（一）金融大數據應用的風口究竟在哪兒？

目前，金融行業數據量巨大，是繼互聯網及運營商之后大數據產生最為龐大的熱點行業之一，其中非結構化數據迅速增長，加上金融行業雄厚的資本背景，金融行業已經成了大數據應用的一片沃土。而放眼全球，金融行業也是大數據的應用重鎮，根據此前麥肯錫的《大數據的下一個前沿》系列報告，無論從大數據應用綜合價值潛力維度，還是平均數據量而言，金融行業大數據的應用綜合價值潛力都非常高。

來源：麥肯錫《大數據的下一個前沿：創新、競爭和生產力》報告

鑒于金融行業的價值鏈較長，在當前金融大數據的應用摸索階段，其形式種類繁多，根據對公開媒體的信息觀察，目前全球金融業大數據應用的典型類型如下：

1.改善整體IT及運營效率。采用Hadoop、MPP等大數據技術優化銀行底層IT架構，并更好地管理如票據影像、客服音頻等非結構化數據是當前業界的一個共識，如農行是國內首家使用國產MPP平臺支撐實際生產業務的銀行；

2.大數據征信、信貸及風險管控。如國外比較著名的Zestfinace、Kreditech，以及國內已經出得征信牌照的芝麻信用、騰訊征信、拉卡拉等；

3.采取大數據、物聯網等技術打造智慧銀行。如建設銀行今年已經在北上廣等11座城市部署智慧銀行，智慧銀行共包含了智能叫號預處理、遠程銀行VTM、電子銀行服務區、智能互動桌面、人臉識別等15項創新應用；

4.線下網點及客戶服務管理。目前最為著名的案例為西班牙電信將基站位置大數據，結合其他匿名化用戶屬性統計數據封裝為能力平臺，為包括銀行在內的第三方提供精確選址、社會管理等服務；

5.客戶畫像及金融產品精確營銷。在競爭激烈的歐美金融市場，采取數據化運營和數據挖掘技術開展精確營銷擁有悠久的傳統；

6.大數據量化交易。基于大數據復雜建模的量化交易是金融大數據其中一項焦點應用，如最為著名的文藝復興公司，以及基于互聯網和Twitter海量用戶數據的自動化交易對沖基金CAYMAN ATLANTIC；

7.輿情管理及其他客戶體驗優化相關的應用。

而在各行業都盛產“特殊國情”的中國，金融大數據毫無疑問也將有其特殊的發展規律。尤其是在金融行業已被本屆政府賦予了特殊期望的大環境下，究竟金融大數據應用的風口在哪里？在目前中國金融大數據應用處于剛起步的時期，我們都非常好奇究竟有哪些應用會率先領跑，成為中國金融大數據應用這個充滿潛力的領域即將到來的黃金時代中一顆顆“真金白銀”。

河流的流向，決定了河中魚群能到達的地方與命運。要摸清金融大數據風口所在，則要進入到中國金融體系及當前環境之中，分析金融大數據究竟在中國未來的金融行業，其定位和被賦予的使命是什么。

（二）金融大數據與中國金融體系

當前，以大型銀行主導的中國金融業有著鮮明的特征。首先，在享受著政策與市場紅利、“躺著也賺錢”的年代，傳統銀行們實際上不見得是金融大數據的倡導者與積極嘗試者，其次金融大數據的應用落地，在不同金融機構主體中的目標和地位也同樣將會會有較大的差別。要摸清楚整體金融大數據的脈門走向，我們不得不首先需要理解中國金融業的特性。

從宏觀監管上說，中國是世界上金融管制最為嚴格的國家之一，所謂金融，其本質在于借助金融機構，實現資金從投資端到達融資端的轉移。而中國的金融業，受限于極其嚴格的利率管制以及金融監管政策，實際上形成了以傳統大型銀行為核心的“金融圍墻”封閉生態圈。

在融資端而言，由于缺乏利率市場化，以及中國征信體系的落后，銀行資金一般而言只會流向銀行眼中處于圍墻內部的優質企業，如大型央企、龍頭民企以及少數受到行業政策眷顧的企業。至于圍墻之外不那么幸運的中小企業、小微企業（下文統稱為兩小企業），只能要么通過民間借貸獲取資金，或者從圍墻內通過“走私”的方式獲取到相應的資金，但無論是哪種方式，無疑均推高了整體社會的資金使用成本。

而在投資端，則是個人投資渠道單一。根據平安證券數據，目前個人資金約有75%以存款或銀行理財產品形式進入了傳統銀行體系，而對于中低收入人群此比例將更高，導致了居民財富無法享受到應有的資產增值，個人資產收益甚至難以跑贏CPI，通過多元化的金融投資渠道實現藏富于民更加無從談起。

