当前位置:保险 > 正文
互联网金融的大数据运用价值探究

  随着大数据时代的到来,各行各业对于海量数据的挖掘和运用正呈现出前所未有的热情,大数据已经逐渐演变成为重要的生产要素与竞争手段,渗透到社会生活的各个领域。尤其对于通过信息技术驱动行业创新的互联网金融而言,加强对大数据技术的运用将是其未来发展的核心驱动力。本文通过对当前大数据在互联网金融领域运用的现状考察,分析其潜在价值与面临的主要挑战,进而探讨信息时代大数据在互联网金融领域运用的优化路径。

  一、研究综述

  学界普遍认为大数据的运用能够为金融市场带来新的机遇。蔚赵春与凌鸿指出大数据在银行业存在渠道拓展,个性化服务、精准营销、小微企业信贷等运用方面的实践。李钟顺等提出大数据对企业管理基础中的决策主体、决策权配置、决策思维及决策文化将产生深刻影响,为管理决策的创新提供新思考与新机遇。黄子健和王龑则提出大数据有助于解决“小微企业融资悖论”。当小微企业因资金短缺向金融机构办理信贷业务时,金融机构为了控制自身的信贷风险,往往要求小微企业提供一定的抵押品,导致了小微企业融资悖论的出现。

    在互联网金融信贷模式下,通过大数据所创造的“信用资本”和“信用抵押”能够有效解决这一难题。方方认为“大数据”为银行提供了全新的沟通渠道和有效手段,银行内部数据与社会数据进行有机的整合将产生新型的金融业态,最终颠覆金融服务形态,使得只有懂得利用数据的银行才能最终在市场中生存。

    大数据在互联网金融领域的运用中所面临的挑战与风险也逐渐被广泛认识,陆岷峰与虞鹏飞认为传统商业银行面临这数据处理能力的极度低下和数据分析人才的严重缺乏的挑战,严重降低了大数据运用对商业银行的效益。陈进与朱宁还认为全行业面临着对大数据进行安全存储、如何开发有效的大数据分析软件、拓宽大数据应用领域等问题。

  面临这些存在的挑战与风险,学者纷纷提出各自的应对方案。翟伟丽认为通过加大体制和机制创新力度,同时加大金融领域中银行、证券、保险领域的相互开放力度,并促进金融机构观念的改变,将实现大数据时代金融机构的创新和做大做强。侯敬文和程功勋提出应当通过对金融数据的有效管理和控制,进而建立起金融企业价值链网络,最终构建金融大数据超市,将用户与超市紧密结合以达到双方共赢。白硕与熊昊认为利用大数据将作为一种新型的风险管理手段,将使得监管可以完整刻画被监管主体的特征,实现信息时代精确化金融监管。

   二、 互联网金融领域大数据的市场运用现状分析

  互联网金融领域的大数据应用前景广阔,当前大数据已经运用到银行、证券、保险、P2P等多个行业,整个互联网金融行业也正在因大数据的运用而不断进行创新与发展。

   1、 互联网金融领域内大数据的具体行业运用考察

  互联网金融在中国的发展大致可以分为两个阶段,第一个阶段是互联网金融的开始阶段,即传统的金融机构互联网化的过程。第二个阶段是大量互联网企业进入金融市场的阶段,以阿里金融等互联网意义上的金融机构为代表。这将意味着互联网金融行业几乎可以获取到传统金融行业所有的数据。金融行业与人的经济活动密切相关,每天进行的各类金融业务不断产生着大量数据,新产生的数据为进一步深化大数据的运用提供了现实基础。根据贵阳大数据平台发布的《2016年大数据产业交易白皮书》显示,2015 年中国金融大数据应用市场规模达到16 亿元,预计这一数字在2020 年将突破1300 亿元。大数据在互联网金融的运用将为金融行业提供新的创新增长点。

