大数据金融监管

大数据金融监管（共12篇）

大数据金融监管 篇1

金融监管是指监管机构针对金融体系 (包括金融市场及金融机构) 的监督、控制行为, 以此来确保金融机构的安全和控制系统性风险。自20世纪80年代以来, 金融的全球化、自由化及其创新浪潮, 使得建立于30年代的金融监管体系和安全网越来越不能适应金融业发展的需要, 暴露出许多致命的弱点, 造成了严重的监管失灵 (Schw artz, 1998;K aufm an, 1996) 。理论界的研究重心开始转向银行资本监管的有效性及其改进等方面, 并且普遍认识到了加强市场纪律对提高监管效率的重要作用, 对如何运用市场约束改造传统监管体系进行了广泛而深入的研究。尽管国内有关金融监管模式选择的研究文章篇数很多, 成果丰硕, 但能将金融监管模式选择和金融社会最终目标综合起来, 并系统性研究金融监管效率的文章并不多。

本文将金融监管的目标和各国金融监管模式选择的优越性相结合, 对金融监管的效率进行准确地评价。这里的监管效果评价既包括单个监管目标的效果评价, 也包括所有目标综合在一起的总体监管效率的评价。文章对相关指标进行量化, 以定量的方式分析各国在不同背景下所选择金融监管的效率。

一、金融监管效率模型介绍

1973年美国运筹学家萨蒂 (T.L.Saayt) 提出了著名的层次分析法 (简称A H P) , 这是一种简明、实用的定性与定量分析相结合的方法。

该方法的特点是:第一, 分析思路清楚, 可将系统分析人员的思维过程系统化、数学化和模型化;第二, 分析时所需要的定量数据不多, 但要求对问题所包含的因素及其相关关系具体而明确;第三, 这种方法适用于多准则、多目标的复杂问题的决策分析, 广泛用于地区经济发展方案比较、科学技术成果评比、资源规划和分析以及企业人员素质测评等方面。

正是基于这样的特点, 层次分析法对于分析系统性和整体性较强、目标较多、难以直接量化和测定的各国金融监管效率是十分适用的。

二、实证分析

本文采集2003—2009年的相关数据, 对美、英、日、德、瑞士、新加坡、法、韩、印、巴的金融监管效率用层次分析综合法进行对比分析。

1、层次分析体系建立

考虑到金融监管的目的是维持金融稳定, 而金融稳定的目的是经济和社会的发展, 因此准则层设置为对外部经济作用指标和金融本行业监管效用指标。隶属对外经济作用指标下的子准则层设置为4个——金融市场稳定程度、通货膨胀率、经济发展速度、就业率;隶属金融本行业监管效用指标下的子准则层设置了10个——信息的共享程度、风险传递的控制程度、监管标准的一致性、监管的外部性、重复监管程度、监管真空程度、监管成本、监管竞争效率、监管机构官僚程度、单业监管的效力。

2、各评价指标权重确定

指标对比阵设置原则:在准则层对目标层及子准则层设置对比矩阵中, 由于涉及的非量化指标较多, 因此根据各指标的不同性质设置对比矩阵, 而这些指标又有些某些同质性和相关性, 所以这种设置的对比阵不会有较大的数值, 最大的影响只是“稍强”。

(1) 准则层对目标层。这里需要考虑的金融监管的效率不仅表现为为金融行业本身服务, 更是为整个经济社会服务, 但整个经济社会的建设又不仅仅靠金融监管而已, 因此设置对内指标和对外指标相同的等级。

(2) 子准则层对准则层。在C1→B1中, 由于金融监管最直接的作用是金融市场, 而金融市场的好坏往往对通货膨胀率又有较大的相关性。经济发展速度除了靠金融发展速度外还依靠实体经济, 就业率指标就更是偏向实体经济了, 因此对比矩阵为:

C2→B2, 把这十个衡量监管效力的指标分为A, B, C三类 (见表1) 。

这里把A类权重设置为2, 是因为A类指标一旦发生, 可能引发金融危机, 对整个金融系统都具有重要作用, 宁可多监管, 也不愿产生监管真空;相对地B与C都是对金融监管本身作用较大, 因此都设置比例为1。其对比矩阵如下:

(3) 方案层对子准则层。在D→C11中, 金融市场稳定程度C11用股市波动来代表, 数据取自11国2003—2009年份的股票指数。

用聚类分析法将各国波动幅度分为5类, 然后可知英国股市最稳定, 中、印、巴股市最不稳定, 指标对比时设置每一类比其后一类高1等级。

同样在D→C12, C13, C14对比矩阵中, 先对通货膨胀率、G D P增长率和失业率做聚类分析, 再根据聚类图, 设置各国对比矩阵。其中, 由于印度的失业率数据无法查阅, 印度失业率没有纳入对比矩阵, 得出的对比矩阵是残缺的。不过此残缺矩阵又是可约矩阵, 因此, 在最后计算权重时, 对印度失业率赋的权重为0.01。理由有两个:第一, 对本组数据而言不会有太大影响 (不到1%) ;第二, 印度本身失业率很高, 所以赋予权重小是合理的。

(注:资料来源:郭田勇:《金融监管学》。)

D→C21, C22, …, C210对比矩阵是根据各国金融经营模式和金融监管体制不同, 对应的指标等级也不同来设置的。本文各个指标对比矩阵先设定美国为1。各指标下各国指标分值不同, 每隔开25分为一个等级。比如信息共享指标, 美国是“伞式”功能监管和混业经营, 分值为100;假如中国分值为25, 那么美国对中国的对比矩阵元素为4;假如中国分值为50, 那么美国对中国的对比矩阵元素为3;假如中国分值为75, 那么美国对中国的对比矩阵元素为2;假如中国分值为100, 那么美国对中国的对比矩阵元素为1, 即同等重要。各国不同经营方式、监管模式指标比较见表2。

3、计算结果分析

由表3可知, 11国中, 作为分业经营和分业监管的中国金融监管效率最高, 但是同样是分业经营和分业监管的巴西监管效率却是最低的, 印度居中;在混业经营和混业监管的国家中, 新加坡和瑞士监管效率较高, 德国监管效率较低。这说明国家在选取监管方式时一定要和本国的背景相符, 要将本国的金融发展程度、监管控制力度等问题纳入考虑。

三、结论

从效率比较表可以看出, 混业经营的国家实行集中监管并不一定能取得好的监管效率, 如法国、德国金融监管效率就偏低;在分业经营体制下, 实行分业监管的监管效率不一定就低, 这说明每个国家的金融监管选择要与该国政治经济体制相符, 才能发挥较大的作用。中国在选取数据的11国中金融监管效率相对最高, 这说明在目前的政治经济体制下, 统一监管还不需要代替分业监管, 但是需要在局部上加强监管。随着统一经营趋势的到来和金融工具的逐步创新, 我国目前的监管方式会逐步面临监管模式的挑战。

参考文献

[1]Schumpter, J.A..The Theory of Economic Regulation.The Bell Journal of Economic and Management Science, 1971 (2) .

[2]Kaufman Georage C.Bank Failures, Risk and Bank Reg-ulation.CATO Journal, 1996 (16) .

[3]秦宛顺、靳云汇、刘明志:金融监管的成本收益分析[J].金融研究, 1999 (1) .

[4]张育军:中国证券市场监管能力和监管效率分析[J].证券市场导报, 2003 (7) .

[5]蒋海:论弹性监管与金融效率[J].财经研究, 2001 (9) .

[6]马志伟:对多渠道金融监管及其效率的探析[J].银行与企业, 1999 (8) .

[7]托马斯.L.萨迪:领导者:面临挑战与选择——层次分析法在决策中的应用[M].中国经济出版社, 1992.

[8]郭田勇:金融监管学[M].中国金融出版社, 2009.

[9]姜启源、谢金星:数学模型[M].高等教育出版社, 2003.

[10]薛毅、陈立萍:统计建模与R软件[M].清华大学出版社, 2007.

大数据金融监管 篇2

骗保多发 花样不少

当前，医保欺诈的形势相当严峻。药店卖生活用品、倒卖医保药品赚取差价已是“小儿科”手段，医保欺诈的数额越来越大，手段也不断花样翻新。“骗保不再仅仅是个人行为，不少医药机构也加入了骗保套现的行列。”浙江省医保中心主任卞正法说。

舟山市一家眼科医院打着“光明行·免费义诊”的旗号，吸引大批病人就诊。浙江省医保部门组织的专项检查发现：从2013年1月至2014年3月6 日，该院白内障手术病人300人次，发生医疗费用164.76万元，涉及医保基金98万余元。而这家医院实际上是通过虚开化验单、伪造住院病历等手段将门 诊进行的白内障手术，以住院形式刷卡结算，大量套取医保基金。

近年来，此类涉及范围较广、金额较大的骗保行为，不断浮出水面。浙江省2014年组织了为期6个月的医保反欺诈“亮剑”专项行动，包括核查大额报销 票据、检查定点医疗机构、巡查定点零售药店、排查门诊医疗费较高人员等6项主要内容。截至2014年12月中旬，仅杭州市就有近200家医药机构因为冒名 就诊、挂床住院或利用社会保障卡非法牟利等行为受到处罚。

卞正法告诉记者，有的犯罪团伙以医疗机构为活动场所，以参保病人为目标人群，提供制售虚假发票骗保的“一条龙服务”。义乌市的王某从朋友那里学到这 个“发财路子”后，先后多次利用虚假的首都医科大学附属北京天坛医院、中国人民解放军总医院等医疗机构的发票，骗取医保基金55万余元。据相关部门统计，浙江全省医疗保险参保人员有5000多万，定点医疗服务机构6000多家(不含药店)，年就诊人次高达4亿，医保基金年支出600多亿。“面对海量的数据、信息，如果仍像过去那样依靠人工手段审核，发现问题无疑像大海捞针。”有专家表示。大数据全程监控

为遏制骗保案件频发及过度医疗问题，浙江省在加大打击力度的同时，通过信息化手段，建立起“智能化”的长效管理机制。

——5000万参保人信息整合，走遍全省一张卡。以往新农合医保报销都是先自费，再通过发票手工操作报销，信息上的滞后统计使不法分子能够在不同医院，以医保的价格囤积大量同类药品，再以市场价售出，在套取现金的同时赚取差价。2014年9月，浙江省实现居民医保与新农合的合并统筹管理，全省5000多万居民只要有一张社会保障卡，就能在省内定点医疗机构看病就医，并且能 够实时结算。“参保人信息的整合是实现智慧管理的第一步，统一报销标准、提高信息化程度是大数据监管的基础。”浙江省人力资源和社会保障厅医保处处长王平洋表示。

——医保医师“一人一码”，规范准入和退出机制。“病人的大部分医保基金，都是通过医生的处方用出去的，只有管理好了医保医师，才能真正管好老百姓 的救命钱。”王平洋介绍说，违规开大处方、超量配药、跨科室跨病种配药等违反医保管理规定的行为都会被“记录在案”，扣完了分数的医生必须重新参加医保政 策培训，通过考试后才能恢复行医资格。

同时，建立医师准入和退出机制。医保经办机构可以中止或解除医保医师服务协议，情节严重的可注销其服务编码，省内五年内不与其签订医保医师服务协 议。“由于现在大部分正规医疗机构都是医保定点医院，这样相当于该医生在省内不会有正规单位聘用了。” 浙江省人力资源和社会保障厅宣传教育中心副主任诸葛晓荣说。

——智能审核，医生身后有“电子眼”。病人在医院看个感冒，常常会要求医生“您顺便帮我开两盒降血压的药吧”，以往医生都会顺手帮病人这个“小 忙”，但是有了医保监管平台后，再这么做电脑就立刻会跳出警示语——违规操作。浙江省组织专家制定了首批60个门诊常见病诊疗用药规范。“生什么病，用什 么药，大概需要多少费用都在监管平台上有规定。”王平洋说，有了这个智慧系统，就像是在医生身后安装了“电子眼”，时刻规范医生的行为。

