劉寒 中國(guó)信息通信研究院通信標(biāo)準(zhǔn)研究所工程師

孫晶 中國(guó)信息通信研究院電信設(shè)備認(rèn)證中心助理工程師

金融業(yè)大數(shù)據(jù)應(yīng)用研究＊

劉寒 中國(guó)信息通信研究院通信標(biāo)準(zhǔn)研究所工程師

孫晶 中國(guó)信息通信研究院電信設(shè)備認(rèn)證中心助理工程師

大數(shù)據(jù)技術(shù)不斷發(fā)展，同傳統(tǒng)行業(yè)的結(jié)合勢(shì)在必行。金融業(yè)是以數(shù)據(jù)為基礎(chǔ)的行業(yè)，在大數(shù)據(jù)應(yīng)用領(lǐng)域首當(dāng)其沖。金融領(lǐng)域的銀行、保險(xiǎn)、證券三大業(yè)務(wù)已經(jīng)同大數(shù)據(jù)全方位結(jié)合發(fā)展。但在大數(shù)據(jù)規(guī)范完善、信息安全、金融企業(yè)大數(shù)據(jù)平臺(tái)建設(shè)、分析能力方面還有待進(jìn)一步發(fā)展。

大數(shù)據(jù) 金融 應(yīng)用

1 引言

隨著2013年后大數(shù)據(jù)概念的熱度升溫和技術(shù)發(fā)展，大數(shù)據(jù)這個(gè)來源于互聯(lián)網(wǎng)領(lǐng)域的技術(shù)理念已經(jīng)不可避免地與傳統(tǒng)行業(yè)相互接觸、碰撞，一些擁有大數(shù)據(jù)技術(shù)的企業(yè)利用技術(shù)優(yōu)勢(shì)和前瞻科技不斷擴(kuò)展業(yè)務(wù)領(lǐng)域，對(duì)傳統(tǒng)行業(yè)形成威脅；而從另一個(gè)角度來說，傳統(tǒng)行業(yè)更應(yīng)該憑借自身固有優(yōu)勢(shì)，利用新技術(shù)手段改革創(chuàng)新、尋求新的發(fā)展方式，固步自封是一潭死水，開放融合才會(huì)孕育新的生機(jī)，這才是真正的大數(shù)據(jù)思維。

金融業(yè)是以數(shù)據(jù)為基礎(chǔ)的行業(yè)，大量的交易、客戶、投資等數(shù)據(jù)都為金融業(yè)大數(shù)據(jù)的應(yīng)用提供了豐厚土壤，大數(shù)據(jù)和金融行業(yè)的協(xié)同發(fā)展不僅是天然結(jié)合，也是業(yè)界共識(shí)。金融行業(yè)應(yīng)該抓住大數(shù)據(jù)這次技術(shù)引領(lǐng)的創(chuàng)新機(jī)遇，以大數(shù)據(jù)思維從事業(yè)務(wù)、使用大數(shù)據(jù)技術(shù)拓展經(jīng)營(yíng)空間、利用大數(shù)據(jù)資源創(chuàng)造價(jià)值，這必將是金融業(yè)的發(fā)展路徑。

2 大數(shù)據(jù)發(fā)展趨勢(shì)

（1）數(shù)據(jù)種類日益豐富、采集渠道不斷拓展

金融、醫(yī)療、交通等各行業(yè)經(jīng)過信息化建設(shè)，積累了眾多專有數(shù)據(jù)，是存量的大數(shù)據(jù)資源。而移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，大大豐富了大數(shù)據(jù)的采集渠道，社交網(wǎng)絡(luò)、可穿戴設(shè)備、車聯(lián)網(wǎng)等成為大數(shù)據(jù)增量資源的主體。

目前，微博、微信和各類移動(dòng)APP等渠道提供了豐富的互聯(lián)網(wǎng)數(shù)據(jù)源。截至2014年6月，中國(guó)網(wǎng)民規(guī)模達(dá)6.32億，其中手機(jī)網(wǎng)民規(guī)模5.27億。微博用戶數(shù)量2014年達(dá)2.75億，社交網(wǎng)站用戶規(guī)模為2.57億。通過社交網(wǎng)絡(luò)服務(wù)商提供的API或爬蟲程序，可以采集到豐富的網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)成企業(yè)數(shù)據(jù)資源的重要組成部分，可以作為業(yè)務(wù)數(shù)據(jù)的有效補(bǔ)充。

智能化的可穿戴設(shè)備經(jīng)過幾年的發(fā)展，智能手環(huán)、腕帶、手表等可穿戴設(shè)備正在走向成熟。國(guó)外Intel、Google、Facebook，國(guó)內(nèi)百度、京東、小米等均布局可穿戴設(shè)備領(lǐng)域。同時(shí)，隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，車聯(lián)網(wǎng)附加功能將越來越豐富，車聯(lián)網(wǎng)進(jìn)入快速發(fā)展階段。2014年，全球機(jī)動(dòng)車保有量達(dá)到12億輛，我國(guó)1.4億輛；預(yù)計(jì)2015年，國(guó)內(nèi)車聯(lián)網(wǎng)即將突破10%；到2020年，車聯(lián)網(wǎng)滲透率有望突破20%。而這些物聯(lián)網(wǎng)領(lǐng)域定向采集的數(shù)據(jù)資源具有極高的利用價(jià)值，是各行業(yè)大數(shù)據(jù)資源的重要組成部分。

