【金融大数据】金融信息化二十年，金融数据在做什么？

21世纪以来，人类社会信息资源的开发范围持续扩大，经济、社会信息随着经济活动加剧得到空前的开发，信息资源总量呈爆炸式增长，我们从最初的“信息匮乏”一步踏入到“信息过量”时代。

个人如此，行业亦然：随着大数据应用的不断发展，金融机构的经营决策、营销服务越来越依赖于诸如新闻舆情、企业信用、热点概念等企业外部数据，而这些数据的应用场景也愈加需要与金融机构内部的数据打通，形成数据融合计算。

再加上人工智能的异军突起，大量非结构化数据正在被人工智能结构化掉，隐藏在文档中的信息价值正在不断的被“机器”发现并加以大规模的使用，大数据、人工智能让金融机构的数据治理工作又重新回到了“混乱”的起点。

一、金融大数据行业的发展

真正的金融信息化，应该是在1998年之后才真正开始的。为什么说1998年之后？因为当时我们在某银行做系统时就发现早些年的数据根本找不到。而到了2010年，金融机构的数据质量才慢慢好起来。

1.金融信息化二十年，金融数据在做什么？

数据大集中

数据大集中是一个过程，之前整个银行体系都在分行，包括证券公司也是如此。这些金融机构并没有集中的数据中心概念，所以他们先做了数据大集中。

数据仓库

数据仓库是在数据大集中的基础上，提升、改善了数据的质量。

报表

在上面两步的基础上，做了两个报表：一个是监管报表，另一个是内部管理报表。

决策支持

决策支持是基于报表而形成的系统。但是，最后形成的决策支持系统扮演的角色并不是全局性的。比如，针对风险部门的是风险数据仓库，针对业务部的是客户数据仓库，所以在金融信息化过程中，以上四个方面还是部分处于分离的状态。

2. 最近几年，金融数据在做什么？

数据效率和即席分析

最近几年，大家又开始认为数据收集过多。对国内的金融机构来讲更是这样。实际上从数据的角度来讲，用户量实在太大了。现在我有几个同事在用Hadoop给银行做解决方案，大家发现数据效率已经成了非常大的瓶颈，因为其中有些计算实在太复杂。

原来从数据库导到数据仓库里，可以延时来算这个数据，但现在发现这样不可行了。最典型的一个案例就是“反欺诈”。 P2P现在已经有团伙性作案诈骗，这就导致选择模型很难，然而又不能像银行放贷一样速度很慢。所以我觉得，提升数据效率和即席分析这两个结合起来，诞生了非常多的机会。

数据整合

无论做什么样的分析，数据质量是最重要的。如果数据质量差，很多事情都做不了。

公开数据现在越来越开放，比如说工商数据、征信数据。所以我觉得很多公开数据的运用，确实为数据分析提供了非常好的基础。

智能金融的尝试

为什么用尝试二字，因为我还是持一个比较保守的观点。就智能金融而言，现在的数据挖掘技术与人工智能技术还是不够的，但是我相信科技的不断发展肯定会解决这个问题。我一直坚信一个观点就是：以后绝对不会存在物理上云的概念。再过十年或者二十年所有的东西都是云，这就是趋势，是你没有办法改变的。我觉得智能金融或者大数据是一个趋势，是一个没有办法去改变、没有余地可讨论的趋势。

3. 银行、贷款机构的大数据应用热点