医保监管平台还运用大数据，按照预先设定的规则参数，对医院上传的结算数据逐一检查，筛选并标记出可疑数据。“智能审核系统彻底改变了对海量信息逐一审核的传统方式，转变为从可疑信息中发现问题，提升了审核效率。” 卞正法表示。异地医保更需“大数据一盘棋”

不过，浙江通过“智慧平台”实现医保监管方式重大转变的同时，也遭遇了一些需要上级部门协调帮助才能破解的难题。例如异地医保欺诈难题，就不是浙江以一省之力所能彻底解决的。

2014年上半年，浙江省医保中心工作人员多次奔赴北京、上海、广州、南京等地，追查大额报销票据的真实性。“事前要与外地医疗机构取得联系，得到其配合，发现发票造假情况后，还要向公安部门报案。异地追查牵涉多地多部门，工作难度很大。”卞正法说。

采访中，相关人士建议，国家卫生计生委或者人社部可以考虑建立一个医疗票据全国协查系统，通过掌握及时、准确、有效的数据，并做好数据挖掘和分析处理，进而对医保欺诈行为做出快速准确的判断和决策，堵上异地就医骗保的“漏洞”，降低工作人员核查的成本。

杜绝药店售卖非医保用品也一直是各地医保监管部门的“老大难”，安装摄像头、不定期突击检查都是治标不治本的方法。王平洋认为，最有效的措施应是跟 互联网相关——对药品实行电子码监管，把所有药品的信息数据都放在一个分门别类的“货架”里，“每一盒药品在出厂时都有唯一的电子码，进入流通环节后，批 发、入库、采购、零售都通过扫码完成，就跟快递一样，到哪一个环节实时显示，透明的追踪能够关闭串换、倒卖药品的一扇门，大数据呈现的开放、平等、共享特 征充分实现。”

大数据监管的混业挑战 篇3

《财经国家周刊》记者在调研中发现，无论是顶层设计，还是“一行三会”的实际监管工作，“大数据监管”都已经在筹备和应用中。一位不愿具名的专家说，各部委动起来，更多是意识到大数据能够为己所用，但相互间仍处于割裂状态。

“一行三会”动起来

“征信系统为金融机构提供了一个共享借款人信用记录的平台。”央行征信中心副主任王晓蕾对《财经国家周刊》记者说。

根据央行提供的数据显示，截至2014年8月底，企业征信系统累计收录企业和其他组织信息1951万户，个人征信系统累计收录自然人数8.5亿，其中，收录有信贷记录的自然人约3.4亿，中国已建成世界上最大的个人征信数据库。

近几年新金融业态，譬如小贷公司、融资性担保公司的发展都对央行征信系统提出新要求。这些新业态的数据是否纳入征信系统也一直为各界所讨论。

“从法律层面没有任何障碍。”王晓蕾表示，《征信业管理条例》第二十九条规定，从事信贷业务的机构应当按照规定向金融信用信息基础数据库提供信贷信息。

《财经国家周刊》记者了解到，由央行征信中心控股的上海资信有限公司，已经发起设立了网络金融征信系统，开始收集P2P借贷机构上报的信息。

大数据给监管机构带来的压力日增。“银监会既要管好每家银行，又要关注整个银行体系，还要参与宏观调控，这就可想而知所需要的数据统计量了。”银监会统计部副主任苗雨峰在接受《财经国家周刊》记者采访时表示。

证监会则充分利用了大数据这一神器，如稽查“老鼠仓”。证监会一位司局级官员对《财经国家周刊》记者透露，“捕鼠”的线索就是来自交易所日常监控下的大数据。他透露，每天下午4点钟，监管部门就能拿到全国基金公司报送的交易和净值数据，“基金获益率是否异常，通过大数据检测一眼就能看出。”

2014年，中国保险信息技术管理有限责任公司成立，负责统一建设、运营和管理保险信息共享平台，主要通过信息技术手段，采集保险经营管理数据，建立标准化、系统性的数据体系。

协调不易

《财经国家周刊》获悉，一个关于中国金融业的大数据库早在2012年就已酝酿，目前正加紧推进。

9月24日，“一行三会”主管统计或调统的负责人齐聚央行，关于中国金融综合统计平台建设的讨论会正在召开，央行副行长潘功胜参加。

会议讨论筹建中国规模最大、涵盖最广的金融信息数据库。它将在集合“一行三会”现有数据，涵盖银行、证券、保险、基金等金融行业，甚至将银行业表外业务数据进行统一的基础上，建立起中国金融业信息统计平台。

“金融业综合信息统计是决策层特别提出的，从2012年就开始酝酿。”央行一位司局级领导接受《财经国家周刊》记者采访时表示，之所以建立金融业综合信息统计平台，主要出于两点：一是中国金融数据历来以银行业为主，当下混业趋势日渐明显，如何建立全维度、全覆盖的大数据系统，是“一行三会”的共同难题；另一方面，互联网金融等新兴业态层出不穷，对监管统计工作提出重大挑战。

但是，中国金融综合统计平台建设的细节问题仍需解决。9月24日会上，一行三会人士进行了激烈的讨论，主要集中在以下几点：

首先，金融综合统计平台的建设亟须在统计方式、指标、对象、主体上实现标准化，包括金融机构代码、企业代码和个人代码都需要制定标准；

其次，这一新型数据系统要实现综合化覆盖，囊括新型金融业态，这就涉及新型金融机构、准金融机构如何统计、是否强制性纳入等问题；

再次，是该系统最终要实现共享，需要解决社会服务共享中是否收费、如何收费等问题。

前述知情人士还表示，建设金融综合統计平台必须打破现有分业监管“画地为牢”的思想，“有些部委的数据库，不准别人插手，目前协调的难度仍相当大”。

民间数据对接难题

通过10余年积累，电商巨头已经积累了海量的信用数据，如今这些数据的商业价值正逐步显现。政府机构是否可以利用这些数据？

中央财经大学中国银行业研究中心主任郭田勇表示，目前我国最大的数据库征信系统的信息覆盖面主要集中在信贷系统，而对于个人其他经济活动和社会活动尚缺乏信用报告。

央行副行长潘功胜也曾公开表示，鼓励包括民间资本在内的各类资本进入征信业，也欢迎阿里、腾讯等互联网企业进入征信体系建设。

但是，一位接近央行征信中心的监管人士却表示，目前电商数据库很难被直接纳入官方数据库。《征信管理条例》规定，采集个人信息应当经信息主体本人同意，未经本人同意不得采集——电商数据来源是否合法难以界定。

此外，“电商平台上的差评是否算不良信息？目前很难说。”这位监管人士强调，在不知道电商数据质量如何的情况下，不会盲目将其纳入央行征信系统。

杭州同盾科技有限公司首席执行官蒋韬向《财经国家周刊》记者介绍说，在美国，金融、互联网各个行业都有自己的数据体系。“民间、官方的数据很难放到一个数据库里去，只能是开放的心态，双方在数据层面上达到共建共享。”

大数据金融监管 篇4

随着政府职能转变不断加快、简政放权力度不断加大、市场监管体制改革不断深入、新型商事制度的全面实施,市场主体数量快速增长态势明显,新兴业态、新兴产品、新兴服务层出不穷,市场形态多样化、经营方式现代化、市场竞争激烈化、违法行为隐蔽化日益突出,市场监管的长期性、复杂性、艰巨性不断增加。各地重点产业在数量安全、发展安全与质量安全间的矛盾短期内难以解决,市场秩序领域的风险更加多元分散和难以预测。传统监管方式难以为继,市场监管工作必须更加注重通过深化改革和强化法制来推进和展开。在当前和今后一个时期深入推进政府治理体系和治理能力现代化的大格局下,基于大数据的市场监管革新创新势在必行,大数据应用将成为工商部门创新服务方式、提高监管水平、参与宏观管理的重要基础与有力支撑。

1 运用大数据加强市场主体监管的体系框架

为适应当前市场监管新形势、新特点,工商部门需构建基于自身职能的市场主体服务与监管体系框架。该框架包含监管主体、监管与服务范畴、监管与服务手段、监管与服务体制、大数据监管方式五大部分,如图1 所示。监管主体以问题为导向,在现有监管体制框架下,充分运用各类监管资源,使用行政与技术等手段,对市场主体的资格、行为及专业领域和消费维权等进行大数据监管,有效履行工商部门在市场主体监管中综合性、基础性的主体责任,实现政府主导、部门协同、社会共治的统一化、主动化、常态化、制度化、科学化、专业化的市场主体监管新格局,着力营造宽松的投资环境、公平公正的市场环境、安全健康的消费环境、合理有效的行政环境。

( 1) 监管与服务主体分为政府监管主体和社会监督主体两大类。市场主体监管是政府为实现公共政策目标,制定并执行,直接介入、干预市场配置,对市场主体进行规范和制约的规则和行为。政府具有主体责任,为更好发挥政府作用,需要在政府强力市场监管前提下,发挥社会监督、行业自律、市场主体自我保护监督等作为有益补充作用,工商系统包含国家工商总局各职能部门、地方工商局以及基层工商所。

( 2) 监管与服务体制包括两个方面,一个是纵向的条线业务层面监管,满足业务层面专项指导要求; 另一个是横向的属地综合监管,满足属地企业全覆盖要求。工商市场主体监管实行分级管理、业务条线监管、基层属地综合监管模式的全系统统一监管。

( 3) 监管与服务范畴涵盖资格监管、行为监管、专业监管、消费维权服务四大部分。其中资格监管包括市场主体资格监管、经营资格在先照后证后条件下的监管、广告许可、商标注册等; 行为监管包括生产行为监管、交易行为监管和垄断竞争行为监管等; 专业监管包括流通领域商品质量、合同、拍卖、农资等专项监管。

( 4) 监管与服务手段主要包括行政手段、司法手段、政策手段、技术手段四种。以行政手段为主,运用好工商独立的行政许可、行政确认、行政指导、行政执法、行政监督检查等行政职权。

( 5) 大数据监管方式包括信用监管、在线监管、协同监管等。

2 运用大数据构建市场主体监管体系的构想

2. 1 建设目标

大数据市场监管其本质是为经济保持活力提供秩序保障。活力和秩序是社会主义市场经济的两翼。没有活力,市场经济就失去了生机和魅力; 没有秩序,市场经济就失去了信任和安全。所谓“活力”,就是通过改革商事制度和行政审批制度,最大限度地向市场放权、为企业松绑、为市场机制让出空间,实现市场准入便利化,投资贸易和服务便利化,激发市场和社会投资潜力,提升经济发展内生动力。所谓“秩序”,就是创造宽松平等、优胜劣汰、公平竞争的市场环境,按照规范化、法治化的要求,建立科学有效的事中事后监管制度,让放与管两个轮子同向运转、协同跟进,推动经济更有效率、更加公平、更可持续发展。今后一个时期,市场监管系统应紧紧围绕“活力与秩序”两大目标,努力实现有效市场和有为监管的统一。

2. 2 建设内容

基于“活力与秩序”两大目标,大数据市场主体服务与监管体系以大数据融合中心为基础,围绕服务市场监管和区域发展两个应用方向,分宏、中、微三个层次,构建“三层两翼”的大数据市场主体服务与监管应用体系。

以“三层两翼”市场主体服务与监管应用体系为指导,以大数据融合中心数据资源为基础,建设大数据市场主体服务与监管平台。平台以需求为导向,面向决策层、监管部门、社会公众等不同服务对象,实现服务效果的最大化。平台建设内容主要分为三部分:

( 1) 辅助决策服务平台。运用大数据技术,加强各类数据与区域经济的关联分析研究,提高经济发展决策的科学化和精准化,实现区域经济有质量有效益可持续的发展。建设内容以经济建设为主线,围绕经济运行预测、产业结构调整、产业集聚、区域辐射带动、招商引资、小微企业发展、区域创业分析等构建服务发展应用,为各级政府部门提供决策支撑服务。