（2）大數(shù)據(jù)存儲(chǔ)、計(jì)算、分析技術(shù)為大數(shù)據(jù)應(yīng)用提供支撐

2000 年左右，Google等提出的文件系統(tǒng)（GFS），以及隨后的Hadoop的分布式文件系統(tǒng)HDFS（Hadoop Distributed File System）奠定了大數(shù)據(jù)存儲(chǔ)技術(shù)的基礎(chǔ)。這類存儲(chǔ)技術(shù)采用分布式架構(gòu)，擁有較高的并發(fā)訪問能力，同時(shí)將計(jì)算和存儲(chǔ)在物理上進(jìn)行統(tǒng)一，降低了數(shù)據(jù)頻繁讀取所產(chǎn)生的I/O吞吐量制約。

2004 年，Google提出了新型分布式計(jì)算技術(shù)MapReduce，其線性擴(kuò)展的處理能力在成本和擴(kuò)展性上有著巨大優(yōu)勢(shì)，目前成為最廣泛的大數(shù)據(jù)處理方式。2010年，Google公布的Dremel系統(tǒng)是一種交互分析引擎，幾秒鐘即可完成PB級(jí)的數(shù)據(jù)查詢操作。新一代計(jì)算平臺(tái)Spark進(jìn)一步將Hadoop性能提高30倍以上。技術(shù)不斷進(jìn)步，并通過開源方式進(jìn)行發(fā)布，降低了技術(shù)準(zhǔn)入門檻。同時(shí)，成本不斷降低，傳統(tǒng)數(shù)據(jù)存儲(chǔ)和分析成本約為3萬美元/TB，而采用Hadoop技術(shù)，成本可以降到300～1000美元/TB。目前，開源Hadoop和Spark已經(jīng)形成了比較成熟的產(chǎn)品供應(yīng)體系，基本上可以滿足大部分企業(yè)建設(shè)大數(shù)據(jù)存儲(chǔ)和分析平臺(tái)的需求，為企業(yè)的大數(shù)據(jù)應(yīng)用提供了低成本解決方案。

（3）大數(shù)據(jù)分析、挖掘和建模技術(shù)成為發(fā)展重點(diǎn)

大數(shù)據(jù)已經(jīng)具備了技術(shù)上的可能，但是在人類全部數(shù)字化數(shù)據(jù)中僅有1%的數(shù)據(jù)得到了深入分析和挖掘，大型的互聯(lián)網(wǎng)企業(yè)也僅是對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行了淺層分析，而占數(shù)據(jù)總量一半以上的圖片、語(yǔ)音、視頻等非結(jié)構(gòu)數(shù)據(jù)還沒有得到有效挖掘。因此，企業(yè)不僅需要針對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深入挖掘和分析，同時(shí)應(yīng)積極分析利用非結(jié)構(gòu)化數(shù)據(jù)中隱含的價(jià)值構(gòu)建自身優(yōu)勢(shì)，增強(qiáng)競(jìng)爭(zhēng)能力。

（4）大數(shù)據(jù)政策不斷推出、法律法規(guī)日益完善

美國(guó)政府在2012年率先推出“大數(shù)據(jù)行動(dòng)計(jì)劃”，加大技術(shù)研究力度、推行數(shù)據(jù)開放和推動(dòng)政府大數(shù)據(jù)應(yīng)用。隨后，英、澳、日等國(guó)家相繼推出大數(shù)據(jù)規(guī)劃和政策。我國(guó)政府高度重視大數(shù)據(jù)應(yīng)用發(fā)展，2012年以來，科技部、發(fā)改委、工信部等部委在科技和產(chǎn)業(yè)化專項(xiàng)上陸續(xù)支持了一批大數(shù)據(jù)項(xiàng)目；2014年3月，“大數(shù)據(jù)”首次出現(xiàn)在全國(guó)兩會(huì)的《政府工作報(bào)告》中。各地方政府從2013年陸續(xù)出臺(tái)大數(shù)據(jù)推進(jìn)計(jì)劃，根據(jù)地方特點(diǎn)，形成不同應(yīng)用模式。

3 金融業(yè)大數(shù)據(jù)應(yīng)用研究

金融業(yè)的行業(yè)特性決定了金融業(yè)利用大數(shù)據(jù)的必然性。金融業(yè)是信息密集型服務(wù)產(chǎn)業(yè)，現(xiàn)代金融企業(yè)普遍大量投資IT設(shè)施，同時(shí)擁有龐大的數(shù)據(jù)庫(kù)可資利用。因此，數(shù)據(jù)易用性好，數(shù)據(jù)密度大，技術(shù)和人才儲(chǔ)備相對(duì)充裕，利用大數(shù)據(jù)可創(chuàng)造價(jià)值更高。

