摘 要：移动互联网技术的迅速发展与移动终端的日益普及，让大数据逐渐应用到各个行业。其中，金融大数据分析行业市场规模快速增长，移动大数据发挥着不容忽视的作用。但现阶段，金融行业内移动大数据的价值尚未被充分挖掘，应用范围也相对较为局限。因此，本文重点探究金融行业内移动大数据的价值挖掘与创新应用。首先介绍了金融行业移动大数据的发展与应用现状，根据现状指出金融行业应用移动大数据的难点所在，包括迅速扩张的市场规模、分支机构间数据割裂、数据安全与隐私问题等。对于金融行业移动大数据价值的挖掘，可以数据思维构建移动大数据应用系统，重视移动大数据技术框架与领域建模，增强移动大数据治理体系化建设。金融行业移动大数据的创新应用，包括助力金融行业精确市场定位、支撑金融行业加强收益管理，促进金融行业开发创新型需求等。通过对金融移动大数据进行进一步的价值挖掘与创新应用，有助于对整个金融行业的业务调整与产业结构优化起到积极的推动作用。

关键词：金融;移动大数据;价值挖掘;创新应用

一、引言

随着移动互联网技术的不断提升，移动终端在人们的日常生活中广泛普及，由此产生了迅速增长的数据量，超出了传统数据处理的负荷，急需提升数据处理效率。同时，移动大数据涉及到大规模的有关个体运动、交互和移动服务消息的信息，具有非常重要的价值，逐渐被应用到社会生活的各个领域中。在金融行业，移动大数据也越来越受到人们的重视，互联网金融的发展对传统金融业产生了巨大的影响。大数据和云计算技术的融合，让移动大数据的信息采集更具实时性，信息处理更加高效，有利于充分挖掘移动大数据在金融行业的应用价值，不断开拓新的创新应用模式。然而，目前金融行业对于移动大数据的应用还局限于某些特定的方面，如用户分析、信用评级、定向推送等，其服务范围也较为有限。本文从金融行业移动大数据的应用现状入手，分析应用移动大数据的难点，并重点探讨金融行业移动大数据的价值挖掘和创新应用。

二、金融行业移动大数据的发展与应用现状

近几年来，金融大数据分析行业市场规模快速增长，从2016年的404亿元总收入额，到2019年的1093亿元总收入额，呈现持续增长。2020年由于受到新冠疫情影响，金融大数据分析服务的整体需求下降，金融机构的业务发展步伐放缓。但根据中商研究院的预测，2021年金融大数据分析服务市场的总收入额为1255亿元，如图1所示。

目前，大数据应用正在各个领域得到实践，应用技术和方法也日趋成熟。从2020年中国各行业大数据应用占比来看，政府应用占比最高，其次就是金融大数据，占据25%的份额。紧随其后的是工业大数据，占比约6.64%，此外，电力、交通、电信等其他领域也正不断优化对大数据的应用，图2所示。

移动大数据逐渐融入金融行业，是以移动互联网的发展和传感器的应用为基础的，初期主要用于解决信息不对称的问题，应用范围包括数据的收集、存储、分析、利用等。由于早期技术的限制，对数据处理的效率问题更加关注，而对非结构化数据的处理并未引起足够的重视。在这个阶段，主要解决的问题是庞大的数据规模、快速的数据流转、动态的数据体系以及多样的数据类型。但大数据，尤其是移动大数据还未充分发挥其价值，也导致人们对数据价值本身有所质疑。

随着技术的进步和产品的迭代，移动大数据和金融行业联系更加紧密。一方面，互联网的发展让传统金融业务模式不断发生着变化，从银行柜台、ATM机，到网上银行、手机银行，加上受到便捷的线上支付模式的影响，银行机构也适时在移动互联网终端推出App。移动互联网为人们带来了诸多便利，也让金融业务的发展对信息和互联网产生高度依赖。通过移动大数据，可以对用户资料加以分析利用，提升经济效益，降低金融行业的成本和风险。