    (1) 银行业

  当前大数据在银行业的运用主要通过四个方面进行实现,一是通过海量数据的分析对目标用户的财产状况、信用情况进行充分地评估,使信贷风险达到可控状态。如对银行的大客户——企业用户常采取全方位地分析,综合该企业所处行业地位、企业竞争力水平、所处产业区域位置、营收分布情况、行业成长性、竞争格局及市场占有率等考虑,使得银行所要承担的违约风险降到最低;二是对储户的信息进行跟踪分析,如将用户的商品购买记录和银行交易信息相联系,为用户提供成套的金融增值服务。三是对储户的社交信息,交易信息以及家庭信息等相关信息进行价值挖掘,为处于人生不同阶段的用户提供相适应的银行理财产品;四是通过对用户数据的实时关注,发现潜在用户,同时也能及时察觉流失用户,进而有效地进行客户管理。

  在大数据的现实运用方面,中国工商银行建立了全行统一的数据仓库和集团信息库两个大数据基础平台,通过对大数据的分析挖掘设计并实施了业务运营风险改革方案,同时以数据分析结论为基础,运用风险监控模型实施系统化的运营监控体系。通过大数据风险监测系统的应用,全行的风险事件发生率大幅降低,日均人工监督工作量由895.8万笔降至5.4万笔,从而得以缩减5900个业务监督人员岗位,在提升工作效能的同时还大大节省了人力成本。

    (2)证券业

  证券与互联网存在高度融合的现实基础,大数据在证券业的运用很好地契合了证券行业的现实需求。首先,大数据技术的24小时不间断性将使得证券公司可以对市场进行实时追踪,大数据的强大处理能力还能实现对数据进行深度的价值挖掘。其次,通过对数据的大量收集,证券行业的自动化交易策略设计中的数据量可以得到进一步的扩大,可供参考的数据也随之扩大,从而实现对证券市场更精准和更快速的把控。最后,证券业在证券市场中的发展受到信息化程度的限制,利用大数据可以使得该行业的信息化程度得到一个质的提升。充分信息化的证券市场将对客户行为、市场因素、客户相关、市场行情、上市公司公开信息、宏微观经济数据等信息进行客观地实时记录,进而进行全方位的分析,为客户提供更加合理与准确的建议,最终实现客户价值。

  证券行业与市场波动紧密相连,市场行情的好坏往往决定一个证券机构的盈利和亏损。正确预测市场能够使得证券公司对自身经营情况进行预估,并采取适当的方法进行应对。在市场行情即将清淡时就重点加强基础设施建设,预测到牛市行情时则进行详细规划和实施,进而充分利用过去的资源进行决策。2010年美国印第安纳大学的一份调查研究表明,从社交媒体Twitter中表现出来的情绪指数与道琼斯工业指数的走势之间具有接近90%的相关性,并在随后的调查中发现利用这些社交搜索数据还能对股市进行精准预测。

   (3)保险业

  基于大数据运用而产生的保险产品将对保险业务的提升起到颠覆性的作用,传统的保险定价是基于整个用户群体,即传统保费是通过保险公司对整体的风险评估分析而形成的一个平均值,而新型的保险产品可以做到差异化定价,根据每个人的行为相关数据、交易记录、社交数据进行风险综合评估,并制定相应的价格。每个人只为自己的风险而缴纳相应的保费,使得保险产品更加人性化,也更容易吸纳新的用户,产生新的产品价值。2015年我国保险密度为1766.49元/人(271.77美元/人),保险深度为3.59%,而2015年的全球市场人均保险支出为662美元,发达国家人均保险支出为3666美元。我国保险密度到2015年也才仅为271.77美元/人,相差10多倍,这表明我国运用保险机制的主动性还不够,存在巨大的市场潜力。大数据的运用将使这种潜力得到发挥,其所进行的产品改造将使得保险向更广的人群进行覆盖。

    除此之外,大数据还能运用于保险欺诈识别中。保险欺诈是传统保险行业中难以根除的恶疾,每年都占到保险公司对外费用中的大部分,当数据量达到足够大时,保险欺诈行为的可识别度将得到极大的提高,整个保险业的利润也会上升到一个更高的层次。中国保险行业协会委托波士顿咨询公司向国内19家知名保险公司发放访谈问卷进行调研,根据调研报告显示:在被调研公司中,63%的保险公司已将大数据运用于欺诈检测方面,47%的保险公司已在风险评估与定价方面展开实践,对于大数据在交叉销售、防止客户流失方面的实践分别都达到了32% 。