①经济运行监控

及时、准确把握经济运行动态与预测发展趋势是政府决策层开展经济工作的第一要求。经济监控预测模块对经济发展运行的各项关键指标进行连续性观测、分析、预测,直观展示经济发展的动态,并对其规律性进行揭示,为领导制定相关的政策和策略提供技术支撑。

②产业结构调整

中国经济开始进入新常态,经济增长由过去的高速增长进入中高速增长阶段,促进经济结构调整被提到更加重要的位置上。通过结构优化、产业升级,为整体经济中高速增长提供新动力,推动整体经济稳定增长、提质增效。产业结构调整模块的分析内容不仅局限于三次产业的比重变化关系,还要从高端产业进入和增长情况,产业集聚等方面反映产业结构优化升级情况。

③区域协调发展

区域协调发展就是强调把区域发展差距控制在合理限度内,发挥各地区的发展潜力和优势,在发展中建立起良好的区际经济关系,从而推动经济整体稳定发展。

④资本流动情况

包括外埠投资分析、企业跨区域投资分析、创业投资、企业迁入迁出分析等。

⑤重点专题分析

包括重点企业分析、小微企业分析、区域创业指数分析、企业存活分析、企业年报公示分析等。

( 2) 市场监管支撑平台。主要基于大数据手段,互联网思维,以信用监管为核心,构建全过程、协同式的监管体系。“纵向”构建全过程监管链: 从资格监管、行为监管、专业监管、消费维权四大监管领域建设应用,实现对市场主体从准入、经营到退出的全过程监管覆盖。“横向”构建社会共治的监管维:联合多个监管部门,引导社会力量,形成“企业自治、行业自律、社会监督、政府监管”社会共治的市场监管机制。通过横、纵交叉的应用体系建设,形成大数据市场监管应用网。

针对重点高危行业、重点群体等监管重点构建大数据监管模型,进行关联分析,及时掌握市场主体经营行为、规律与特征,主动发现违法违规现象,提高政府科学决策和风险预判能力,加强对市场主体的事中事后监管,不断提高政府服务和监管的针对性、有效性。建设内容包括市场环境运行监测、消费环境分析、高危行业监测、重点群体监测、企业活跃度监控、企业违规风险监测、年报及公示信息分析等,支撑监管部门加强事中事后监管,提高风险防控能力。

①市场环境运行监控

市场环境风险分析模块通过构建监控预警模型,对整个市场环境的状况进行监测预警,同时具备对重点行业( 领域) 、重点区域的市场环境进行监测预警。

②市场主体活跃度监控

整合各种内外部数据,构建市场主体活跃度监测模型,对市场主体尤其是商事制度改革后新成立的市场主体的活跃状况进行监测分析,为及时掌握市场主体运行状况提供支撑。

③企业违规风险预测及监控

企业违规风险监管主要是利用企业风险评估模型,预判企业未来可能发生的各类型违法违规行为的概率,实现对企业的分级分类,为精准定向检查提供支持。

通过实时监控企业风险评分的变化情况,从而帮助决策者了解企业违规风险的变化。还可以帮助用户及时发现超出业务规则的信息,并通过各种方式提醒用户对这些预警信息进行关注。

可通过简单搜索和高级搜索两种方式实现对具体企业风险评分的查询。搜索可按企业名称、注册号进行模糊匹配,高级搜索可以用更多搜索条件快速定位所要查询的企业。

④企业年报及公示信息分析

对企业年报信息及公示信息进行分析,及时掌握企业动态变化。

⑤消费维权状况分析

通过对消费者诉求信息与反映消费市场环境指标的总量、变化趋势的关联分析,客观真实地反映消费环境的发展特点和不平衡状况,进而实现评价、监测和预警的三大功能。构建消费维权工商指数,主动预测消费市场、产业发展、政策实施潜在问题及机遇,改善相关决策的速度和质量。

( 3) 移动信息公示平台。建设以移动设备为载体的信用信息公示平台,及时向社会公开有关市场主体违法失信数据、投诉举报数据和企业依法依规应公开的数据,提高市场主体生产经营活动的透明度,为新闻媒体、行业组织、利益相关主体和消费者共同参与对市场主体的监督创造条件。引导有关方面对违法失信者进行市场性、行业性、社会性约束和惩戒,形成全社会广泛参与的信用监管格局。

3 运用大数据构建市场主体监管体系的实现路径

基于大数据技术与思维建设市场主体服务与监管体系要以应用为驱动,建设大数据融合中心和应用支撑平台,需要完成以下三个方面的工作。

3. 1 建立以市场主体为主线的大数据融合中心

从监管对象看,市场监管包括主体、客体和自然人监管三方面。客体的监管最终将追溯到生产主体和经营主体,自然人的监管则源自于其关联的主体身份,如企业股东、法定代表人、个体工商户经营者等。三者通过主体形成了有机的整体,因此市场主体服务与监管体系的建设需要整合以市场主体为主线的所有政府部门数据的大数据融合中心。其一是整合工商系统的内部信息,包括注册登记、行政执法案件、消费维权、商标等多方面数据的融合。其二是整合税务、海关、商务、交通、质监、食药、环保、公安、法院和金融监管等部门以及金融机构、公共服务机构掌握的主体数据资料,实现政府层面的数据互联互通。其三是利用大数据技术手段加强对外部信息的采集,例如整合物联网信息、网络消费舆情信息等信息,通过规范、融合、关联,把堆积的数据,梳理成企业、人员、商品、行业、区域、族谱等全景信息视图,把静态的数据变成鲜活的动态数据,建成市场监管大数据中心,形成宝贵的数据财富,为政府决策、市场监管、社会公众服务奠定坚实基础。

3. 2 构建基于大数据的分析应用体系

构建基于大数据的分析应用体系,实现涵盖宏观、中观、微观的全方位的服务和监管体系。宏观上利用大数据及时准确掌握区域和行业市场运行状况,综合评价市场秩序,服务经济发展和规范市场秩序; 中观上,利用大数据可以对监管对象进行分类分级,实现差别化监管,提升监管效能; 微观上,能够实现监管个体的风险评价,辅助监管人员制定监管策略、确定重点监管对象以及业务预警提示,结合信息公示平台服务社会公众,提升政府的公众影响力。

3. 3 建设一个应用导向的技术支撑平台

以大数据分析应用体系为依托,以数据管理技术为支撑,构建应用导向的技术支撑平台。建设跨部门、跨系统间的数据共享通道,对各类业务数据进行整合,利用自动化和智能化技术,实现监控、预警、分析、挖掘等多种数据应用,及时、准确、全面地为决策者、管理者和市场监管业务人员提供应用支撑。

工商大数据应用作为我国经济社会发展新形势下的新工作、新任务,并无成熟的模式可借鉴。总体上应遵循以下几个原则: 一是目标明确,以大数据、互联网思维创新市场监管与服务模式,创建全国领先的示范项目; 二是要研究先行,建立各种标准体系、方法体系、模型体系和应用体系,发现可行的建设路径; 三是应用导向,应用是衡量大数据价值的唯一标准,以应用为导向进行数据融合中心建设和应用开发等各项工作; 四是分步实施,根据应用的优先级分布实施,扩展应用,最终实现全方面的服务支撑。

摘要：近年来,以大数据、云计算等代表的现代信息技术飞速发展,已在经济社会各领域广泛应用,对政府治理理念、方式和手段都产生深刻影响,并带来前所未有的机遇。在市场监管领域,需要充分认识大数据的重要作用,深化大数据应用,建立起以大数据支撑的新型市场监管体系。

关键词：大数据,应用,监管

参考文献

[1]严霄凤.大数据研究[J].计算机技术与发展,2013(4):168-172.

[2]胡雄伟.大数据研究与应用综述[J].标准科学,2013(9):29-32.

[3]白军伟.市场经济体制下的工商市场监管问题研究[J].经济管理者,2014(14):179.

论文：大数据对互联网金融的意义 篇5

摘要：随着经济的快速发展和科技的不断进步，互联网技术得到了飞速的发展，大数据作为互联网的快速发展的核心特征，大数据对互联网金融的快速发展有十分重要的作用。

关键词：大数据；互联网金融；意义

前言

当今世界，科技进步日新月异，互联网、云计算、大数据等现代信息技术深刻改变着人类的思维、生产、生活、学习方式，深刻展示了世界发展的前景。随着经济的快速发展和科技的不断进步，金融服务也不仅仅局限在实地服务中，互联网金融服务已经成为当前金融行业的重要发展模式，由于互联网金融对数据的数量、质量有很高的要求，大数据便应用而生，并且快速发展起来，逐渐应用在互联网金融中，极大的促进了互联网金融的发展，大数据对互联网金融的发展有十分重要的意义。

一、互联网金融的发展

2015年12月16日，习近平主席在第二届世界互联网大会开幕式上发表重要讲话，指出：“纵观世界文明史，人类先后经历了农业革命、工业革命、信息革命。每一次产业技术革命，都给人类生产生活带来巨大而深刻的影响。现在，以互联网为代表的信息技术日新月异，引领了社会生产新变革，创造了人类生活新空间，拓展了国家治理新领域，极大提高了人类认识世界、改造世界的能力。”互联网与金融行业紧密融合并不是偶然。十年前，互联网还主要是人民获取信息的媒介，而在现代社会，网络成为像水电一样的基本生活必需品，已经包括到了消费、办公、商贸、交往等各行各业的大变局。当网络渗透在人民生活的范围足够广泛时，原本就已经充分电子化和信息化的金融行业，就通过互联网打开了面向用户的窗口，互联网金融的兴起和创新发展就成为了必然。

互联网金融是“开放、平等、协商、分享”的互联网精神向金融行业渗透的表现，是与网络高度契合，并且对数据的数量、质量以及处理有极要求的金融模式。随着互联网的快速发展和互联网应用的社交化，利用互联网能实现成本低、速度快、精度高的信息传播，有效的减少了传统的金融模式中投资、融资双方信息不对称的现象，同时使用互联网能将企业、商户及个人的消费、交往、贸易、税务等信息存储下来，这些信息能有效的降低风险评估的难度，因此，互联网金融得到了广大人们的喜爱。随着互联网的快速发展，各种数据量的增长越来越快，并随着云计算的快速发展，大量数据中隐藏的知识、信息逐渐引起了人们的兴趣，大数据成为互联网时代变革的契机。

二、大数据的概念及应用

大数据又称为巨量资料，指需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”概念最早由维克托·迈尔·舍恩伯格和肯尼斯·库克耶在编写《大数据时代》中提出，指不用随机分析法（抽样调查）的捷径，而是采用所有数据进行分析处理。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。随着云时代的来临，大数据也吸引了越来越多的关注，在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了。业界归纳大数据有4

“V”——Volume（数据体量大）、Variety（数据类型繁多）、Velocity（处理速度快）、Value（价值密度低），即第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。涉及到网络日志、视频、图片、地理位置信息等等各个方面。第三，处理速度快，1秒定律，可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同。第四，只要合理利用数据并对其进行正确、准确的分析，将会带来很高的价值回报。随着互联网的快速发展，近年来，大数据在各个领域不断增加应用，也越来越面向个人大数据应用，逐渐覆盖到机构或个人的方方面面，在未来一段时间里，大数据将成为企业、社会和国家层面重要的战略资源。大数据将不断成为各类机构，尤其是企业的重要资产，成为提升机构和公司竞争力的有力武器。在大数据时代，企业和个人更多的行为可记录、被记录，可分析、被分析，企业将更加钟情于用户数据，充分利用客户与其在线产品或服务交互产生的数据，并从中获取价值。对于互联网金融行业，它既能优化对产品设计、经营理念、营销方式、客户服务等方面，又能为风险控制、信用评估等提供更加全面的信息。

