大数据金融时代

大数据金融时代（精选12篇）

大数据金融时代 篇1

1 大数据时代金融信息安全面临的威胁

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.

[3]韩志雄.个人金融信息安全保护探析[J].现代经济信息, 2010 (11) :47.

大数据金融时代 篇2

电影大数据报告：大数据时代的电影消费洞察

近日，猫眼电影发布了关于“大数据时代的电影消费洞察”的报告（以下简称报告），报告数据分析来源于超5亿人次的猫眼电影消费数据和4000家影院数据。报告显示，2015上半年全国电影票房线上化率超过50%，最受好评的国产片是《战狼》，进口片是《速度与激情》。

公开数据显示，2015上半年中国电影票房同比激增49%，达到202亿元。其中，中国电影市场的高速互联网化趋势明显，3月份线上出票占大盘比超过50%。报告指出，目前国内三四线城市的票房增速明显高于一二线城市，2014年上半年一二线城市票房为93亿元，2015年上半年增至135亿元，同比增长45%；2014年上半年三四线城市票房为43亿元，2015年上半年增至67亿元，同比增长56%。

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

大数据时代的金融思考 篇3

如果用一个更大的视角，互联网、平台化、社交媒体、搜索引擎、维基技术等科技元素将从根本上影响金融、经济，乃至整个社会。

但这并不妨碍我们用“大数据”这个词。因为，通过这个词，能够去包含这个时代许多与之相关的科学和技术，通过这个词，让人们能够更多、更直观地认识数据科学及数据的时代使命。

对于金融业而言，需要我们有充分的认识和准备，并加快做出相应的调整和变革。

一是对于大数据时代的到来，需要有一个专业、深刻和前瞻性的认识。从金融业的角度看，需要关注三个问题，首先是“去边界”思维，即在大数据和平台化时代，各种边界都会越来越模糊，所以，未来的创新和机遇，更多的是在边界发生的，不是中心，但我们对边界又关注了多少，认识了多少？

其次是“社会脑”的认识，大数据使得整个社会的信息实现了共享。从整个社会的层面，出现了一个趋势叫“数字社会主义”；从个人的层面，出现了一个“数位人生”的概念，即每一个人都将被数据化。社会和人的数字化是“社会脑”出现的前提，也是其进化的基础，它将从根本上改变我们对知识和智慧的传统认识，并营造出全新的“生存环境”。在这个大背景下，就面临着怎么利用好这个“社会脑”的问题。

第三是协同创新问题，消费者的“生产者化”是一个趋势，是“以客户为中心”的根本解，为此，金融业要有一个开放的心态，一个畅通的机制，一个协同的平台，适应这种潮流，核心是解决内外部信息流的统一视图，并通过商业模式的创新，实现行业效率的结构性提升。

二是在互联网和大数据的思维下，效率不再是静态和单一维度。在多维、跨界和融合的浪潮下，就有了“羊毛出在猪身上”的说法。对于传统思维而言，这无疑是颠覆性的，是不可思议的。但这并不妨碍互联网企业高举着免费的“旗帜”，摧枯拉朽，攻城略地，大有“横扫千军如卷席”的架势。尽管金融企业未必能够理解和接受，但必须清醒地认识到这些已经的的确确地在我们的周遭甚至是行业内发生了，“余额宝”就是一个鲜活案例。因此，我们需要重新思考金融行业的效率和盈利模式问题，并在商业模式上进行反思和行动。因为，不创新就会被创新。

三是互联网行业有一个非常流行的商业模式，叫免费模式。大多数人都乐此不疲地使用各种免费模式，就忘记了一句话：天下没有免费的午餐。人们在免费使用数据产品的同时，其实是被运营商免费使用了自己的信息。互联网和大数据时代走到了今天，需要提出一个概念：“数权”，即每个数据都有权利归属的，均存在“所有权”的问题。这种“数权”与我们的财产权一样，是不能够随意侵犯的，国家需要在制度层面来完善这个问题的治理，否则，很多人稀里糊涂下载了那么多APP软件，最后，几乎就没有隐私了。与此同时，金融业也面临着数据的“用”与“不用”的问题，这涉及到了大数据的一个核心问题：数据的隐私与保护。从社会的角度看，需要通过法律对“数权”加以保护，金融业面临着适应问题。从商业的角度看，数据隐私问题处理不好，客户就可能不接受金融企业的产品与 服务。

四是在大数据时代，解构和重构数据将成为一种重要能力。解构和重构的逻辑起点是发现并实现客户需求和发展机会，是结构性的成本降低并提升效率。金融业需要回答如何将现有的数据进行解构，同时根据需求进行重构，创造出一个新的商业模式。这种解构和重构的背后是一种价值的发现与实现。同时，解构与重构能力的根本是洞察力和计算能力，洞察力的核心是发现新需求和价值洼地，计算能力提升的关键是对数据的“追随”，即要改变数据“迁就”计算的管理思维模式，而让计算“追随”并“服务”数据，提供灵活性、易构性和高效性的计算能力，并在服务业务创新中成就自我。

五是随着“云计算”的出现，带动了信息技术和管理理念的变革，“云计算”带给人们更大的价值在于催生了“云管理”的概念。现代商业面临的最大挑战是越来越复杂的管理与越来越动态的市场和客户需求之间的矛盾，越来越高的风险管理标准与越来越灵活的需求之间的矛盾。客户、销售和服务是越来越分散的，要求是更加灵活多变，而经营管理则要求尽可能地集中，以有效控制风险，降低成本。通过“云管理”概念的导入，就能够较好地破解这一难题。“云管理”的核心是“形散神聚”，它能够很好地解决和平衡集中管控与效率保证的关系，解决集中运营与灵活服务的矛盾，建立一种灵动敏捷的管理 模式。

六是数据管理面临“内外有别”的问题。金融业要有两个认识：第一，长期以来，我们总认为行业数据是经营的重要基础，面向未来，要认识到行业数据，仅仅是经营和风险数据的一小部分，真正解读客户和风险，需要更多关注行业外的数据。第二，历史和存量数据固然重要，但大数据时代，实时数据的获取和利用成为可能，因此，要更多地关注对实时数据的利用，实现对客户需求和风险管控的动态掌握和有效管控。第三，在大数据时代，我们对于数据的管理也要有一个全新的认识。从传统的角度看，我们更多的是希望“拥有”数据，但在未来大数据时代，“拥有”既不经济，更不现实。因此，对于外部海量数据的使用和管理，不可能采用数据管理的传统理念和技术，更多的应当是“不求所有，但知所在”，以确保效率。

七是对“专业”的再认识和再管理。传统意义上的专业，一是靠信息不对称，二是靠个体智慧。互联网时代，特别是搜索引擎技术的出现，最大的贡献是实现了信息的平等。此外，以往的“专业”更多是以个体的专家为载体，但在维基技术和互联网进化论的环境下，专业更多的是体现为一种社会互动与共享，体现为一种“社会脑”。从金融业看，传统的风险管理专业能力也面临来自科技时代的挑战，特别是物联网和人工智能技术的出现，将从根本上改变许多领域对于专业的认识。面向未来，科技时代“专业”的存在形式将从个体、机构和静态形式走向环境、聚合和动态形式，为此，金融业需要以互联网思维，构建全新的专业能力，人工智能将成为重要构成。建立新专业能力的重要指导思想是从传统的风险等量管理向风险减量管理过渡，特别是利用互联网技术破解信息不对称难题，通过动态和自主的“点对点”匹配与对冲，实现社会总体风险暴露的降低，继而为社会创造福祉。

最后，大数据时代面临的最大挑战是数据人才。数据人才是一种两栖人才，未来金融业需要大量通晓金融业务和信息技术的复合型人才，包括数据科学家和数据工程师，而这些人才最重要的一个能力是解构和重构数据。因此，关注这种人才的培养，不仅是企业的经营管理问题，更是行业发展的基础和关键问题。

大数据时代物流金融风险控制策略 篇4

关键词：物流金融风险,监管,平台

2014 年6 月6 日青岛成为一起有色金属融资骗贷案的事发地。德正资源的全资子公司德诚矿业将一批矿石货品存于青岛港港区仓库,却“一女多嫁”,从不同仓储公司处出具了仓单证明,并利用这些仓单去不同银行重复质押融得巨资。受牵连的中外银行多达数十家,涉案金额在45 亿美元左右。2014 年的青岛港事件可以说是2011 年上海钢贸案的翻版,两件案件的基本事实都是同一批存货开具多个仓单、在多家银行重复质押融资,物流金融监管事件层见叠出,供应链金融风险管控漏洞百出。如何防止漏洞再次发生,从根源上遏制风险? 首先就得弄清楚事物的本质。

1 物流金融风险存在的原因

物流金融业务的开展,是以真实的贸易、充分的信息、专业的管理、封闭的过程、连续的交易、融资的自偿性、履约的关联性七要素为前提,对仓位、货物、仓单进行监管。监管过程中要确保货物存放位置是有效的、确保货物质押率在规定的有效范围内、确保仓单内容的真实性和唯一性,货物不会严重贬值、不被恶意移动、替换。

要保证监管货物的安全性一般要具备以下四个方面的条件:

第一,法律保障: 现阶段与物流金融业务相匹配的主要有两个法: 一个是与信用相关的合同法; 一个是与物权相关的物权法。虽然国家从政策上对供应链金融的发展给予了大力支持,但目前我国在物流金融方面的相关的法律法规是比较滞后的。显然,这两条法律已经不能满足物流企业要做金融的法律需求;

第二,制度支撑: 从战略、流程到手册,物流企业必须制定各种与监管业务相匹配的制度,但现在物流企业针对物流金融业务的管理体系不够完善、组织架构不够合理,管理上容易出现漏洞;

