科学的数据指标体系和考核评价体系

科学的风险监控体系考核评价体系都要要以数据为核心，以定量描述的指标为检测标准，对达到预警值得指标要及时处理。具体步骤就是，首先选取合适的指标，建立一套与金融风险变动的相关性较强的指标体系，再根据经验及预测选取各个指标的预警值，最后用数值监控互联网金融的风险。对参与者各项评估检查也要依托数据体系，量化考核机制，严明奖惩制度，对各项指标均在目标值以内的参与者给予奖励或适当减小检查频率，对指标达到风险预警指标值得参与者采取增大检查频率，约见谈话，要求反思原因，要求制定改正措施等特定性处理措施。

2，三位一体的风险预警监控网络

对风险预警的监控要靠部门间的协调配合，相互制约，金融监管部门监管、行业内部自律管理、社会公众监督相互配合，形成三位一体的风险预警监控网络是行之有效的监管方案。监管部门起到引导作用，制定目标和规范，统筹该预警机制的建立和维护工作。金融部门要根据自身发展情况制定内部管理制度、风险防范措施，具体执行互联网金融风险的预警工作。当然了，要使该预警监控网络发挥巨大作用还离不开广大人民群众的监督。3，完整的法律体系保障

互联网金融要想健康持续发展，必须在法律法规的框架下运行，还要有政府的政策支持和投资者的相互监督、自律管理。创造健康、公平的环境，保护互联网金融投资者的资金安全。政府要加强立法和执法监管，制定的规定要具体化，比如建立大额资金报告制度，可疑交易报告制度等，对突发事件或可疑事件可以采取技术加以暂停或延迟成交等措施，要规范各方的行为，比如开户时的客户身份核实需要的具体证件等都要做出具体的规定，督促各个参与者自觉加强风险预警工作，对违法违规的参与者处罚措施要做到实处，提高监管能力。结语

此事件让人们对互联网再次提高了警惕，大数据是互联网时代的重要特征，其发展方向是数据共享和数据开放。随着云服务的推出，很多互联网企业把一些敏感数据放在互联网云端，通过对数据的挖掘、分析，最后形成有用的信息。在互联网金融的大环境下，这将对信息安全，包括资金安全提出更大挑战。

小隐私中的大隐患

从近期的案件分析来看，犯罪分子更多把目光放在数据挖掘和数据分析上，互联网金融的发展使他们容易窃取到一些更精准的企业信息和个人信息，作案成功率也会更高。

类似于已被人们熟知的信用卡欺诈、套现洗钱等事件还在不断发生。而且从互联网到手机，从电话到电视，从pos机到pad，第三方支付渠道愈加增多。互联网金融最基本的核心还是金融的属性和金融的特性，所以还是要以金融的风险管理角度来直面互联网金融所带来的风险。

中国金融认证中心助理总经理王梅认为，金融机构在面临这些信息安全隐患时，需要加强新技术和新应用这方面的研究。随着现在银行业务不断的创新，电子银行的渠道也越来越多，复杂度越来越高。银行金融机构要从业务架构和技术架构两方面人手，考虑如何更好的融合。尤其是信息安全建设方面，系统建设要同时启动规划、开发、测试、上线，要充分认识重视信息安全。最重要的是加强信息安全的宣传、引导，尤其是电子银行安全方面的引导。

“很多时候，客户发生信息泄露事件，是客户自身对信息安全意识不足。”一位银行人士表示，对于一些诈骗信息，百姓应分辨清楚，不轻信对方。

中国互联网络信息中心（CNNIC）发布的《2012年中国网民信息安全状况研究报告》显示，我国信息安全状况不容乐观，而网民对信息安全危害意识程度不够。

有84.8%的网民遇到过信息安全事件，在这些网民中，平均每人遇到2.4类信息安全事件。在众多信息安全事件中垃圾短信和手机骚扰电话发生比例最高，分别有68.3%和56.5%。而“欺诈诱骗信息”、“假冒网站”等新型信息安全事件甚至超过了部分传统信息安全事件。38.2%的网民遇到过“欺诈诱骗信息”，这一比例甚至比传统的“中病毒或木马”的网民比例高出15.1个百分点。但在遇到信息安全事件的网民中，高达47.5%的网民不做任何处理，网民对信息安全事件的危害并不了解或不在意。

中国金融认证中心副总经理曹小青撰文表示，对消费者而言，面临的风险主要包含电子货币形式的资金的损失和电子信息形式的隐私泄露两类。目前看消费者一方风险产生的原因，主要是消费者安全意识薄弱、消费者操作不当、木马软件泛滥及黑客攻击猖獗。

他提醒消费者，要注意保护个人的隐私信息。如电话号码、家庭住址、身份证号码、公司地址、E-mail等信息。不要将对自己至关重要的敏感信息暴露在网上；不使用弱密码，也不在多处使用同一密码；加强安全支付意识，不在网吧进行支付，不使用公共网络进行支付；在线交易操作需要反复确认，随时注意浏览器地址栏、弹出窗口的各项内容等细节信息；认清不同种支付方式所面临的风险，对短信支付、手机银行支付、信用卡支付等支付方式，要通过设置交易资金限制等方式来降低风险。

业务连续性管理新课题

如果说，隐私泄露带来的信息安全问题，自己稍加注意便能避免，那如果是因为银行管理失误，导致民众无法正常办理金融业务，这会让信息金融时代的民众最缺乏安全感。

根据中国金融认证中心发布的《2012中国电子银行调查报告》显示，中国电子银行业务连续三年呈增长态势，68%的用户使用网上银行替代了一半以上的柜台业务，部分银行网银替代率超过85%。而40%的个人网银用户拥有多个网银账户，最近1年内的网银账户主动开通率为75%；个人手机银行用户比例为8.9%，较2011年增长2.6个百分点，连续三年呈增长趋势。

在此大背景下，各大银行的信息系统一旦出现问题，将带来难以估量的损失。

6月23日，中国资产规模最大的银行中国工商银行出现系统“瘫痪”，柜面取款、自动取款机、网上银行、电话银行等业务办理均大受影响，多个网点更贴出“机器故障”告示停办所有业务。此次事件涉及北京、上海、武汉、四川等中国多个省市。

中国工商银行在内地拥有数万家营业网点，电话银行注册客户已超过1亿户，短信银行累计服务客户达2150万户，因此，此次系统故障影响范围颇大。随后工行证实事件乃系统升级所致，但此次“意外”已经引起坊间一些过度“解读”。

7月初，中国工商银行就6·23事件内部通报指出，故障原因是由于供应商提供的主机版本内存清理机制存在缺陷引发的。小概率，高风险的系统故障再一次将银行灾备与风险管理的重要性凸显出来，也让业务连续性管理（BCM）这一普通人觉得陌生的术语浮出水面。

银行业信息系统承载着金融机构核心业务和金融服务的稳定运行，一个环节出现问题，就可能引发“多米诺骨牌”式的传递效应，引发系统性金融信息安全风险，巨大的经济损失尚且可估算，但对银行社会声誉的巨大损失甚至容易引发全社会的恐慌所带来的巨大冲击则是不可估量的。

显然，在6月多家银行系统故障频发的现实证明我国银行业风险管控意识亟待升级。我国银行业IT应用早已步入集中时代，但在数据和业务系统的连续性管理上，大多金融机构起步较晚，中小型金融机构更是如此。

2008年，现任银监会副主席郭利根曾就多起国内银行信息科技风险事件发表讲话。他指出，基础建设滞后、软硬件及核心技术受制于人和系统管理粗放是当时银行业信息科技建设存在的主要问题，特别是在业务连续性规划、业务恢复机制、风险化解和转移措施、技术恢复方案等方面，存在明显的“短板”。

从银行信息化大集中角度看，业务连续性管理贯穿银行服务始终。从业务战略层面。统一应急管理工作保障制度、规范应急体系和流程、完善应急管理体系整体规划、完善信息系统和基础设施应急预案及必要的演练等业务连续性管理措施应当是银行业务保障的基础；规范与业务连续性管理相配套衔接的服务流程，保障管理措施的规范执行是银行主管部门、执行部门、保障部门都应重视的重要内容；建立预案体系、演练体系和应急体系，明确突发危机场景、技术、手册等方面的预案，通过积极演练和科学的应急体系维护业务连续性；在IT层面，除了设立科学合理的异地灾备与应急体系外，还需建设BCM平台，全面覆盖风险分析、业务影响度分析、预案开发和管理、应急演练、应急响应、应急恢复等领域，形成一套完整的IT业务连续性管理闭环。另外，在企业文化方面，也需强调、培训业务连续性和危机保障的重要性。

对于安全问题，中国人民银行科技司司长王永红曾表示，从人民银行角度来看，金融信息系统与网络系统出问题，不仅仅是一种经济安全问题，由于它存在一种共振，有可能从一种单纯的技术问题或者说单纯的信息安全问题，演变为一种社会政治的稳定问题。