三、大数据对互联网金融发展的意义

1.促进互联网金融行业的发展

现在不管是金融行业也好，还是别的其他行业，其实都是出于一个大数据的范围之内。如今生活工作的互联网化，导致生活工作数据化的特征越来越明显。而随着这些重要的数据被人所知晓，并且将它做出了实效的时候，大家才真正开始注意大数据的运用。金融行业也是如此。例如，一个金融品牌想要在市场中推出，推出前的考察与调研是必须的，那么该如何卓有成效地进行调研的，这个时候，数据就派上用场了。我们可以从数据中分析这个行业的走向与动态，同时也能分析出金融行业的行业构成情况以及消费者的构成，需求分布和一些竞争情况等等一些列重要信息。而这些重要信息靠想象力与平常的推理是无法得到的，而数据是真实存在并且很能说明问题的。就可以通过对这些数据的分析而全面的来定位即将要推出的金融品牌。并且有一个很好的市场定位。此外，互联网的发展使海量数据的收集成本被降到可接受的程度，人们可以运用互联网收集数据，再运用高超的计算公式，判断出广泛人群或特定人群的心理倾向、消费习惯等商业价值极高的信息。当大数据收集和处理的成本足够低时，以阿里巴巴为代表的互联网金融，以P2P为特征的互联网信贷模式，逐渐打破银行信用信息的垄断，以低廉的成本自创出一套与银行无关的个人或者群体信用信息系统，从而使金融行业不再高高在上，成为关系到社会每一个人的大众金融。

2.打破了金融机构垄断客户信息的状况

为解决信息不对称的问题，传统的金融机构需要投入大量的人力、物力、财力进行信息收集、分析、整理，互联网金融平台能利用自身的优势间交易双方的信息收集起来，并建立新的信息来源途径，其他网络平台也会收集大量的信息，如物流运输公司、网络支付企业等会收集到大量的运输信息、价格信息、支付信息等，这些信息可以成为衡量客户、个人信用的重要依据，这就打破了传统的金融机构垄断客户信息的现象。社交网络具有很强大的信息传播功能，云计算具有很强的信息处理能力，搜索引擎具有很强大的信息检索能力，这些技术为创建成本低、更新快、精准度高的信息平台提供了有力的依据。

3.有效的促进了资源优化

在互联网金融中应用大数据，能有效的促进资源优化配置。互联网能促进投资、融资双方的信息发布、交流、匹配，不需要银行、证券、基金等部门的参与，例如美国的LendingClub公司在为会员提供贷款业务时，是利用P2P网贷平台进行的，并没有利用银行机构；而Google在IPO是采用在线荷兰式的方法进行拍卖，并没有利用传统的投行路演、询价报价进行拍卖。近年来，我国涌现出大量的P2P平台，这些平台既有银行参与的融资项目，也有金融信息服务企业组建的网络贷款平台，这些平台为中小型企业的筹资指明了方向，也为投资人提供了低成本、高收入的投资渠道。大数据能有效的整合互联网金融资源，为金融市场提供快速、高效的运营平台，对互联网金融的发展有十分重要的作用。

四、总结

大数据促进了互联网金融行业的发展，打破了金融机构垄断客户信息的状况，促进了互联网金融信息的交流和共享，提高了资源配置效率，有效的促进了互联网金融的快速发展。与此同时，互联网金融也面临着严峻的挑战，因此，互联网金融在发展过程中，要建立全面、安全的防范措施，规避行业风险，为互联网金融的高速发展提供保障。

参考文献：

大数据引擎“智造”金融颠覆 篇6

大数据的影响正在向纵深发展。

9月12日，南方基金、新浪财经和深圳证券信息公司联合编制的南方新浪大数据100指数、大数据300指数正式诞生。

与现有的各种股票指数相比，南方新浪大数据系列指数的创新之处在于，该指数的编制引入了大数据概念，将互联网大数据对市场主体的情绪，通过数量化的方式来进行描述。

大数据时代来了

早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。“大数据”真正成为流行词汇是从2009年开始。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。

大数据最核心的价值就是在于对于海量数据进行存储和分析，云存储正在使海量数据的存储成为现实，而数据深度分析则为大数据时代的到来提出了新的挑战。

金融业的颠覆者

金融业既是大数据的重要产生者，也是不可或缺的使用者。大数据为金融机构的经营管理提供充分的信息支持，大数据与金融的结合又产生新型的金融业态和应用，这些都对传统金融带来了挑战，甚至是颠覆。金融机构之间的竞争说到底就是“数据为王”、“数据即是资产”。

传统银行业务仅能掌握客户与银行业务相关的金融数据，对客户在社会生活中的兴趣爱好、生活习惯、消费倾向则一无所知。但大数据正逐渐使银行业尝试整合各种内外部数据资源，使各类客户的信息更加立体生动地展现在面前。比如提供网络在线、客户端、微博、微信于一体的整合服务平台；开发智能云语音，对客服语音信息进行挖掘和分析；通过分析客户行为和财务数据来发现目标市场；根据客户行为规律，结合其生活地区、行为规律来判断消费习惯，预测客户短时间内的消费和交易需求，掌握客户的信贷或其他金融服务需求，并开展针对性营销。

除此以外，银行与电商平台形成战略合作关系，共享小微企业在电商平台上的企业数据和经营者信息，并由电商平台向银行推荐有贷款意向的优质企业。而银行则可以通过企业经营规模、产品供需情况、交易结算流水、买卖双方评价等信息，判断企业信用程度，给予最后的授信额度。

大数据下的不确定性

作为新事物的大数据，应用上存在着各种未知风险因素。大数据在数据运营和维护等方面，安全问题日益突出，如数据的丢失、泄露和篡改，数据分析模型的不适当导致错误决策等，会对企业经营和声誉造成致命一击。基于大数据开发的金融产品和交易工具，则对金融监管提出严峻挑战。

信息共享是迈进大数据时代的前提。政府机构、事业单位、金融机构等因各种原因，不愿意开放数据资源共享，从长远来看，数据信息量的缺失对大数据的发展相当不利。目前亟待监管机构完善大数据服务标准，数据互通建立标准接口，共享资源管理。

一个颇为可怕的事实是，在大数据时代，个人的位置信息、购买习惯、金融交易偏好、持有资产、信用状况、健康情况等数据将被收集，并加以分析。金融市场，乃至整个社会各种常规机构管理的信息，将变得越来越缺乏隐私。2013年国内某保险公司受黑客攻击，就造成数十万保单信息泄露。对隐私、数据安全的保护是政府、法律界以及信息使用机构不可回避的挑战。政府在此方面应负有建设数字隐私权基础设施，并推动相关的立法进程的责任。

责任编辑：周颖

大数据金融监管 篇7

中国幅员辽阔,各类医院、社区卫生服务中心、乡村医疗工作站、疾病监控中心、急救中心等卫生医疗机构大量分散。医疗信息化在十余年的发展中,沉积下的IT系统涉及技术门类众多,给数据采集、数据质量、数据标准以及后续的维护带来了巨大的挑战。假如均采用定制开发、标准接口或人工录入的方式,不可避免地要投入大量的人力物力,并且在数据准确性、实时性上无法得到保证。

中国疾病预防控制中心信息中心主任马家奇在接受《E医疗》记者采访时介绍:“局限于过去的技术水平,以前公共卫生相关数据的上报效率非常低。大部分数据从地方上报到国家,可能需要按月度报告,有些甚至是年度报告,而且报告上来的也只是统计结果的指标数据。而如今,开始逐步收集原始数据、个案数据,在我国人口基数大的背景下,每天产生的数据量可想而知。以传染病报告为例,中国CDC每年会收到全国600多万个案信息,而且这个信息量还在逐年增加。”面对庞大繁杂的结构化与非结构化数据,通过专用的数据采集交换设备来解决数据采集、汇总中的数据质量、实时性和标准化的问题,方为加速大数据落地,使各级区域卫生信息平台、网络直报平台、疾病监控平台、应急指挥处理平台等以数据为支撑的平台真正发挥价值的标本兼治之法。

2 大数据管理在我国卫生市场的发展

中国政府、医院近年来在医疗信息化领域投入较大,医疗卫生领域吸纳了国内外当前先进的信息技术,医疗信息化水平得到迅速提高。但总体来说,中国医疗信息化水平还处于初级阶段,存在信息共享机制不健全、全国各地区发展不平衡、相关标准不统一等诸多问题。伴随着中国医疗卫生服务信息化进程推进,必将产生大量的数据。这些数据主要来源于医疗业务活动、健康体检、公共卫生等九项服务医疗卫生服务。数据内容主要包括来自医院的大量电子病历、区域卫生信息平台采集的居民健康档案等,其中充斥着大量非结构化/半结构化的数据,如何从各种类型的数据中快速获得有价值的信息,并通过对数据的整合对卫生市场主体服务进行监管,对于辅助医疗机构做出决策支持、政府公共卫生决策及个人健康管理都会发挥积极的作用。

国家卫生综合管理信息平台是我国卫生信息资源管理的重要组成部分,实现了医疗卫生机构统计数据和各级卫生行政部门在线汇总数据,建立了动态的医疗卫生机构、卫生人力等信息库,卫生资源与卫生服务利用、疾病报告与健康监测等大型数据资源库。

医疗卫生“大数据”的数据资源包括医疗服务的EHRs数据,医院与医保的结算与费用数据,医学研究的学术、社会、政府数据,医疗厂商的医药、医械、临床实验数据,居民的行为与健康管理数据以及政府的人口与公共卫生数据,连同我国公共社会经济生活中网络产生的数据,构成了医疗卫生领域大数据的初期数据资源。而随着医改的不断深入,卫生统计和信息化建设得到了进一步加强,统计方法不断改进、多种信息系统广泛使用,医疗和健康数据急剧扩容并呈几何级增长,利用包括影像数据、病历数据、检验检查结果、诊疗费用等在内的各种数据,搭建合理先进的数据服务平台,将为广大患者、医务人员、科研人员及政府决策者提供服务和协助方面发挥主要作用。

然而,其价值的实现取决于一个重要的前提条件:只有在取得准确、全面、及时的高质量数据的基础上,才能借由有效的分析手段,呈现出数据背后的商机或警示。否则,再好的商业模式都只是基础薄弱的空中楼阁。

正是基于这样的理性思考,中国卫生医疗行业对于大数据的持续升温始终持冷静、审慎的态度。据HIT专家网报道,国家卫生和计划生育委员会统计信息中心王才有副主任在医疗大数据高峰论坛(华东站)的发言中表示:当今世界,医疗卫生发展面临很多的挑战,如人口健康存在老龄化、慢性病、临终前消费压力等问题,医疗技术发展在解决问题的同时,推动了高昂的医疗费用,不协同的医疗、低效的流程、医疗错误、再次住院、院内感染、医护短缺反映出医疗质量问题,全球医改面临着欺诈、浪费、市场扭曲、预防性医疗、管理成本高等问题。有人估计,美国2010年2.5万亿美元的医疗费用中至少有7000亿是无效的。这些正是“大数据”所要研究和解决的。业务系统迅速积累数据,数据采集设备大量产出数据,社区网络制造数据,使得数据利用需求快速发展,复杂环境下的数据采集能力以及数据分析处理能力需要继续提高。

3 运用大数据加强卫生市场主体服务和监管的发展趋势

大数据被认为是改变行业的关键节点。(下转P103)(上接P101)随着生物科技和医疗技术的迅猛发展,高通量手段的成熟,生物医疗行业的大数据急剧膨胀。然而,与其他行业的数据不同,生物医疗行业的数据呈现分散、破碎、低透明度以及意义尚待解析等特征。不像其他行业,数据具有时效性以及数据很轻,易于解析;生物医疗行业的数据普遍很“重”,信息量超大,不同的解析策略可能得出丰富的结果;而且生物医疗大数据随着时间推移,数据累积量的增加,数据价值将变得越来越重要。关系型数据库逐渐从IT行业中淡出,但生物医疗行业大数据却十分重视数据间的复杂关系。加上中国健康人群及患者数量庞大,就越发会产生超海量的数据网络。在医疗大数据的时代,如何构建大数据基础架构与上层应用的生态系统、解决大规模数据引发的问题、激发数据挖掘所带来的竞争力,是当前需要重点解决的问题。

大数据技术在医疗行业的应用主要有:临床数据对比;药品研发;临床决策支持;实时统计分析;基本药物临床应用分析;远程病人数据分析;人口统计学分析;新农合基金数据分析;就诊行为分析;新的服务模式。

3.1 临床决策支持系统

临床中遇到的疑难杂症,有时即便专家也缺乏经验,做出正确的诊断和治疗更加困难。临床决策支持系统可以给临床工作者、患者或个体提供知识或统计信息,并可以自动选择适当的时机,智能地过滤或表示这些信息,以促进临床决策,减少人为的医疗错误,更好地提高医疗质量和患者安全。

3.2 远程监控诊疗系统

从远程监控系统收集数据,并将分析结果反馈给监控设备及人员,从而实时诊断并确定治疗方案。目前已有医院通过结合手机APP软件等方式,进行心率、体温及血糖等的检测,但检测的内容仍很单一。临床上希望针对不同病种开发一些诊治后辅助系统,可以减少病人住院时间或门诊复诊次数,提高家庭护理的比例及质量,也帮助医院和医生锁定患者群。

3.3 公共卫生监管系统

卫生主管部门可通过监控数据库,实时统计分析,快速检测传染病、院内感染等情况,并进行快速响应。同时也利于网络覆盖地区发病及诊治情况的数据汇总。如果将整个数据系统整合,不仅有利于整个体系内的医疗资源分布和供给,也便于实时监管和调控。

参考文献

[1]周光华,李岳峰.数据挖掘技术在卫生统计信息工作中的应用研究[J].中国卫生信息管理杂志,2012(6).