下圖直觀地描述了當前中國金融體系環境下的問題。然互聯網金融的出現稍微緩解了個人投資渠道單一（通過化整為零方式進入到較高收益率的金融項目），以及兩小企業的融資困難問題，但其規模還遠遠不夠。根據易觀智庫的數據，2014年P2P的規模雖然已經到達了1220億，但相比同年122萬億的M2余額以及社會兩小企業總資金需求量依舊過于微小。金融圍墻的存在，一方面不允許圍墻外的主體進入金融服務領域，即使它們能更好地服務于兩小企業融資；而另一方面處于圍墻外的融資需求者難以獲得資金，即使相比圍墻內部的大型企業擁有更好的資金使用效率。從而導致了墻內撐死、墻外餓死的局面。

目前中國金融體系的困境（來源：亞信大數據）

在過去中國經濟高速發展的年代，上述扭曲的金融體系并沒有遇到太大的問題，銀行賺到了令人羨慕的市場紅利，央行通過嚴密的控制，能夠精確計算整體社會貨幣投放量，而資金通過圍墻內的大型企業和地方政府，轉化為大量固定資產投資拉動了中國GDP的高速上升。但扭曲的金融配置必然導致市場資金錯位，富得流油的墻內企業實質上并沒有把所有資金用到實體經濟上，并存在效率低下問題，而新興的民營經濟卻得不到應有的融資，造成了國進民退、“富人通縮窮人通脹”的嚴峻問題，腐蝕了中國的實體經濟。隨著美元即將王者歸來，中國若再不進行深刻的金融改革，改變金融扭曲現象，中國經濟將陷入更大的問題之中。

#p#

再談一件時髦的事情。

“互聯網+”概念被提出后迅速被本屆政府認可，在兩會中也被李克強總理兩次提及，隨后被正式納入國家頂層設計，提升至國家戰略層面。其中或許反映了一個趨勢：以制造業為首的中國實體經濟，已經被產能過剩、高度同質、缺乏比較優勢等問題折磨得舉步維艱，急需通過像互聯網技術這種變革力量完成一次脫變和升級。而所謂的“互聯網+”，在一定程度上可理解為實體經濟的各個部門，通過大數據和互聯網為代表的新型信息技術，在設計、生產、渠道、營銷及消費者管理等整個流程上建立以客戶為中心的數據化、互聯網化運營變革，最終擺脫產品高度同質、產能過剩的困境，為中國實體經濟帶來一批有創造力的新形態企業，促使中國實體經濟煥發新的生命力，實現增長模式的轉型。其中，數據資源將成為新一輪的生產要素。

然而，“互聯網+”模式還有一個亟待解決的問題：我們姑且假設數據資源是富足的，云+管+端的互聯網基礎設施也可以獲得，也具備一批擁有“互聯網+”思維的企業家，達到萬事俱備只欠東風的狀態--支撐“互聯網＋”發展的資金流究竟如何來？如果類比互聯網界，單靠風險投資驅動，對于中國實體經濟這種量體無疑杯水車薪，同時也不見得所有“互聯網＋”模式都具備風險投資的偏好特征。而通過傳統的中國金融模式，基本上很難有足夠的資金流到圍墻外的 “互聯網+”企業中去，倘若如此，一個缺乏足夠血液的“互聯網+”能如何為中國經濟實現轉型與增長開辟新路？

中國當前的金融體系制造了世界上獨一無二的“二元圍墻體系”,金融圍墻內的主體坐享巨量金融資源而難以投放到實體經濟最為需要的地方；而圍墻外的中小企業卻得不到普惠金融，發展受限。隨著當前中國經濟處于下行空間，中國急需一場金融改革--在傳統主要服務于大型優質企業的傳統商業銀行體系之外，還更加需要有服務于中小企業的金融機構。目前P2P等各類互聯網金融企業已經為此創造了一個良好的開局，但仍不足夠，在缺乏普惠金融的環境下，“互聯網＋”將難以真正壯大起來。中國目前已經悄然開展而在未來將會越演越烈的金融改革，本質目標就是改變上述的扭曲金融體制，實現普惠金融，一方面讓有活力與創造力的中小企業為實體經濟重新帶來活力，另一方面通過投資渠道的拓展，讓投資端的個人也能享受到更好的財富增值，實現藏富于民。而普惠金融將與“互聯網+”一起，成為中國經濟轉型的重要引擎之一。

所謂的普惠金融，就是以可負擔的成本為有金融服務需求的社會各階層和群體提供適當的、有效的金融服務。其變革的內涵首先第一個層面是普惠于有創造力的兩小企業，而第二個層面是據此擴充投資端個人的投資渠道，使得普通居民能享受到更多優質的金融服務。