根據(jù)2012年的一份調(diào)查報(bào)告顯示，中國(guó)大數(shù)據(jù)應(yīng)用投資規(guī)模最大的行業(yè)分別是互聯(lián)網(wǎng)行業(yè)（28.9%），之后是電信業(yè)（19.9%）、金融業(yè)（17.5%），然后是交通、政府和醫(yī)療領(lǐng)域。金融業(yè)的大數(shù)據(jù)應(yīng)用投資逐年增加，已經(jīng)成為除信息通信領(lǐng)域外大數(shù)據(jù)應(yīng)用熱情最高和投資最大的傳統(tǒng)行業(yè)。而在麥肯錫的一份報(bào)告中顯示，金融保險(xiǎn)無論是在整體價(jià)值潛力、企業(yè)平均數(shù)據(jù)量、交易密度等方面都居于全球所有行業(yè)的前20%；另一份報(bào)告顯示，在金融行業(yè)的三大主要領(lǐng)域，銀行業(yè)大數(shù)據(jù)應(yīng)用居首，占比41%，證券和保險(xiǎn)分別占31.5%和28.5%。

（1）銀行業(yè)大數(shù)據(jù)應(yīng)用

●數(shù)據(jù)整合和數(shù)據(jù)平臺(tái)建設(shè)

大數(shù)據(jù)應(yīng)用的基礎(chǔ)是數(shù)據(jù)，數(shù)據(jù)的體量大小、類型多樣性和完整性決定了數(shù)據(jù)應(yīng)用的程度和能夠挖掘的數(shù)據(jù)價(jià)值。各銀行的傳統(tǒng)數(shù)據(jù)大多來源于經(jīng)營(yíng)網(wǎng)點(diǎn)的業(yè)務(wù)數(shù)據(jù)，而在大數(shù)據(jù)時(shí)代，銀行獲取數(shù)據(jù)的渠道不斷擴(kuò)展，包括門戶網(wǎng)站、網(wǎng)上銀行、電話銀行、手機(jī)銀行、ATM等電子渠道，利用微博、微信、社交網(wǎng)站等眾多途徑，整合這些新型數(shù)據(jù)使得銀行有了大數(shù)據(jù)應(yīng)用的基礎(chǔ)。

以客戶數(shù)據(jù)為例，客戶是企業(yè)賴以生存的基礎(chǔ)，企業(yè)的一切產(chǎn)品、營(yíng)銷、服務(wù)都是以客戶為出發(fā)點(diǎn)，所以基于多渠道的客戶數(shù)據(jù)進(jìn)行整合分析，描繪完整和精準(zhǔn)的客戶畫像至關(guān)重要。企業(yè)的客戶畫像應(yīng)用主要分為個(gè)人客戶畫像和企業(yè)客戶畫像。個(gè)人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險(xiǎn)偏好等；企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運(yùn)營(yíng)、財(cái)務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。傳統(tǒng)手段上，銀行擁有的客戶信息并不全面，基于銀行自身?yè)碛械臄?shù)據(jù)有時(shí)候難以得出理想的結(jié)果甚至可能得出錯(cuò)誤的結(jié)論。例如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風(fēng)險(xiǎn)較低的客戶。但如果看到該客戶的微博，得到的真實(shí)情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風(fēng)險(xiǎn)較高。因此，銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴(kuò)展對(duì)客戶的了解。

有了大數(shù)據(jù)基礎(chǔ)，還需要大數(shù)據(jù)平臺(tái)的建設(shè)，大數(shù)據(jù)平臺(tái)的建設(shè)可以分為兩個(gè)方面：一是數(shù)據(jù)獲取、存儲(chǔ)平臺(tái)的建設(shè)；二是數(shù)據(jù)分析平臺(tái)的建設(shè)。數(shù)據(jù)獲取手段的豐富和存儲(chǔ)能力的提升還需要大數(shù)據(jù)技術(shù)的支持，包括各類網(wǎng)絡(luò)信息的爬取和數(shù)據(jù)的存儲(chǔ)、客戶交易數(shù)據(jù)的實(shí)時(shí)獲取和存儲(chǔ)、語(yǔ)音視頻數(shù)據(jù)的獲取和非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)及網(wǎng)絡(luò)交互中各類可以完善元數(shù)據(jù)的通信數(shù)據(jù)的獲取和存儲(chǔ)。數(shù)據(jù)獲取和存儲(chǔ)的目的是為了應(yīng)用，大數(shù)據(jù)分析手段成為大數(shù)據(jù)能否創(chuàng)造商業(yè)價(jià)值的衡量標(biāo)準(zhǔn)。傳統(tǒng)的數(shù)據(jù)挖掘方法在海量數(shù)據(jù)分析時(shí)，存在非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換、算法效率等亟待解決的問題。大數(shù)據(jù)平臺(tái)的建設(shè)已經(jīng)成為各個(gè)銀行現(xiàn)階段重點(diǎn)關(guān)注的問題，無論是在現(xiàn)有平臺(tái)的基礎(chǔ)上向分布式平臺(tái)Hadoop和Spark遷移、還是以業(yè)務(wù)特點(diǎn)為出發(fā)點(diǎn)分領(lǐng)域、分段建設(shè)和轉(zhuǎn)換大數(shù)據(jù)平臺(tái)或是使用云服務(wù)商提供的云服務(wù)等方式都是大數(shù)據(jù)平臺(tái)建設(shè)的手段。