[2]蔡佳慧,张涛,宗文红.医疗大数据面临的挑战及思考[J].中国卫生信息管理杂志,2013(4).

[3]周光华,辛英,张雅洁,等.医疗卫生领域大数据应用探讨[J].中国卫生信息管理杂志,2013(4).

大数据金融监管 篇8

大数据和云计算加强了数据存储管理和计算能力,数据驱动的企业决策、流程管理及产品设计日益受到各界重视。总局田进局长在2016年全国新闻出版广播影视科技工作电视电话会上指出:将未来广播影视打造成以云平台为基础、以移动和宽带网络为连接、以大数据分析业务模式为支撑、以智能终端为呈现载体的多内容多业务多功能混合传播形态。

作为广播电视生命线的播出安全,作为广播电视千里眼、顺风耳的监测监管在大数据浪潮的今天,也应该踏浪前行。几十年来,行业内的人士都知道安全播出是广电的生命线,是基石,没有了安全播出,正义的舆论无法捍卫,精彩的节目也无法传递到千家万户。内容安全、技术安全如同安全播出之两翼,缺一不可。随着整个世界信息化网络化浪潮的涌动,IP网络已经一统天下,新媒体层出不穷,广播电视各项业务也只是跑在IP网络上的专业应用。在传统媒体和新媒体融合的今天、IP网络环境下我们几十年浸染的安全播出的概念、理念似乎越来越不太能够适应播出安全保障的需求了。安全播出不能仅仅关注节目是否停播,网络攻击、病毒感染、漏洞利用、数据篡改、信息泄露等等对播出安全的影响力有时比停播更大;技术系统安全防护关键不只是设备和系统有没有备份,网络架构、访问控制、身份鉴别、入侵防范、恶意代码等等都是系统能否安全的关键点。

广播电视监测不能停留在只盯着节目是不是停播,广播电视已发展为传统媒体与新媒体深度融合,节目内容海量丰富、播出渠道多元、形态方式多样,监测要随着播出传播的方式转变而转变,随着播出安全关注的焦点的变化而变化。如何运用好海量的监测资源,利用新技术,在新形势下做到监测全面、分析精准、监管到位,是监管部门思考的重点。

1 大数据云计算在广电的应用

信息技术的发展使原来看不见摸不着的信息、数据更易捕捉、获取、存储,国际数据公司(IDC)指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。IP化的今天,我们已然不用考虑“大数据怎么来”,而是要考虑“大数据如何用”,怎样将“大数据资源”转换为“大数据资产”。

面对浩如烟海的数据,云计算适时地出现了,使大数据分析利用成为可能,数据展示、数据挖掘为各国的发展带来价值,使原先几乎不可能完成的任务变成了现实:警察局利用大数据预测犯罪的发生;利用互联网上用户搜索关键词的行为预测某些疾病等的散布;利用手机定位数据和交通数据进行城市规划;零售企业监控客户的店内走动情况以及与商品的互动,将这些数据与交易记录相结合进行分析,得出销售哪些商品、如何摆放货品以及何时调整售价等意见,帮助企业减少存货,增加高利润率品牌商品的比例等。

借用国务院《促进大数据发展行动纲要》中的提法,大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据应用能够揭示传统技术方式难以展现的关联关系,建立“用数据说话、用数据决策、用数据管理、用数据创新”的新的管理机制。

对于广电行业来说,大数据有助于帮助各个部门进行更为科学的决策,使各部门的决策从“业务驱动”迈向“数据驱动”。大数据分析可以使我们掌握不同节目的对象群,洞察用户行为、用户需求,发现市场热点,有效进行节目策划分析和定位;通过大数据可以掌握收视数据,各个频道的收视情况、收视占比、用户数量等;根据大数据进行营销分析,进行智能EPG、智能广告等业务推送;利用大数据进行社会热点预测和监控,根据用户行为分析有针对性地开发产品,制作观众喜爱的节目,更好地满足客户需求,最终实现数据资产到生产价值的转换。

此外,在融合媒体的催化下,云计算以其虚拟化、大存储、超计算能力、高可靠性、弹性共享、按需服务、强大的移动业务支撑能力以及实现物理资源、信息资源的整合优化,提高业务应用的效益和效能等契合融合媒体建设需求的优势,在广电行业得到了快速认可和应用。总局十三五规划的主要任务之一便有大力推进广播影视融合媒体云建设。2015年底总局发布了电视台和电台融合媒体平台建设技术白皮书,引导和规范以云计算、大数据和宽带互联网技术为基础的广播电视台融合媒体制播云平台架构、关键技术、业务流程、安全保障等的建设,提升广播电视台面向媒体融合的综合制播能力。

大数据、云计算的应用是广播电视技术模式的重大变化,更是广播电视生产模式、管理机制和运行方式的深刻变革。在广播电视IP化浪潮中,面对大数据、云计算等新技术的应用,业务发展层面的议题总是引人注目,作为业务发展助推剂的播出安全和监测监管,如何发展和转变才能与业务发展相适应呢?

2 播出安全防护和管理思路要转变

习总书记在第二届世界互联网大会上提出,互联网真正让世界变成了地球村,让国际社会越来越成为你中有我,我中有你的命运共同体,人类社会正在进入荣辱与共、休戚相关的网络时代。借用这句话,对于广电行业来讲,网络让广电的信息化快速发展,所有的系统互联互通,密切交互,成为一个安全播出的命运共同体,广播电视的播出安全不仅仅只与播出系统有关,所有的业务系统都已成为关系到播出安全的一环,哪个环节出现问题都会导致安全播出事件。

Gartner说过:“大数据安全是一场必要的斗争。”当大家利用云平台以及数据挖掘和数据分析获取业务价值的时候,黑客也可以利用大数据分析向各个主体发起攻击。“黑客最大限度地收集更多有用信息,大数据分析让黑客的攻击更精准。”攻击者如果获取了系统大数据,将有可能侵入业务系统,危害到播出安全。

因此关系到播出安全的要素不再仅仅是供电、技术系统配置,还与整个系统网络架构相关,与业务系统的信息安全防护手段和策略相关,与信息流的会话、传输协议相关,与用户身份鉴别与授权相关,与操作系统、应用软件的安全性相关等等。安全播出事故不再只是供电问题、信号源问题、设备故障等等,原因简单、定位清晰,整改环节明了,而是出现了病毒、木马等有害程序,出现了拒绝服务、漏洞攻击等网络攻击,出现了信息篡改、信息泄漏等影响播出安全的信息安全事件,事件追溯得层层深入,整改措施要环环相扣。同时云平台由于数据的集中汇聚、处理,不仅增加了数据泄露的风险,也使得一次成功的攻击破坏就能获得更多的数据、破坏更多的数据,无形中降低了黑客的进攻成本,增大了损失。

对于播出安全来说,信息安全防护越来越重要。与播出有关的信息系统软硬件的脆弱性、信息安全防护措施的缺失、信息安全策略的不完善、网络的脆弱性以及对关键数据的保护不当等都使播出安全受到了严峻的挑战,云平台中局部的信息安全问题会更快地扩散至整个平台。因此要强化信息安全防护措施和手段,为各个单位的播出安全管理和防护提出了要求,加固你的系统,竖起信息安全的屏障,云平台加强漏洞防范、镜像安全、虚拟机隔离安全、入侵防御等措施,同时更要严格遵守信息安全标准和保密规定,保障数据存储与使用的安全性和隐私性。保证你的数据安全,才能保证你的播出安全。

对于播出安全来说,系统监控越来越必要。传统业务系统的监控只要盯着有限的几个设备就可以了,在IP化的今天,更加需要对全网各个环节、设备、软件、供电等基础设施等的运行状态、参数进行监测,必要时引入第三方的监测信息,各个方面的大量数据进行关联汇总分析,才能尽快地发现异态和隐患,追溯问题根源,快速解决,没有监控就如同盲人一样,系统的隐患无从掌握;播出安全不仅仅是软环境上的防黑、防毒、防攻击,基础设施的安全重要性提升,一旦机房环境、通讯网络等基础设施出现问题,信息系统恢复的时间较长,因为叠加效应,播出安全受到影响的时间更被拉长。

3 大数据、云计算时代的播出安全

大数据为播出安全保障带来便利。系统的各类业务设备、网络设备、安全防护设备、系统软件、应用软件等时时都在产生大量的运维数据和日志。在大量数据汇聚分析的基础上,使安全性预测成为可能。通过对数据的趋势分析、关联分析,可以发现某些数据的异动,及时对异常情况进行定位、排查,提前排除可能出现的故障隐患。而网络攻击等行为也总会在系统中留下蛛丝马迹,这些痕迹都以数据的形式隐藏在大数据中,利用大数据技术整合计算和处理资源有助于有效识别正常的访问行为和异常攻击行为,有助于找到发起攻击的源头,更有针对性的应对信息安全威胁。

下一代云平台播出安全体系则是依托于安全大数据,覆盖终端安全、网络安全、WEB安全、数据安全、业务安全等各个领域的立体纵深防御体系。云端对大数据进行汇总,通过深度挖掘和快速关联分析,找出隐藏在海量数据中的异常行为或安全威胁,及时判断出其运行轨迹和可能风险,通过云端、终端、边界的有机联动,在多个维度上采取有效的应对措施,使用户能够及时调整安全策略,加固安全防御体系,将安全风险控制在合理的范围内,做到“单点发现、多点防御”。

4 大数据、云计算时代的监测监管

对于监测监管来说,主要职责是帮助行政管理部门提高决策的科学性和精准性,提高预测预警能力及应急响应能力,节约决策成本。

在传统媒体与新媒体深度融合的今天,广播电视节目内容海量增长、播出传输渠道多元化、技术形态各有不同,尤其是新媒体,播出机构数量飞速增长,传播影响力日益扩大。要充分发挥广电行业媒体舆论宣传的正确引导力,维护广播电视各项业务的正常开展,节目内容监管的重要性愈加突出,信息安全监管的必要性愈加明显。因此新的发展形势下,做好与业务和技术发展相适应的,全面、高效、科学的监测监管是非常重要的。