   (4)P2P网贷

  在产品宣传方面,基于大数据的精准营销可以显著提升客户体验。随着P2P网贷规模的不断扩大,贷款者往往需要花费大量的时间与精力才能找到合适的信贷产品,这种浏览往往会降低用户的使用体验,从而引发消费者的流失。而基于大数据的个人化推荐系统提供了一个完善的解决方案,即通过对贷款人的特征和借款记录,信贷产品的期限、风险和收益,以及客户的浏览记录、个性化需求与兴趣偏好等信息进行综合分析,最后向用户进行个性化推荐,实现对产品业务流程的优化。

  在风险防控方面,大数据技术可以有效预警经营风险,保障消费者合法权益。近年来的P2P网贷平台问题频出,根据《2016年全国P2P网贷行业半年报》显示,整个2016年上半年,累计停业及问题平台数量为515家,其中恶性退出的平台共有268家。大数据引入到P2P网贷中能够及时地对网贷平台进行监控,并通过对公司经营状况、资产状况、风险状况等进行有效地评估,提早发现潜在风险,进而正确采取合理的规避手段。

  2互联网金融领域内大数据技术运用模式分析

  大数据的运用存在着基本的运用模式,通过对这些模式的分析能够增加对大数据技术和数据运用情况了解程度,从而实现对大数据技术所产生的决策方案可靠性认定,从底层了解大数据的决策处理系统也有助于对具体场景下的大数据运用进行深度分析。

  (1)互联网金融领域内大数据技术应用基本模式分析

  大数据技术运用模式一般包括三个层级,第一层是基础数据来源层,该层所进行的是数据收集的工作。一般而言对基础数据的收集存在三个来源,一是云计算、大数据基础设施,二是互联网、物联网基础设施,三是智能终端、APP应用。

    第二层是数据整合层,其中包含对数据的分类,储存与分析,在此处理阶段所用到的技术是数据挖掘技术,所谓数据挖掘是通过对海量的数据信息进行有目的性的提取、分拣、归类,挖掘隐含的有用信息,最后用于为各行各业的生存和发展提供决策支持信息。数据挖掘技术从本质上来说是一个决策支持过程,是基于人工智能、机器学习、统计学、数据库等技术手段而做出的归纳性的推理。

    第三层是数据应用层,即利用整个数据处理流程最终得到的数据模型进行分析,使得决策者对产品或服务预期的市场情况做出判断。该阶段还可以将需求市场进行细分,以达到产品或服务广告精确投放的目的。

  (2)互联网金融领域内基于特定场景的大数据应用模式分析

  中国人民银行个人信用评分模型是数据挖掘技术在风险管理中的典型运用,通过对全国各大金融机构中的所有个人信贷账户中的信用卡、汽车贷款、住房资源等历史数据运用数据挖掘和统计分析技术建立评分体系,该模型旨在针对消费者未来一定时期内的违约概率进行预测,并初步将评分标准确立为350-1000分,一般界定为分数越高风险越低或信用越好。

  另外,小米金融首先依靠设备层中的基础设施实现对业务层数据的收集,如手机、手环、智能家居等采集的数据,然后通过数据仓库进行储存,再利用R, spark,hive等大数据挖掘分析手段建立信用模型与反欺诈模型,最后根据模型反馈的结果采取进一步的措施。如对存在欺诈风险的账户采取异常环境检测的手段或要求用户利用手机设备进行账户验证,采用实名认证措施以消除身份伪造的风险,而针对虚假资料信息则采用交叉验证的方法。

  此外,大数据在金融市场中还能被相关监管部门运用到反洗钱中,其核心在于利用大数据技术在海量的数据中发现对洗钱行为存在相关性的数据。其技术原理是通过对原始交易数据的收集,完成数据的简单分类处理并储存,然后利用数据挖掘技术寻找其中可能存在的数据与犯罪行为关系,将满足犯罪行为特征的有关数据作为判断犯罪行为的主要线索,并自动反馈给监管部门。监管部门最后基于过去对反洗钱的经验与知识,结合数据处理后的可视化的相关信息进行最终的判断。