为了更好地适应信息化时代的市场格局，金融行业需要适时更新数据库信息，特别是用户的交易数据、信用数据、用户自身的App行为数据、交易行为数据等，在充分发挥用户数据价值的基础上，借助大数据金融平台，进行数据建模，更好地实现精准投融资，降低风险和坏账率。同时，金融机构除了对自身App中的用户数据进行整合与分析，也要注重与外部数据的合作，对其他移动互联网企业终端的用户数据引起足够的重视，打破不同终端数据之间的壁垒，充分发挥关联数据的价值。

三、金融行业应用移动大数据的难点

金融行业是数据生产和消费的大户，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。典型的金融数据包括用户及其客户信息、产品信息、业务交易信息以及金融机构自身经营信息等，以结构化数据为主，也有文本图、音频、视频等半结构化和非结构化数据。金融行业对移动大数据的应用，一方面需要在移动大数据技术层面有高度的专业性，另一方面也需要根据金融行业本身有充分的了解。尤其是对于非结构性数据，对数据的处理有较高的要求，数据建模需要对金融相关业务和内部运作逻辑有深刻的认识，才能构建完善的金融移动大数据处理系统。

金融行业应用移动大数据的难点主要表现在以下几个方面：

首先，移动互联网技术和移动终端的不断发展使得金融数据呈几何级增长，金融大数据市场规模不断扩张。以银行为例，每创收100万元，银行业平均产生130GB的数据，数据强度在各行业中排在前列。庞大的数据量对数据处理能力提出了更高的要求，要高效地进行金融移动大数据的分析与处理就需要更加可靠的系统与方案。

其次，虽然金融行业数据量庞大，但由于各金融机构内部，不同职能部门、业务条线、分支机构所拥有的数据之间整合困难，处于割裂状态。就外部而言，不同金融機构间，或是金融机构与其他企业之间，也存在信息整合困难的问题，缺乏顺畅的数据共享机制，导致海量数据处于分散状态，数据的利用效率偏低。

最后，数据的安全与隐私问题，也是金融行业应用移动大数据的关键问题之一。与其他信息一样，金融移动大数据的应用同样需要注重安全问题，在存储、处理、传输数据的过程中，需要采取技术手段进行防护，避免数据管理和数据运营风险，也需要相关法律法规的进一步完善和金融机构自身的自律。

四、金融行业移动大数据的价值挖掘

在金融行业，移动大数据的价值挖掘与大数据的研究和应用有密切的关系。一般而言，金融机构内部设置的大数据研究部门，仅针对自身App上的用户数据进行分析与研究，数据来源往往具有一定的局限性。若金融机构要将移动大数据应用于投资，对数据的实时性往往有较高的要求，且需要通过不同的数据进行相互印证，单一来源的数据往往不足以进行有效的风险控制。互联网大数据公司也是金融领域应用移动大数据的重要合作对象，但是互联网大数据公司更注重解决移动大数据应用技术层面的问题。在这样的背景下，专注于金融行业移动大数据公司的企业逐渐涌现，将金融理念与移动大数据技术进行有机结合，深耕细分领域，更好地提供专业化的金融移动大数据服务。金融行业要对移动大数据价值进行进一步挖掘，可以从以下几个方面入手：

1.以数据思维构建移动大数据应用系统

现阶段金融行业的移动大数据，虽然在风控、征信、定向营销等领域得到初步的应用，但在其他金融领域的应用还在探索之中。事实上，金融移动大数据往往要通过分析与研究，转变为金融机构或相关企业的业务方式，方能产生更加直观的价值，这就容易导致金融机构在数据应用系统的建设过程中缺乏足够的数据思维。因此，为了提升数据价值挖掘的效率使金融移动大数据得到更广泛的应用，可以在建设应用系统之初，就融入数据思维，在充分了解移动大数据分析的价值、战略和流程的基础上，对数据应用系统进行建设。同时，移动大数据的应用领域会随着金融业务的创新发展而不断拓展，同样需要以数据思维为系统日后的升级做好预留，提升应用拓展的适应性。