大数据为信息安全的监测监管提供了新方法。对于监管单位来说,全国各个监测节点回传的海量数据更是包含着丰富的信息,通过大数据分析一方面可以掌握行业内技术系统的规律。如不同设备的故障率、故障点、使用寿命以及设备参数与其生命周期之间的关系,不同设备主备切换的平均时间,系统安全性指标等等,为行业的播出管理更科学、有效、合理提供重要的参考依据。另一方面更加便于威胁情报的发现、溯源,对播出质量和风险进行分析和预测,从大数据中挖掘出黑客攻击、非法操作、潜在威胁等各类安全事件,第一时间发出预警信息。同时,面对全国巨量的广播电视播出节目内容、互联网视听节目内容,唯有通过大数据技术,方可高效地实现对舆论宣传内容的有效管控。当前,监管中心已经在试用各方收集的数据进行全国广播电视节目内容播出情况大数据分析,较之原来,数据分析更加全面、科学、客观,取得了很好的效果。

未来的全国广播电视信息安全监管平台针对传统媒体和新媒体融合发展,网络融合、业务融合及用户终端的跨网联动、融合业务的多屏协同等特点,利用大数据、云计算技术,构建支撑跨网络、端到端、多特征、多维度的监测架构,通过对多方数据信息资源的多元化采集、主题化汇聚和知识化分析,实现全国广电系统信息安全状况分析、风险研判和态势感知、信息安全事件管理和预警发布、安全通告及重要问题云推送、信息安全应急响应支撑等能力,使广播电视信息安全管理从被动响应向主动预测转变、从经验判断向大数据科学决策转变。

5 结束语

随着海量数据存储、数据清洗、数据分析发掘、数据可视化、信息安全与隐私保护、感知技术等领域研究和技术的发展,云计算、大数据将带来更为可喜的应用。

当前,广播电视行业正在积极拥抱互联网,是顺应“互联网+”的潮流,更多的是业务发展的驱动,生存的驱动。发展中确保播出安全是广电永恒的追求,在云计算、大数据应用发展中,信息安全占据着重要地位,因此更要注重信息安全体系建设,只有将将信息安全融入播出安全保障,转变传统的安全播出与监测监管的思路,才能助力行业更为顺畅健康发展,使广电更好地服务社会,服务大众。

摘要：本文结合当今大数据、云计算的发展以及在广电的应用,提出了将大数据、云计算应用于广播电视播出安全和监测监管的思路,以更好地适应广播电视业务的发展。

关键词：大数据,云计算,播出安全,监测监管

参考文献

[1]国务院.促进大数据发展行动纲要[Z].国发〔2015〕50号.

金融大数据安全隐患与对策 篇9

当今世界已进入大数据时代, 各类数据正以几何级数增长。海量的数据在给管理带来严峻挑战的同时, 也提供了巨大的利用价值。大数据的研究与应用正在逐步渗透到人类社会的每个角落, 并越来越影响着人们日常生活方式、工作习惯及思考模式。

金融服务业作为世界上数据最为密集的行业之一, 无疑是这场数据风暴的重要角色, 金融大数据包含了金融交易数据、客户数据、运营数据、监管数据以及衍生的各类数据。

据2013年3月IDC的研究报告:经过多年的发展与积累, 目前中国的大型商业银行和保险公司的数据量已经达到100 TB以上级别, 并且非结构化数据量在迅速增长, 中国金融行业正在步入大数据时代的初级阶段。深入了解和分析海量数据来及时识别和获取其中的信息价值, 已成为金融机构在竞争中保持优势地位的关键。

2012年11月, “十八大”提出将金融改革列为未来10年发展的重中之重, 中国主要金融企业也都制定了“十二五”发展规划。未来中国的金融行业将依靠构建基于大数据的数据分析体系, 以支持业务创新与服务创新。如何应对这一场人类数据历史上史无前例的挑战和机遇, 让中国金融行业的大数据机遇真正成为美好现实, 未雨绸缪, 确保数据安全就成为一项十分重要而又艰巨的任务。

二、中国金融行业大数据面临四大安全隐患

近年来, 金融界数据安全事件频频发生, 不仅给客户带来直接经济损失, 也给金融业的声誉带来负面影响。例如, 2013年6月23日, 中国工商银行由于系统发生瘫痪, 导致柜面取款、自动取款机、网上银行、电话银行等业务办理收到影响, 涉及北京、上海、武汉、四川等中国多个省市;2013年8月16日, 光大证券由于其交易系统出现问题, 导致上证指数出现大幅拉升, 大盘1分钟内涨超5%, 指数最高报2 198.85点, 盘中逼近2 200点;2014年3月, P2P网络借贷行业门户网站网贷之家发布公告称自2014年3月16日起, 网贷之家官网持续多日受到黑客的严重恶意攻击:持续10分钟的30 G流量攻击, 短短几小时内6亿次的连续攻击。

随着金融数据化的进一步深入, 金融数据安全问题将更加突出, 如果处置不当将导致灾难性后果。金融业数据面临四大方面的安全威协。

(一) 智能移动终端的普及致传统安全防范措施面临新挑战

中国已经成为全球最大的智能终端市场。随着互联网金融的发展, 客户随身携带的终端中, 储存了大量的个人敏感信息, 这些信息包括客户各种网上银行的账号、密码等关键金融数据信息。个人信息泄露会促进银行卡盗刷、诈骗、勒索甚至威胁人身安全的事件发生频率的增高, 让人心有余悸。国家互联网应急中心在互联网大会上发布的《2014年上半年移动互联网环境治理报告》显示, 2014年上半年, 新增移动互联网恶意程序超过36.7万, 移动恶意程序99%以上针对Android智能终端平台, 恶意扣费类程序占62%以上, 超过300家应用商店存在移动恶意程序, 整理安全情况不容乐观。2014年第二季度, 市面先后出现“手银鬼手”、“钓鱼木马”、“假面银贼”、“替死鬼木马二代”等为代表的多款支付类手机木马, 严重威胁终端用户的金融数据安全。在现有的安全防护手段逐渐失去效力, 传统的系统安全、边界安全无法防卫以数据窃取为主要目的的攻击行为的情况下, 智能终端遭到病毒的攻击或者丢失造成的后果更为严重。保护智能终端金融数据的安全将是互联网金融健康发展的关键。

(二) 金融大数据的集中更容易成为网络攻击目标

在大数据环境下, 金融数据成为更容易被“发现”的大目标。一方面, 金融数据的集中意味着更海量、更复杂、更敏感的数据归集, 这些数据会吸引更多的攻击者, 成为更具吸引力、破坏力的目标。另一方面, 金融数据的集中, 使得黑客一次成功的攻击能够获得更多的信息, 降低了黑客的进攻成本, 增加了黑客的“收益率”。2014年5月22日, 全球最大的国际贸易电子商务平台eB ay要求近1.28亿活跃用户全部重新设置密码, 此前这家零售网站透露黑客能从该网站获取密码、电话号码、地址及其他个人隐私数据。甚至连被公认安全系数高的i OS平台也发生安全事件, 2014年9月初, 苹果公司云端服务产品i Cloud多次遭受黑客攻击, 导致用户大量隐私数据泄露, 甚至导致某些国家网络瘫痪。

(三) 金融数据虚拟化技术遭遇新的安全威胁

数据虚拟化技术是近年流行的一种允许用户访问以及管理和优化异构基础架构的方法。虚拟化的应用使不同程度的信息混存于同一物理介质上, 造成信息访问权限的混乱以及数据泄密等问题。采用虚拟化管理程序软件的大多数企业使用VMware虚拟化技术, 这意味着如果VMware软件存在安全漏洞, 黑客就可能通过电子邮件、网络或域名服务器等多种途径来发动攻击。2014年4月16日, 由于VMware多个产品所绑定的Open SSL存在安全漏洞, 造成攻击者利用该漏洞获取包括密钥、用户名密码等大量的敏感信息。

(四) 法律法规政策的滞后和不完善带来政策上的安全隐患

随着我国经济金融事业的快速发展, 外资银行逐渐进入国内金融市场, 而中国的金融机构也逐步走向海外, 呈现一种相互融合的趋势, 而且金融创新速度逐年加快, 与之相对应的是金融数据分布在不同的地域甚至不同的国家。而世界各国政府在信息安全监管法律法规上除了存在标准差异之外, 还存在许多现行法律法规滞后或者不适应新形势的问题, 这将导致由此引发的风险与纠纷增加, 更为严重的经济问题也可能随之而来。再加之金融机构或者第三方金融数据提供商有可能利用法律法规上的部分漏洞和差异, 变相地在协议或合同中不承诺对金融数据发生泄密或者丢失行为承担法律责任。

三、对策建议

(一) 重视大数据环境下金融数据安全体系建设

在对金融数据进行应用发展规划时, 要从战略高度切实认清金融数据安全形势的严峻性, 按照数据价值或数据保密程度来区分数据, 明确重点保障对象, 强化对重要敏感数据的监控管理。加大对金融数据安全形势的宣传力度, 明确金融数据的重点保障区域, 加快大数据环境下金融数据安全技术的研究, 培养数据安全的专业人才, 建立并完善金融数据安全体系。

(二) 进一步加大投入, 加快金融大数据安全技术的研发和推广

要针对金融行业的数据特点, 加大针对大数据安全保障关键技术研发的资金投入, 提高我国金融大数据安全技术水平。重点研究基于大数据的网络攻击追踪方法, 以及基于数据存储、数据检索、实时数据处理、数据管理等多个不同侧面的大数据安全防护技术, 加强数据加密技术的研究与推广。抢占发展大数据安全技术的金融市场先机。

(三) 加快制定大数据监管的相关法律法规

加快大数据管理的法律法规的制定已是当务之急, 要结合金融大数据以及未来金融发展的趋势, 在鼓励和保护创新的前提下, 制定并完善相关的不同层面的法律法规制度和操作规程。监管机构需要制定针对金融行业的数据管理和安全操作制度;金融机构需要加强内部管理, 制定设备特别是移动设备安全使用规程, 规范金融数据的使用方法和流程;金融消费者需要切实加强自身的重要数据信息的保护, 尤其是涉及财产和自身安全的金融数据。

(四) 加强交流, 提升不同角色的数据安全意识

大数据时代的金融信息安全 篇10

大数据时代随着数据的增大和集中化以及金融信息化的加速, 不可避免的增加了数据泄露的风险, 再加上对一些敏感数据的使用权和所有权界定不明确和过分依赖国外大数据分析技术, 使得金融信息安全面临多方面的威胁。

1.1 大数据集群数据库的数据安全威胁

大数据意味着数据量更加庞大、复杂度更高、敏感性更强, 在网络这个虚拟的空间中更容易成为吸引潜在的攻击者将其作为攻击的目标, 由于数据的集中性, 网络攻击者一旦得手将会一次性获取更多有价值的数据, 提高“收益率”。现在金融信息化程度很高, 信息系统的规模也越来越大, 数据高度集中, 金融信息资产量大, 因此对业务系统运行的可靠性和安全性有着更高的要求。但是, 目前金融信息安全保障体系并不完善, 甚至有些网络技术、通信设备和应用系统都要依赖国外技术, 这使得在大数据时代下金融信息安全的风险系数变得越高。

1.2 智能终端的数据安全威胁

中国目前已经成为了在全球范围内市场最大的智能终端市场, 而恰恰智能终端又是数据安全的关键所在。智能终端设备在使用的过程中储存了大量的个人信息, 一旦被攻击将会导致个人金融信息的泄露。金融信息的网络化, 必然促使金融信息系统会通过互联网与终端智能设备相连接, 参与到金融信息系统的采集、储存、传输和处理中来, 信息量也会越来越多, 在与外部终端设备的数据交换中, 使得本来封闭的网络对外开放, 无疑会增加了被入侵和攻击的几率。因此, 智能终端的数据采集、存储、传输、处理都会增加金融信息受到攻击的威胁。

1.3 数据虚拟化带来的泄密威胁

数据虚拟化技术是实现用户访问数据、管理和优化异构基础架构的技术, 如果把数据比作为财富的话, 那么大数据就是宝藏, 而数据虚拟技术则是挖掘宝藏的利器, 其中最具代表性的就是数据虚拟化存储技术。但是如何保管虚拟化后的不同密级的信息, 避免越权访问或数据泄密就成为了关键。随着金融电子渠道的不断拓展以及网上业务的普及, 数据处理的复杂度越来越高, 各种金融卡号的失窃、电子欺骗等犯罪活动也逐年增多, 来自互联网的数据虚拟数据的入侵和攻击成为这种金融信息安全受到威胁的主要原因之一。