金融方面,大数据迅速引发的技术创新和供应链管理促进了大数据金融的发展,深刻改变着包括金融在内的商业模式,互联网基础创新带来商业模式创新,移动互联网更加速了互联网金融发展。可以说,互联网金融是大数据与金融结合的典型体现,其产生和发展对于传统金融行业的影响不容忽视,就中国而言,自2013年起就呈现了爆发式增长发展,不管是在发展的规模方面还是在对传统金融业的冲击和重塑方面,都得到了社会公众、企业界、投资界、监管机构乃至各级政府的高度关注。因此,必须对互联网金融对原有金融体系的影响加以重视,其去中介化的特征是否会如当年银行业危机爆发后一样,不可避免的产生对金融中介存在性的怀疑值得探讨,这将对金融中介理论的大数据时代背景下的新发展产生重要影响。本文将从金融中介理论的梳理开始,探寻金融中介理论的发展逻辑并为引入大数据时代背景下金融中介理论铺路。

一、金融中介理论发展历程的简要梳理

早期的金融理论中,金融中介被认为可有可无,无论是Kenneth Arrow和Gerard Debreu有关一般均衡模型的著名论文“Existence of an Equilibrium for a Competitive Economy”中,还是著名的Modiglian-Millertheorems定理关于企业资本结构无关紧要的论证,都未提到金融中介在社会福利改善中的作用。直到F.Y.Edgeworth(1888)开始解释金融中介存在的问题,引发了Shaw(1960)、Pyle(1977)和Diamond(1984)各自开启自己的学说,创立了系统的金融中介理论。

1、传统金融中介理论

传统的金融中介理论,以交易成本说和信息不对称说最为著名。其中,交易成本说的奠基人是美国经济学家J.G.Gurley和E.S.Shaw,他们探讨了金融中介的职能问题。随后,G.J.Benston和C.W.Smith(1976)指出金融中介存在的原因在于交易成本。现实交易中存在的摩擦不能避免,这使得人们原有的对完美市场的假设不得不进行改变,在分析市场问题时加入了对交易成本的考虑,这些交易成本包括资产的评估成本、交易佣金等。金融中介拥有的大规模财产转移技术和范围经济优势,可以更有效的节约交易成本,从而使其存在成为必要。信息不对称说是在交易成本说的基础上进一步改进了假定,将现实交易中信息的不完备加入分析条件中,关注到交易双方为了获得信息需要花费的成本问题。比较有代表性的是Leland和Pyle(1977)的研究,他们以没有人比贷款人更能了解其自身项目的风险和收益情况,指出如果借款人组成信息联盟则可以通过交换等方式,更好地运用各自信息优势,降低获取信息的成本,而金融中介就可以扮演这种信息联盟的角色,从而证明金融中介的存在。后来的研究者又具体分析了金融中介在信息收集的防范事前(逆向选择)和事后(道德风险)信息不对称造成的风险问题中的作用。

2、现代金融中介理论

现代金融中介理论的发展源于传统金融中介理论的论述与现实发展的不符合,这种不符合体现在随着市场的成熟,传统金融中介理论中的固有问题———交易成本和信息不对称问题———会逐渐减少,市场将走向不需要金融中介的方向,而事实却是金融中介活动越发活跃。学者们将研究的目光转向了风险化解、参与成本、流动性中介等方面,形成了现代金融中介理论。

(1)风险化解理论。Allen和Santomero(1997)将金融市场20世纪70-80年代在深度和广度上的发展归结于金融中介的风险化解功能,指出直接从事套期保值的交换成本、监督厂里层行为的代理成本和巨额信息情报收集费用现实存在,而金融中介则可以通过风险规避(如采取多样化的投资组合等方式)、风险转移(如进行掉期互换等)、风险吸纳(如持有商业银行贷款等不经过市场交易的资产等)将风险化解。这很好的解释了为什么金融中介的种类向共同基金、养老金基金等非银行金融机构偏向,解释了风险管理逐渐成为金融中介的主要业务之一的现象。

(2)参与成本理论。投资者进入市场并非如传统金融中介理论所假设的无成本自由进入,因为了解一个投资产品、追踪市场信息等都需要成本。这些成本可以分为固定参与成本和边际参与成本,金融中介作为专业机构,无论是固定参与成本还是边际参与成本都比散户低,随着人们越来越重视自己的时间价值,金融中介在节约边际参与成本上的优势就更为显著。

(3)流动性中介理论。流动性中介理论将视角落在了金融中介对金融市场流动性的调节作用上,这对于市场效率的提升非常重要———资金闲置方提高了资金的利用效率,获得了固定收益,而资金使用方的项目因为获得了供给资金可以继续进行、创造价值。

3、小结

从上面的梳理中可以看到,是金融市场及其所处环境的发展助推了金融中介理论的前进,不论是银行业危机推动了对为什么存在金融中介的问题的研究,还是随着交易成本逐渐降低和市场信息完全化的趋势对金融中介愈发发展的态势推动的不断向风险化解、参与成本、流动性中介的研究,都是在现实条件的推动下不断向新古典的完全竞争模型中加入现实元素的变迁。目前,大数据时代引发的互联网金融迅速发展,这将会对金融中介产生怎样的影响、是否使得金融中介的存在成为争议等问题,需要从对互联网金融的特点及影响开始剖析。

二、大数据时代下的金融业发展

1980年,著名未来学家Alvin Toffler在《第三次浪潮》一书中,将大数据热情的赞颂为“第三次浪潮的华彩乐章”。大数据的含义不同于字面意义上的“数据大”,而是基于体量(Volume)巨大、多样化(Variety)、速度(Velocity)快、价值(Value)密度低的4V特征,结合信息技术及其工具获取、管理、处理数据的数据集。随着社交平台、云计算、物联网等技术的发展,数据的产生和处理都进入了海量时代,大数据在实际问题上的表现越来越突出。对金融行业来说,大数据显得尤为重要,信息收集、交易数据分析、风险防控、正常运营等各个环节都将因为与大数据的结合降低成本、提升效率。大数据时代下的金融业发展,可以归结为两个部分:一个是以互联网金融为代表的新金融业态,另一个是现有金融中介对大数据的运用。大数据已经切实影响了金融业的运行和发展。

1、以互联网金融为代表的新金融业态

吴晓求(2015)结合互联网金融的核心要素和基本属性,给互联网金融做了如下定义。所谓互联网金融,指的是具有互联网精神、以互联网为平台、以云数据整合为基础而构建的具有相应金融功能链的新金融业态,也称第三金融业态。互联网金融是大数据时代与金融业结合的产物,引发了对金融变革的大讨论。互联网金融有以下几个特点。

(1)降低交易成本(去中介化)。贯穿互联网金融始终的内核是平等、开放、普惠的互联网精神,互联网平台拥有将原有必须通过金融机构完成的业务通过平台瞬时完成的能力,使得大众能够更便捷、更广泛的参与金融业务。办理业务方式的转变使得交易成本降低,同时也使得金融业务对金融中介的依赖程度降低。

(2)解决信息不对称。信息可分为价格信息、交易信息两个方面,价格信息又可以包括资金价格和资产价格。价格信息方面,互联网平台的运用,促进了金融市场化,价格更加及时准确的反映出货币市场和资本市场的供求关系,进而促进资金有效流转和利用。交易信息方面,以P2P平台为代表的互联网金融网络信贷业务,在平台上提供借贷双方信息,达成个体对个体的借贷协议,省去了金融中介环节的效率损失,有效解决了金融错配问题。同时,这种省去金融中介环节的信贷,使得信贷活动摆脱了银行等金融机构的“权利利率”(即银行等金融机构在发放贷款时除了对风险的考量,还可能基于政策或权利寻租等方式增加额外要求),提升了金融交易的民主化。

(3)有效防范风险。基于大数据对金融参与者的信息分析,可以将金融参与者的资金使用时间、使用方向、使用渠道等一系列数据进行收集,实现信息在各参与方的透明化,从而有效防范逆向选择和道德风险。

(4)形成新的权利契约。互联网金融秉持自由、民主、普惠的互联网精神,试图构建扁平化、分散化的金融权力体系,维护每一个大众的参与权、选择权。形成新的权力契约是互联网金融发展到更高层次的特点,是当下的基于交易技术的互联网金融不断推进至民主层面的可能产生的结果。

2、现有金融机构对大数据的运用

大数据给金融业带来的变革不仅仅是产生了互联网金融这一种产物。金融机构将大数据概念运用于日常业务中的例子也屡见不鲜,其目的是通过对数据的分析和整合,尽可能的防范风险、提高效率和进行市场分析。以Apache公司研发的大数据软件框架Hadoop的应用为例,其应用于金融机构日常业务有以下几个方面。

(1)事前防控风险。限制有违约风险的银行账户申请,银行在接受新账户申请前,先向第三方征信机构咨询,曾经拥有欺诈或者账户管理不善的申请人的开户申请将不会被通过审核。这个数据分析中,Hadoop储存和分析了庞大的数据流,协助银行经理控制新账户的风险。

(2)事中及时反馈。提高汽车保险的承保效率,致力于改进传统汽车保险基于驾驶记录、事故记录的评价机制,采取保费随投保人行为而变动的机制,利用GPS和遥测技术获取数据,采用HDP保留全部地理位置的数据和流程,把握投保人行车的第一手资料,有利于风险评估。

(3)事后数据共享。每个客户都成是全球数据分享系统中的一份子,Hadoop允许大范围数据类型的收集,可以对风险形成全方位的展示,无需考虑因储存和分析技术的限制而对数据进行删减,大数据技术的运用对事后数据共享起到了不可磨灭的作用。