2.重视移动大数据技术框架与领域建模

金融移动大数据技术框架通常包括處理系统、平台基础以及计算模型。首先，在处理系统方面，面对庞大的数据量需要稳定可靠，从而支持实时处理和离线处理等多种应用，为系统提供多源异构数据的统一存储和处理等功能，为应对非结构性数据的处理任务而服务。其次，在平台基础方面，需要注重处理好硬件资源的抽象和调度管理等问题，从而使硬件资源的利用效率得到提升，使设备性能得到充分的发挥。再次，在计算模型方面，需要重点解决好模型三要素、扩展性与容错性、性能优化等问题。模型的三要素包括机器参数、执行行为和成本函数，对构建移动大数据技术框架而言是不小的挑战。最后，由于金融移动大数据在投资应用中的效果不容易进行衡量，领域建模并未得到充分的重视。要充分挖掘数据价值，可以在搭建完整的移动大数据技术框架的基础上，重视领域建模，使数据的应用效果可衡量，加强对数据价值的认知与进一步挖掘。

3.增强移动大数据治理体系化建设

金融机构目前的数据治理方法和体系缺乏系统性，在数据的分类、整理、加工处理上往往不够高效，可以增强数据治理的体系化建设。一方面，在金融机构组织内部，可以加强对数据资源的整合，提升内部可用信息的使用率。有的金融机构数据在组织内不同部门之间是处于割裂状态的，可以建立顺畅的共享机制，从而促进数据的有效整合与应用。另一方面，金融行业内移动大数据的潜在价值难以被充分挖掘，数据内容本身越来越趋于复杂是重要的原因。随着移动终端的智能化和全面普及，金融机构的非结构化数据也更加多元化，其占比更是不断上升，数据构造方法的重复率很高，而且数据之间的关系也更加复杂，加大了金融移动大数据的应用难度。增强数据治理的体系化建设，有助于消除金融移动大数据应用的制约因素，对数据价值的充分挖掘起到积极推动的作用。

五、金融行业移动大数据的创新应用

1.助力金融行业精确市场定位

精准的市场定位对任何企业与品牌的发展都有重要的意义，金融行业也不例外。成功的市场定位，有助于加速企业与品牌的发展，而基于移动大数据的市场数据分析与调研，在市场定位过程中是尤为重要的环节。金融行业中的企业与品牌，要找准自己的市场定位，在激烈的市场竞争中突出重围，需要架构移动大数据战略，将传统金融行业调研数据的广度和深度进行拓宽。通过相对复杂但信息量丰富的移动大数据，可以更好地把握金融行业的市场构成，深入细分市场分析其特征，对消费者需求、竞争者状况等众多因素进行全面的了解。基于科学系统的信息数据收集、管理、分析，可以提出针对性的解决对策与建议，使得企业品牌的市场定位符合客观市场规律与自身发展需求，而精准的市场定位将助其在金融行业市场上获得更加广泛的认可，取得竞争优势。

对于想要进入或开拓某一金融行业市场的金融机构而言，首先要对目标市场进行充分的调研，评估项目的可行性，才能对是否进入或开拓这块市场进行最终决策。而调研的过程往往就会涉及到各种各样的信息，如该区域的人口、平均消费水平、客户消费习惯、当前的市场供需情况等，海量信息共同构成了金融行业市场调研的移动大数据，对这些移动大数据进行分析与研究的过程，也是精确市场定位的过程。

2.支撑金融行业加强收益管理

收益管理是研究如何实现收益最大化的一门理论学科，近年来在金融行业受到广泛的关注，并初步应用到实践中。收益管理的主要目的，在于把合适的产品或服务，在合适的时间，以合适的价格，通过合适的销售渠道，出售给合适的顾客，从而最终实现企业收益的最大化。根据收益管理的理论，需求预测、细分市场和敏感度分析是其中最为重要的三个环节，而任何一个环节都离不开移动大数据的支持。

