蒋张子彦

【摘要】在金融产业发展过程中，风险计量与管理、精准营销、安全与反欺诈、客户关系管理等各个模块都离不开大数据的分析及挖掘。在大数据时代，更加严格有效的管理及精细化管理机构的设置，为整体金融行业转型提供了机遇。本文根据大数据技术在金融行业的应用，结合金融大数据应用环节核心技术，对金融行业大数据技术在未来发展中应用趋势进行了展望。

【关键词】大数据技术 金融行业 数据挖掘

中图分类号：F83 文献标志码：A

大数据技术在金融行业得到应用，促使金融机构对用户信息进行全方位掌控，而且通过对用户信用记录、消费历史信息的分析，可以确定用户资金流转倾向，从而为一对一金融服务模式的创建提供依据。而如何利用大数据技术对金融行业与日俱增的信息进行储存整理，并对其进行进一步挖掘应用，也成为现阶段金融行业面临的主要课题。

一、大数据技术在金融行业应用优势

大数据通过跟踪新闻、微博、Twitter等典型非结构化、半结构化数据，可对政治经济等因素与市场之间的联系进行分析，同时通过非结构化或半结构化数据处理，可以生成结构化数据，为后期金融行业自动交易决策提供支持。

二、大数据技术在金融行业的应用

（一）金融行业大数据挖掘技术

金融行业常用的大数据挖掘技术主要有决策树算法、Logistic回归分析、人工神经网络、SVM、MCLP、聚类算法、关联规则等。其中MCLP是基于最优化数据挖掘的方法，其可以在金融行业个体信用评分、金融衍生品结算风险管理、客户流失管理等方面发挥良好的效用。

（二）大数据技术在金融行业内部审计中的应用

大数据技术在金融行业内部审计中的应用主要包括数据采集、数据分析、数据挖掘三个模块。其中数据采集主要针对金融行业数据信息化程度高、业务关联性强等特点，以审计为人手点，利用以往审计数据，确定金融业务开展目标。在这个基础上，利用计算机辅助审计软件，对非结构化数据及半结构化数据进行综合分析，并纳入整体审计系统内；数据分析主要是针对频繁交易、相似交易、大额交易数据，以实质性程序构建的方式，进行相关问题复核，并在大数据平台上进行关联查询分析，以便确定金融数据总体发展趋势及异常变动情况；数据挖掘主要是在数据分析的前提下，从金融企业数据信息库中提取所需信息，如年度财务报表、关键客户交易记录等。然后利用演化分析技术对以往数据与现阶段经济发展目标进行比对，确定相关金融企业风险最大限度。或者利用聚类分析的方法，将金融企业整体数据库中具有一致特征的交易数据进行项目划分，对其综合信用借贷能力进行分析。最后，利用整体数据分析情况，可进行金融企业知识库的建立，针对已获得数据分析规律及模型，利用计算机技术进行储存分析，在全面解决以往金融审计方法无法解决的难题的同时，也可以为财务指数虚假鉴别、辨别重复记账应收利息等工作提供有效的指导。

（三）大数据技术在金融行业市场营销中的应用

在金融行业内部竞争不断加剧的背景下，客户需求也在不断地变化，金融机构能否制定出与客户需求相符的管理策略，也是其市场竞争优势的主要体现。如在沃尔玛等商业机构市场营销过程中，通过大数据对客户信息的挖掘，开展了精准营销，有效地提高了市场营销效益。依据沃尔玛在市场营销中大数据技术的应用经验，金融行业内部企业也可以根据自身管理情况，利用大数据技术采集客户在刷卡消费、信用借贷、社交通信方面的信息，从而得出相关客户购买力及行为趋势，确定客户消费需求。同时结合不同区域ATM交易、移动设备定位，可得到客户消费频率较高的位置，以便为相关优惠活动信息的推送提供依据。大数据技术在金融行业营销中的应用，为金融机构市场运营效益的提升提供了良好的帮助。

（四）大数据技术在金融行业客户管理中的应用

在经济社会发展过程中，金融机构业务模式不断增加，随之导致其客户基数不断扩大。这种情况下，金融机构如何有效处理内部繁琐的客户信息，就成为金融机构现阶段面临的主要课题。利用大数据技术，金融机构可对客户各种信息进行有效梳理，最大限度满足客户需要。如在常规管理过程中，金融机构可依据客户与自身互动关系，从网上银行、柜台、移动手机支付端等渠道，进行客户消费信息收集。并将文本、图片、录音等数据信息进行汇总，构建一个全景视图，依此确定客户潜在行為趋势及预测流失客户挽留措施，避免客户大规模流失对金融机构日常运营的不利影响。如工商银行利用大数据技术，通过对现有客户活期存款、中间业务、贷记卡业务、定期存款、国际贷记卡业务等信息描述，结合客户使用业务产品特性、客户年龄性别等客户基本资料信息分析，为现有客户流失情况进行分析管理提供了依据。

三、大数据技术在金融行业的应用展望

在社会发展过程中，即云计算、物联网之后，大数据也成为金融行业发展过程中应用频率较高的信息技术之一。大数据技术的发展，促使金融行业内部数据种类不多增加，数据信息收集渠道也朝着多元化发展。在信息技术飞速发展的今天，大数据增量资源主要以社交网络、可穿戴设备为载体，而随着微信、QQ、微博等社会软件应用群体的增多，也为金融行业数据资源库的扩展提供了依据。

首先，在银行业，大数据时代的到来，对银行数据驾驭能力提出了更高的要求。在传统结构化数据的基础上，物联网、互联网内部非结构化数据的指数式增长，也从根本上改变了银行机构收集数据的原则及措施。而在数据处理过程中，客户录音数据等无法采用传统方面描述、计量的非结构化数据，也对银行大数据挖掘利用能力提出了更高的要求。

其次，在金融证券行业，我国内部大多数证券机构主要将发展重点放在了行业动态、交易数据、基本面数据等结构性数据上。随着大数据技术应用范围的拓展，社交网络隐藏的数据源价值也逐步得到了关注。利用大数据文本挖掘技术，在非结构化数据分析的基础上，结合现有数据，可为上市公司走势的准确判定提供依据。而在客户信息分析方面，金融证券产品与客户生命周期的融合，也为其更大规模金融数据的获得提供了依据。这种情况下，投资者购买证券产品时，就可以在客观个性特征的基础上，利用主管风险容忍度、风险承担意愿信息，获得个性化定制产品，可提高金融证券行业业绩。

最后，保险是金融行业重要的模块，其在以往发展过程中，主要以样本精算为原则。而通过大数据全量数据的挖掘，可促使金融保险机构对风险本质变动进行合理掌控，从根本上改变金融保险行业资本运作模式。如在车险业务扩展过程中，现阶段主要以客户基本信息定价分析为主，如年龄、职业、性别等。而这一方式并不能对客户大数据定律进行有效评估。这种情况下，就可以利用大数据技术，综合分析客户网络信息及其他信息，结合政府公开数据，实现个性化风险定价调控。

四、结语

综上所述，大数据技术在金融行业内部审计、客户管理、市场营销中发挥着重要的作用。在互联网信息技术高速的背景下，大数据高效、准确、全面信息收集、分析、挖掘的优良特点，也为金融行业明确客户行为趋势、确定市场营销目标提供了有效的帮助。因此，金融行业应根据本行业发展需要，加大大数据技术的应用。在历史数据分析的基础上，利用大数据技术对内部信息进行进一步挖掘，以便为自身运营效益的提升提供依据。