三、大数据时代的金融中介理论创新

从上文对于大数据时代金融业的发展中可以看到,互联网金融拥有降低交易成本、解决信息不对称、促进金融市场化发展、解决金融错配问题、防范风险等一系列作用。同样还应看到,大数据技术运用于金融机构现有业务中,能够对事前防控风险、始终及时反馈、事后数据共享产生积极影响。大数据时代已经到来,金融中介存在的现实条件发生了又一次大的变化,需要对金融中介理论的创新进行研究和探讨,且这种探讨符合金融中介理论发展的逻辑。

随着对互联网金融的研究的深入,学界内外对未来金融中介存在与否的讨论出现两种不同的观点。第一种认为,互联网金融将取代现有金融机构。如谢平(2014)认为现代金融模式中有三个问题:信息严重不对称、交易成本巨大、风险定价非常复杂,而互联网金融在信息数据化、基于大数据的风险低价方面有很大的优势,而且未来整个金融市场完全互联网化,交易成本会极少。另一种观点认为,互联网金融虽拥有诸多优势且发展迅猛,但不会取代传统金融中介。本文认为,无论是理论还是实践,后者都更具有说服力。对这个问题的辨析,影响着对大数据时代下金融中介理论创新发展方向的判断。

1、大数据时代金融中介存在的必然性

从理论上来看,孙国茂在研究中将整个金融市场划分为三个区域,划分的界限a是金融市场的交易成本,b是金融管制的存在。如图1所示,A、B、C三个区域分别是传统金融覆盖的市场、无法被满足的金融需求、互联网金融覆盖的市场。随着互联网金融的发展,b线会向左移动,但需要明确的是,政府需要通过银行信贷等途径实现对金融市场的监管、对货币政策和财政政策的落实、对宏观经济运行的调节,使得B区域始终存在。进而可以推断出,互联网金融不会完全替代传统金融,目前传统金融的载体———金融中介在互联网金融的冲击中也会存在。

(图片来源:济南大学金融研究院)

从实践上看,互联网金融在发展之初充满了豪情壮志,但随着对互联网金融的监管越来越深入,业界本身也开始产生困惑。2015年7月18日央行等十部委联合发布的《关于促进互联网金融健康发展的指导意见》中,将互联网金融严格限定为信息中介角色,是在当前中国互联网金融发展出现盲目、混乱状态下的及时定位,纠正那些发端于传统金融机构的互联网金融平台“不与钱打交道就不是金融”的误区。将互联网金融的服务面更侧重向撮合和匹配投融资信息方向发展,也是将互联网金融与原有金融中介共同融入现代金融体系中共生发展的良好途径,二者的关系是相互促进,共同发展。

2、对金融中介概念的更新

对金融中介含义的解释,从Freixas和Rochet(1997)的“从事金融合同和证券买卖活动的专业经济部门”,到John Chant(1990)的“在储蓄———投资转化过程中的最终借款人和最终贷款之间的第三方”,再到Gurley和Shaw(1956,1960)、Benston George(1976)、Fama(1980)的“对金融契约和证券进行转化的机构”,金融中介都是作为一个实体存在于金融活动中,具体形态有银行类中介、保险公司、其他金融中介等。

随着大数据时代的到来,众多运用大数据分析和处理金融领域价格信息、行为信息、交易信息的平台应运而生。个人或企业的信用信息都体现在其中,这些平台拥有对风险的分析识别能力,具有金融中介的功能。同时,这些平台实现着金融中介理论中对于金融中介作用特点的概括———节约交易成本、解决信息不对称、防控风险、节约参与成本以及缓解金融错配。从另一个意义上来说,金融本身就是一种中介,大数据平台只是将这种活动从金融机构转向网络、将分析方式进一步扩展。本文认为可以将这些平台纳入到新的金融中介的范围中去。

3、将宏观调控作用纳入金融中介理论

在关注以互联网金融平台为代表的大数据平台在金融市场中的作用之余,还应注意到,大数据平台在国家宏观调控方面的作用远不及原有的金融中介。当市场失灵出现或国际化的金融危机到来,国家宏观调控的效率决定了国内金融稳定甚至是社会稳定与否。原有的金融中介的可控性与互联网金融的网状结构相比,更能够快速、有效的落实国家的宏观调控政策,这是在大数据时代不容忽视的一点。

4、将民主化纳入金融中介理论

现有的金融中介出于对风险控制等因素的考量加上对国有企业的政策偏向,更加倾向于满足大客户尤其是国有企业的金融需求,而大数据带动的互联网金融则更倾向于满足未被吸纳进入金融制度边界内的小客户的金融需求。这是互联网精神中民主和普惠的体现,也是在纳入了大数据金融平台后新的金融中介概念下,金融中介理论应与时俱进的部分。这种民主化既体现在顶层设计对互联网金融的认可和鼓励,也体现在大数据平台在帮助中小企业融资、促进金融触角向农村延伸等方面所带来的共享金融繁荣的民主化实践。

顶层设计方面,十八届三中全会首次将“普惠金融”作为金融改革的重要方向之一,且在2014年的政府工作报告中再次强调“促进互联网金融健康发展,完善金融监管协调机制”,展现出顶层设计对金融民主化的重视和发展的决心。

民主化实践方面,从对中小企业融资的支持角度看,大数据平台在中小企业融资方面的运用,区别于以往直接融资的高门槛和间接融资的先天排斥,降低了准入门槛,增加了对中小企业的接纳度。大数据平台基于对中小企业信用数据的分析,更加理性客观的做出借贷决策和定价判断,排除了原有金融中介在对中小企业评估时运用关系贷款产生的信贷员主观判断带来的漏洞和群贷技术在面临企业违约时产生的连锁反应的风险。从促进金融触角向农村延伸的角度看,农村金融基础设施相对不健全,农村居民对金融知识的储备不足,加之设立在农村金融机构出于业务拓展和对风险、收益率的考虑,更易将资金流向城市,导致农村的金融需求无法被满足,大数据平台可通过移动终端进行服务,通过统一联动的数据分析,可以有效缓解了农村存在的上述问题,是金融中介民主化实践的有力体现。

四、结论与展望

综上所述,大数据时代给金融业带来了以互联网金融为代表的新金融业态和现有金融机构在事前防控风险、事中及时反馈和事后数据共享过程中对大数据的运用。因为金融抑制的存在和国家监管的限制,所以互联网金融不会完全替代传统金融中介。在对金融中介的创新研究中,以互联网金融平台为代表的大数据平台在功能、特点、延伸意义上都与金融中介相契合,所以可以将其纳入新金融中介的内涵中去。注意到原有金融中介对宏观调控方面的特有作用,且这种作用是大数据平台无法比拟的,需要将宏观调控纳入金融中介理论中去,这也是原有金融中介不会被完全替代的原因之一。

大数据平台具有显著地民主化特征,这种特征一方面得到了上层设计的肯定,另一方面用行动进行了共享金融繁荣的民主化实践,因此,将民主化纳入金融中介理论的创新发展中很有必要。大数据时代为金融中介理论的创新提供了新的环境和新的动力,金融中介理论将以更加丰富、更加多层次的状态为金融业的发展奠定理论基础。

参考文献

[1]孟小峰、慈祥:大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(50).

[2]赵晓康:金融中介理论及其演变[J].经济学动态,2003(1).

[3]彭文平、肖继辉:新金融中介理论评述[J].当代财经,2002(2).

[4]胡庆康、刘宗华、魏海港:金融中介理论的演变和新进展[J].世界经济文汇,2003(3).

[5]孙国茂:互联网金融:本质、现状与趋势[J].理论学刊,2015(3).

[6]李耀东、李钧:互联网金融:框架与实践[M].电子工业出版社,2013.

[7]刘晓忠:互联网金融:忘记颠覆梦,扮好信息中介[N].证券时报,2015-08-31(A13).

洗钱行为掩盖非法所得, 造成资本外逃, 导致社会财富流失;为犯罪集团介入合法企业提供资金, 为进一步扩大犯罪势力提供支持;对金融安全产生不利影响, 导致不良金融事件的发生, 给社会政治和经济带来严重危害。反洗钱则是政府动用立法, 司法力量, 调动有关组织和商业机构对可能的洗钱予以识别, 对有关款项予以处置, 对相关机构和人士予以惩罚, 从而达到阻止犯罪活动目的的一项系统工程。反洗钱是保证市场经济秩序平等竞争的经济监管工作的一部分, 对有效阻止非法资金的流动、抑制犯罪和腐败、维护社会稳定起到积极的作用。

二、信息化时代反洗钱工作面临的问题

我国反洗钱工作主要通过大额可疑信息报告制度 (简称“大疑信息制度”) 完成, 具体到可疑交易识别、预警、报告等过程, 均需要大量人力参与, 增加了信息搜集和报告的边际成本这样的信息搜集具有工作量大、覆盖面窄、误报率高、时效性差的缺点, 很难建立起完整的资金流动和监测网络。另外, 随着我国金融业的发展和人们消费习惯的改变, 电子商务、网上银行、第三方支付的使用率越来越高, 然而这些业务同时具有资金转移快捷、操作人员身份隐蔽、操作地点不确定等特点, 加之涉嫌虚假交易的可能, 更容易被犯罪分子利用, 实施更隐蔽、更复杂以及跨国性质的洗钱犯罪行为。互联网的发展推动了金融服务的创新和支付活动的便捷, 将人们的生活、商务交易带入高度信息化的阶段, 极大提高了资金流动的速度。在这种背景下, 监管部门和金融机构也应该顺势而为, 充分利用由此产生的海量业务、交易数据, 借助先进的信息处理和智能挖掘技术构建更高效快捷、准确易用以及自动化的反洗钱管控及预警系统。