例如，摩根大通銀行已經(jīng)開始使用Hadoop技術(shù)以滿足日益增多的用途，包括詐騙檢驗(yàn)、IT風(fēng)險(xiǎn)管理和自主服務(wù)。摩根大通的大數(shù)據(jù)平臺(tái)能夠存儲(chǔ)大量非結(jié)構(gòu)化數(shù)據(jù)，可以收集和存儲(chǔ)WBB日志、交易數(shù)據(jù)和社交媒體數(shù)據(jù)，其擁有150PB在線存儲(chǔ)數(shù)據(jù)、3萬個(gè)數(shù)據(jù)庫(kù)和35億個(gè)用戶登錄賬號(hào)。所有數(shù)據(jù)都被匯集至通用大數(shù)據(jù)平臺(tái)，以方便以客戶為中心的數(shù)據(jù)挖掘與數(shù)據(jù)分析工具使用。

●產(chǎn)品創(chuàng)新能力成為核心競(jìng)爭(zhēng)力

大數(shù)據(jù)應(yīng)用拓寬了商業(yè)銀行業(yè)務(wù)和服務(wù)的發(fā)展空間，加速了產(chǎn)品創(chuàng)新。目前，我國(guó)商業(yè)銀行服務(wù)同質(zhì)化、產(chǎn)品差異性小。隨著數(shù)據(jù)的不斷積累和商業(yè)銀行數(shù)據(jù)分析能力的不斷提升，大數(shù)據(jù)應(yīng)用將拓展銀行的業(yè)務(wù)發(fā)展空間，涉及具有定價(jià)權(quán)和競(jìng)爭(zhēng)力的創(chuàng)新產(chǎn)品，提升銀行的核心競(jìng)爭(zhēng)力。

例如，阿里巴巴推出的“花唄”，基于對(duì)消費(fèi)者日常消費(fèi)的研究，年輕人理財(cái)需求旺盛，收入有限，但又熱衷消費(fèi)?！盎▎h”的用戶中，有將近一半是沒有信用卡的，他們資金緊張時(shí)的購(gòu)物需求“花唄”可以滿足。“花唄”的人群獲得的風(fēng)險(xiǎn)控制，都基于用戶在平臺(tái)上的消費(fèi)行為，進(jìn)行復(fù)雜分析計(jì)算后得出。

●互聯(lián)網(wǎng)金融

互聯(lián)網(wǎng)金融是大數(shù)據(jù)同金融業(yè)結(jié)合應(yīng)用的典型代表，既是經(jīng)營(yíng)模式也是新興產(chǎn)業(yè)，既可以是傳統(tǒng)銀行的新業(yè)務(wù)也可以是互聯(lián)網(wǎng)企業(yè)進(jìn)軍金融業(yè)的一件利器。目前，國(guó)內(nèi)的商業(yè)銀行的互聯(lián)網(wǎng)經(jīng)營(yíng)大多還是傳統(tǒng)業(yè)務(wù)的互聯(lián)網(wǎng)運(yùn)營(yíng)，對(duì)于互聯(lián)網(wǎng)大數(shù)據(jù)價(jià)值的發(fā)掘還有待發(fā)展。而坐擁大數(shù)據(jù)技術(shù)的互聯(lián)網(wǎng)公司同金融業(yè)務(wù)的結(jié)合成為目前互聯(lián)網(wǎng)金融的最主要形式。

從本質(zhì)上看，互聯(lián)網(wǎng)金融模式通過搭建高效便捷的信息交易平臺(tái)不斷弱化金融中介的作用，是一種金融脫媒的行為，目前基本形成第三方支付、大數(shù)據(jù)金融、P2P網(wǎng)絡(luò)信貸、眾籌融資等寡頭壟斷競(jìng)爭(zhēng)的發(fā)展格局。大數(shù)據(jù)金融模式是推動(dòng)互聯(lián)網(wǎng)金融格局變革的活躍因素。從運(yùn)營(yíng)模式看，可以分為以京東、蘇寧為代表的供應(yīng)鏈金融模式和以阿里小貸為代表的平臺(tái)自營(yíng)模式。前者主要解決核心企業(yè)供應(yīng)商金融借貸所需的信用憑證問題，通過電商核心企業(yè)掌握的供應(yīng)商在支付、物流等關(guān)鍵環(huán)節(jié)的數(shù)據(jù)和憑證，與銀行合作，對(duì)產(chǎn)業(yè)鏈條中的上下游進(jìn)行融資；后者主要解決平臺(tái)交易商小額貸款的風(fēng)險(xiǎn)控制問題，憑借電商平臺(tái)自身系統(tǒng)掌握的貸款人交易數(shù)據(jù)，對(duì)其信用狀況進(jìn)行核定，發(fā)放無抵押的信用貸款及應(yīng)收賬款抵押貸款。

