陈亮
大连东软信息学院 辽宁大连 116000
摘要：随着信息技术的发展，大数据技术逐渐应用于各个行业中。金融行业通过应用大数据技术可以改善工作流程，提升工作效率，推动行业快速发展。于此同时，大数据应用过程中也面临很多问题，如基础设施不健全、数据共享度低、人才不足、安全存在隐患等，影响了大数据的价值体现。本论文从不同方面阐述大数据技术在金融行业的应用研究，希望为研究大数据技术在金融行业中应用的专家和学者提供意义。
关键词：大数据技术；金融行业；研究
在金融行业的发展中，很多的业务管理都需要应用到大数据技术，实现对各种数据的综合分析和深度挖掘，金融行业中客户关系管理、风险计量管理等业务都需要从庞大的数据中挖掘出有价值的信息。在大数据时代背景下，对于金融行业的发展主要是实现严格监管和精细化管理，提高业务管理的竞争力。大数据技术的应用能够为金融机构掌握一些重要的信息资源提供可能，从客户的金融交易记录中预测客户的消费心 理和消费方式，能够提供有针对性的服务，满足客户的各种需求。大数据技术的发展已经具有强大的数据处理功能，能够对企业的发展进行全面系统的预测和分析。
1大数据发展的特点
随着信息社会中数据和数据库的爆炸式增长，数据仓库无法发现这些数据中存在的深层次的关系和规则，更不能根据现有的数据预测未来的发展趋势，因此数据挖掘（Data mining）提出了挖掘隐含在数据中信息的理念，它是在查询，统计报表和多维分析之上更加深层次获取信息的有效方式，尤其是对带有预估性的分析，如未来哪些客户会流失，哪些贷款、行用卡客户会违约等此类带有预估性的信息。这类问题在已经整理的信息中是不存在的，因为是对未来可能发生事件的一种预估。可以说，数据挖掘是一种在 决策支持过程中分析各组织原有的数据，做出归纳的推理，从中挖掘出潜在的模式，为管理人员决策提供支持。
2大数据技术为金融行业带来的发展机遇
2.1大数据技术可以帮助企业拓展自身业务
当前，金融产品同质化问题严重，如何精准定位目标客群，有效获取价值客户，是各家金融机构竞争的焦点。通过大数据技术的应用，可以帮助商业银行提升数据分析能力，进而实现业务拓展，帮助银行设计出更多的产品。如金融行业通过和政府机关、电信运营商、BAT企业合作，设计迎合市场的金融产品，并定制目标客群模型，参考相关领域数据进行筛选，然后确定目标客群并进行产品推送。从支付结算方式来看，从传统的现金支付，到移动支付、生物识别支付，都为大数据的采集、积累提供的条件。
2.2大数据技术可以提升企业竞争力
金融企业要实现持续高质量发展，势必要通过加强科技应用，实现科技引领，提升竞争力。商业银行经过多年的运营，在内部积累了大量信息数据，但都局限在自身领域，缺少佐证。如果和其他领域联合，则可获取更多有价值的信息，进而为决策提供参考。如商业银行和海关系统进行对接，通过大数据技术筛选有价值的客户，精准获取货运单、发票等信息，进而为企业资金结算提供安全保障，减少企业在办理业务过程中的内耗。又比如通过对银行内部数据进行二次开发，可以发现业务结构是否合理、网点设置是否合理、是否需要设置预警指标等问题，帮助银行及时扭转不利局面，提升竞争力。
2.3大数据技术可以提升企业的服务能力
在传统的银行工作中，客户办理业务需要到网点排队，费时费力。有了大数据技术后，银行布设网点的地理位置更加科学，减轻了客户负担。大数据技术还可向银行提供客流、周边商圈、同业竞争等分析，为更好服务客户提供参考。业务办理方面，客户可以通过线上渠道进行预约，预约过程还可查看各时间段的排队人数、预约停车位数量等信息，避免“扎堆”。当客户进入网点后，网点可通过人脸识别等技术对其进行定位，并随即指派客户经理对接。此外，银行联合各政企单位，通过数据共享和大数据分析，向客户提供更多便捷服务。如银行和公积金中心系统对接，可以分析客户在公积金中心的缴存数据，并将其纳入风险评估模型，从而为客户提供更精准的消费贷款额度；公积金中心通过分析银行传递来的贷款还款流水数据，核实使用公积金还贷需求的真实性，为客户开通在线自助查询、提取公积金的服务。
3大数据在金融行业的主要应用
3.1营销的管理
借助大数据分析平台，通过对形式多样的用户数据（基本信息数据、财富信息数据、教育数据、消费数据、浏览数据、购买路径、客户的微博、客户的微信、客户的购买行为）进行挖掘、追踪、分析，以提升精 准营销水平。在客户画像的基础上，金融机构可以有效地开展精准营销，包括利用外部大数据进行网络获客；基于社交数据、网络行为数据等对客户进行进一步的细分、分类；根据网络行为数据等对客户进行事件营销、实时营销等；根据外部大数据分析展开交叉销售，提升业务量并加深客户关系；根据客户偏好、年龄、资产规模等进行个性化营销以及基于客户生命周期进行客户生命周期管理，即新客户获取、客户的维护，客户防流失和客户赢回等大数据应用。
3.2风险的管理
风险分析比较重要的包括信用风险、市场风险、操作风险和流动性风险，这些都是巴塞尔协议特别强调的几类风险。当然，IT风险和信誉风险也日益重要，需要特别关注。法律与合规风险和国家风险也必须提上议事日程，尤其是对于有国际业务的金融机构。对于这些风险的风险管理，大数据技术都是非常重要的手段和工具，风险数据集市和数据模型已经成为银行的标配，也是监管部门的要求。巴塞尔协议中对于每种风险的计算方法都有明确的规定，但是数据是基础和核心，大数据技术的应用是关键。信用风险对于数学模型的使用也是最早和最广泛的，包括但不限于初滤模型、审批模型、行为模型、催收模型、违约概率模型、破产概率模型、偿债能力模型、财务诚信度模型等等。所有这些都离不开大数据的计算和分析方法，其中算法的选择和变量的转换是提升模型准确度的关键，也是判断模型建设者创造力的关键。
参考文献：
[1]论大数据技术在商业银行中的应用场景及其展望[J]. 周平庭.??科技广场.?2019(04)
[2]大数据技术与金融业融合发展研究[J]. 王祥兵,林巍,喻彪.??贵州工程应用技术学院学报.?2019(05)
[3]大数据技术与金融行业的深度融合研究[J]. 陈永坚.??中国商论.?2020(04)
[4]大数据技术与金融行业的深度融合分析[J]. 吴晓春.??全国流通经济.?2019(36)
[5]浅谈大数据技术在商业银行金融统计中的运用[J]. 张澍洺.??商场现代化.?2020(01)
[6]大数据技术用于金融领域的研究[J]. 李建普.??智库时代.?2020(12)
[7]人工智能和大数据技术在银行数字化转型中的应用[J]. 毛发宗.??中国新通信.?2020(05)
[8]大数据技术及其在互联网金融风险监测领域的应用[J]. 张波.??金融科技时代.?2020(05)
[9]大数据技术在金融行业的应用——评《大数据在金融行业实用案例剖析系列之三》[J]. 陈子阳.??广东财经大学学报.?2019(06)
[10]大数据技术在互联网金融中的运用探究[J]. 杨楠.??时代金融.?2019(32)