第三,监管到位: 现场监管手册要全面细致; 现场的作业操作要规范; 同时针对监管货物的质押率、平仓点、补货点,预警值进行实时监控;

第四,技术保障: 充分利用信息技术、物联网技术,如: 传感技术、通讯技术等手段,使物流金融业务的各方实现信息共享,共同监管。

但由于物流企业营运体系不够完善、现场监管权利过大、物流实操管理松懈、关键环节信息不畅,导致单证流转不可视、货物流向不可控、质押物的货值和货权不可控,不能实现货物流、贸易流、信息流、单证流、资金流“五流”合一,引起物权控制与信用监控分离、制度管理与技术管理脱钩、现场实施与上层管理脱节、线上管控与线下实操不相干,最终结果造成物流金融风险频现。

2 利用大数据创新物流金融风险控制手段

以青岛港事件为节点,大宗商品贸易融资市场正在发生剧烈变化,国内银行短期会收紧大宗融资信贷,但从长远看各家银行仍然把商品融资业务看作重要的发展方向,外资投行、贸易巨头和仓储企业已经从中看到了新的市场空间。预计到2020 年,物流金融市场将达到20 万亿的资金需求,为了避免同样的风险事件再次发生,未来物流金融的发展将以互联网技术为依托,利用大数据,以物联网化为加速器,逐步迈向智慧物流金融的全新时代,以创新的手段来控制风险。

首先,利用物流金融服务平台打造可视化的运营管理系统,保证交易的真实性和全覆盖性

开展物流金融业务涉及到银行业金融机构、融资担保企业、金融财务公司、大型核心企业、上下游众多中小企业、物流仓储企业等供应链上的参与各方,为了保障各自的利益,都需要了解货物流通过程中资金的流转是否封闭、货位是否准确、监管流程是否规范、仓单是否真实唯一、货物是否保值、信息传递是否及时等信息。只有利用平台系统才能做到可视化、自动化、自主化、及时性,实时获取供应链中的每一笔数据,确保每一笔交易的真实性、全覆盖性。

2014 年6 月15 日,由国家级行业协会联合支持的首家全国性物流金融业务全过程管理与增值服务平台: 中国物流金融服务平台正式上线。该平台主要提供物流金融业务全过程管理与增值服务,服务对象广。中国物流金融服务平台涵盖事前、事中、事后的全过程管理和增值服务,通过六大功能系统为物流金融业务主要风险提供有效解决方案。目前已经整合了包括货权登记、物联网监管、仓储管理、仓单流转、现货交易、存货质检、价格预警、价格保险、征信融资、不良处置等全过程的物流金融产品链条,形成了一个开放型的合作平台。

其次,利用互联网和物联网技术创建智能仓库,建立监管过程可视化平台。

要想控制物流金融风险,避免仓单的重复质押,必须加强监管过程中货物进出库及在库全程的可视性、仓单流转过程的可追性、质押率的可控性。

开展物流金融监管的对象是: 仓位、仓单和货物,首先各监管仓的仓位必须经平台认证,并统一在平台上登记,录入所存放货物的相关信息,保证信息的真实有效。同时智能仓库应具有对存放货物状态、位置的现场数据感知和无损加密传输的能力。

这样,物流金融业务的仓管方、出质方、金融机构可以对质押物进行实时监控; 货物的移动、仓单的变化、质押率、预警指标等相关信息,自动推送给相关人员; 定时对被动用过的质押物或设置为严格管控的质押物记录其移动信息并传递给各方,实现信息的全程透明、共享和及时传递。

只有做到了监管全程的信息化才能保证融资担保物的安全、质物监管可靠性、质押率水平的有效性、风险有效跟踪等。

第三,引入二维码安全认证服务系统,实现全程监控多锁化。

仓单能够重复质押,是因为伪造签名、印鉴,涂改关键信息等造假手段的利用不容易被识别,而且传统的二维码网络无法避免造假者使用克隆、钓鱼网站等技术进行造假、行骗。

通过电子化的二维码安全认证服务体系,引入专用扫码APP以及二维码的编码、加密、再解析等技术,能方便、快捷认证交易过程中单证的有效性及真实性,对物流金融业务链实施全程多锁监控,使造假者的造假手段完全失效。同时,借助于数据的分散化存贮技术,又使得黑客通过攻陷服务器从而获取关键数据的信息安全风险降到了最低。

在互联网、大数据技术的驱动下,互联网金融、大数据金融、供应链金融正相互渗透,实现“互联网+ 产业供应链+ 金融”三大要素的高度融合,实现商流、物流、资金流和信息流的四流合一,有效解决风险定价与资金来源两大核心问题,互联网金融超时空的融资渠道和供应链金融、大数据金融的风控结合起来将爆发出惊人的能量。

参考文献

[1]中国物流与采购联合会.中国物流学会,中国物流学术前沿报告[M].北京:中国财富出版社,2013-2014.

[2]中国物流与采购联合会.中国物流学会,中国物流发展报告[M].北京:中国物资出版社,2012.

[3]国务院物流业发展中长期规划(2014-2020年)[R].国发,(2014)42号.

大数据时代银行 篇5

近十年来，中国银行业的改革发展取得了令世界瞩目的成就。在今年《银行家》《福布斯》发布的大企业排行榜和市值排名上，五家大型商业银行均已跻身世界前列。随着以移动互联网、云计算、“大数据”和物联网为代表的信息革命的兴起，银行业又一次面临新的机遇和挑战。中国银行业能否用好大数据，实现经营、管理和服务创新，决定了其未来的可持续发展能力。

银行业已初步具备运用大数据的基础

大数据是信息技术与互联网产业发展到特定阶段的产物，从互联网到物联网，从云计算到大数据，信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业，互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”，能够为银行提供全方位、精确化和实时的决策信息支持。银行的经营转型、产品创新和管理升级等都需要充分用好大数据。目前，银行在客户分析、风险管理方面对大数据运用已初步积累了一定的经验，为未来过渡到全面大数据运用奠定了良好基础。

20世纪90年代，随着信息技术发展，国内银行业顺应潮流，将信息技术广泛应用到业务处理和内部管理，以提高服务管理效率。进入21世纪，大银行率先推进系统大集中和数据大集中，整合原有分散化的信息系统，不断适应加快产品创新、提升客户体验等市场需求，建立数据仓库和数据平台，信息化程度不断提高。近几年，银行业大力发展面向客户的新一代核心业务系统，信息系统建设日趋完备，电子银行等在线金融服务大幅增长，在提升客户体验和风险管控能力、满足监管各项要求的同时，形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇核心业务结构化数据，也包含客户电话语音、在线交易记录、网点视频等非结构化数据。

中国建设银行（以下简称建设银行）从2011年开始建设企业级全行共享的新一代核心业务系统，以客户为中心、面向服务设计架构，实现业务与IT融合、产品快速创新的目的，目前已初具规模。特别是在新一代系统设计中，充分考虑数据储存和应用的重要性，并专项设置了数据集成层模块，包括数据缓存区、数据记录系统、历史数据存储、分析数据仓库、实时数据仓库、公共数据集市。

银行业开始尝试接入和整合外部数据资源。在传统的数据分析模式下，银行业出于市场分析、内部管理、监管需要，产生并记录了巨量的文本式结构化数据，涉及客户账户资金往来、财务信息等，以及网银浏览、电话、视频等非结构化数据。但是，传统意义上的银行仅能掌握客户与银行业务相关的金融行为，无法获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据，无法与业务数据形成联动。随着电子商务的快速发展和移动金融的深化，银行业逐步加强与外部数据源对接，甄别有效信息，整合多渠道数据，丰富客户图谱。目前，已有多家银行进行了有益尝试。

一是银行与电商平台形成战略合作。银行业共享小微企业在电商平台上的经营数据和经营者的个人信息，由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。建设银行曾在这方面做过有益的尝试。此外也有银行参股电商、开展数据合作的案例。

二是银行自主搭建电商平台。银行自建电商平台，获得数据资源的独立话语权。在为客户提供增值服务的同时，获得客户的动态商业信息，为发展小微信贷奠定基础，是银行搭建电商平台的驱动力。2012年，建设银行率先上线“善融商务”，提供B2B和B2C客户操作模式，涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务，提供的金融服务已从支付结算、托管、担保扩展到对商户和消费者线上融资服务的全过程。

三是银行建立第三方数据分析中介，专门挖掘金融数据。例如，有的银行将其与电商平台一对一的合作扩展为“三方合作”，在银行与电商之间，加入第三方公司来负责数据的对接，为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析，准确预测客户短时间内的消费和交易需求，从而精准掌握客户的信贷需求和其他金融服务需求。

银行业有处理数据的经验和人才。数据分析和计量模型技术在传统数据领域已得到较充分运用，同时也培养出大批精通计量分析技术的人才。如在风险管理方面，我国金融监管部门在与国际接轨过程中，引入巴塞尔新资本协议等国际准则，为银行业提供了一套风险管理工具体系。银行在此框架下，利用历史数据测度信用、市场、操作、流动性等各类风险，内部评级相关技术工具已发挥出效果，广泛应用于贷款评估、客户准入退出、授信审批、产品定价、风险分类、经济资本管理、绩效考核等重要领域。