三、大数据及其特征

大数据是2012年由美国政府提出, 旨在提高和改进人们从海量和复杂数据中获取知识的能力的一项研究计划, 被称为继信息高速公路计划后“信息革命的第二个高潮”。目前, 大数据实践已经深入到商业、政治、经济等领域。企业通过对海量数据信息的分析、挖掘, 从而实施精准营销及网络优化。政府部门通过对公共大数据的分析及利用为相应的决策提供可靠的依据, 保险行业利用更加多维全面的数据做样本提高风险估算的准确度, 强化风险管理能力。互联网时代, 大数据对金融业的影响将是全面和深刻的, 既能从经营理念、产品设计, 营销策略、客户服务方面推动金融工具和产品创新, 又能从信用评估、风险管控等方面提供更全面更智能的金融监管和决策。

四、基于大数据的反洗钱系统构建

(一) 多维实时的数据采集

信息时代提高了人们生活和政府部门的数字化水平, 而信息就隐藏在多维复杂的数据中。基于大数据的反洗钱工作, 除了使用金融机构之间资金流动数据外, 还可以组合使用来自工商、税务、海关等政府部门, 以及消费、娱乐、社交等商业活动及人民生活领域多个源头的数据。比如根据工商部门查处的皮包公司, 可以关联所有与其有金钱往来的的账户以及和这家公司的业务关系, 结合账户交易数据, 就可能锁定具有洗钱嫌疑的账户。通过与海关部门的数据合作与分享, 能监督国内和海外企业的资金流动, 排查跨国进行的洗钱行为。通过对博彩业从业人员及其社交网络数据分析和挖掘, 重点监控博彩中介、涉入犯罪组织人员、拥有不明收入来源的大额投注客户等的账户, 均有参与可疑交易甚至洗钱的可能。上述这些数据, 往往具有体量巨大, 类型繁多、单位数据价值密度低、需要进行深度挖掘, 甚至增长速度快的特点, 大数据处理技术完全能满足对多维度、非结构化、实时性要求高的数据存储和分析挖掘的要求。

(二) 大数据分析和挖掘算法

数据分析与挖掘, 并不是新兴事物, 它已经在电商和金融等领域应用多年, 也逐渐被许多领域开始关注。大数据分析与挖掘, 是在大数据浪潮的推动下, 分析与挖掘技术的又一次延伸。监测系统获得的海量数据更加重了人工分析和调查的难度, 通过大数据深度挖掘技术, 扫描数百万条数据, 从而建立相互连接关系, 数据智能处理和全面搜索技术成为锁定可疑交易和账户的重要辅助手段, 挖掘提取出的业务规律和交易模式, 也可疑为洗钱行为的确定提供证据。大数据应用中, 各种分析和挖掘方法仍然是反洗钱系统高效、精确运行的保证。比如关联分析可以整合不同来源的数据, 在大量不同种类目标 (人、银行账户、业务、交易、资金等) 中寻找关联性, 辅助识别可疑的交易行为;聚类技术用来寻找相似度高或者关联性强的目标账户、个人或机构, 利用已经确定为洗钱的行为做“种子”, 进行聚类分组, 获得的其他目标也有可能属于洗钱行为;神经网络技术是通过一组相互关联的元素来模拟神经元生物网络处理信息的方法, 结合反洗钱专家知识, 能对观察对象的一个输入集 (如交易金额、收款人) , 推理出结果 (是否可疑交易) ;决策树算法和内省学习算法, 可以在一定量训练样本的基础上, 形成判断可疑交易甚至洗钱行为的理论模式, 人工决策提供智能支持。

(三) 可疑交易行为跟踪追溯

洗钱行为由一系列动态、多样、复杂的交易行为构成, 洗钱行为的许多模式在初期往往与合法交易差别不大。一个有效的反洗钱系统需要早期识别、及时通知并及时跟进。在系统提出可疑行为预警后, 往往需要对现有的交易和相关的目标做进一步跟踪, 以确认为洗钱行为或对其否定, 同时也应对可疑目标以往的交易做追溯, 以便寻找更多的证据。考虑到各种交易的频繁复杂以及交易主体网络的庞大, 基于大数据的反洗钱系统要包含一个高效的内容管理引擎, 所有与可疑交易行为有关的主体均可以进行保存、管理、跟踪和追溯。

(四) 直观易用的数据呈现

从数据管理、分析和挖掘工具组合使用到可疑交易确定基于大数据的反洗钱系统仍然需要数据专家、反洗钱专家的参与和决策, 针对系统预警的可疑交易, 继续跟踪还是向央行监管部门报告, 也将是人工决策的过程, 这都需要直观的数据呈现、友好易用的人机交互以及完善的上报渠道。

五、基于大数据的反洗钱系统要应对的挑战

大数据在反洗钱领域的应用提高了决策和预警的智能水平, 但是也面临一些挑战。比如综合有用的数据分析要从多个管理机构获取数据, 数据合并不仅需要技术支持, 更重要的是获得数据分享使用的权限;数据不一致、噪声数据以及挖掘算法的参数调整, 都将影响到可疑交易行为预警的准确性。另外, 财务数据的庞大的和不断增长的容量和数量与相对较少的洗钱实例的矛盾, 使得从既往实例中抽取洗钱犯罪模式, 以及对模式精确度方面都形成挑战。

六、总结

在全球经济整体信息化不断深化的背景下, 金融信息化正在向信息化金融转变, 洗钱犯罪的特征也不可避免地会呈现出由传统支付工具向信息化支付工具转移的趋势。大数据再次掀起信息技术革命的浪潮, 大数据时代, 反洗钱工作也应顺势而为, 合理利用多种来源的海量数据, 进行更深入的挖掘, 针对洗钱犯罪的新特征, 提高洗钱行为预警的效率和准确性。

摘要：洗钱行为给社会政治和经济秩序带来严重危害, 信息化时代的反洗钱工作面临工作量大、时效性差、资金转移更快捷隐蔽等问题的挑战。大数据研究计划是21世纪信息革命的第二次浪潮。本文提出基于大数据的反洗钱系统框架, 面向多种来源的海量数据, 从数据采集、深度分析和挖掘、可疑行为追踪和溯源以及数据呈现等方面, 论证构建金融机构反洗钱系统的可行性。

关键词：大数据,反洗钱,多源,深度挖掘

参考文献

[1]魏莱.反洗钱监管体系与检测方法研究[D].湖南大学.2011年

[2]尹为, 张成虎, 杨彬.基于流数据频繁项挖掘的可疑金融交易识别研究.西安交通大学学报 (社会科学版) .2011 (31) :86-90.

[3]赖娟.经济学视角的中国反洗钱分析.金融经济 (理论版) .2006 (10) :6-8.

[4]代守红.浅谈商业银行反洗钱体系的构建.金融经济.2008 (8) :42-43.

1 大数据时代及互联网金融概述

1.1 互联网金融

互联网金融作为现代社会中刚刚兴起的领域,是传统金融行业与互联网精神两者相融合的产物。具体是指互联网开放性、民主性、合作性及分享性等众多精神向传统金融行业状态中的融入,使人类的金融模式发生一定的扭转,此时携有互联网精神的互联网金融行业便应时而生。

1.2 大数据

“大数据”就是那些具有多样化存在形式、起源以及搜集渠道多元化、规模庞大的信息而构成的数据组,其最大的特征就是具有时效性。对于互联网金融企业的营销状况而言[3],这些数据信息可能起源于社交网络,也可以是由电子商务平台提供的,当然还可以是用户搜索、浏览信息的记录,这就验证了数据信息来源广泛性的事实。但是,对于现代互联网金融企业来说,上述所有数据信息并非是常态数据组,也就是企业与用户关系管理数据库和大数据之间不存在一丝的联系。

2 大数据时代互联网金融创新发展的路径

2.1 建立健全垂直搜索模式的互联网金融服务平台

互联网金融服务平台存在的最大意义就是能够为使用者提供一个切实的服务路径。该平台的服务模式存在一定的特殊性,具体体现在借助大数据技术手段,进而使那些与物质利益挂钩的使用者拥有一个汇聚多种类型金融商品及服务形式的平台,并且使用者对平台的选择具有自主性,也就是说这种具有垂直选择功能类型的互联网金融服务平台的构建完全从使用者利益的角度出发的,因而此时使用者对互联网金融商品以及服务态度的满意程度将会有一个大跨度的提升。

2.2 建立并实施互联网金融的C2B模式

对互联网金融C2B模式的构成成分进行解析,该模式得以发展与运营的核心力量是由客户端提供的,而客户端最大的功效就是将处于分散状态下的个体用户统筹起来,此时一个具有隐形特征的、强大震撼力度的互联网金融产品选购的团体就被有效的建设出来。互联网金融的C2B作为大数据时代中一种新兴的发展模式,有效地规避了传统C2B模式中“一对一”商品出价方式中客户地位处于劣势状态的现象,在这种全新的互联网金融发展模式中,不论是群体用户还是个体用户,他们都有均等的权利去获得金融产品的批发价格,此时用户对商品采购的成本明显降低。