    图2 反洗钱大数据应用模型

  (3)互联网金融领域内的大数据技术运用价值分析

  大数据技术通过对海量非结构化数据的分析、计算与整合,从而实现预测功能,在互联网金融领域具有广泛的应用价值。

    优化产品和服务

  用户的需求能够通过大数据得到可视化体现,通过对不同渠道来源的数据进行分析,企业能够有针对性地对产品和服务进行优化。在互联网金融领域内的数据存在四个主要来源渠道,一是互联网中的交易数据,包括第三方支付数据、电商购物数据以及生活服务类的缴费数据,二是社交大数据,三是信用卡以及银行卡大数据,四是互联网中的征信大数据。通过大数据技术对这些多维度的数据进行处理,企业对用户的了解将达到更高的程度,进而使产品直接投放到目标客户群体中,减少了其中的沟通成本与交易成本。在企业具体经营活动中,针对客户往往采用 “用户画像”这一手段,即首先通过对用户基本数据、客户所使用的产品数据、客户历史交易数据等原始数据进行统计分析,其次再结合用户人口属性、账户历史趋势、产品购买次数等事实数据进行建模分析,然后再对用户的用户满意度、用户风险分析、用户偏好等进行模型预测,最终建立包含消费能力,用户流失概率、违约概率、用户近期需求等的画像标签,进一步为企业的产品设计与服务优化提供可视化信息支持。

    挖掘潜在用户

  大数据的运用能够建立新型征信机制,降低交易风险,使得金融服务进一步的覆盖广大人群。根据波士顿咨询公司发布的《2015中国个人征信行业报告》显示,中国人民银行个人征信中心数据覆盖8.6亿人,其中有信贷记录的约3.5亿,个人征信系统覆盖率仅为35%。

  通过大数据技术建立的多元化征信评价机制将从多个方面对个人或企业的信用进行深度刻画。除了传统典型的信用卡数据,互联网上的社交数据、网上的购物交易数据、甚至于电信业务数据以及日常水电费缴费数据都将被用于一个人或企业的信用刻画。新型的多元化征信评价机制将覆盖传统金融难以覆盖的客户,扩大互联网金融服务受众范围。

    推动企业内部管理变革

  大数据在互联网金融领域的运用使得金融行业管理模式有了创新的方向——以“数据-信息-商业智能”为导向,以定量化、精细化管理为发展路线,充分运用数据分析技术,使分析结论成为金融机构决策的主要依据。

  以银行业为例,传统银行业在对大量数据进行整合的过程中需要对数据进行分散处理、部分处理以及大量的人工化处理。大数据能够转变传统银行业内部管理方式,以实现对数据最大化利用。其一,对银行中的当前全部数据进行充分地价值挖掘,减少了数据闲置的情况;其二,银行将正在由个人的主观经验的业务价值导向转变为以数据驱动的新型分析决策导向;其三,金融大数据的运用需要大量的数据分析人才,时刻进行的人员结构革新使得银行业的效率越来越高效,正如工商银行的改革。

  3 互联网金融领域大数据运用面临的挑战

  新技术的出现往往伴随着内部环境与外部环境的挑战,如何正确应对实践中大数据运用中大数据技术自身的缺陷与可能对外部环境造成的不利影响是整个互联网金融行业需要解迫切决的问题。

  (1)数据处理对大数据运用的挑战

  大数据时代下的数据处理中主要面临数据异构的问题,主要体现在三个方面:第一,数据源的数据类型构成从结构化数据为主逐渐转向以半结构化和非机构化数据为主。第二,数据来源将更加广泛,过往的数据主要产生于服务器和个人电脑,随着移动设备的普及,移动端产生的数据将大大增加。第三,数据存储方式发生变化,这就要求在集成过程中对数据进行转换,而转换过程又是相当复杂和难以管理的。同时数据量的大幅度增加导致大量无价值的数据出现,意味着需要对数据在质和量之间做出权衡。