银行已初步尝试应用大数据。我国银行业大规模运用大数据技术尚不成熟，但多家银行已从关键点、具体业务入手应用大数据挖掘技术，解决效率提升中的难题。例如，有的银行提供集电话、网络在线、客户端、微博、微信于一体的整合服务平台，也有的银行信用卡中心开发智能云语音，着眼于客服语音信息的挖掘和分析，通过对海量语言数据的持续在线和实时处理，为服务质量改善、经营效率提升、服务模式创新提供支撑，从而全面提升运营管理水平。还有些银行在个人客户营销方面，着重客户数据分析，摸索出客户行为模式和潜在需求，促成定向精准销售。例如，通过分析客户行为数据和财务数据来锁定潜在客户，根据客户行为规律，并结合其所在区域、行为内容来确定消费习惯，开展针对性营销；通过分析交易记录信息来有效识别小微企业客户，并用远程银行和云转借实施交叉销售。此外，有的银行还将其内部客户编号和微博、QQ、邮箱等相对应，将互联网数据与传统数据一起存储，建立数据库，不仅了解客户理财、基金购买等交易行为的频繁程度，还可以发现其他动态信息如出差、喜好和社交圈等。

国际同业大数据运用的经验教训

金融业大数据运用的国际经验主要体现在快速判断宏观经济趋势、分析预测客户及交易对手行为、防范欺诈、改进内部效率以及外包非核心业务等方面。

快速判断宏观经济形势。英国央行已经开始运用大数据对英国房地产市场和劳动力市场趋势作出快速判断。以前，英国央行通过统计部门发布的房地产销售数据、就业数据等，判断房地产市场和劳动力市场变动趋势，但统计部门的数据一般有数日乃至数周的时滞，不利于对形势的快速判断。目前，英国央行已通过对一些网络搜索关键词的监控，如“按揭”“房价”“职位”等，获取最新的经济运行情况。

分析预测客户及交易对手行为。由谷歌（Google）前首席信息官Douglas Merrill创办的信用评估公司ZestFinance，通过大数据技术把收集的海量碎片化数据整合成完整的客户拼图，较为准确地还原客户的真实状况和实际信用状况，并据此支持合作公司向难以从银行获得贷款的美国人提供“工资日贷款”（payday loan）。西班牙对外银行(BBVA)推出的具有记忆功能的ATM机ABIL，不但能记住客户习惯的取款金额、频率，还能根据其账户情况给出相应的取款建议。美国一些基金公司在几年前开始借助社交媒体大数据，分析市场情绪变动，进而判断未来交易是扩大还是萎缩。近期，这些基金公司进一步通过分析金融交易大数据，识别交易对手的交易特征，预判交易对手的交易动向，并采取相应的操作，以获取差价。

防范欺诈。运用大数据分析软件，可以预防信用卡和借记卡欺诈。通过监控客户、账户和渠道等，提高银行在交易、转账和在线付款等领域防御欺诈的能力。在监控客户行为时，大数据可以识别出潜在的违规客户，提示银行工作人员对其予以重点关注，从而节省反欺诈监控资源。

改进内部效率。美国银行用大数据分析该银行某呼叫中心员工的行为，通过在员工姓名牌中置入感应器，监控员工的行走线路与交谈语气，可以知道员工在工作场所的社交状况。监控结果表明，那些一起享受工间休息并相互交流的员工工作效率更高，他们可以在日常交流中分享如何应付“难缠”顾客的小窍门。美国银行发现这一现象后，即转而推行集体工间休息，此后员工表现提升了23%，而员工说话语调所反映出的压力水平则下降了19%。另外，还有些欧美银行运用大数据评价分支机构绩效并获得显著成效。

大数据的应用存在运维风险和运营风险等，前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等，后者如企业声誉风险、数据被对手获取后的经营风险等。因此，必须加强数据管控。这方面既有成功的经验，也有值得总结的教训。从已出现的问题看，最大的风险来自网络攻击和欺诈：2011年，网络银行欺诈给日本53家银行造成2700亿日元（约合225亿元人民币）的损失；2012年，诈骗集团曾攻击欧美至少60家银行的网络，盗取银行资金；2013年，国内某保险公司受黑客攻击，造成数十万保单信息泄露。为此，一是高度重视并推进统一的数据标准，并做好数据清洗，保证数据质量。二是审慎划定数据边界，合理开展内外部数据共享和非核心数据业务外包。三是大数据下应更加重视隐私保护和信息安全，加大对反网络攻击的投入。

推动大数据应用的策略

党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路，信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义，而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，打造银行业在大数据时代的核心竞争力。

建立完善的大数据工作管理体系。银行业应充分认识大数据的重要性，在总行层面建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。

增强数据挖掘与分析运用能力。在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细管理。

以大数据技术促进智慧银行建设。推动大数据向生产力转化，加快产品创新实验室的技术研发，把实验室成熟产品运用于客户的营销和服务，推进智慧银行建设，把技术创新优势转化为竞争优势。网点服务要运用好大数据等技术成果，推广普及智能叫号预处理、远程银行VTM、电子银行服务区、智能互动桌面、人脸识别等创新服务，将传统银行服务模式和创新科技有机结合，利用智能设备、数字媒体和人机交互技术为客户带来“自助、智能、智慧”的全新感受和体验。智慧网点在建设推广中，还应充分采用用户交互技术和体验设备，吸引客户浏览、试用、比较各类金融产品，辅以工作人员推荐，从地域、客户、产品等多种维度，挖掘客户需求，实现对合适客户、在合适时间、通过合适渠道、推荐合适产品。

建立基于大数据分析的定价体系。当前，资金的交易变动频率和流动性加快，大数据从更宽广角度，预判负债的波动情况，能更灵活测算是否满足监管要求和贷款需求变化，从而为银行以存定贷、以贷吸存策略提供量化支撑，可有效降低资金成本。银行还要运用大数据分析，建立起综合服务和信贷差异化定价体系，做到对不同产品、不同行业、不同区域实施差别化定价，最终实现一户一策的综合化、差异化服务，提升精准营销水平。例如，将对公、对私客户逐步纳入定价系统，进行客户选择，不同服务内容享受不同信贷优惠，达到差别化定价和客户最佳体验的双重目的。

依托大数据技术提升风险管理水平。大数据能较好地解决传统信贷风险管理中的信息不对称难题，提升贷前风险判断和贷后风险预警能力，实现风险管理的精确化和前瞻性。大数据时代，银行业可以打破信息孤岛，全面整合客户的多渠道交易数据，以及经营者个人金融、消费、行为等信息进行授信，降低信贷风险。如建设银行依托“善融商务”开发出大数据信贷产品“善融贷”后，银行可实时监控社交网站、搜索引擎、物联网和电子商务等平台，跟踪分析客户的人际关系、情绪、兴趣爱好、购物习惯等多方面信息，对其信用等级和还款意愿变化进行预判，在第一次发生信贷业务，缺乏信贷强变量情况下，及时用教育背景、过往经历等变量进行组合分析，以建立起信贷风险预警机制。由历史数据分析转向行为分析，将对目前的风险管理模式产生巨大突破。

大数据金融时代 篇6

关键词：大数据；互联网金融；银行；转型

现阶段，互联网金融利用云计算、大数据等新一代互联网技术深入渗透到金融领域中，转变了传统金融的发展格局，尤其是推进了传统银行的转型升级，现阶段加强对大数据时代的互联网金融创新及传统银行转型的分析具有重要意义。

1 大数据时代的互联网金融分析

1.1 基本概念

大数据时代的互联网金融通过大数据实时分析、有机整合海量非结构化数据，将客户全方位的信息准确提供给互联网金融机构，并通过分析和挖掘客户交易和消费的信息，对客户的消费习惯进行掌握，从而准确预测客户行为，使金融机构和金融服务平台在营销和风险控制方面有的放矢。

1.2 具体特点

①数据化、技术性。

大数据是互联网金融的核心竞争力，而互联网金融所利用的大数据简单来说就是经过积累形成的大量的商家与用户的真实经营消费数据，投资者可以根据这些数据评估和判断客户的信用水平以及相应的还款能力，从而为资金需求者提供合理的金融产品。因此，大数据平台为互联网金融提供的数据在一定程度上决定了金融业务运营的成功与否。市场经济是不断发展变化的，这就要求大数据平台提供的数据具有持续性和动态性，通过动态监控及时捕捉客户信息的变化，并进行相应的调整。同时互联网金融企业的网络技术以及信息技术必须高度先进，以便有效挖掘、收集、整理以及开发利用客户的相关信息和数据。

②成本低、效率高。

大数据时代下的互联网金融资源是共享的、信息是对称的、交易是透明的，在理想状态下，整个过程没有中介、交易成本以及垄断利润。一方面，互联网金融不再局限于有限的时间和空间内，金融业务流程全部是在线化，极大地减少了设立物理网点的建设资金以及后期的运营成本；另一方面，互联网金融业务操作流程是标准统一的，通过运算快捷、准确的计算机技术，用户无需排队等候，就可以实现自行办理业务，大幅度提升了业务办理的效率，同时也进一步减少了运营成本。

③风险大、监管弱。

目前我国的互联网金融还处于初始阶段，相关的监管法律、法规还不完善，缺乏监管机制和法律约束。同时尚未确立准入门槛要求和行业规范，业务定位含糊，整个行业面临诸多政策和法律风险。另外互联网金融还没有建立信用信息共享体系，不具备类似银行的风控、合规和清收机制，容易发生各类风险问题。还有就是风控能力弱。一方面互联网金融企业运营各类金融业务的经验不足，识别风险的能力较弱；另一方面，互联网金融企业出于成本的考虑，金融业务风险控制的基础设施不完善，往往缺乏金融级的、严密的风险控制流程和技术。