在大数据时代中互联网金融行业采取怎样的措施,才能够建立这种带有浓烈创新色彩的发展模式。笔者认为互联网金融行业科学且高效地应用大数据技术是该模式得以建立的基石,继而对使用者的行为方式及消费理念进行深度的剖析,在此基础上互联网金融行业参照使用者在服务上提出的条件,进而有目的、有效地把特色化的服务信息传送给使用者,互联网金融的C2B模式此时就被顺利且高效地建立起来,在这种新型的互联网金融服务模式中,使用者不仅仅体验到具有多样化特征的互联网金融产品,同时也感受到个性化的服务模式。大数据时代中互联网金融C2B模式的构建,发挥了巨大的实效性,主要体现在使用者对互联网金融行业的忠实度明显提高,为了保障C2B模式在互联网金融行业发展进程中所占的地位,笔者建议正在实行或者是计划实施这一互联网金融创新发展模式时,应该把握好企业在模式中投入资金的数额,在特殊情况下提前做好金融风险规避的相关策略。

2.3 发展点对点网络信贷

点对点网络信贷是P2P网贷(Peer to Peer)的全称,就是个体之间在网络信贷公司所建立网络借贷平台的协助下完成交易活动,在该借贷平台上,借贷合同存在的信息内容达到了借贷双方均满意的效果,借方效益主要体现在借贷合约原资金与利息上,当然借方自身也具有承担借贷合同风险的责任;在P2P网贷交易平台上,贷方务必在合约到期之时连本带息全部还清,而点对点网络信贷公司盈利的途径就是对提供网络信贷的中介收取一定的服务费用。

在大数据时代中,P2P网贷运行的类别大体上有两种,一种是传统型P2P模式,另一种为债权转让模式。与传统型P2P模式相比,较债权转让模式最大的优势在于不仅仅能够为用户提供最为基础的信息服务内容,还能够主动地为用户供应与债权转让相关的供需匹配服务信息,以达到强化第三方机构与借贷双方之间关联性的目标。相关统计资料显示,截至2015年6月底,我国内部互联网金融行业建设P2P网贷平台已经3 000余家。尽管如此,P2P网贷平台存在高利率、高风险及监管效率低下等现实化的弊端,这就在很大程度上制约了其在大数据时代金融领域中发展的速度及效率。

2.4 第三方支付

第三方支付实质上就是指那些具备一定程度信誉保障以及一定资产的第三方独立机构,借助与国际上各大商业银行机构签订合作协议,从而达到交易支付目标的互网络平台。该种类型的支付平台所发挥的最大作用就是,大幅度降低政府或者企事业单位和银行机构业务的衔接成本。第三方支付网络平台之所以能够在竞争日益激烈的大数据环境中长期发展,主要是因为其对政府、企事业单位、银行金融机构不偏不倚,始终处于中立的状态,这样就能够达到有效降低第三方支付与被服务企业之间产生的竞争压力。

在大数据时代,第三方支付平台受到现代人的普遍青睐,最常见的、应用频率最高的就是支付宝软件。该软件是由阿里巴巴集团研发的,当时针对的是“宝宝类”互联网金融理财产品,大数据时代下在第三方支付平台的辅佐下,阿里巴巴集团事业在发展及运行过程中在社会上获得了好评,企业的社会声望以及在用户之间的信誉度得以明显提高。时至今日,在支付宝这一第三方互联网金融交易平台上依然没有发生过大型财产安全事故,但是互联网金融企业自身有必要存在防患于未然的心理。

3 大数据时代为互联网金融创新发展提供的优势条件

在信息化时代中,全球数据数量呈现逐年上升的增长趋势,互联网金融借助网络社交环境,每天都能够形成大批量的数据。这些数据资料记载着使用者的基本信息,并且相关数据信息之间存在一定的关联性与规律性。因此,大数据环境下互联网金融行业发展模式进行调整、转型及创新是必然的。只有发展实现创新的目标,互联网金融行业才能准确地掌握用户的实际需求,强化自身在经济市场中的透明度,同时达到有效规避金融风险的目标。

3.1 完成对巨量数据信息汇集与分析,使营销模式更具有准确性

在大数据时代,互联网金融企业在互联网平台的辅助下用户数量及数据量是巨额的,此时互联网金融企业对各种数据信息的实质以及其与金融产品之间的关联性进行深入的分析,从而合理地判别投资者与消费者对某一金融商品的需求量,以及他们各自对互联网平台所提供服务方向、服务内容提出的标准。这样互联网金融企业就可以有效地提升用户转化的效率,此时互联网金融行业业务营销方向更具准确性,那么互联网金融用户的数量就会处于不断增长的模式中。

3.2 在大数据技术的辅助下,互联网金融行业才能够建立健全社交商业链

电子商务平台应用买卖双方的交易信息,对使用者检索、阅览、决断、交易等一系列环节进行全方位的观察,以此去预测使用者的消费行为及心理需要,同时达到对金融经济市场运营状态深度解析的目标,当然电子商务平台互联网金融厂家产品销售的实况也得到了科学、有效的监管。阿里巴巴集团将部分股份投入到“新浪微博”中就是最具代表性的实例,此时社会化媒体和电子商务交易平台建立合作关系,社交商业链完善性更上一层楼,那么大数据时代中互联网金融企业的创新发展将会有更全面、更具精确性的数据信息提供支持。

3.3 互联网金融借助大数据研发出有效规避企业风险的方式与手段

互联网金融行业若想要建立健全信用评估体系,对大数据进行深度的探索是基础也是前提条件。目前,对互联网金融企业风险的有效管控形式主要有:第一,与“阿里巴巴”企业风险管控模式相似的形式,实质上就是应用企业自身的电子商务交易业务以及数据信息的支付渠道,建立封闭式的信用评估体系与企业风险管控的雏形;第二,众多中小型互联网金融企业为了安全起见而将某个征信机构作为中间媒介,将数据信息提供给该机构,最后在对征信信息实施对外分享的策略。例如,点对点网络信贷企业及线下小型信贷企业,对动态化的大数据信息进行合理的征集,此时互联网金融行业在重复借贷查询、信用等级查询等方面的工作开展得更具便捷性与高效性。

4 结语

通过上述分析可以得出,在大数据时代,借助拓展与建设金融生态链的方式可以达到完善互联网金融系统的目标,也就是说互联网金融企业实现创新发展及产业结构优化的目标。因此,互联网金融企业应该积极地对新型金融产品进行研制与开发,以达到增加营业收入额的目标;同时,其对银行资源的利用效率也得到显著的提升,银行业务效率实现提升的同时也对互联网金融企业的可持续发展起到了促进作用。尽管大数据技术目前不能完全替代人类消费的价值取向及思维运转模式,但笔者相信线下担保、数据开放的型P2B模式的建设与实施,以及“四位一体”商业服务型模式的打造,将会使金融局势演变、信用评估、风险管控及信息安全度等与互联网金融企业创新发展相关的问题逐一得以解决。

摘要：在信息化社会中,各行各业的发展模式均发生了一定的转型,金融行业也不例外,大数据化的优势在其发展的过程中随处可见,因而大数据可以被视为企业经济利润保值增值的核心部分。为了使金融企业能够准确地应用互联网技术,不断提升行业在经济市场中的竞争力,解析大数据及互联网金融的内涵,对大数据时代中互联网金融创新发展模式进行研究,并论述大数据时代为互联网金融创新发展提供的优势条件。

关键词：大数据时代,互联网金融,创新,发展路径

参考文献

[1]尹骁,王明宇.大数据时代下互联网金融创新模式的探索与分析[J].中国商贸,2015(8):51-53.

[2]杜永红.大数据时代互联网金融发展对策研究[J].价格理论与实践,2015(7):109-111.

一、我国互联网金融的发展现状

在互联网的发展之下, 金融交易的方式正在变得越加简单和方便。可以说, 互联网为金融行业进行了重新定义, 并重组了资源的配置。在互联网的发展推动之下, 我国传统的金融格局正在悄然发生变化。在这种新的格局之下, 资金链条上的供应方和需求方都无需再通过金融中介机构进行资金的转取, 而是可以借助于互联网这个平台, 直接进行资金信息的处理。另外, 还可以利用一些网络分析应用, 对股票、债券、基金等数据的投资风险, 进行科学的评估。这个过程实际上也是使用大数据的过程, 大数据的分析和其高效的算法, 为资金的终端用户, 提供了一个相对准确的投资违约可能性, 以帮助投资人进行最为有效的金融投资。

就其本质上来讲, 金融实际上就是货币从发行到最后交易的一种流通行为。在目前的互联网金融当中, 金融的发展模式主要的可以分为筹集类、融通类、第三方支付以及货币类互联网支付平台这四种。而且, 互联网金融借助于互联网、大数据和云计算这三种媒介, 不仅仅提高了金融行业和企业发展的运营效率, 而且满足了现代企业的资金发展需求, 同时还为小微企业的发展, 提供了重要的融资渠道。换句话说, 大数据对于互联网金融今后的发展和壮大具有深远的意义。