2 大数据时代下金融信息安全保障体系的建立

大数据时代背景下, 高度信息化的金融系统所面临的危险系数更高, 因此必须构建起管理手段和技术手段相结合, 全方位、多层次、可动态发展的安全防范体系, 以确保金融信息的安全。

2.1 建立核心信息区安全防护系统

在大数据时代下数据的量庞大的惊人且复杂度非常的高, 对涉及到公众财产的金融行业来说保障这些数据信息的安全是一个极其重要的问题。数据结构化可以对保障数据的安全开发起着重要的作用, 能够高效的判断出一些非法入侵信息系统的数据。核心信息区是金融行业所有活动的基础, 包括了金融行业信息服务群组和网络管理, 这个区域对安全性和业务连续性有着极高的要求, 具有管理复杂、封闭性强等特点, 其安全与否会对整个金融信息系统的稳定运行产生重要影响。所以需要检测违反信息安全要求的行为, 在入侵行为对系统发生攻击前, 监测防御攻击并将入侵攻击驱逐, 以保系统安全。

2.2 建立信息交流区安全防护系统

金融信息系统中的信息交流区是指整个负责与外部交流的服务器区域。由于该区域通过互联网与外界连接, 同时又涉及到敏感的金融业务, 所以对安全性和业务连续性有着较高的要求, 因为其比较容易成为DOS/DDOS攻击的对象和病毒的入侵。计算机病毒具有传播范围广、速度快、危险性大等特点, 一旦发作将会产生严重后果, 因此部署全网的病毒防范措施就显得很有必要了。

2.3 建立内部系统安全防护系统

内部系统主要指办公服务器所在的安全区域, 主要应用于内部OA系统, 一般采用Windows服务器, 容易受到黑客入侵和病毒的威胁。由于金融行业内部在使用办公系统、系统的时候, 病毒有时候可能被当成文件在同事计算机之间共享, 从而加速了病毒的传播。因此, 在这块部署防毒系统显得非常的重要, 需要通过设置防火墙的方式, 提供信息的安全性。防火墙的功能是对在不同网络件进入的信息尽心筛选和风险控制, 采用这种技术能够根据安全性要求来有针对性的控制网络的信息流动。

2.4 建立分支节点区安全防护系统

现在有很多网络的设计以连通性作为中心进行设计而忽视了对安全性的考虑, 但网络的设计改造都应该以安全作为中心, 控制对各节点的安全性访问。现在的网络设计中针对节点的防御功能的设计都比较孤立化, 在应对入侵时往往显得比较被动, 没能形成强有力的对抗性。对节点的控制要从一开始就进行, 采用集中化处理手段, 将节点的控制执行到位, 这样才能对整个系统起到保护的作用, 以防止外来入侵从源头进入。

2.5 建立管理区安全防护系统

确保金融信息体系的安全性既要从技术手段入手, 也要从管理手段入手, 需要有专门的人员负责整个网络数据库的管理, 定时检查各种网络设备、安全设备、入侵检测设备的状态是否有出现异常并及时采取防范措施。作为金融信息系统管理人员必须要有较高的安全意识, 完善相关的信息安全管理制度, 定期对相关技术和设备进行升级, 防微杜渐不给任何的入侵机会并为不同密级的信息安全提供针对性的技术支持。

3 结束语

金融信息的安全不仅仅事关金融行业本身的问题, 与我国经济、社会和国家安全都有着紧密的相连, 关系到金融业能否稳定发展, 金融信息安全有保障对促进我国金融信息化建设有着相当重要的战略作用。特别是在当前大数据时代背景下, 数据复杂、量大, 对高度信息化的金融行业来说既是机遇又充满挑战, 所以要从多方位建立起安全保障体系, 确保金融信息的安全、稳定。

参考文献

[1]夏小依.银行初探大数据金融[J].中国金融家, 2013 (9) :61.

[2]陈柳钦.金融信息安全需进一步加强[J].金融信息化, 2009 (2) :39.

夸克金融：大数据获取小分子 篇11

夸客金融聚焦在个人消费金融和小微企业主的融资需求，这是被商业银行冷落的一块地带。相对于大额贷款来说，面向小微企业和个人的信贷，贷款数额小，信贷风险高，传统商业银行不喜欢。面向大多数人群，单个用户的贷款数额可能并不高，但是如果聚沙成塔，就会形成一个长尾市场。

移动互联网时代的一个进步之处，是点对点连接变得更加高效。这使得市场中需要融资的“点”和有能力借款的“点”能够更加高效地匹配。纯粹进行信息匹配的互联网金融平台，在这样的形式下也应运而生。然而这种模式，在眼下依然有很长的路需要走，尤其是中国市场还缺少一个风险定价环境。

换言之，平台在其中扮演的角色，不能仅仅是一个“融资媒介”，还需要对风险进行评估、定价、把控，这也是金融行业的门槛之一。

随着国内中产阶级群体的崛起，橄榄的中段在膨胀，加之消费升级的大环境，夸客金融瞄准的正是这样一个高增长人群。截至2014年，个人消费贷款余额大约是7.7万亿元人民币，这一数字将于2018年增长至17.5万亿元人民币左右。高增长的另一面，是这个群体信用脸谱不清晰，与银行的关系弱，国内征信系统不完善，用户的信息存在缺失、不全面，这些都直接给融资中的风险管理提高了难度。

线上线下补齐用户风险样貌

要进行风险管理，第一步就是要有能够管理的数据。夸客选择了线上线下两个方向，进行信息搜集。

线下来说，夸客在上海和武汉打造信贷工场，客户人员通过电话和客户互动，收集数据，信贷工场人员规模高达4 000人。同时，夸客的地面部队覆盖了30多个城市，业务人员面对面和客户接触，这也是在收集数据，并且是原始且有效的数据。

除了地面部队自己搜集的数据，夸客同时也打通了几个信息渠道，与中智诚、深圳平安前海征信、鹏元征信等8家个人征信公司达成合作，多维度地获取数据。

在线上，夸客与其他金融平台、消费平台打通，抓取其他平台数据，以描绘出用户的风险样貌。

“我们把所有这些线上线下的、第三方的、地面业务人员、信贷工场的作业人员……任何可能和客户接触到的点，都是非常有价值的数据收集点，将它们集合之后，通过数据挖掘技术来做征信。”郭震洲说。

信贷工场：金融的流水线

在大量的信息汇聚之后，如何甄别风险，就到了下一个环节：信贷工场。

两百多年前英国人乔赛亚·韦奇伍德在他的陶器工厂里，第一次用流水线替代工人，提高了生产效率，降低了成本。其中一个重要的变动因素，就是人在生产中发挥的作用被减少，尽可能的依靠机器。机器的好处是工作时间长，同时错误率低。如果能将小额贷款放入到如车间流水线一样的“贷款生产环节”中，通过教育系统，降低人在其中的作用，而提高机器的比重，就能降低每笔贷款的成本。在美国，通过运用FICO信用评分，金融机构根据分数段定价，客户分层实现了精细化、个性化，平均能够给每个客户省下1 000美元的成本。

而在夸客的上海信贷工场，一笔融资从进入流程到结束流程，已经做到像工厂流水线一样的操作。

一笔贷款在信贷工场被“生产”出来，要经过3个环节——初审、终审和贷后管理。

初审：人机交互测绘风险信息

信贷工场中的员工在处理申请的时候，实际上只会接触到90%的贷款申请，有10%的申请可能会因为申请额度小（意味着风险低）且符合规范，就由系统自动批准通过，不用进入人工环节。

每个申请人信息包括数千个数据点，工资收入、银行流水、手机通讯记录、直系亲属电话、工作地址、家庭住址等。这些数据点会被分到400多个维度下面，进行分类评估。如此大量的信息，会由人工和系统共同进行处理，需要人工处理的环节占到约40%，需要机器处理的则占到60%。

系统处理的60%，通常是相对明确的信息，比如征信报告中提到的数据，公开来源获得的数据。这种简单的是非判断，就会由系统进行自动判别。

人工处理的40%，则是系统已经识别为异常，但系统无法进行判别的信息。比如21岁的申请人的月收入超过万元，这在系统眼中属于“逻辑异常”，系统会在后台标红提醒初审人员。初审人员会通过其他方式，比如电话联系申请人，或者与地面同事了解情况，求证系统标红的信息是否存在异常，再进行处理。

在“系统+人工”的合力下，一个申请的处理时间需要大约30分钟。通过初审的申请，初审人员会推送到下一个环节——终审。

终审：给风险定价

简单来说，初审是判断“能不能贷”，终审的任务则是判断“能贷多少”。

目前，夸客开发的牛盾风控系统已经可以通过风控模型，对每一笔借款给出一个相应的风险评级，最后系统再依据风险评级形成风险定价，给出客户的借款额度范围。

举例来说，夸客自建金融的终审人员接到初审提交的信息之后，一个重要工作是对风险进行定价。终审人员首先会对关键性数据进行复审抽查，然后在系统的辅助下，给出可以放款的区间，也就是风险定价。举例来说，如果贷款申请在12万元，但是根据系统评估，安全放款区间应当在5～8万元，终审人员最多会放出8万元贷款，如此降低贷款风险。同样是12万元的申请，系统在终审环节可能会给出8～14万元的放款区间，在这样的情况下，终审人员也只会批准12万元的贷款。

nlc202309082006

经过信贷工场的环节之后，最终拿到贷款的申请人大约占到50%。

贷后管理：风险后续监控

放款离开信贷工场的时候，并非就离开了夸客的视线。系统会以打包的形式，将这笔贷款提交到下一个环节——贷后管理。

夸客的风险运营部会以天为单位，对贷款进行追踪、监控。如果贷款超期未还，贷后管理就会启动催款机制。根据超期的时间不同，贷后管理会分为M1和M2两个阶段。M1主要处理超期1天到30天的款项，M2则主要处理超期30天到60天的款项。有约90%的逾期借款会在M1阶段收回。

大数据加工线

当信贷工场产生的数据达到一定程度的时候，夸客就可以逐渐降低“人脑”在放贷过程中的决策比重，提升“电脑”进行决策的权限。这是一个“从零到一”的过程，数据为零的时候只能依靠“人脑”，数据逐渐增多之后，重心就会逐渐转移到“机器”上。当大数据足够多的时候，机器就可以不断学习。在很多地方，我们对未来的一个想象，就是大数据。最近滴滴先后拿到苹果10亿美金，中国人寿6亿美金的融资。从滴滴的公开表态来看，承载如此庞大的两笔融资的模式，最后也是落脚于出行大数据。

大数据首先有一个繁重的搜集过程，这也是夸客信贷工场的一个重要工作。从初审到贷后管理，系统会记录申请人的所有信息和动作。即使是发生在口头、电话中的信息，也会被系统记录下来，用以完善用户的数据。

这就好像是阿里巴巴掌握了用户的购买数据，夸客则在描绘关于一个用户的信用数据。自1996年进入美国银行业，郭震洲先后在美国富利银行、美国国际集团、摩根大通银行等金融集团担任高管，一直在消费金融领域负责风险管理业务。美国次贷风暴、台湾双卡风暴等，郭震洲都有在金融一线参与。这就让郭震洲深知“数据”对于金融公司的重要意义。

行业需要后来者，又难于后来者

金融行业的门槛从来没有因为互联网的介入而降低。互联网或许消除了资源的壁垒，但是并没有踏平技术的门槛。互联网给未来带来许多想象，但是这些想象仍然需要一步一个脚印，按部就班实现。曾经认为“低门槛”的P2P金融，退潮之后也只剩一片狼藉。与互联网介入发生变化的其他行业不同，金融行业更加复杂，行业在整体经济发展的地位也极其重要，这也是这个行业一直谨慎发展的一个原因。