1.3 互联网金融面临的风险类型

首先，监管风险。

当下银行业的监管框架设计主要依据的是新巴塞尔协议，其有最低资本要求、外部监管以及市场约束三大关键职能，而这三大职能主要针对的是传统银行存在的风险设计的基本监管职能。据相关数据表明，新巴塞尔协议经过数十年的积累和沉淀，在应对全球性金融危机，维护经济稳定方面取得了不错的成绩，其有效稳固了公众对于银行投资的信心，同时协调了国际各方的监管合作。但针对大数据时代下的新兴互联网金融已不再具有强有力的监管效力，互联网金融监管的缺失，导致互联网金融的发展处于“野蛮生长”状态。同时政府主管部门对互联网金融也没有表现出明确的态度，再加上银监会、人行等相关监管部门亦没有出台针对互联网金融的有效监管制度和措施，造成互联网金融随时会发生非法集资和吸收公众存款等违法行为，同时由于监管力度和措施的缺失也会加剧道德风险、投机风险、洗钱风险等，从这个角度来看，互联网金融未来的发展还具有很大的不确定性。

其次，信息安全风险。

大数据时代下的互联网金融运作主要利用的是计算机网络技术及信息技术等，在大数据的基础上进行数据挖掘和数据重构，在这其中隐藏着由于网络系统与存储中心存在的漏洞而引起的技术安全风险以及海量客户信息与个人隐私信息泄露的风险。

再者，投机风险。

从目前互联网金融发展的实际情况来说，其募集的资金主要投向了货币市场、资本市场、债券市场以及外汇市场等众多虚拟经济领域，与实体经济的发展相脱节，这必然会不断聚集互联网金融发展的风险。

2 传统银行的转型分析

2.1 传统银行转型的路径和改进方向

长尾效应：传统银行由于对客户与业务的信息处理技术水平偏低，导致数据信息的收集、统计、分析、定位以及点对点营销等环节相对薄弱，所以大银行在满足小众市场的个性化需求方面还存在很大的难度。而备受瞩目的互联网金融充分结合大数据、云计算、移动通信和支付等现代化的技术手段，具备了高度的开放性及互动性等优势，通过精准营销使大量的细分消费群体和中小微企业成为银行的主要客户有了可能。长尾效应最直接的体现就是个性化有效客户群的快速增长。

迭代效应：互联网金融推动传统银行转型的另一种重要途径是迭代效应。迭代效应简单来说就是让普通客户参与产品或服务的试验与验证，通过客户互动与反馈，对银行推出的原型产品或服务的设计进行不断的调整、完善以及创新，从而使银行推出关注用户体验、真正有竞争力的差异化金融产品。

社区效应：大数据时代下，银行的发展离不开与专业化的电商企业、互联网运营商、数据信息收集、统计以及分析处理公司、移动通信支付公司以及网络安全公司等密切合作。互联网金融对传统银行的冲击使传统银行未来可能向“智慧银行”转变，牢牢把握“数据利用”这个核心竞争力，不断挖掘、分析、研究日益增加的数据，从而为客户量身定做服务。

2.2 传统银行转型应采取的有效措施

目前大数据时代下的互联网金融的发展已对传统银行的发展形成了巨大的冲击，现阶段传统银行面临着信息化的革命浪潮

以及经济全球化逐步融入我国市场经济发展的局面，传统银行在此形势下必须采取相应的措施进行转型升级，具体包括以下几方面：

首先，做好跨行业商业模式的创新以及重大课题务实的超前研究。传统银行在大数据时代的发展必须走创新路线，加大对重大技术创新和商业模式创新的研发力度，提高研究内容和范围的可操作性和前瞻性，开拓全球视野，提高定量化程度，为未来的发展实践夯实基础。

其次，传统银行在未来的发展过程中必须以开放、互动的理念为指导思想，将传统银行与互联网金融发展的交集实现最大化，传统银行现行体制内的利益既得者要深刻认识互联网金融的发展态势和优势，积极利用自身所具有的基础和优势充分结合互联网金融的发展形式，将自身的优势发展的更为强大，不能做“温水煮青蛙”里的那只等待的“青蛙”，要积极主动的与时代发展相融合，抓好发展的机遇，才能更好的应对挑战。

再次，传统银行在应对互联网带来的冲击时，一方面对互联网金融业务进行“大胆设计、谨慎试行”，另一方面，积累相关的成功经验，储备具有专业知识和能力的人才，为传统银行未来发展中结构性的变化和业务流程的改革打好基础。

3 互联网金融的创新发展

3.1 “移动化”是互联网金融的新趋势

“移动化”，简言之就是可以随时随地移动使用的互联网金融客户端，比如手机银行。近年来，移动支付的市场交易规模成倍提升，增长率居高不下，从最原始的手机短信到移动互联网支付，再到近场支付，移动支付的细分市场已经发生了结构性的变化，随着网民从传统PC端向移动端的迁徙，支付场景的丰富与普及，“移动化”的飞速发展时期已经来临。

3.2 客户体验将成为互联网金融竞争的焦点

与传统金融模式下用户被动接受金融产品相比，互联网金融模式下，因为资源开放化，信息实现共享，参与主体之间平等交互，缓解了用户与金融机构之间的关系，用户变被动接受为主动搜寻，并能根据个体的不同需求在互联网上选择性价比最高的金融产品。这大大的加剧了互联网金融企业间的竞争，要求互联网金融企业不仅要“了解你的客户”，更要“了解你的客户的金融需求”，还要求互联网企业根据不同用户的金融需求提供设计多样、个性定制的金融产品。

3.3 “自金融”模式是未来互联网融资的趋势

“自金融”融资模式是指依托互联网平台，为客户提供直接的投资和融资服务，资金的供需双方都是一个个体，个体之间通过互联网金融平台和互联网金融技术实现资金的借贷或融通。互联网模糊了IT技术和金融机构的产业边界，脱媒化成为趋势。假设信息完全对称的情况下，个体之间也完全掌握了各类信息资源，那么间接融资就变成直接融资，资源得以优化配置，交易成本得以控制，个体自由挑选自己喜爱的金融产品，便捷支付交易，在理想的状态下，互联网平台支付零成本，交易也零成本，金融媒介逐渐被取代、消失，个体与个体之间形成独立的“自金融”。

4 结束语

总之，网络信息技术以及通信技术的深入发展，为互联网金融提供了更为广阔的运作平台，并逐渐融入了传统银行的运营中，转变了传统银行的营销操作模式，深刻影响了金融市场的发展。在新时期人们更加关注互联网金融的发展动向，因此，互联网金融企业应不断优化金融业务，为人们提供更加有利的金融产品。

参考文献：

[1]康欣华.互联网金融对商业银行的影响与启示研究[D].华南理工大学，2014.

[2]白金枝.互联网金融发展及其对我国商业银行的影响研究[D].西南财经大学，2014.

大数据时代金融业面临的挑战 篇7

大数据, 也就是国外常说的Big Data。IBM把大数据概括成3个V, 即大量化 (Volume) 、多样化 (Variety) 和快速化 (Velocity) 。这些特点也反映了大数据潜藏的价值 (Value) , 4个V也高度概括了大数据的基本特征。目前对大数据比较一致的定义是:大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。

在金融业, 数据就是业务本身, 只有掌控数据, 才有可能赢得市场。大数据的出现既为金融业带来了机遇, 也带来了挑战。从潜在的机会看, 数据量的增加为企业提供了精确把握用户群体和个体网络行为模式的基础, 如果能够充分利用, 就可以个性化、精确化和智能化地进行广告推送和服务推广服务, 创立比现有形式性价比高数倍甚至数十倍的全新商业模式。同时, 企业也可以通过对大数据的把握, 挖掘数据更深层的价值, 开发出更贴近用户的新产品和新服务, 探索出降低运营成本的方法和途径。然而, 大数据时代的降临也使金融业面临的挑战非常大, 从现实来看, 主要集中在以下三个方面。

二、大数据时代企业转型应对的挑战

数据量的急剧增长不仅要求在带宽和存储设备等基础设施方面增加大量投入, 而且使企业处于进退两难的境地。如果采取无所作为、固守原状的鸵鸟政策, 那就可能失去未来发展的机会, 失去业内竞争的本钱, 早晚会被产业淘汰或者居于下游;如果与时俱进, 转型适应大数据时代的到来, 那就需要对公司的现有产品和运营体系进行全面的改造, 例如网站架构的重建, 产品的通用化、标准化、模块化, 商业模式的创新等。这对绝大多数公司而言, 既要维持现有业务, 保持业绩的稳定和增长, 又要加大投入, 迅速转型, 处于进退维谷的两难处境。

三、大数据处理应对的三大挑战

(一) 大容量数据 (TB级、PB级甚至EB级)

人和机器制造的越来越多的业务数据对IT系统带来了更大的挑战, 数据的存储和安全以及在未来访问和使用这些数据已成为难点。

(二) 多格式数据

海量数据包括了越来越多不同格式的数据, 这些不同格式的数据需要不同的处理方法。从简单的电子邮件、数据日志和信用卡记录, 再到仪器收集到的科学研究数据、医疗数据、财务数据以及丰富的媒体数据 (包括照片、音乐、视频等) 。

(三) 速度

速度是指数据从端点移动到处理器和存储这一过程的速度。

从历史上看, 数据分析软件面对当今的海量数据已显得力不从心, 传统的数据存储方案已经不能满足大多数金融企业的需求, 在云计算背景下, 这种海量数据的处理将是金融业需要积极探索解决的一个问题。