●風(fēng)險(xiǎn)管控和運(yùn)營(yíng)優(yōu)化

在風(fēng)險(xiǎn)管控方面，可以對(duì)小企業(yè)貸款風(fēng)險(xiǎn)進(jìn)行評(píng)估，銀行可通過企業(yè)的產(chǎn)、流通、銷售、財(cái)務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進(jìn)行貸款風(fēng)險(xiǎn)分析，量化企業(yè)的信用額度，更有效地開展中小企業(yè)貸款。同時(shí)，可以實(shí)時(shí)欺詐交易識(shí)別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式等，結(jié)合智能規(guī)則引擎進(jìn)行實(shí)時(shí)的交易反欺詐分析?；ヂ?lián)網(wǎng)金融應(yīng)用大數(shù)據(jù)整合物流、信息流等信用風(fēng)險(xiǎn)控制關(guān)鍵節(jié)點(diǎn)，以快捷方便的網(wǎng)絡(luò)信用貸款迅速搶占小微市場(chǎng)，商業(yè)銀行市場(chǎng)定位被迫下沉，并通過與供應(yīng)鏈核心企業(yè)、電商平臺(tái)的異業(yè)聯(lián)盟獲取大數(shù)據(jù)來源，創(chuàng)新信用風(fēng)險(xiǎn)管理模式。

在運(yùn)營(yíng)優(yōu)化方面，包括：

——市場(chǎng)和渠道分析優(yōu)化。通過大數(shù)據(jù)，銀行可以監(jiān)控不同市場(chǎng)推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進(jìn)行合作渠道的調(diào)整和優(yōu)化。

——產(chǎn)品和服務(wù)優(yōu)化。銀行可以將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個(gè)性特征和風(fēng)險(xiǎn)偏好，更深層次地理解客戶的習(xí)慣，智能化分析和預(yù)測(cè)客戶需求，從而進(jìn)行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。

——輿情分析。銀行可以抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過自然語(yǔ)言處理技術(shù)進(jìn)行正負(fù)面判斷，尤其是及時(shí)掌握銀行以及銀行產(chǎn)品和服務(wù)的負(fù)面信息，及時(shí)發(fā)現(xiàn)和處理問題；對(duì)于正面信息，可以加以總結(jié)并繼續(xù)強(qiáng)化。同時(shí)，銀行也可以抓取同行業(yè)的銀行正負(fù)面信息，及時(shí)了解同行做得好的方面，以作為自身業(yè)務(wù)優(yōu)化的借鑒。

（2）保險(xiǎn)業(yè)大數(shù)據(jù)應(yīng)用

價(jià)值創(chuàng)造是保險(xiǎn)業(yè)大數(shù)據(jù)應(yīng)用的最終目標(biāo)。保險(xiǎn)業(yè)的普遍共識(shí)是，大數(shù)據(jù)同保險(xiǎn)業(yè)的結(jié)合利用應(yīng)該是全方位、全流程的，無論從橫向的產(chǎn)品維度還是縱向的流程維度都應(yīng)該充分挖掘應(yīng)用節(jié)點(diǎn)，更好地利用大數(shù)據(jù)技術(shù)創(chuàng)造價(jià)值。不僅包括商業(yè)贏利，還包括企業(yè)經(jīng)營(yíng)方式的改變、企業(yè)管理水平的進(jìn)步、企業(yè)整體工作效率的提高、各業(yè)務(wù)水平的發(fā)展、服務(wù)水平的改進(jìn)等方方面面的提升。