  此外,数据处理中还面临着数据处理标准不一,先验知识不足的问题。目前数据实时处理包含三种方式,即流处理模式、批处理模式以及两者结合的方式,但并没有一个通用的实时处理框架,这就导致了实践运用中还需要对这些技术工具进行改造升级,以便于确保最终达到理想的处理效果。传统分析以关系模型进行数据存储,其中就隐含了对数据内部关系的先验知识,而半结构化与结构化数据难以建立类似结构化的正式关系,且这些数据往往需要实时处理,相关技术人员难以有充足的时间去建立相关的先验知识。

  (2)风险控制对大数据运用的挑战

  大数据在互联网金融上的运用在于利用大数据对多方面的数据进行综合处理,最后再根据处理结果进行相应的决策。而鉴于数据来源不明确、数量过多、质量千差万别以及数据处理过程中存在一定的不规范,使得大数据运用过程中产生了诸多的风险。其中最大的风险是决策风险,这便要求决策者对基于大数据运用而产生的决策持谨慎态度,合理预估大数据运用中的潜在风险。此外,合理规避决策风险还要求企业时常需要对大数据应用在不同具体业务活动中的决策可行性进行评估,再根据这些评估结果有效分配企业资源。

  近年来P2P平台负责人频频被爆“跑路”,在互联网金融领域内的非法集资,恶意欺诈、洗钱等事件也时有发生。从企业层面而言,在于未正确地建立起基于大数据的风险控制机制,缺乏对国家宏观调控信息、行业预警信息以及企业负面新闻等公开数据的收集。从监管层面而言,有关监管部门对行业趋势、企业经营业绩、公司股东资料等关键数据未能进行深入的价值挖掘,对企业的实际经营能力缺乏认识,难以在企业发生风险事故后有效保障地保障债权人和社会公众的利益。

  (3)数据安全对大数据运用的挑战

  互联网金融市场中的金融大数据由无数的个人数据组成。个人数据是由于数据主体的存在而产生的,个人应当享有个人数据安全的权利。然而在目前的金融市场中,数据被随意共享泄露,鲜有相关金融机构采取完善的措施对用户的个人数据进行保护。此外造成个人数据面临安全风险的原因还包括投入不足、制度流程不规范、安全意识薄弱、安全需求不明确、专业人员的缺乏等。仅从法律层面而言,我国当前还未有一部关于个人数据保护的专门法律,这使得当用户的个人数据被泄露或滥用以后,用户难以得到有效的司法救济,且互联网上的侵权行为具有匿名性和隐秘性的特点,仅仅通过用户个人的力量难以找到可归责主体。即使明确了侵权行为人,在现有的法律制度框架中对侵权行为人的惩戒措施也不足以对个人数据主体的合法权益进行有力保障。

  由于现今技术的发展使得即使处理过的数据也能够轻易地被转变为敏感的个人数据。行业标准的缺失使得对互联网金融领域内相关数据的处理方法千差万别,导致对敏感数据所指向的个人的有效保护也无从谈起。在人民论坛问卷调查中心对当前网络信息安全状况的调查中,受访者将金融数据列为网络信息化潜在安全问题中仅次于个人隐私的第二大潜在安全问题。

  4 互联网金融领域大数据运用的优化路径思考

  信息时代与万物联网时代的到来将大数据运用推向高潮。在大数据实践运用过程中,应当准确对大数据发展进行全局把控,加强对大数据基础设施的建设,并制定相应的配套措施保障大数据技术这一新兴技术在互联网金融中的充分利用。

  (1)加强大数据战略的顶层设计

  大数据运用的顶层设计应当得到加强,以全局的角度对大数据的具体运用层面进行统筹规划,以保障数据资源合理的利用以及效用的最大化。我国互联网金融行业正处于蓬勃发展期,经营模式应当从原来的以产品为中心的粗犷型管理模式向以市场为导向、以客户为中心的新型精细化管理模式转变。该模式注重于长远规划,着眼于金融行业的长期发展,要求利用数据管理的手段对客户需求进行全方位地数据分析,进而深层次地了解用户,以便达到对用户情况实时把控、用户需求切实满足的效果。

  加强顶层设计还能够将企业现有组织结构进行整合,最大化地减少管理上的冲突、提高企业资源利用效率,保障企业在市场中的灵活性。同时成熟的大数据技术的低成本性也将使得企业的管理费用大幅度降低。