二、基于大数据的互联网金融创新的必要性

大数据在互联网金融方面的应用, 使得传统的金融行业摆脱了客户隔阂、市场模糊、风险不可控等发展障碍因素, 同时在其金融产品和金融服务方面, 为金融行业的发展提供了一个更为符合现代人们生活方式的渠道。

首先, 提高金融行业的营销准确性。互联网这一资源丰富的平台, 为互联网金融的发展提供了海量的潜在用户信息数据。这些数据的存在, 能够帮助金融行业找到用户信息的相关性, 并对用户未来的金融消费行为进行一定的预测。这样一来, 金融行业对于用户对其产品和服务的反应就显得更加灵敏。潜在客户被开发成新客户, 甚至最终成为企业自身的老客户的这种转化成功概率会大大提升。

其次, 提高社交商业链的有效性。互联网金融不同于传统的金融发展模式, 在新的发展模式之下, 互联网将企业内所有的用户信息被共同放在互联网固定的社交平台之上。当这些信息经过一定的传播之后, 最终形成一个非常具有价值的社交商业链条, 对于完成金融企业和用户之间的相互评估是一个非常重要的参考依据。

最后, 拓宽控制风险的渠道。在互联网金融这一新的发展模式之下, 金融企业通过大数据建立起自身的评估系统。互联网金融企业控制风险的方式主要有两种:一种是以自身系统中的海量的交易电商以及支付信息数据, 从而形成一个相对比较封闭的信用评估和风险控制系统。另外一种, 则是以征信机构为中介, 互联网金融公司将自己的数据提供给这一中介以交换其他公司的信息。

三、基于大数据时代的互联网金融创新发展策略

随着信息技术的进步, 大数据时代正在到来, 这为互联网金融的发展带来了更大的机遇。要想在这一时代中抓住这一机遇, 就需要互联网金融公司对自己的发展进行必要的创新。主要的可以从以下几个方面入手:

1.建立垂直搜索式的互联网金融服务平台

互联网金融服务平台的价值体现之处, 就在于为其用户提供一个服务的渠道。这一服务性质的平台, 通过使用大数据技术, 为其所有的相关利益者提供了一个集合多种金融产品和服务的选择平台, 这种具有垂直选择功能的平台, 大大提高了用户的自主选择性, 对于增加用户对产品和服务的满意度具有十分重要的作用。另外, 互联网金融服务平台还能够根据用户的浏览历史信息, 有针对性的向用户推送一些行业的信息和相关金融产品。这样一来, 还能够起到挖掘深层次的潜在用户群体, 并且满足用户的个性化金融消费需求的作用。对于解决传统金融行业中信息不对称和资金供需两方零交流的问题有着非常明显的作用。

2.发展互联网金融的C2B模式

在C2B的模式之中, 客户为运营的主体, 其主要的作用就是将相对分散的客户集中起来, 从而形成一个隐形而强大的采购集团。这种全新的模式, 避免了B2C模式中一对一出价的不利地位, 而是把批发价让利给个体用户, 降低用户的购买成本。而要形成这种模式, 就需要互联网金融企业能够有效的使用大数据技术, 对用户的行为和习惯进行必要的分析, 有针对性的为客户提供个性化的需求服务, 客户在享受到多元化而又个性化的产品和服务之后, 其消费忠诚度必然会大大提升。当然, 互联网金融企业在实行这种模式时, 也要充分考虑到自己的投入成本, 做好必要的风险控制。

3.建设普惠金融服务的民营互联网银行模式

互联网银行的发展主要是通过移动互联段, 从民间筹集资本。因此, 在大数据时代之下, 互联网金融行业的发展, 可以向中小型企业或者是个人企业提供普惠金融服务。互联网金融在提供这一普惠服务时, 要充分发挥互联网这一优势平台, 以及其相应的中介机构, 扩大自身的业务范围。并通过自己现有的大客户和已经成型的业务链条中, 再开发出新的金融供应链条。此外, 互联网金融还应当利用大数据技术, 对自身的社交媒体等进行必要的监管, 并建立相应的风险控制系统。

4.实现虚拟货币的双向流通功能

随着互联网金融发展范围的逐步扩大, 虚拟货币已经成为人们所非常熟悉的一个观念。在我国, 目前都有多种虚拟货币存在, 但是其流通性依然有很多的不足之处。例如Q币和百度币等, 这些虚拟货币无法在互联网的大环境内自由流通。在大数据时代之下, 互联网金融应当尽可能的实现不同种类虚拟货币之间的有效兑换, 尤其是虚拟货币与现实生活中的双向流通。这实际上是将虚拟货币应用到了数字资本协议许可的众多领域之内, 对于提升互联网金融行业的运营效率是有非常重要的作用。而在不同国家进行虚拟货币的兑换时, 还应当注意汇率因素的融入。这样一来, 虚拟货币就实现了全球范围内的有效流通。当然, 在这一流通实现时, 同时还需要建立的虚拟货币的监管机制, 以将可能发生的金融风险或者是信息安全问题扼杀在摇篮里。

5.构建大数据基础之上的信用评级机制

近几年来, 我国的互联网金融出现了爆发式的发展, 整个行业取得了巨大突破。然而, 相应的信用数据审核机制却没有有效的建立起来, 导致了很多的互联网企业出现了网贷平台违约、资金链断裂等问题。这也充分说明了, 在互联网金融繁荣发展的今天, 传统的征信模式已经无法满足金融企业的发展, 必须转向大数据征信体系的发展模式。当然, 这一新的征信体系, 应当继承发展好传统征信体系中的决策变量, 对授信对象的历史信贷状况有一个深度的挖掘。同是, 还应当对客户的社交网络、用户申请等多方面的信息进行有效的挖掘, 真正从深度和广度两个层面完成大数据和征信体系的融合。另外, 还应当建立全面的风险控制系统, 将线上和线下两条渠道打通, 为客户的提供一个高度安全的投资渠道, 以达到切实保护用户资金安全和提高我国互联网金融和普惠金融中的风险控制有效率目的。

四、结论

在以网络化和数据化为特征的新经济时代, 金融与大数据交叉融合。大数据有助于提升金融市场的透明度, 通过从海量的数据中快速获取有价值的信息以支持商业决策, 进一步推动金融业发展;大数据促进互联网金融企业实现精准营销、规避风险、优化经营绩效、提高运营效率, 增强企业融资的便捷性和经济性;同时, 利用大数据技术逐步解决金融格局演变、信用评估、风险防控、信息安全等的一系列难题。

摘要：在信息化和数据化发展的带动之下, 我国金融行业出现了大数据化的特征。在目前的金融行业当中, 大数据已经成为其最为核心的资产内容。金融企业利用互联网技术, 在这些大量的数据中进行有用信息的筛选, 以为其下一步的发展决策规划提供有力的参考。本文主要对基于大数据时代背景之下的互联网的金融创新进行了必要的研究, 以推动我国金融行业的持续稳定健康发展。

关键词：大数据,互联网金融,创新

参考文献

[1]钟向群.中银C2B开放上线探索“团购”电商模式[J].2014 (.14) .

[2]姜抒扬.大数据背景下互联网金融价值创新的探讨[J].商场现代化, 2014 (7) .

[3]维克托·迈尔-舍恩伯格, 肯尼思·库克耶.大数据时代[M].杭州:浙江人民出版社, 2013 (1) .

大数据，与人工智能、云计算并列为第四次工业革命中最引人注目的技术。早在1980年，著名未来学家阿尔文·托夫勒就曾在《第三次浪潮》一书中称大数据为“第三次浪潮”。然而直到移动互联网是时代来临，“大数据”才真正应用到很多产业中，如今已经成为颠覆传统产业的巨大力量。在金融产业的变革中，大数据作为重要的科技手段，在风险控制、市场营销等环节起着重要的作用。

现在，金融机构之间的竞争将在网络信息平台上全面展开，金融业迎来“数据为王”的新时代。大数据对传统金融业进行了怎样的改造？被金融公司大力推崇的大数据风控是如何实现的？我们走访了一些Fintech公司，试图找到答案。

“对于传统金融机构无法覆盖的人群，

谁来解决他们的金融服务需求？”

出生于1980年代的焦可参与并见证了中国互联网发展的黄金时代。研究生毕业后，他来到飞速发展中的百度，此时的百度刚刚六岁，还是一家仅有400位员工的互联网新贵。2005年到2011年，焦可目睹了一家互联网巨头从初出茅庐到名扬天下的全过程。“百度用十年的时间做成了一家传统行业30年、40年才能做成的事，这就是创业公司的魅力所在。”焦可说道。经历了百度、赶集网、马可波罗三家不同阶段公司的从业经历后，2013年，焦可创办了智融时代信息技术有限公司，开始了自己的创业之路。

百度系创业者，最擅长做的就是搜索引擎。焦可认为，搜索引擎的使命是致力于消除信息不对称，百度在通用领域搜索引擎老大的位置已经难以撼动，而各种垂直领域的搜索引擎还有很大市场空间。经过一番考察后，焦可和他的团队选择了金融行业，于是一款名为“贷小秘”的金融产品的搜索引擎应运而生。谈到最初对这个产品的设计，焦可说：“我们一开始的判断是，有很多想找贷款的人，他们可能不知道哪家银行有什么产品，银行也想找符合自己产品要求的人，我认为这个领域就有信息不对称，‘贷小秘’就致力于消除这种不对称。”