四、大数据时代科技人员应对的挑战

大数据金融时代 篇8

据英国《金融时报》报道,围绕“大数据”控制权的争夺战正在中国市场升温。通常情况下,银行不会卖水壶、智能手机、羽绒被和皮鞋,但全球市值第二大银行——中国建设银行却在半年前推出了一个网上商城,名为善融商务(BUY.CCB.COM)。尽管美国银行等一些西方银行也推出了与大型零售商互联的购物网站,但建行的雄心似乎远超过此,它希望变成一个成熟的电子商务网站。英国《金融时报》分析,这对于建行来说是一项极不同寻常的战略决策,突显出中国银行业的两种新情况:首先,长期在政府过度保护之下的中国各银行,突然发现自己处于一个竞争激烈的环境之中。其次,围绕“大数据”控制权的争夺战正在中国升温,银行希望尽可能多地收集客户信息。该报引述建行负责电子银行业务的一位高管的表态称:“现在我们去做这个平台,就是要变被动为主动,去解决信息不对称的问题,改变银行脱媒的现状,用我们自己的平台留住客户。否则,在整个价值链和服务链上,我们将被压缩得越来越窄。”值得注意的是,中国最大电子商务公司阿里巴巴曾与银行合作,在建行支持下,阿里巴巴在2007年推出一个专注于小企业的贷款计划——阿里贷(ALILOAN)。阿里巴巴拥有大量用户信息,并汇集了他们详细的信用记录;而建行坐拥巨额资金,希望贷款给毫无信用历史的小企业。2011年,双方合作到期后,没有续约。对建行而言,最大的问题是它在电子商务中处于次要地位。“单飞”之后,阿里巴巴在2012年,向13万多家小企业发放了280亿元人民币贷款;而建行表示,在其电子商务网站推出后的6个月里,注册店铺已达到1万个,交易额达35亿元人民币。在我们看来,中国的银行业(甚至整个金融业)已到了“大数据”竞争时代,拥有最佳数据的参与者有更大的赢面。2012年9月,交通银行开设了一家在线购物商城;据称,中国工商银行、中国银行和民生银行都在考虑开设类似网站。

大数据时代金融业发展趋势与挑战 篇9

一、大数据的含义以及作用

(一) 大数据的含义

大数据指的是资料量规模巨大, 无法透过目前主流软件工具, 在合理时间内达到、处理成为帮助企业做出更好地经营决策的信息。其是由数量巨大、结构复杂、类型众多的数据构成的一个集合, 基于云计算的数据处理, 通过数据的整合共享, 形成的智力资源和知识服务能力。

(二) 大数据的作用

大数据在四个方面可以改变传统的金融机构的数据运作模式, 从而高效地实现巨大的商业价值:一是数据质量的兼容性。大数据可以通过增“量”提升数据分析对高“质”的宽容度。在小数据时代, 样本思维占据统治地位, 人们通常采用抽样方式获取数据, 结果并非十分精确。在大数据时代, 全量思维开始渗入人心, 海量数据可以满足人们对数据质量的要求。二是数据运用的关联性。大数据使数据处理的方法和算法走向动态过程。人们通过持续的增量算法来优化数据结果, 不仅追求因果关系, 还追求相关关系。三是数据分析的成本。大数据可降低数据分析的成本门槛。大数据改变了数据处理资源相对紧缺的状态, 数据挖掘来源广泛, 大量数据的融合就会实现质的飞跃。四是数据价值的转化。大数据实现了数据到价值的高效转化。大数据价值的关键在于以低成本方式大量尝试大数据中蕴藏的大量机会, 发现可获得价值的机会, 立马进入商业推广, 否则果断退出。大数据为金融机构打造了“触角优势”, 能更加灵敏地感知商业环境, 获取商业价值。最后, 数据的整合共享为金融生态系统提供了新生动力。

二、大数据时代金融业发展趋势与挑战

(一) 开放的银行

传统商业银行具有两项基础功能:资金中介与信息中介。银行作为资金中介可以通过专有技术实现规模经济, 降低资金融通交易成本;作为信息中介可以采用专门信息处理能力, 解决资金借贷方之间因信息不对称引发的逆向选择和道德风险问题。在传统商业银行主导的融资模式下, 银行是社会经济信息收集中心, 企业需向银行提供信息以获取信用。但在大数据时代, 银行将不再成为经济关系的信息中心, 搜索引擎、社交网络、物联网、移动互联网、云计算、大数据等新兴信息技术改变了传统的信息产生、传播、加工利用的方式, 特别是基于互联网技术和移动支付技术的互联网金融打破了信息不对称和物理区域壁垒, 通过信息流、数据流引导各类资源的充分有效分配, 甚至资金供求双方可以通过网络直接获取信息并参与交易, 促使传统的生产关系发生变革, 形成了联网机构相对平等的关系。这对传统商业银行业务提出了挑战, 商业银行将改变过去自然的、被动的社会经济信息收集中心角色, 以开放的方式与客户平等交流, 主动收集客户信息。

(二) 数字化的银行

从长远来看, 随着数据化和网络化的全面深入发展, 大数据的应用将使银行的资金中介职能进一步发生变化, 表现为资金中介职能体现出虚拟化和电子化交易特征, 逐渐向虚拟化方向发展, 全面颠覆当前金融服务形态:一是产品的虚拟化。资金流将更加地体现为数据信号的交换, 电子货币等数字化金融产品在经济生活中将成为主流。二是服务的虚拟化。通过移动互联网、全息仿真技术等科技手段, 银行将更广泛地通过完全虚拟的渠道向客户提供金融服务。三是流程的虚拟化。银行业务流程中各类凭证、单据等将以数字文件的形式出现和处理, 极大提高处理的便利性和效率。在大数据时代, 传统商业银行的管理理念和运营方式面临挑战。未来商业银行的整体运作将是一个数据的洪流, “数字金融”得以全面实现。

(三) 高生产力的银行

与物质资本、人力资本一样, 大数据将成为经济活动一个重要的生产要素, 它也可以转变成为生产力, 创造巨大的经济价值。开放的、数字化的银行随着大数据的应用可实现更高的生产力, 主要体现在以下几个方面:一是信息技术的发展及部分金融产品交易的虚拟化, 使金融供应链外延, 降低了全社会融资成本和财务费用, 提高整个市场的生产效率。二是大数据的积累使得商业银行通过全面分析商业银行内部数据和外部的社会化数据, 可以获得更为完整的客户全貌, 避免因客户信息不全面导致错误认知, 使得销售更具有精准性;此外, 银行能够通过现有客户及其人际社会网络或业务网络, 发现更多具有价值的潜在客户, 并对其展开精准营销。三是通过整合结构化和半结构化的交易数据、非结构化数据及交互数据可以进行全面的模式识别、分析, 能够帮助银行实现事前风险预警、事中风险控制, 建立动态的、可靠的信用系统对各种交易风险进行识别, 有效地防范和控制金融风险, 并深度挖掘高价值的目标客户。四是促进银行进行产品创新。银行可以通过科学分析技术对海量结构化与非结构化数据进行分析和挖掘, 更好地了解客户的消费习惯、行为特征、客户群体及个体网络行为模式, 商业银行充分利用这些信息可以为客户制定个性化、智能化的服务模式, 设计开发出更贴近用户需求的新产品。

(四) 科学决策的银行

大数据的本质特征之一是在决策模式上与传统模式不一样。大数据强调决策建立在牢固的数据证据基础上。大数据的客观性将对现有银行决策机制产生巨大冲击。传统商业银行的决策模式依赖于样本数据分析和高管层经验;而大数据时代全量数据分析使得分析结果更具客观性和决策支持性, 银行的决策过程将以数据为核心进行决策判断。对银行的管理者来说这是一场改变思维习惯的管理革命。从所周知, 大数据的显著特征就是全数据分析。在大数据体系下, 银行数据获取、分析和运用的渠道和机制都和传统方式不同, 通过大数据分析技术和工具对海量结构化数据和非结构化数据进行分析、判断和挖掘, 商业银行能够及时、准确地发现业务和管理领域的风险和机会, 为业务发展和风险防范提供重要决策依据。

在通往大数据时代, 在走向开放的、数字化的、高生产力的且富有科学决策的银行远景中, 商业银行同样的面临几大挑战:一是文化挑战。在大数据时代, 开放、融合与创新是经济社会的发展主题, 市场竞争不断加剧, 传统意义上的非金融机构因新生的机动力量也将切入金融服务链条挤占银行的生存市场。解释企业兴衰成败的“基因决定论”指出, 前一波产业浪潮中制胜的成功企业会不断地固化自己的企业文化、运行模式、商业策略以及市场定位等基本要素以满足当前市场的需求, 但这样的基因往往无法迎合下一波崛起的新浪潮。银行面临的挑战是由于既有的组织架构和条块分割的内部数据结构, 放不下原有的企业文化与思维习惯, 无法挖掘自身潜力而处于竞争下风。二是管理挑战。目前, 商业银行通过数据标准、数据架构、元数据和数据仓库等手段进行数据管理和应用, 但难以支撑以非结构化数据为基础的业务创新;同时, 以业务条块为主的系统建设加剧了数据的冗余性和非一致性, 造成数据整合和数据质量管理难度。因此, 大数据时代, 需要运用基于数据生命周期的数据管理方式进行管理, 为数据质量及数据服务能力提升做好准备。三是技术挑战。商业银行科技人员以往主要针对结构化数据进行开发和处理, 而在大数据时代将面对海量的非结构化数据需要分析和处理。在大数据时代, 处理数据体量巨大、数据种类繁多、流动速度快、价值密度低的大数据工具软件与信息处理技术不断创新和发展, 银行科技人员需要不断快速学习和应用Hadoop、云计算等新技术来处理大数据。因此, 银行需要加强前瞻性技术研究并与IT战略规划结合, 才能赶上大数据时代的步伐。

摘要：互联网的飞速发展, 对传统行业的生产经营模式产生了根本性的影响, 并带来爆炸式的数据量增长。海量数据在蕴含巨大价值的同时, 数据结构和处理方式等也发生了巨大的变化, “大数据”概念应运而生。目前中国很多金融机构的数据量已经达到100TB以上, 非机构化数据量以更快的速率在增长, 中国金融业的大数据时代已经悄然而至。

关键词：大数据,金融,挑战,机遇

参考文献

[1]波士顿咨询公司.互联网金融生态系统2020系列报告之大数据篇:回归“价值”本源:金融机构如何驾驭大数据[R].北京, 2015.