  (2)推动信息技术的发展与迭代

  大数据技术效应的充分发挥必须以信息技术的发展和迭代为现实基础,其关键在于基础设施的不断完善。大数据的基础设施包括硬件与软件,硬件主要包含大数据运用架构中用于数据收集、存储的设备,而软件基础设施则包括用于数据处理的专业软件以及金融企业的人力资源。如需要建立更多高效率传输的数据中心,以支持分布式集群的跨数据中心任务调度和保障以太网无环路的多链路传输。从长远来看,对这些基础设施的投入能够使大数据在互联网金融领域的运用更加广泛,帮助企业得到全方位地成长。

  大数据技术本身也需要得到大量的资金支持,现有的Hadoop大数据平台虽解决了大数据的可靠存储和处理问题,数据处理的反应速度还不尽如人意,对于交互式数据处理、实时处理的支持不够。应当加大对新的技术的研究力度,不断提出新的技术解决方案,以保证数据收集的全面性、完整性,促进技术的变革以增加处理半结构化或非结构化数据的效率,同时建立更加精准的数据模型以提供更好的决策建议依据。

  (3)保障网络用户数据安全

  对数据的安全保护应当从数据处理的各个实践环节进行把控。数据处理阶段一般分为四个阶段,一是数据产生阶段,该阶段需要对数据进行分级,建立数据日志;二是数据存储阶段,此阶段应当在对数据进行加密处理的同时对数据进行备份;三是数据加工阶段,对数据进行脱敏处理;四是数据的使用阶段,该阶段需要严格的设置数据使用权限,严防数据泄露,同时也要为数据的保存建立一个良好的安全环境。

  保护用户数据安全还应当控制人的因素。企业应当确立对数据管理的基本原则,提高管理人员的安全意识,制定完善的数据安全保护制度,并对数据泄露的行为进行严厉处罚。还应当建立监督制度,以便于及早发现数据潜在安全风险。

  (4)完善大数据风险管理制度

  对风险的控制程度往往用来考察创新性金融的成败。应当完善现有的风险管理制度以满足现今的实际需要。首先,完善的风险管理制度必须要求达到对风险的全面管理,包括流动性风险、信用风险、操作风险等。其次,完善风险管理制度的目标是提出与企业当下相适应的风险管理制度体系,因此应当从确定风险管理的基本原则出发,进而逐步随着企业的发展进行适当的完善。再次,完善风险管理制度的基础是建立专门的风险管理机构,使得企业能够在短时间内对风险管理的重要事项及相关制度根据市场变化及时做出调整。最后,还应设置与业务复杂程度和风险管理指标体系相适应的风险管理信息技术系统,以达到随时的风险评估和监控预警。

  (5)构建互联网金融联合监管模式

  互联网金融与大数据都是新兴事物,发展初期形成了一定的监管真空地带和风险隐患,互联网金融领域内大数据技术的广泛运用需要不断完善监管机制。应当制定一个多元化的互联网金融监管机制,并根据不同业务性质和风险水平适用不同的监管措施,在做到互联网模式去中心化的前提下,坚持以透明化、市场化和规范化为方向,兼顾创新和公平。

  互联网金融联合监管机制由三个部分组成,其一,建立企业内部的监管机制,传统监管制度难以在短时间内熟悉大数据时代的互联网金融,内部的监管机制却能够灵活地利用相关的制度措施进行矫正。其二,建立整个互联网金融行业的行业监管机制,使得对整个行业的变化能够及时得到反应并采取相应的手段。其三,建立行政机关的专门监管制度,政府有着公权力作支撑,能够守住监管的红线,使得互联网金融的发展处于健康可控状态。

相关链接:

·互联网金融深度调整 金融科技时代还会远吗?
·陈四清:积极推进金融创新打造“一带一路”新动力
·区块链这么火 金融机构都在探索哪些应用?
·区块链技术即将颠覆我们的日常生活模式
·巨头抢滩的“金融科技” 人工智能如何重塑新互金
·我国消费金融发展的现状与展望
·优化体验成发展新风口 新金融重在内外兼修
·中国银行:应对金融IT运维挑战 提升安全保障能力

作者:林颖 来源:文库 发布时间:2017-08-25 02:31:46
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任