几十年来，中国的金融一直是以商业银行为主导的。从好的方面来看，资源的集中可以办大事，但是市场缺少多样性，很难挖掘出不同层次的金融需求，小微企业、个人消费者一直受到忽视。如果行业要往前走，就需要有更加市场化、多元化、多层次的金融体系。互联网金融实际上是对传统金融的一个补充，这也是这个行业的价值所在。

同时，在硬币的另一面，是金融本身的高门槛使得这个行业难有后来者来填补空白。这不是建一个网站，搭一个平台就能做的买卖。一方面，市场的空白给后来者留足了空间；另一方面，行业的复杂性又在阻挡后来者的进入。

“互联网金融的本质是金融，金融的核心是风险管理，风险管理的基础是数据技术。”郭震洲说。这也正是互联网金融之难。

但或许，能真正跨过这个门槛的公司，也自然会成为真正带来改变的后来者。

大数据金融监管 篇12

互联网和云计算的飞速发展不仅使得通过互联网获取信息更加容易, 可获取的内容也更多, 应用云计算技术, 大量数据不再存放于个人电脑或移动硬盘中, 而是存储在远端的云储存服务器里。全球每天产生250亿字节的新数据, 据国际数据公司 (International Data Corporation) 预计, 从现在起到2020年, 数字世界的规模将每两年翻一番。伴随着爆炸性的数据增长, 各行各业对大数据和云计算技术的应用的需求也越来越迫切。

1大数据技术应用研究现状

大数据技术是指运用引擎、各类网络数据库等, 用一种搜索、分类、分析、学习的技术, 通过高速的计算机运算、各专业领域专家的研判以及系统的不断学习, 精确分析事件和事件相关的事物, 并预测未来。运用大数据分析事件, 可以帮助我们发现两个看上去毫不相关的事件或人之间暗藏的关联。

近年来, 以微博、微信为代表的社交媒体受到热捧, 人们利用这些社交网络、通信工具沟通交流, 也传播各种信息。同时, 服务器也会记录下用户的登录时间、朋友群、地理位置等大量后台数据。以这些信息为基础进行数据分析, 便能够准确地掌握某个人或者某群人的行为习惯。美国国家情报局不仅花钱去监听通信内容, 还通过大数据挖掘元数据, 从而立体分析某事件或者人。公共安全方面的大数据应用主要是预警并消除暴力、恐怖主义、网络犯罪和其他网络安全问题, 同时也为事件提供详细周全的分析参考。

因此, 大数据时代的网络和谐管理、广播电视环境纯净管理、社会舆情研判、恐怖行动分析的基础必须是完整、准确和极速的信息抓取。正确的大数据环境下的新媒体监管是:要做到不留死角、360度全视角、分秒不停地抓取并分析事件的全方位的数据。

2广电新媒体监管面临的挑战

2.1互联网发展带来新的技术挑战

主要体现在以下几个方面:

数据量巨大。全球数据进入ZB时代, IDC预测到2020年全球将拥有40ZB的数据量。

多样性。如今数据类型早已不是单一的文本形式, 而是更多的结构化数据、非结构化数据和半结构化数据。非结构化数据超大规模和快速增长, 总量占到总数据量80%~90%, 比结构化数据快10~50倍;数据种类呈现的多样性包括文本、语音、视频、图像等;数据排列无固定模式或模式不明显;语法和定义的不连贯。

价值密度低。一部数小时的视频, 可能有用的数据仅仅只有一两秒, 如何快速提纯是大数据亟待解决的问题。

速度。实时获取需要的信息, 在海量数据面前, 处理数据的效率是监管的关键。

2.2信息分析的完整性和全面性带来综合管理的挑战

随机采样模式是广电监管领域目前沿用的监管模式。随机抽样监管模式是在不可能收集和分析全部数据的情况下的一种便捷的选择, 但存在着固有的缺陷。然而, 随着云计算和互联网、搜索引擎的技术日益成熟, 已经有技术和设备可以支撑全面数据分析, 支持互联网新媒体监管需要全面、完整的监控分析和防范。

2.3监管内容的多样性对现有技术和方法的挑战

从电视节目到互联网, 新媒体监管的内容日趋丰富。内容监管需要大数据的分析和学习, 但内容的日趋丰富与监管人员的知识模型更新速度不匹配。同时, 人工关联分析效率低, 海量数据百亿记录, 检索分析慢。

对信息汇集共享并进行智能监管分析, 从而具备精确打击、主动预防、控制事件影响能力, 是当前业务发展的需求。

2.4新媒体需要未来发展事前预测

对于广播、电视等传统媒体来说, 事后的查证只是对于事故的总结和回顾, 通过总结和回顾来减少类似事故的发生。新媒体监管更应该主动出击, 利用网络用户行为的大数据分析来提前预测可能造成的不利影响甚至是潜在的突发事件。

3基于大数据的新媒体交互式监管方案设计

3.1方案设计

1.数据源

目前, 主要的数据源来自互联网的数据, 还包括各电视台等第三方数据。

2.数据采集与整合

批量数据采集和实时数据采集。批量离线采集主要通过探针、互联网爬虫等方式实现;实时采集主要通过探针、数据包深层分析、实时连接适配器等工具完成。

3.数据库

大数据数据库包括混合数据仓库及数据管理 (元数据管理、主数据管理、数据质量) , 可支撑结构化、半结构化和非结构化的数据处理。

4.数据探索和挖掘

数据探索和挖掘主要通过企业级的实时知识引擎来实现, 包括:统一任务调度、数据建模、统计分析、数据挖掘、文本分析、图分析等模块。数据在这里通过分析和挖掘形成真正有价值的知识。

5.综合决策平台

综合决策中心作为事件适配和策略生成的核心, 包括:接触渠道适配、实时决策管理、事件适配和预处理等。数据在这里通过适配, 能生成对应的策略, 满足特定场景的决策需求。

3.2新媒体监管分析系统的检索逻辑设计

在海量数据中, 根据既定的检索逻辑分部处理业务数据, 可以使系统架构更灵活和开放, 使得各部门可以根据需求来使用分析结果, 然后深度加工。两步分析处理方式可以较好地匹配目前广电新媒体监控业务流程, 可以使业务分人分块监控。

3.3新媒体监控业务分析系统

新媒体监管分析系统是以人为主导、以大数据为手段、以提高新媒体监控核心竞争力和监控效率, 为各监测台提供战略咨询和决策支持系统。新媒体监控分析系统是以各台原有监控机制为基础构建的一个利用大数据服务新工作的组织和工作体系, 将搜集与积累的所有信息汇总并充分利用, 不断进行整理、研究、分析, 形成监控研究分析报告提供给决策层及相关部门。

1.监管信息采集模块

对互联网各论坛、新闻媒体、微博等公众互联网信息源, 利用互联网搜索和文本挖掘技术, 结合大数据分析进行全面整合和利用, 运用网络爬虫等不同技术对信息资源进行批量采集, 从而形成初始信息库。

1) 在互联网主动部署爬虫等动态监视工具, 实现增量采集和实时更新;

2) 支持多种语言的网站信息采集, 了解国内外舆论的风向;

3) 支持全媒体全方位信息采集, 网页、视频、图片等;

4) 支持网页和论坛等分页采集;

5) 支持采集网页中各媒体内容;

6) 将采集到的监控信息存入本地数据库中。

2.监控信息加工处理

利用文本、媒体挖掘技术将采集到的原始内容进行过滤、排重、分类、内码转换自动智能分析处理, 最终形成监控信息树。

1) 页面自动分析和提取有用的元数据进行收集并过滤掉无用的页面和媒体文件, 避免下载带宽的浪费以及垃圾邮件的下载;

2) 自动生成摘要信息;

3) 自动提取主题词;

4) 根据主题、关键字, 源头等内容进行分类管理, 也可以根据统计或规则来分类, 创建专有的模型进行管理和维护分类;

5) 支持手动记录情况;

6) 支持图片、文档等附件上传;

7) 支持对情报的加工、处理和删除。

3.监控信息分析与服务

提供监管信息分析与检索服务, 并实现监控信息授权检索, 提供定制的信息服务;通过运用知识管理技术和大数据技术进行信息分析, 形成格式规范的新媒体监管简报和报告;并对监控信息和区域进行统计分析, 生成相关信息统计图表。

1) 以提供监控信息导航树的维护端口, 在导航树中的每个节点可以由监控工作人员定义和管理;

2) 监控信息导航支持多级导航, 包括用于多级分类支持;

3) 提供监控简报模板管理、生产、导出、打印功能;

4) 监控信息产品 (包括新媒体监控简报, 监控综合分析报告等) , 可以通过权限限制用户访问的信息;

5) 支持日、周、月模式的监控综合简报服务方式;

6) 新媒体发布可以按热点新媒体监控分析报告、重点事件互联网分析报告、最新监控事件分析报告、预警报告几类进行发布。

4试验和结果分析

对于海量数据的挖掘与分析, 由于传统数据挖掘工具系统性能有限, 通常采用抽样手段来完成, 不能对全网进行数据分析, 尤其针对社交网类型应用, 抽样不能解决根本问题。

基于大数据平台的新媒体监管, 提供面向结构化、非结构化数据分析挖掘, 支持分类、聚类、关联规则、社交网分析等不同算法, 实现了数据探索、数据流程可视化、数据结果展示及流程调度等功能。

4.1互联网事件关联分析

新媒体使用了数据挖掘技术、大数据处理技术等新型的数据处理手段, 保证了数据的处理效率, 能够更加有效地利用数据。关联分析可以清晰帮助从业人员看清各个事件的逻辑关系, 可以全面的分析事件。分析单个的独立事件或许分析得不出结论, 但是结合历史的数据来分析就会有质的突破。

4.2重大事件关联人员分析

互联网事件的背后是活生生的人, 人做事情就有动机和做事的范围。单个事件违规, 那么其他地方一定也存在违规, 为及时发现与此相关的违规内容。需要以群分互联网网络人员, 标出风险人群重点关注。

5总结

本文探讨了利用大数据分析技术和网络爬虫等应用技术处理海量互联网监控数据的场景。其中大数据分析技术用于平台的构建, 为分析和存储提供最基本的功能支撑。大数据应用技术, 包括互联网络爬虫、信息检索、数据挖掘、多语言处理, 是用于适配互联网监控这个大数据场景的应用技术。通过信息获取、监控信息加工和分析三个步骤, 可以从互联网上抓取需要的数据以供分析, 从数据中找出监控内容并对内容进行各种分析, 为行业主管部门对监管违规内容提供决策依据和支撑。

对互联网监控和广电新媒体监控效率提升的研究目前尚处于初期阶段, 我们希望通过总结和研究为监管行业提供一定的启发:在违规新媒体信息发现阶段能够准确迅速地从海量数据中找出正在扩散和传播的违规信息, 并对违规信息的扩散范围和散播人员进行分析和管理。

参考文献

[1]周立柱, 林玲.聚焦爬虫技术研究综述[J].计算机应用, 2005 (9) :1965-1969.

[2]David A, Grossman, Ophir Frieder.信息检索:算法与启发式方法[M].张华平, 李恒训, 刘治华, 译.北京:人民邮电出版社, 2010.

[3]Mehmed Kantardzic.Data Mining:Concepts, Models, Methodsand Algorithms[M].John Wiley&Sons, 2002.

[4][英]维克托·迈尔一舍恩伯格, 肯尼思·库克耶.大数据时代[M].浙江:浙江人民出版社, 2013.

[5][英]维克托·迈尔一舍恩伯格, 肯尼思·库克耶.大数据时代[M].浙江:浙江人民出版社, 2013.

[6]James Allen.自然语言理解[M].刘群, 译.北京:电子工业出版社, 2005.

[7]奉国和, 郑伟.国内中文自动分词技术研究综述[J].图书情报工作, 2011 (2) :41-45.

[8]中国科学院计算技术研究所.ICTCLAS汉语分词系统[EB/OL]. (2014-06-22) .http://ictclas.org/.