在操作过程中，他却发现自己的市场定位有着严重的问题。因为国内的金融机构能够覆盖到的人群仅占总人口的15%左右，而在国外，这个数字是70%。这就意味着，即使人们从“贷小秘”中找到了需要的金融产品，其中85%的用户也无法进行贷款。这一情况使得“金融产品搜索引擎”的定位成了无米之炊。

“贷小秘”的滑铁卢凸显出一个潜藏的市场需求：对于传统金融机构无法覆盖的人群，谁来解决他们的金融服务需求？

传统金融机构做信贷业务，最重要的环节就是风控。传统风控方式主要由人工完成，通过用户自己提供信息，然后银行或审批机构人工核实这些信息的真实性，最终用机构内部建好的风险模型进行数据分析，从而得出对该申请人的信用评级，再进而决定是否授信以及授信金额的大小。

这一套逻辑的根基在于用户所提供的信息，一般包括银行征信、固定资产、社保信息、工作单位、收入情况等。掌握了这些信息后，银行才可以进行后续的核对及评分。然而对于初入职场的毕业生，或者没有稳定工作单位的蓝领人群，银行无法采到上述数据。

因此，如果想要做这个群体的生意，焦可及他的团队所面对的问题是：如何使用一些区别于传统金融机构采集的数据，打造出一个新的风控体系。

大数据与移动通信 时代的到来为这件事提供了萌芽的土壤，“这个业务早两年是做不了的。第一，早两年很多数据是没有标准化或者没有开放的；其次，移动通信时代的到来后，手机成为一个重要的信息采集端口，它几乎是与个人关系最紧密的设备，所产生的数据非常更多元。”焦可说道。

“定量性的评估，概率性的结果，

这种场景非常适合机器运作”

2015年以来，政府部门曾多次发文鼓励相关政府部门、企业实行数据公开，从而进一步推动大数据的应用，发挥大数据对社会的积极作用。这一政策导向在一定程度上促进了大数据的商业化，如今，有越来越多的第三方机构把手中的大数据进行商业运作，在“脱敏”（指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护）后放到市场上。

目前国内对用户数据采集的渠道主要有央行征信中心、银联的银行卡消费数据、学历认证。2015年，央行首次批准了八家可开展个人征信业务的机构，分别是：芝麻信用、腾讯征信、前海征信、鹏元征信、中诚信征信、中智诚征信以及拉卡拉信用、北京华道征信。当然，用户在京东、淘宝等消费平台的消费信息，在航空公司、出行软件中产生的出行数据，在通信公司、社交媒体产生的通信数据，被视为重要的数据来源。

然而仅仅获取到大数据是没有意义的，因为不论大机构还是创业公司，能够得到的数据基本是相同的，并不存在“独家数据”。大数据技术的战略意义并不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

对于金融机构而言，除了以上公开的数据来源外，还有各平台的自有数据：包括用户在App上产生的行为数据，如填写时使用的机型，登录时间和地点，填写资料所用的时间等；以及用户在该平台的历史交易数据。

以上所有数据处理后，每个用户会产生成百上千个特征。然而并不是所有的特征都有用，考虑到收集、存储数据的成本，技术人员必须不断优化，去掉无用的特征，把有用的特征调整到合适的位置。

焦可介绍说，用钱宝系统共连接了三四十个第三方数据源，共产生几千个不同特征的数据，经过一番筛选，最终每个用户大概会产生200余个有用的特征。技术人员再利用这200个特征建模分析和机器学习，最终构成自己的一套风险评级体系。

根据原始数据，技术人员可以把它处理成各种有用的信息。焦可告诉记者：“比如原始数据是用户身份证号，加工成年龄、户籍甚至星座。我们如果想知道年龄与逾期是否相关，往系统里一扔，15分钟就可以得到一个非常定量级的相关度。”定量性的评估，概率性的结果，这种场景非常适合机器运作。

nlc202309091105

人工PK人工智能

与传统的人工进行风控相比，机器学习有着明显的优势。最显而易见的就是机器的“高效”和“勤奋”。只要用户给予系统征信授权，机器可以在一分钟之内完成征信过程。焦可介绍说，2016年9月底，用钱宝每天处理的订单量已经突破8万，成功放出去的贷款也可达到日均一万多笔，这样的效率在传统金融机构是无法想象的。此外，“机器人信贷员”可以做到365天全年无休地工作，这也是人工无法替代的。

更深层的优势是机器的“不断迭代”，在传统金融机构，最快也要半年调整一次风控模型。而“机器人信贷员”则每一天都在变聪明，每一笔新接触到的样本都会让它比此前更精确。假设机器每天放贷一万笔，周期为30天，这就意味着在30天之后，机器可以得到一万笔样本数据返还回来。技术人员可以根据返还的结果得知，目前的模型所圈定的特征是否有效，从而进行相应的调整。

大数据风控可以解决传统风控信息不对称，数据获取维度窄，人工采集成本高、效率低等缺点，然而这种科技驱动的风控方式也非无所不能。在大额信贷业务中，如果用户的很多数据没有做到完全标准化，就不适合用大数据进行风控。焦可举例说：“比如房子的定价，涉及到人的经验，所以你无论如何都要去看一眼。我们不妨这样理解：在一个具体的垂直领域里面，只要这个领域的数据化程度足够高，机器就会比人好很多；而面对一些开放性的问题，人的经验就是无可取代 的。”

与传统的金融机构不同的是，一家Fintech公司中，计算机背景的人才比金融背景的人才需求量更大。智融时代科技公司团队规模将近70人，技术人员占到近70%，其中包括十几位百度T6级别以上的资深技术工程师。根据公开数字，用钱宝实际注册用户数达到400万，实际业务量9月份已突破40万笔，发放贷款达6亿元。近日，用钱宝宣布获得1.56亿元B+轮融资，由光信资本、源码资本、洪泰资本、创新工场、晨兴资本及51信用卡等多家投资机构共同投资。

大数据风控下的消费金融

近年来，中国消费金融行业飞速发展，消费贷款规模逐年扩大。据艾瑞咨询数据显示，截至2014年末，我国人民币消费信贷余额15万亿元；到了2015年末，我国消费信贷余额达19万亿元；预计2019年将达到41.1万亿。市场潜力巨大。

随着消费金融时代的来临，互联网也成了人们接受金融服务的重要平台。实力雄厚的巨头重金打造自己的金融服务体系，并在其生态体系占据越来越重要的地位，成为电商数据变现、打造生态的重要路径之一。并不是所有电商或者场景都有实力打造出自己的金融体系，但他们也需要嵌入消费分期业务。一些技术实力强劲的团队看到了这个市场需求，打造出致力为B端提供全套智能信贷服务及技术解决方案的产品，诞生于今年6月的POWERED BY DUMIAO就是其中之一。

POWERED BY DUMIAO是智能信贷服务方案提供商读秒的核心产品，背后倚靠PINTEC智能金融服务集团强大的实力支持。读秒的“掌舵者”周静拥有近20年金融业风险管理经验，曾在全美前十大银行之一的CapitalOne任职8年，曾任产品、市场、风控等岗位。后来进入渣打银行，带领渣打创立了零售风险管理团队，任渣打中国零售银行首席风险官，是渣打中国无担保个人贷款“现贷派”风控创建人。

POWERED BY DUMIAO将智能信贷模块化，拆分为贷前、贷中、贷后三个环节，并细分到用户筛选、资金提供、大数据风控、授信决策、账户管理、催收、贷后交叉营销等数十个模块。

贷款前，在众多的消费者中，读秒会以用户画像为基础进行“精准获客”，用大数据锁定最有价值的用户，保证客户转化率和产生的价值。互联网场景内积累了众多精准用户，若将这些客户零成本延伸成为金融客户，既增强了用户对平台的黏性，又为平台衍生出新的商机。

贷款中，消费者若需要进行分期，只需填写信用卡、手机、身份证等基本信息。读秒接收到用户填写的信息，再结合其内部数据和多方数据源，可以在非常短的时间内完成大数据风控、风险定价、线上授信。根据不同用户的信用、风险水平，读秒还会实行“精准定价”，提供用户能承受的最合适利率，确保用户可以按时还款，保证平台的获利。

贷款后，读秒还可以提供一系列贷后管理服务，包括还款提醒、自动扣款、复贷优惠、智能催收等环节。如果客户出现逾期，读秒会根据预测的成本，测算出应该使用的贷后管理方式及频率，进而优化资源的配 置。

系统的高度适配性是POWERED BY DUMIAO的一大技术优势，整个体系可以根据不同情况，迅速嵌入到不同的消费场景中。电商的需求各有不同：有的需要读秒包揽全流程；有的倾向于自己打造产品框架，嵌入读秒的标准化的风控模块；有的希望读秒与自身场景结合，定制化打造场景化风控和贷后模块。企业如果要引入读秒的智能信贷技术解决方案，嵌入的方式与程度因对方需求而定，通常在4周内就可以完成全部系统的部署。这样的合作模式给模型适配的能力带来很大的挑战，需要对各流程进行十分复杂的适配性改造。