麥肯錫公司將欺詐檢測(cè)、客戶視圖、交叉銷售、情感分析、外部數(shù)據(jù)價(jià)值、非結(jié)構(gòu)化文檔挖掘等12類客戶案例同透明度、準(zhǔn)實(shí)時(shí)分析、客戶細(xì)分、主動(dòng)深入洞察、產(chǎn)品改良5類大數(shù)據(jù)價(jià)值創(chuàng)造模式進(jìn)行交叉分析得出：在12類業(yè)務(wù)案例中有11類已經(jīng)應(yīng)用或可以應(yīng)用大數(shù)據(jù)技術(shù)進(jìn)行主動(dòng)洞察和改善保險(xiǎn)各項(xiàng)業(yè)務(wù)，占比達(dá)到90%以上；有7類應(yīng)用了大數(shù)據(jù)技術(shù)進(jìn)行客戶細(xì)分和創(chuàng)造新的商業(yè)模型來改善保險(xiǎn)產(chǎn)品，占比達(dá)到50%以上。NOVARICA保險(xiǎn)研究機(jī)構(gòu)對(duì)55家保險(xiǎn)機(jī)構(gòu)的首席信息官和高級(jí)IT執(zhí)行官進(jìn)行調(diào)查分析得出：大數(shù)據(jù)技術(shù)在保險(xiǎn)精算和產(chǎn)品建模方面已經(jīng)創(chuàng)造較大的顯著應(yīng)用價(jià)值（18%）；大數(shù)據(jù)承保方面創(chuàng)造的顯著商業(yè)價(jià)值達(dá)到13%；在理賠方面有著最大的模糊應(yīng)用比例（11%），應(yīng)用模式不夠清晰，有待進(jìn)一步研究和應(yīng)用；市場(chǎng)營(yíng)銷是大數(shù)據(jù)應(yīng)用的重點(diǎn)領(lǐng)域，但是目前沒有顯著的商業(yè)效果（7%）；保險(xiǎn)服務(wù)方面基本沒有顯著商業(yè)效果（2%）。

●客戶分群和精準(zhǔn)營(yíng)銷

現(xiàn)代保險(xiǎn)業(yè)以客戶為基礎(chǔ)，如何整合客戶信息，創(chuàng)建統(tǒng)一視圖成為了大數(shù)據(jù)在保險(xiǎn)業(yè)的重要應(yīng)用。以客戶為中心整合客戶自然信息、業(yè)務(wù)信息、互動(dòng)信息以及外部公共信息等?；诳蛻粢晥D建立客戶標(biāo)簽、進(jìn)行客戶分群是進(jìn)行精準(zhǔn)營(yíng)銷、個(gè)性化服務(wù)的重要基礎(chǔ)工作。采用大數(shù)據(jù)技術(shù)中的Nosql數(shù)據(jù)庫(kù)技術(shù)，以鍵值的方式儲(chǔ)存客戶數(shù)據(jù)。然后，以客戶為中心建立客戶與保單關(guān)聯(lián)視圖。一方面可以實(shí)現(xiàn)基于客戶或基于保單的整合查詢，為呼叫中心、營(yíng)銷員、柜面及風(fēng)險(xiǎn)部門提供便利；另一方面可以進(jìn)行客戶分群、客戶特征抽取等工作，為精準(zhǔn)營(yíng)銷、個(gè)性化服務(wù)打下基礎(chǔ)。

保險(xiǎn)企業(yè)面對(duì)日益嚴(yán)峻的經(jīng)濟(jì)因素、激烈的市場(chǎng)競(jìng)爭(zhēng)、嚴(yán)苛的客戶要求和日益發(fā)展的大數(shù)據(jù)技術(shù)四方面壓力，如何改善營(yíng)銷模型，達(dá)到精準(zhǔn)營(yíng)銷目的，提升公司營(yíng)銷水平，保證市場(chǎng)競(jìng)爭(zhēng)力成為企業(yè)重點(diǎn)發(fā)展領(lǐng)域。企業(yè)需要運(yùn)用大數(shù)據(jù)思維改變傳統(tǒng)的客戶管理觀點(diǎn)：從以產(chǎn)品為中心、銷售人員驅(qū)動(dòng)的模式轉(zhuǎn)為以客戶為中心的定位和差異化營(yíng)銷模式；從單一通過業(yè)務(wù)交易獲取客戶數(shù)據(jù)轉(zhuǎn)化為全面整合公司內(nèi)部客戶數(shù)據(jù)、積極獲取客戶外部數(shù)據(jù)的策略。之后是進(jìn)行客戶大數(shù)據(jù)存儲(chǔ)的建設(shè)。數(shù)據(jù)存儲(chǔ)平臺(tái)建設(shè)之后就是通過客戶分群模型實(shí)現(xiàn)對(duì)客戶數(shù)據(jù)的分群處理，達(dá)到客戶特征的精準(zhǔn)客刻畫和洞察。預(yù)測(cè)模型，對(duì)制定的銷售策略進(jìn)行交叉銷售和追加銷售的模型預(yù)測(cè)，并通過反饋實(shí)現(xiàn)數(shù)據(jù)的閉環(huán)流動(dòng)，實(shí)現(xiàn)了對(duì)客戶的洞察，找出了客戶的價(jià)值和行為，向客戶發(fā)起有針對(duì)性的營(yíng)銷活動(dòng)，并通過營(yíng)銷活動(dòng)結(jié)果不斷調(diào)整營(yíng)銷策略提升營(yíng)銷能力。

●個(gè)性費(fèi)率和最優(yōu)定價(jià)