大数据金融时代 篇10

(一) 背景

随着我国互联网是迅速发展, 互联网模式迅速占据各行各业, 而我国的互联网经济也取得了飞速的发展。截止2015年我国的网民已经达到了9亿人, 这个庞大的数字表明我国的互联网市场的巨大潜力。此外, 政府的大数据政策也开始向互联网行业倾斜, 表明了互联网大数据时代的美好机遇的到来。互联网金融的融资理财等模块的发展也取得了很大的进步, 第三方支付交易规模已经达到了11.9万亿, 第三方移动支付交易规模达到了9.5万亿。

通过在大数据背景下研究互联网金融的盈利模式, 可以对于我国今后互联网金融的发展提供良好的理论基础, 同时针对大数据环境下互联网金融和传统金融相比存在的优劣势做出对比, 可以为传统金融的转变提供良好的方案此外为互联网金融的问题给出良好的解决措施, 从而有利于我国互联网金融的健康发展。

(二) 相关理论和概念

互联网金融是传统金融行业与互联网精神相结合的新兴领域。互联网“开放、平等、协作、分享”的精神向传统金融业态渗透, 对人类金融模式产生根本影响, 具备互联网精神的金融业态统称为互联网金融。

“大数据”是指以多元形式, 自许多来源搜集而来的庞大数据组, 往往具有实时性。在企业对企业销售的情况下, 这些数据可能得自社交网络、电子商务网站、顾客来访纪录, 还有许多其他来源。这些数据, 并非公司顾客关系管理数据库的常态数据组。

博弈论又被称为对策论 (Game Theory) 既是现代数学的一个新分支, 也是运筹学的一个重要学科。博弈论主要研究公式化了的激励结构间的相互作用。是研究具有斗争或竞争性质现象的数学理论和方法。

二、传统金融盈利模式分析

(一) 传统金融机构盈利模式分析

广义上说我国传统的金融机构有银行, 基金, 保险, 证券公司等, 这些公司都属于我国传统进行机构, 传统金融的盈利模式分为不同的机构进行简单介绍。

1. 银行。

我国的银行主要盈利模式是吸纳存款给存款人发放利息, 同时对外房贷, 收取贷款利息, 其中贷款利息和存款利息的差额就的利润, 中间业务收入, 同行拆借, 承兑汇票贴现利息收入, 信用证, 托管业务等。这些构成了银行的盈利来源。

2. 证券。

证券是多种经济权益凭证的统称, 因此, 广义上的证券市场指的是所有证券发行和交易的场所, 狭义上, 也是最活跃的证券市场指的是资本证券市场、货币证券市场和商品证券市场。

3. 保险。

保险公司 (insurance company) 是销售保险合约、提供风险保障的公司。保险公司可以这样分类:人寿保险公司和财产保险公司。按照中华人民共和国保险法之规定, 两者必须分开经营。所以有的保险公司成立了集团公司, 下设独立核算的人寿保险公司和财产保险公司。再保险公司是保险公司的保险公司, 对保险公司承担的风险进行分散和转嫁。

(二) 传统金融在互联网背景下发展的局限性

第一, 产品品种优势不明显, 投资门槛高, 客户体验度差。银行的流程繁琐和复杂, 使得一些客户避而远之, 加上银行近些年的理财产品不以客户为中心, 客户理念差。

第二, 渠道单一。对于传统金融机构来说, 更多的是来自物理渠道的客户, 商业银行的客户群体多来自网点的客户, 而线上客户缺乏, 也没有线上客户来源, 线上市场推广策略缺乏, 缺乏市场前瞻性。

第三, 传统的管理战略思想导致银行发展缓慢。银行带有浓重的政治色彩, 一直都是国家控股, 对于银行的战略管理也是以国家战略管理为核心而展开的, 因此, 银行的变革一直在比较缓慢的。

第四, 缺乏良好的人才选拔机制和内部晋升渠道。现代管理中, 具有竞争力的人才才能给公司带来发展, 银行人才的竞争和选拔也缺乏合理性, 传统银行很多都是关系户, 导致银行内部人才缺乏公平竞争机制。

三、互联网金融盈利模式分析

(一) 互联网金融的运作模式

第一, 第三方支付企业指在收付款人之间作为中介机构提供网络支付、预付卡发行预受理、银行卡收单以及其他支付服务的非金融机构。代表企业:支付宝、易宝支付、拉卡拉、财付通为代表的互联网支付企业, 快钱、汇付天下为代表的金融型支付企业。

第二, P2P小额贷款。P2P金融又叫P2P信贷, 指个人与个人间的小额借贷交易, 一般需要借助电子商务专业网络平台帮助借贷双方确立借贷关系并完成相关交易手续。

第三, 众筹融资模式。众筹融资模式是基于“互联网+金融”所创新的一种模式, 意义不仅在金融创新本身, 而在于对传统金融领域和金融业态提出的挑战, 并且在一定意义上具有颠覆性。

第四, 虚拟电子货币模式。虚拟货币是一种计算机运算产生或者网络社区发行管理的网络虚拟货币, 可以用来购买一些虚拟的物品, 也可以使用像比特币这样的虚拟货币购买现实生活当中的物品。

(二) 互联网金融主要盈利收入来源

我国目前互联网金融发展迅速, 很多的经营模式以规模制胜, P2P模式中的主要利润来源是赚取中间的差价, 借款人和贷款人之间的利息差为主要利润来源。虚拟货币的主要利润来源就是卖虚拟货币的收入扣除相应的成本之后所得利润。对于众筹融资模式来说, 盈利模式大多数以收取佣金的形式来实现收益, 其次, 很多众筹平台也采取分成模式或广告模式, 也就是众筹成功之后从其收取一定的广告费。

四、大数据及互联网金融视角下国有商业银行盈利模式研究

(一) 博弈论角度分析商业银行和互联网金融选择

1. 假设前提

第一, 金融市场中只存在了商业银行和互联网金融两个参与者。

第二, 经济人假设。商业银行和互联网金融机构是两个理性经济人, 以个人最大利益为出发点, 基于自身利益最大化做出决策。

第三, 在应对互联网金融同时商业银行可以采取措施有合作和不合作, 即选择集合为 (合作, 不合作) 。互联网金融在应对商业银行时采取的措施有合作和不合作两种选择, 即选择集合为 (合作, 不合作) 。

第四, 互联网金融和商业银行的博弈过程是完全的信息动态博弈, 即在博弈过程中, 商业银行很清楚的了解到互联网金融的交易模式及其有点, 在互联网金融机构也了解商业银行的优势所在。

2. 博弈过程

博弈过程的开始我们以商业银行首先做出选择, 上图所示。最上方商业首先进行选择信息集 (合作, 不合作) , 如果商业银行选择不合作, 那么博弈结束, 各自都以自己的利益最大化为目标开始自己的发展。

如果商业银行选择合作, 那么就开始由互联金融机构开始选择, 这个时候互联网金融机构可以选择合作还是不合作, 选择不合作, 那么互联网金融机构就可以借助商业银行的优势综合自己的优势来大力发展自身, 而商业银行则不能利用互联网金融的优势去发展自身。如果互联网金融机构选择合作, 那么相互之间就可以进行优势互补, 从而达到双赢的局面。

从上图可以看出来, 商业银行在博弈中的处境和地位, 选择不合作那么就会处于劣势, 可能会被互联网金融抢占原有的市场, 如果选择合作的时候, 互联网金融业选择合作那么双方都可以得到一个很好的发展局面, 如果互联网金融不选择合作, 那么商业银行就会成为牺牲品, 优势被互联网金融所利用, 逐渐被互联网金融边缘化。

互联网金融机构选择是否合作, 都可以看得出来其的发展结构。如果选择不合作, 那么必然受到道德风险的阻碍, 根据自身利益最大化做出选择, 那么在短期内必然受到信用方面的负面影响。所以从长远来看, 互联网金融机构根据自身利益最大化原则是比要和商业银行进行合作。如果为了避免不合作情况的发生, 商业银行会选择与互联网金融机构签订一份相互合作的协议, 以维持合作的状态。

(二) 大数据互联网背景下商业银行创新盈利模式

互联网迅速发展, 商业银行的客户大数据必然是其发展的基础。大数据能力将成为银行的核心竞争力。所谓的“核心竞争力”, 关键的要素是“不可复制”、“不可替代”。

数据是大银行的战略资产。随着数据挖掘技术的发展, 银行可谓是数据密集型行业, 其资产不仅是贷款等, 还包括数据。要把数据作为重要资产保护、经营, 这是大银行区别于小银行, 也是现代银行区别于传统银行的关键之处。而且数据财富是没有天花板的, 可以不断挖掘、不断创造, 最近国际上很多机构都在探讨如何量化数据等无形资产的价值。

商业银行通过对自己原有客户群体的数据挖掘提炼客户需求, 提高客户服务质量, 从而改变当前银行的困局。创新服务模式, 提高服务效率和便捷性。每个用户都会办理银行卡, 利用这个基础进行相关客户端软件安装, 对于有余额的客户提供理财服务, 发展互联网银行多种理财方式和渠道。