POWERED BY DUMIAO主要面对两大客户群。针对零售企业，读秒可以输出全流程的零售信贷服务解决方案，帮助企业扩大客户群体，促进销量，增加用户的黏性；针对金融机构，读秒帮助其切入长尾、碎片化的消费信贷场景，可以追踪资金的流向，并确保流程透明，以及较高的安全性。目前，该技术已经进入旅行、电商、医药、小微企业贷款等领域，未来还将开发汽车销售、大卖场、中小企业服务平台的信贷解决方案。

对于这款产品，周静非常有信心。做这样的技术输出，对团队的技术与资金支持都有很高的要求，这也是POWERED BY DUMIAO在市场上难逢对手的主要原 因。

这一系统对于技术提供方服务器提出了很高的要求。每逢双十一或节假日，商家做营销活动时，会有海量的并发同时达到POWERED BY DUMIAO，对系统会造成很大压力，在这样的场景下要保证用户体验，并不是一件容易的事。

大数据时代，谁来保护用户的隐私

大数据技术的使用无疑为金融产业带来了很多好的改变，但伴随而来的隐私问题也令业界非常苦恼。

微软研究院的高级研究员博伊德（Danah Boyd）曾经表示：“如今，我们社交网络化的社会绝对有制造恐慌的天分。在大数据时代，对隐私泄露的担忧就是强大的紧张和焦虑的源泉。人们普遍认为，最令人焦虑的在于你根本不知道什么时候自己的隐私就无意中被泄露出去。”

周静坦言，现在这个时代数据的确已经多到你“无法想象”的地步。同时她也强调，随着数据保护措施的不断完善，正规的公司往往会对使用的数据做很多隔离。“即使在客户已经知晓、授权的情况下，我们也尽量避免要求客户给一些特别敏感的数据，我们认为真正好的客户不会为了一笔小额贷款告诉你最私密的事情。”周静说 道。

关键词：大数据,互联网金融,征信

一、大数据和互联网金融征信

近年来, 伴随着云计算、大数据等信息技术的运用, 互联网金融在我国得到了蓬勃发展。然而现有征信体系无法服务于互联网金融的发展, 催生国内征信业开始向大数据征信的深度融合方向发展。

据网贷之家联合盈灿咨询发布的《中国P2P网贷行业2016年3月月报》, 月报数据显示, 截至2016年3月底, 网贷行业正常运营平台数量为2461家, 累计问题平台达1523家。在野蛮生长的背后我们看到的却是网贷公司“倒闭潮”, 问题平台数不断攀升, 这些都暴露了互联网金融信用体系建设滞后的问题, 这其中, 有号称国资背景的“安心金融”、“徽金所”先后停业, 轰动一时的“e租宝事件”等等, 这种新兴金融业态迫切需要一种新型的互联网金融征信体系, 新体系改变目前央行以传统金融机构和线下信贷交易作为覆盖和服务的对象的征信体系, 促进现有征信体系转型升级, 能够实现征信信息共享和联动, 基于大数据的互联网金融征信体系建设需求也应运而生。

大数据的运用, 将推动征信行业进入一个新的发展时期。大数据利用科学的算法, 在前期多方位、多维度收集数据的基础上, 构建目标主体的身份、性格取向和履约能力的定量分析模型, 进行量化的信用评估。传统的银行业信贷记录、信用卡消费数据、小额贷款大数据、社交网站大数据、电商大数据、生活服务类网站大数据, 以及日常活动和偏好数据、特定场景下的行为特征数据等都是大数据征信包含的范围, 从这些数据当中, 我们可以判断目标主体的信用等级, 形成整体风险导向, 完善大数据的积累。大数据为征信业发展提供了广泛的数据信息来源。

二、当前我国互联网金融征信体系存在的问题

(一) 原有的征信体系已经不能适应互联网金融等新金融形态的需要

目前我国征信信息系统主要以央行的企业和个人信用信息基础数据库为依托, 征信数据主要来源于银行业等传统意义上的信贷机构, 对于互联网金融等新金融领域的信用数据匮乏, 导致信用数据覆盖人群窄、信息维度单一、时间上相对滞后。

(二) 缺乏行业统一、广泛认可的征信模型和评分标准

当前中国征信体系主要是以中国人民银行征信中心为代表的公共征信体, 加上2015年1月首批获得个人征信机构牌照的八家征信公司为代表的市场化征信公司。通过对比这几家公司的信用产品, 从中可以发现, 各征信机构在数据来源、信用评分模型、信用评分标准等方面都存在较大差异, 没有形成统一的标准。

(三) 征信大数据平台之间信息共享难

央行的征信系统相对互联网金融是封闭的, 市场化的征信公司自有的征信数据与央行的征信系统无法对接, 信息资源无法共享, 造成互联网征信的作用对传统金融机构还很有限。

(四) 缺乏强有力的信息安全和隐私保护制度

大数据时代, 个人数据隐私问题一直备受关注, 征信环节更是如此。比如, 征信数据信息谁有权收集数据, 谁有权拥有数据, 数据信息可在多大范围内共享, 是否可以转让、出售个人信息和个人隐私之间如何区分等, 这些都没有明确的法律规定。另外, 互联网时代, 信息安全防护变得更加困难, 数据采集、存储、整合与分析等都存在着安全风险, 急需完善我国信用信息安全、应用和权益保护方面的法律规范。

三、基于大数据的互联网金融征信体系建设优势

(一) 数据来源广泛, 促进征信覆盖面大幅提升

在我国, 央行征信中心为全国个人征信的主干数据库, 主要数据来源于目标主体的工资收入、社保缴存记录、信用卡消费记录、贷款记录等维度, 在一定程度上, 能防范信用风险问题。伴随着互联网金融的蓬勃发展, 原有的征信体系信用记录数量以及覆盖的人群有限, 仅覆盖了与银行发生过信贷关系的人群。采用大数据征信体系, 能很好的发挥大数据的优点, 提升人群覆盖面, 通过目标主体的活动数据进行深度挖掘和分析, 可以为征信体系提供有效的补充。

(二) 数据资源丰富, 促进征信更加真实全面

在未来, 大数据技术将不断的渗透到征信领域。在大数据时代, 不同层次的数据和多维度的数据都可以用来挖掘和分析, 企业的现金流、目标主体的地址、行为数据、目标主体的互联网商务活动、社交关系等半结构化、非结构化数据也将成为征信系统的新数据源。将更多信用记录以外的信息纳入征信体系, 可得到更多广谱信息来刻画信用。

(三) 数据实时性更强, 促进征信信息更加时效

大数据征信相对于传统的信用评价模式而言, 数据更多、时效性更强了, 而不仅仅是关注、分析考察对象的历史信息。它不再是离线的事后分析数据, 而是在线实时的互动数据。结合国际经验, 征信数据的实时处理将是未来的趋势。在大数据征信的框架下, 目标对象的历史信息和当前信息都会被大数据进行整合和分析, 在深度挖掘之外还能进行横向拓展, 信息的时效性更强, 有利于快速的做出业务决策, 提高金融效率。

(四) 数据更加真实, 促进量化信用评价结果

大数据具有预测的准确性和快速迭代的优点。在大数据背景下, 信息技术的进步, 各种工具软件层出不穷, 为数据收集、整理、分析、使用提供了可能, 信用评价模型因此可以纳入更多变量, 从而得到更全面、更准确的量化信用评价结果。

四、基于大数据的互联网金融征信体系建设的具体措施

互联网金融能否持续健康快速地发展, 离不开基于大数据的互联网金融征信的发展。具体措施如下:

(一) 建立基于大数据征信业务特点的征信业务新体系

健全大数据背景下我国征信业务的新机制, 政府层面上, 要积极推动, 形成良好的政策导向, 加快规范统一信息标准、技术标准和管理标准建设, 加快信用代码制度、网络经营者身份标识制度及电子商务网站可信认证服务制度等, 提高对市场主体的服务水平。

(二) 构建互联网金融征信子系统, 提升大数据的整合能力

加快建立统一的互联网金融征信子系统, 促成信用信息共享交换。建立第三方支付平台征信系统, 建立网络信贷平台征信系统, 建立电子商务平台征信系统, 建立社交网络征信系统, 在充分合理论证的基础上应把互联网征信子系统与人民银行征信系统相对接完善信贷平台信用数据实现信用资源合理共享, 避免借款者在一个平台违约后再在另一个平台生成新的信用记录。

(三) 健全大数据征信相配套的法律体系, 保障用户隐私和数据安全

信息时代数据如同一把双刃剑, 在带来便利的同时也带来了很多安全隐患。个人隐私无处遁形。首先是完善个人信息安全保护的法律体系。其次建立严格的大数据采集制度, 加快推动制定个人信息保护、隐私管理等法律法规, 促进信用数据的建立和有效合法利用, 同时保证公民个人的合法权益, 促进社会信用体系建设。

(四) 完善失信联合惩戒机制

“信用就是企业的生命。”当前要进一步建成企业信用标准体系, 形成覆盖全社会的征信系统, 推进诚信文化建设, 建立守信激励机制和失信联合惩戒机制。利用大数据提供精准、高效、实时的风控服务, 并促成建立基于大数据的互联网金融征信体系, 征信机构、动态风险监测服务及自动预警功能。

参考文献

[1]谢平, 邹传伟.互联网金融模式研究[J].金融研究, 2012 (12) :11-22.

[2]赵海蕾, 邓鸣茂, 汪桂霞.互联网金融中的大数据征信体系构建[[J].经济视角, 2015 (04) :18-21+65.233