金融行业大数据应用需求分析

(1)需要可扩展性开放架构做支撑

大数据量必然要求金融企业IT基础设施更易于数据的整合与集中、扩展与伸缩，以及管理与维护，同时还必须具备良好的可靠性、可控性、安全性。近年来，随着x86架构CPU处理器制程、内部计算架构设计推陈出新，性能已逐渐赶上RISC服务器，同时，在稳定性、可用性及服务性也足以胜任海量数据对基础架构能力的要求，因此，具备高扩展性的开放架构正逐步成为金融行业应对大数据的优选方案。

(2)大数据在加强风险管控、精细化管理、业务创新等业务转型中将起到重要作用

首先，大数据能够加强风险的可审性和管理力度，支持业务的精细化管理。当前中国银行业利率市场化改革已经起步，利率市场化必然会对银行业提出精细化管理的新要求。

其次，大数据支持服务创新，能够更好地实现“以客户为中心理念，通过对客户消费行为模式进行分析

(比如事件关联性分析)，提高客户转化率，开发出不同的产品以满足不同客户的市场需求，实现差异化竞争。

(3)在高频金融交易、小额信贷、精准营销等领域加速推进目前大数据应用已经在金融业逐步推开，并取得了良好的效果，形成了一些较为典型的业务类型，如高频金融交易、小额信贷、精准营销等。

高频金融交易的主要特点是实时性要求高和数据规模大。目前沪深两市每天4个小时的交易时间会产生3亿条以上逐笔成交数据，随着时间的积累数据规模非常可观。与一般日志数据不同的是这些数据在金融工程领域有较高的分析价值，金融投资研究机构需要对历史和实时数据进行挖掘创新，以创造和改进数量化交

易模型，并将之应用在基于计算机模型的实时证券交易过程中。

小额信贷是另一个大数据应用领域，阿里巴巴和建行在2007年推出一个专注于小企业的贷款计划——e

贷通，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，利用淘宝等交易平台掌握企业交易数据，通过大数据技术自动分析判定是否给予企业贷款;而建行坐拥巨额资金，希望贷款给无信用记录但发展势头良好的小企业。到2012年年底，阿里巴巴累计服务小微企业已经超过20万家，放贷300多亿元，坏账率仅为0.3%左右，低于商业银行水平。

(4)在精准营销方面，各大金融机构也纷纷开始行动

招行通过数据分析识别出招行信用卡高价值客户经常出现在星巴克、DQ、麦当劳等场所后，通过“多倍积分累计”“积分店面兑换”等活动吸引优质客户;通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点;通过对客户交易记录进行分析，有效识别出潜在的小微企业客户，并利用远程银行和云转介平台实施交叉销售，取得了良好成效。