未来商业银行的业务模式中将转移到以大数据客户资源为核心, 以数据资源为主要竞争力量和利润来源, 来扩大和发展银行相关业务。

五、结论

在以网络化和大数据化为特征的新经济时代, 金融和大数据交叉融合, 大数据由助于提升金融市场的透明度, 通过从海量的数据中快速获取有价值的信息以支持商业决策, 进一步推动金融业发展, 大数据促进互联网金融企业实现精准营销, 提高客户体验度。

大数据时代的数据观 篇11

有句英文：It's not a rocket science。意思是事情很简单，没有火箭科学那么复杂。大数据自有大数据的科学，它是比火箭科学更深的科学，自有那些比火箭科学家更牛的牛人来解决并最终为大众提供一个未来大数据应用的平台。至少在这个平台出现之前，我认为大数据和我们企业没有半毛的关系。

不过，我们可以不关心大数据，绝不是说我们可以不关心数据。

电子商务时代的营销革命性的一面，就是其数据的全面性。网站用户的每一个细微的行为，都会被记录下来作为我们所谓的数据资源，用来对用户的消费爱好与行为进行统计分析，并根据分析结果采取相应的市场措施。这是传统经济所不可想象的用户行为数据，确实十分令人激动。可是一些人一激动，就开始了无限的想象，把数据应用推向非理性。

这让我想起了电子商务刚刚开始时在美国出现的一对一营销（One to One Marketing），那也是被整个社会高调宣传的最新的营销理论，有人甚至说一对一营销是营销界有史以来可以与市场细分并列的营销革命。在大数据的大幕后面，隐藏的也是这个“一对一营销”的冲动和梦想：我们有足够的大数据来分析消费者的行为，通过大数据的分析，我们能够准确地预测用户的需求，所以可以通过正确的预测，向用户提供一对一的销售和服务，以提高我们通常所说的用户体验。

当初我有幸作为一个冷静的观察者对此理论进行了系统的分析，发现当年一对一营销创始人在其网站上所列举的9大成功案例没有一个是真正成功的！那么，一对一营销有什么问题呢？

首先，一对一营销有悖规模化经营的工艺质量成本优化原理。每个用户的消费爱好与行为都不尽相同，除非企业是为每个用户量身定制，除非用户愿意支付比大众化商品服务更高的价格，否则不可能真正做到一对一。

其次，企业不可能提供一对一的商品或服务。用户的消费需求千姿百态，任何一个企业都不可能满足所有用户的个性需求。如果一对一营销真的能够实现，它向用户提供的，并不是用户最喜欢的商品服务，而是企业所能提供的商品服务中用户最不讨厌的。

第三，一对一营销有悖市场细分的科学原理。因为不能提供全方位的商品服务，所以要通过市场细分来聚焦企业的商品和服务。抛弃市场细分的理论谈一对一营销，企业的营销一定会迷失方向：究竟哪个用户的需求需要满足，哪个用户的需求可以忽视呢？

第四，一对一营销可能也是不需要的。市场上提供的商品和服务，往往都是通过细分优化的结果，它一定应该满足“人以群分”的规律。例如我们制造的衣裤鞋帽只有有限的尺寸，绝不是“一对一”。根据一对一营销的理论，我们是不是需要对每个消费者都量身定制呢？

第五，或许有人会问：我们用“一对一”来预测用户的具体商品需求，这有什么问题吗？事实是，如果你懂得市场细分的统计学方法，就会了解，所谓的“一对一”营销，实际上是多个市场细分的结果，我称之为“动态市场细分”。

第六，一对一营销不可能达到理想中的一对一精准性。一对一营销理论以为，通过精密的统计分析，我们能够向用户提供其最需要的商品或服务。但事实是即使有大数据，统计学的预测也绝不像我们想象的那样精准，一对一的精准预测是很难实现的。

最后，互联网技术有比所谓“一对一营销”更有效的方法来提升用户体验。与大数据的统计分析预测相比，与用户互动让用户告诉你他需要什么肯定比任何数据预测更精准，只要你的活动不让用户讨厌；同时，用户浏览页面的内容相关性，也比根据其过去的购买浏览记录预测的结果更可靠。

电商数据的应用是个大题目，本文只能谈点皮毛。我对互联网时代的电商数据应用，有这样一些认识：

1.不要迷信大数据。现在一谈到数据就傍以大数据，甚至有人把美国传统超市的数据都拿来当做大数据渲染，让人不寒而栗；

2.数据很重要，要认真系统规划数据的收集、分析及应用；

3.不要为了数据而数据。数据的收集、分析及应用要业务导向，要以营销结果导向；

4.改进用户体验要依据数据分析，但不要盲目地希望通过数据的统计分析预测来改进用户体验，数据不是万能的；

5.在分析数据时，一定要以市场细分的理论为指导，更聚焦在用户的分类及如何提高聚焦细分市场的用户体验，切不可将用户看做是单个的个体来分析处理；

6.所谓“一对一”的用户体验，是通过多维的市场细分统计分析实现的，但不可迷信它的精准性；

7.在数据之外，互联网还提供了更多可能更有效的方法来提升用户体验。

最后一句话总结：数据很重要，但数据不是万能的。这应该是我们大数据时代的数据观。

大数据金融时代 篇12

供应链金融就是在整条供应链运作的基础上，银行通过对供应链整体经营状态的评估，尤其是对核心企业支付能力和信用等方面的评估，对贷款企业进行融资，促进供应链核心企业与其上下游中小型企业“供-产-销”的顺利进行，实现物流、信息流和资金流的高度契合，最终提升商品供应链核心竞争力，使三方达到共赢的局面[1]。

供应链金融生态圈(如图1)由环境、行为主体以及融资产品或服务构成。所谓环境，包括制度环境和技术环境。制度环境包括了供应链金融相关的法律法规、司法体系和金融监管体系。技术环境包括供应链金融技术和电子信息技术。行为主体包括了供应链上的核心企业、中小企业、银行和物流服务提供商。供应链金融产品或服务按链上不同的环节可分为供应商信贷产品、分销商信贷产品以及终端用户信贷产品。

随着电子商务、大数据和云计算平台等互联网技术的发展，自2005年深圳发展银行推出供应链金融以来不到十年，供应链金融业务欣欣向荣，惠及各行各领域。其制度、技术也随着业务的发展不断完善，一些大型核心企业尤其是第三方支付平台和电商平台不再满足于原先的地位，积极向生态圈的上游下游延展业务，掀起了一场强震，试图分享银行的“一杯羹”。那么，对于开展供应链金融业务，商业银行、第三方支付和电商平台各有什么优势呢?

2 基于商业银行的SWOT分析

我国商业银行在供应链金融行业的霸主地位遭遇了第三方支付和电商平台的强烈冲击。面对供应链金融生态圈的变化，商业银行想要做好战略变革的关键就是对其业务现状、特征进行分析。

优势(S):有相关政策及法律的保护;资本雄厚，资金运行安全;有创新、丰富的金融工具和产品;相关业务熟悉，运作成熟;企业客户群体数量庞大、质优。

弱势(W):无供应链管理能力;客户粘着度较差;自有的信用体系目前还存在漏洞;信息获取成本较高，且信息易失真。

机会(O):经济发展迅猛，贸易往来频繁;供应链金融是解决中小企业融资困境的有效途径;互联网、信息化发展迅猛，市场上对创新金融产品有需求;产业结构有变化，居民消费能力大幅上升。

威胁(T):供应链管理风险易放大;行业、产业风险种类多，供应链上各个环节皆具风险;借款企业商业信用缺失;第三方监管问题;非银行金融机构、同业、电商平台、第三方支付平台及小贷公司竞争;国家政策、经济周期、利率风险、汇率风险等系统风险。

3 基于第三方支付的SWOT分析

第三方支付就是由与银行签约，并具备一定实力和信誉保障的第三方独立机构提供的交易支持平台。目前，它并不能取代银行，只能与银行合作，协调其与链上中小企业的信贷关系。通过对大数据的利用，第三方支付扮演保理商或保理中介的角色，自成一套流动资金管理解决方案，将企业交易数据打包整合，再销售给商业银行。银行根据这些信息，批量为供应链上下游的中小企业提供授信服务，支付宝、微信等支付平台就是这样一个例子。

优势(S):核心资源是信息;提供资金流转;掌握交易数据，尤其是面对企业端支付服务的数据流分析;客户粘着度高，数据收集成本低、效率高;有一套流动资金管理解决方案。

弱势(W):资金规模、融资规模有限;非金融机构，金融服务能力较弱;相关法律法规不完善，缺少政策扶持。

机会(O):经济发展迅猛，贸易往来频繁;供应链金融是解决中小企业融资困境的有效途径;互联网、信息化发展迅猛，越来越多的企业依赖第三方支付;涉足行业、领域广，创新性强。

威胁(T):供应链上各企业具有信用风险、操作风险和经营风险;商业银行、小额贷款公司等金融机构竞争;国家政策、经济周期、利率风险、汇率风险等系统风险。

4 基于电商平台的SWOT分析

电商既是供应链金融的核心企业，又扮演银行与供应商间的授信角色，先将平台上的数据转化为银行认可的信用额度，银行再对此进行独立审批、贷款发放。京东很早就围绕自身的销售渠道展开供应链金融业务。获得了授信额度的供应商，对京东送完货后，就可以跟京东对账，若无误，则由京东通知银行，发放贷款。