費(fèi)率計(jì)算和產(chǎn)品定價(jià)可以說是保險(xiǎn)產(chǎn)品從開發(fā)設(shè)計(jì)到走向市場(chǎng)整個(gè)過程中最重要的一個(gè)環(huán)節(jié)，也是最直接利用數(shù)據(jù)的一個(gè)環(huán)節(jié)。從大數(shù)據(jù)的角度來看，因?yàn)楸ｋU(xiǎn)業(yè)務(wù)的個(gè)性化定價(jià)較為普遍，數(shù)據(jù)量越大、數(shù)據(jù)維度越廣對(duì)于定價(jià)的精確程度提升越有幫助。定價(jià)越準(zhǔn)確，保險(xiǎn)公司面臨的逆選擇風(fēng)險(xiǎn)就越低，費(fèi)率的充足性和公平性也就越理想正是在這個(gè)意義上，定價(jià)能力的高低，決定了保險(xiǎn)公司風(fēng)險(xiǎn)選擇能力的高低。

定價(jià)科學(xué)、費(fèi)率充足是產(chǎn)險(xiǎn)公司承保盈利的源頭，如何使得費(fèi)率最大程度地貼近保險(xiǎn)市場(chǎng)的真實(shí)情況、如何使產(chǎn)品定價(jià)能夠?yàn)楣編碜畲蠡氖找嬉恢币詠矶际潜ｋU(xiǎn)公司最為關(guān)注的核心問題，大數(shù)據(jù)的出現(xiàn)使得個(gè)性化費(fèi)率的制定和最優(yōu)產(chǎn)品定價(jià)有了可能。

●核保理賠優(yōu)化

對(duì)于保險(xiǎn)業(yè)，“核?！迸c“理賠”每天都在發(fā)生，保險(xiǎn)公司現(xiàn)金流主要通過“核保”與“理賠”兩個(gè)環(huán)節(jié)進(jìn)行運(yùn)作，核保理賠工作正是處在保險(xiǎn)企業(yè)“收”和“支”兩條大動(dòng)脈的重要關(guān)口上，把握著公司命脈。總的來說，核保理賠在保險(xiǎn)企業(yè)的風(fēng)險(xiǎn)控制能力、盈利能力的提高和企業(yè)信譽(yù)的建立等方面起著關(guān)鍵作用。

核保方面，目前大數(shù)據(jù)主要應(yīng)用是利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)自動(dòng)核保、自動(dòng)賠付、優(yōu)化核保理賠流程。在大數(shù)據(jù)支持下，數(shù)據(jù)分析建模可以實(shí)現(xiàn)自動(dòng)化核保和差異化核保，將前臺(tái)處理轉(zhuǎn)化為后臺(tái)處理。保險(xiǎn)公司通過各種核保因素進(jìn)行分析建模，將用戶填寫信息輸入電腦或移動(dòng)終端，在結(jié)合公司數(shù)據(jù)庫(kù)內(nèi)所關(guān)聯(lián)的客戶信息，即可以實(shí)現(xiàn)實(shí)時(shí)和自動(dòng)化核保。

理賠方面，在初步審核階段，報(bào)案手段的不同也決定了大數(shù)據(jù)應(yīng)用的方式有所不同。電話報(bào)案，保險(xiǎn)公司可以通過電話號(hào)碼的小區(qū)定位大致了解報(bào)案發(fā)生的地點(diǎn)。如果通過手機(jī)應(yīng)用報(bào)案，保險(xiǎn)公司可以通過技術(shù)手段獲取用戶的GPS定位信息，精確確定報(bào)案地點(diǎn)。在確認(rèn)事故原因方面，可以通過遠(yuǎn)程上傳現(xiàn)場(chǎng)圖片的方式，通過圖片分析挖掘手段進(jìn)行事故分析，確認(rèn)各方責(zé)任。在確定賠償金額方面，通過重要信息錄入，結(jié)合基本的賠償計(jì)算公式和客戶保單明細(xì)進(jìn)行自動(dòng)計(jì)算。最后對(duì)用戶進(jìn)行保險(xiǎn)賠償和給付，通過優(yōu)化內(nèi)部流程和合理的賠付手段，為客戶實(shí)現(xiàn)更為快捷、方便、適合的賠付，給客戶更好的賠付體驗(yàn)。

（3）證券業(yè)大數(shù)據(jù)應(yīng)用

證券市場(chǎng)一直是數(shù)據(jù)分析師的領(lǐng)地，專業(yè)數(shù)據(jù)分析師憑借良好的數(shù)學(xué)功底，多年的行業(yè)經(jīng)驗(yàn)?zāi)軌驅(qū)ξ⑿〔▌?dòng)進(jìn)行數(shù)字化解讀，找到最佳投資點(diǎn)，他們也是每個(gè)證券企業(yè)的寶貴財(cái)富。大數(shù)據(jù)技術(shù)中的數(shù)據(jù)分析手段，包括人工智能、深度學(xué)習(xí)、時(shí)序分析等算法的發(fā)展可以為數(shù)據(jù)分析師提供更為專業(yè)的數(shù)據(jù)支撐，深入數(shù)據(jù)內(nèi)部找出數(shù)據(jù)價(jià)值。