需求预测重在以科学预测方法为基础，构建大数据统计与分析模型，移动大数据是其中不容忽视的重要部分，有助于管理者把握金融行业中潜在的市场需求，提升对市场判断的前瞻性，对市场波动进行及时反馈，从而获得潜在的收益。细分市场对金融行业而言，能够为企业针对市场需求来制定和更新价格提供依据，对不同的细分市场进行销售量预测，实行差别定价策略，使各个细分市场的收益都能达到最大化。敏感度分析通过需求价格弹性分析技术，优化不同细分市场内的产品价格，最大程度地挖掘市场潜在的收益。这三个环节对移动大数据需求量很大，而传统的数据分析模式往往是根据企业内部的历史数据来进行分析和预测，但对整个行业数据缺乏更加宏观的把握，所以也使预测结果难免会存在一定偏差。如果能够收集更多的金融行业大数据，如借助第三方数据公司进行数据分析，就有利于对金融行业市场的信息有更清晰的把握，从而制定有针对性的收益管理策略。

3.促进金融行业开发创新性需求

金融行业的发展与消费者的需求有着密切的联系，如何开发新的需求是金融行业从业者关注的热点话题。在移动互联时代，消费者已经不仅是信息的接收方，同时也成为信息的制造者与传播者。在微博、微信、头条等各类新媒体的迅速发展与推动下，公众的信息分享模式已经变得愈加便捷和自由。而这种信息分享的行为会形成海量的交互性大数据，其中就蕴藏着巨大的金融行业需求开发价值，值得重点关注。

以网络评论为例，如今在各类社交媒体平台上，用户都会进行相互交流，留下自己对产品、事件、服务的评论。而这些评论就会透露出消费者真实的需求，比如对产品的外观、功能、质量、款式等方面进行点评，这些都会构成产品需求的移动大数据。对金融行业而言，如果都能够对这些数据进行收集，建立数据处理与分析系统，根据不同数据属性对消费者的消费行为、消费偏好等方面进行充分的把握，就可以更好地对现有产品进行有针对性的改进，并根据需求创新产品，从而获得更大的收益。目前，提供第三方数据服务的公司，已经能够为金融行业的企业带来可靠的移动大数据，善于充分整合与利用资源，对移动大数据进行收集、挖掘、统计和分析，使之能够真正应用到实践中去，从而提高企业在金融市场的竞争力，带来更好的收益。

六、结语

移动大数据对金融行业的重要作用是毋庸置疑的，在目前的初步应用阶段已经呈现出明显的效果，为金融行业带来了一定程度的变化。然而，移动大数据目前的价值还有待进一步挖掘，应用范围较为有限，通过提升数据思维，构建更完善的数据分析与应用系统，搭建移动大数据技术框架，实现领域建模，增强数据体系化建设等方式，有利于对移动大数据的价值进行更深层的挖掘。在移动大数据的应用方面，金融行业中在精确市场定位、加强收益管理、开发创新需求等方面，都可以对移动大数据加以创新应用，从而使移动大数据在金融行业更好地发揮其价值，促进行业整体健康发展。

参考文献：

[1]韩维蜜.从“T11峰会”看金融业大数据营销[J].新金融世界，2015（010）：41-41.

[2]余楷，唐路平.大数据技术助力金融服务业[J].信息记录材料， 2018，019（001）：65-67.

[3]于司吉.互联网金融的大数据分析处理研究[J].时代金融， 2020（05）：7-9+17.

[4]谢玮.GMIC全球金融创新峰会：当大数据，人工智能，区块链技术遇到金融[J].中国经济周刊，2016（18）：50-51.

[5]王莹，TP.互联网金融产品转向移动应用和大数据[J].今商圈，2015（002）：21-21.

[6]史晓波.大数据与移动互联如何推动金融创新[J].中国科技财富，2014（006）：30-31.

作者简介：刘艳（1982.08- ），汉族，安徽人，硕士研究生，研究方向：移动大数据在金融领域的应用