优势(S):有巨大的客户资源和第一手交易资料，了解客户资金、信用、经营状况，信息获取成本低;能实时提取链上活动过程的信息数据，易触发融资[2];部分电商与物流服务商合作(或自有物流)，能全面掌握物流、商流、资金流和信息流;灵活自主地制定融资规则，便于金融方案的设计和实施，提高资金使用效率;法律政策扶持。

弱势(W):资金及融资规模有限;只限入驻自身平台的企业融资，服务面窄;金融服务能力不强。

机会(O):经济发展迅猛，贸易往来频繁;供应链金融是解决中小企业融资困境的有效途径;越来越多的企业入驻电商平台。

威胁(T):链上各企业具有信用风险、操作风险和经营风险;金融机构的竞争威胁;国家政策、经济周期、利率风险、汇率风险等系统风险。

这些平台型的电商巨头们还在向供应链上下游延展，用自有资金为上下游企业提供融资服务。京东、淘宝以及苏宁都成立了小贷公司，京东和苏宁作为交易链上的直接参与方，积累了大量购销配送数据，为风控模型提供了有效的信息。电商平台绕开银行，有着更大的主动性和收益率，能够大大提高现金流速度，缩短资金周转时间，提高资金利用率。

5 五力模型分析银行供应链金融存在的问题

供应链金融蕴藏的巨大市场潜力，吸引了众多企业争夺业务蓝海。根据波特五力模型(如图2所示)，从供应链金融的资金提供者———银行的角度可以看到，随着互联网的应用和移动通讯的普及、大数据时代到来，驱动产业竞争力的力量都发生了改变。

5.1 潜在进入者的进入威胁

很多企业或是本身未开展相关业务的银行都看中了供应链金融的业务蓝海，逐渐渗透进来，不仅会瓜分银行原有的市场份额取得一些业务，还会减少市场集中，激发现有企业间的竞争。这种威胁存在增强趋势。

5.2 替代品的替代威胁

银行目前作为该业务的霸主，以及一些固有的优势，很难有直接替代品。而一些实力较强的平台型电商、第三方支付以及一些小贷公司却可以成立间接替代银行提供资金，发挥其门槛较低、资金流动快的优势。还有一些物流企业，凭借其对“物权”的掌握，获取大量企业的销售、库存和物流记录，精悉中小企业的经营、信用状况。如国际快递巨头UPS，在并购了美国第一银行后，担任了物流供应商和银行的双重角色，为客户提供各种供应链金融服务。融资款项全部来源于UPS自有银行UPS Capital，因为资金在交付前有一个沉淀期，这期间就相当于获得了一笔无息贷款。UPS在收到货物时，由UPS Capital提供给出口商一部分预付货款，等货到了再跟进口商结算，收取所有货款，由此就会产生一笔不需付息的货款差额，而UPS Capital可以滚动利用这些资金向客户发放贷款[3]。由此可见，来自替代品的威胁正在逐步增强。

5.3 核心企业、中小企业讨价还价的能力

核心企业通常是大型跨国企业和部分国内大型企业，它们都是行业的领先者，掌握了供应链上中小企业的交易记录，对它们的信用状况了如指掌，而这些信息恰恰是银行要花费巨大成本才能获得的。核心企业可能会跟不同银行或小贷公司讨价还价，以筛选出最佳方案，获得更大的收益，甚至有的核心企业会直接将数据信息给自己集团的小贷公司。随着供应链金融产业的进一步发展，核心企业的相关经验也愈来愈丰富，议价能力亦会增强。

中小企业为了以低成本获得更多融资，必定货比三家，银行若不想失去这些客户，只能降低贷款利率或是延长还款期限、扩大授信敞口。

5.4 产业内现有企业的竞争

我国很多商业银行都推出了供应链金融的相关业务并逐步增加业务比重(如表1所示)。外资银行方面，东亚银行、澳新银行、汇丰银行、花旗银行等也大力发展供应链金融。随着技术的进步、业务的发展，银行霸主们之间的争夺也会愈演愈烈。每个参与者都在努力打造自己的服务特色，力争提升竞争优势，扩大业务。

经过分析，可以总结出我国商业银行发展供应链金融存在的问题和难点。

(1)业务的同质性较强。各商业银行打造的供应链金融产品或服务，名称不一样，但本质相同。目前国内银行的供应链金融模式，主要分为存货质押融资、应收账款质押融资和预付账款融资。而每个客户实际的业务量和交易结构不尽相同，因此，银行现有的供应链金融产品或服务满足不了灵活的个性化服务需求。

(2)对业务认识不足。供应链金融业务在国内大部分银行还处于起步阶段，银行部门对其认识不足，相关配套机制尚未形成，若依旧按照一般贷款流程进行审批决策，会导致整个操作过程拖沓低效，造成业务发展相对滞后于市场需求。另外，我国银行依然以大型客户为主，经营思路陈旧;客户经理因业绩考核压力，将主要精力放在优势企业和重点行业的项目上，难以兼顾操作相对复杂的供应链金融业务。

(3)信息技术支持不够，数据资产活性低。大数据时代猝然来临让金融业龙头老大商业银行措手不及。从信息技术角度看，很多银行在应收账款和预付账款等环节还是人工操作，既降低了供应链金融的运作效率，又增加了操作风险。从数据资产来看，银行所拥有的个人和企业的注册信息、交易记录等数的活性远远低于电子商务公司，且银行也无从得知个人和企业的实际收支、消费、采购等详情。故商业银行的数据资产来源单一，维度少，限制了供应链金融业务的发展。

资料来源:2011-2012年中国供应链融资市场发展研究报告。

(4)多方竞争者角逐。第三方支付、电商平台及小贷公司，甚至是一些实力颇强的物流服务提供商借助互联网积累海量数据，这些数据更为真实有效地记录了用户的行为轨迹，构成了“草根”信用档案体系。通过信息技术构建的网上服务体系，使其成本更低、效率更高。

6 我国银行供应链金融的战略转型

6.1 差异化战略

(1)产品差异化。迅速创新市场空间较大的仓单质押、动产质押等存货类金融产品，不断完善应收账款质押、国内保理等应收类产品的制度;加大新产品的研发力度，使产品更加贴近市场，提升各行供应链金融产品的市场竞争力。

(2)服务差异化。根据不同的客户和交易模式，量体裁衣，设计个性化、专业化的金融解决方案，通过强调服务的差异化，进一步提高我国商业银行供应链金融服务的市场竞争力。

6.2 组织流程优化

根据供应链金融业务的发展需求，对原来的组织结构、业务流程进行调整。可以安排熟悉供应链金融业务相关法律、风险、审批的工作人员入驻业务部门，专项负责审批环节。这样，仅一个部门就可以完成供应链金融所有业务流程，大大减少审批环节，缩短审批流程，提高业务效率。

6.3 专业化平台构建

银行可以依靠雄厚的资本优势，构建专业的操作管理平台、电子商务平台以及其他配套设施，弥补以往缺平台、少数据的短板，实时管理供应链金融业务的各个环节，全方位掌握客户信息，拉近服务距离，提高业务效率，同时充分发挥供应链财务管理的专业素质。

6.4 与各方进行战略合作

首先由商业银行牵头，趁着供应链金融需求旺盛的势头，在供应链上与电商平台或第三方支付合作，建立客户数据入口。其次根据第三方支付或电商平台对借款中小企业的信用评级制度，建立集成化的供应链评价标准，甄别企业资信状况。再次，从物流服务提供商那里进一步核实货物的真实轨迹，确定企业的信用等级。最后，银行为获得资格的借款企业提供授信。这样，供应链金融生态圈中的行为主体形成了优势互补的合作模式，各方可以更专注于发挥自身所长，避免重复建设和分散资源，达到多方共赢的局面。

7 结语

在大数据和互联网技术蓬勃发展的时代背景下，随着第三方支付、电商平台不断入侵供应链金融生态圈的资金流，我国银行供应链金融业务也出现了“瓶颈期”，紧抓契机战略转型已是迫在眉睫。除了对传统供应链金融业务的产品服务、组织流程进行调整外，银行还应该通过线上供应链金融系统实现与竞争者、核心企业、物流服务提供商的数据协同，做到整个供应链的信息共享，从而达到商流、物流、资金流、信息流“四流合一”。

摘要：随着大数据、云计算和电子商务等互联网技术的逐步发展,我国商业银行的供应链金融业务遇到了巨大的挑战。尤其是在第三方支付、电商平台不断入侵供应链金融生态圈资金流,“蚕食”银行业务的处境下,银行该如何做好战略转型呢?文中通过SWOT模型分析银行、第三方支付、电商平台各自发展供应链金融的现状,运用波特五力模型分析商业银行开展供应链金融业务时存在的问题,最后提出了一些转型战略,以使整个供应链达到“四流合一”、多方共赢的局面。

关键词：供应链金融,银行,SWOT模型,波特五力模型,战略转型

参考文献

[1]曹俊.供应链金融信用风险管理[D].大连:大连海事大学,2011,(5).

[2]许潇悦.J银行供应链金融运作模式研究[D].南京:南京理工大学,2014,(3).

[3]袁源.银行与电商开展供应链金融业务将获得竞争力提升——基于SWOT分析[J].商贸纵横,2013,55.

[4]侯冰.XY银行发展供应链金融业务的策略研究[D].南宁:广西大学,2012,(5).

[5]陈宪宇.大数据时代金融行业受到的冲击和变革[J].河北企业(运营指南),2013,(1).50-53.

[6]吴昭蒙.当前我国银行和电商平台开展供应链金融业务的战略选择与评价[J].商界论坛,2013,194.

[7]吕芹.除了银行,还有哪些“小伙伴”玩供应链金融[EB/OL].互联网周刊,http://www.dooland.com/magazine/article_427050.html,2014-12.