股市是證券行業(yè)的戰(zhàn)場(chǎng)，股市交易是一種高頻金融交易，其主要特點(diǎn)是實(shí)時(shí)性要求高和數(shù)據(jù)規(guī)模大。目前，滬深兩市每天4個(gè)小時(shí)的交易時(shí)間會(huì)產(chǎn)生3億條以上逐筆成交數(shù)據(jù)，隨著時(shí)間的積累數(shù)據(jù)規(guī)模非?？捎^。與一般日志數(shù)據(jù)不同的是這些數(shù)據(jù)在金融工程領(lǐng)域有較高的分析價(jià)值，金融投資研究機(jī)構(gòu)需要對(duì)歷史和實(shí)時(shí)數(shù)據(jù)進(jìn)行挖掘創(chuàng)新，以創(chuàng)造和改進(jìn)數(shù)量化交易模型，并將之應(yīng)用在基于計(jì)算機(jī)模型的實(shí)時(shí)證券交易過程中。

美國(guó)一家叫做Kensho的金融數(shù)據(jù)服務(wù)商可以說充分利用了大數(shù)據(jù)技術(shù)進(jìn)行證券市場(chǎng)分析，同時(shí)也對(duì)專業(yè)的金融企業(yè)帶來了不小的沖擊。該公司正在研發(fā)一種針對(duì)專業(yè)投資者的大規(guī)模數(shù)據(jù)處理分析平臺(tái)。該平臺(tái)將取代現(xiàn)有各大投資分析師的工作，可以快速、大量地進(jìn)行各種數(shù)據(jù)處理分析工作并能實(shí)時(shí)回答投資者所提出的復(fù)雜金融問題。Kensho對(duì)于金融分析行業(yè)的影響就好像谷歌給搜索業(yè)帶來的沖擊一樣。當(dāng)投資者想弄清楚三級(jí)颶風(fēng)、朝鮮試射導(dǎo)彈或者蘋果新iPad上市和股票價(jià)格之間的關(guān)系時(shí)，即使最好的分析師能找到所有的數(shù)據(jù)，也至少要花上數(shù)天的時(shí)間來找出其中的潛在聯(lián)系。而大數(shù)據(jù)分析軟件可以通過掃描藥物審批、經(jīng)濟(jì)報(bào)告、貨幣政策變更、政治事件以及這些事件對(duì)地球上幾乎所有金融資產(chǎn)的影響等9萬余份數(shù)據(jù)資料進(jìn)行分析，得到答案，而處理速度在優(yōu)質(zhì)模型的驅(qū)動(dòng)下甚至可以達(dá)到毫秒級(jí)別，可以得到上千萬種答案，并從中找出最優(yōu)結(jié)果。

4 結(jié)束語(yǔ)

總體說來，大數(shù)據(jù)金融呈現(xiàn)出網(wǎng)絡(luò)化、信息不對(duì)稱大大降低、高效率、多層次的行業(yè)格局、高度個(gè)性化金融和去媒介化等多種特點(diǎn)，這是傳統(tǒng)金融所不具有的。從應(yīng)用模式上看，以客戶為中心，通過海量多樣數(shù)據(jù)的分析，進(jìn)行個(gè)性化產(chǎn)品創(chuàng)新、精準(zhǔn)營(yíng)銷、針對(duì)性服務(wù)成為主要領(lǐng)域。同時(shí)，對(duì)于金融企業(yè)內(nèi)部管理、運(yùn)營(yíng)優(yōu)化帶來更豐富的支撐手段。

金融業(yè)大數(shù)據(jù)應(yīng)用前景一片光明，但也不能忽略發(fā)展背后帶來的問題。大數(shù)據(jù)平臺(tái)建設(shè)還需要繼續(xù)發(fā)展和完善、硬件遷移在成本和性能上還需綜合考量、大數(shù)據(jù)安全隱私問題的處理能力還很薄弱、各項(xiàng)法律法規(guī)的不健全也對(duì)金融大數(shù)據(jù)應(yīng)用造成標(biāo)準(zhǔn)不統(tǒng)一、市場(chǎng)混亂等問題。

1 McKinsey Report.5 DifferentWays of VALUE Creations. McKinsey.2013

2 NovaricaSurveyof55 InsurerCIOsandSenior ITExecs.2013

3 http://w ikibon.org/w iki/v/Big_Data_Vendor_Revemnue_and_Market_Forecast_2013-2017

4 傅志華.大數(shù)據(jù)在金融行業(yè)的應(yīng)用

5 唐方杰.大數(shù)據(jù)金融漸行漸近.銀行家.2014,3

6 蔚趙春,凌鴻.商業(yè)銀行大數(shù)據(jù)應(yīng)用的理論、實(shí)踐與影響.上海金融.2013,9

2015-01-29）

云計(jì)算標(biāo)準(zhǔn)與測(cè)試驗(yàn)證北京市重點(diǎn)實(shí)驗(yàn)室項(xiàng)目資助