而綜合目前整體國內金融市場現狀，最有可能帶來中國普惠金融，或者退一步說為實現普惠金融創造關鍵條件的無疑是金融大數據。如普惠金融實現的焦點問題之一，是如何服務這些缺乏征信記錄、難以深入了解導致傳統銀行不愿意授信的兩小企業？短期內建立起西方用了上百年建立的完善金融征信、授信體系并不可行，為今之計是通過金融大數據，建立基于大數據的深度覆蓋征信體系、提升風險控制水平，進而賦予新型金融機構服務于更多兩小企業的能力，其成功的概率最大。

普惠金融將為中國金融體系帶來創新的動力（來源：亞信大數據）

正因如此，金融大數據的風口在于圍繞普惠金融的兩個卡口：一、資金流向普惠化。利用金融大數據提升征信、風險控制能力及授信評估機制，扭轉資金流向困境，為有創新和效率的兩小企業注入更多血液，也為“互聯網+”的發展創造社會資金環境；二、投資普惠化。如通過金融大數據的場景識別，結合互聯網平臺為個人資金找到更好的投資渠道，并取得風險與收益的較佳平衡點，余額寶是一項成功的嘗試，而相信在以后隨著普惠金融的發展，將有更多的互聯網金融產品為個人帶來更好的資金保值增值渠道。

而就目前中國金融環境而言，如何借助金融大數據去較快地推動資金流量普惠化是更為迫切的任務。

最后，從金融大數據的應用主體上， 我們也能預見到，對于傳統的大型國有銀行，其政策紅利最深，也最不愿意走到圍墻之外，金融大數據對其吸引力實際有限，應用上也許更多圍繞利用大數據技術降低整行的IT運維成本；而真正積極擁抱金融大數據、愿意為兩小企業提供服務及實現普惠金融的，實際上是在圍墻里夾在大行之間生存的中小型股份制銀行、城/農商行，以及新興的民營銀行和性質迥異的各類互聯網金融機構。

（三）綻放的金融大數據生態圈

講起基于大數據的普惠金融，不能不提的無疑是阿里小貸。阿里小貸之所以成功的根本原因，在于阿里巴巴帝國的龐大生態圈，在這個生態圈的內部，阿里小貸能獲得大量貸款人的數據，比如其在阿里系內的交易數據、現金流情況、客戶評價度數據、物流貨運數據、存貨周轉情況等數據，同時基于阿里系的資源也引進了一批外部的數據，有了這些豐富的數據，通過阿里獨特的量化分析模型，能將貸款逾期率控制在傳統銀行為這些客戶做相同貸款的逾期率之下，因此阿里小貸在服務阿里內部客戶的融資服務相比傳統銀行才具備了比較優勢。但值得注意的是，阿里小貸并非一個通用的商業模式，因為其建立在阿里生態圈內部的大數據環境，而阿里巴巴只有一個。

其他金融機構要通過普惠金融更好服務于兩小企業，尤其是“互聯網+”下即將發揮新生命力的創新企業，則缺乏上述阿里小貸的成功基石--與資金資源同樣珍貴的數據資源。在缺乏有效金融大數據的情況下，要做兩小貸款的難度非常的大，如民生銀行是國內銀行中涉足兩小貸款最早的傳統銀行，其小微貸款模式主要還是傳統銀行的線下信貸調研，依靠大量的小微信貸專員發放各類帶抵押或擔保的小額信貸，在經歷了2010~2011年高速發展之后，近年來民生銀行小微貸款遇到了增速下滑，而不良率迅速上升的尷尬。

民生銀行2010~2014小微貸款增速及不良率走勢（來源：平安證券研究所）

而同樣愿景于服務中小企業的廣發銀行，則注重金融大數據的獲取與應用。如廣發銀行的大數據零售商業智能決策平臺整合了征信系統，各個專業市場數據庫、22萬個共覆蓋4億多人口的居民社區數據庫、各商會和產業鏈數據庫等，也跟外部如工商總局個體戶等小微企業信息聯網。在外部互聯網數據上，廣發銀行先后與阿里、騰訊、京東、百度、網易等互聯網企業合作，借助他們的地圖、游戲、支付等平臺捕獲新鮮數據。

金融底層大數據資源的獲取，對于推動中國普惠金融有重要的意義，比如供應鏈金融數據、運營商數據、各類互聯網數據源等。然而現在這些數據散落在不同的角落里面，無論傳統銀行還是互聯網金融企業要獲取到可用于優化征信授信的相對完整數據難度很大。這無疑為中國的普惠金融發展中的一個重大阻力，尤其在當前中國金融體系急需改革、為實體經濟甚至“互聯網+”注入更多活力的環境下。

或者一個有效的做法，是在有關部門聯合一批金融機構、大數據技術提供方建立一個致力于推動普惠金融的公共金融大數據交易市場，使得各個會員機構均能夠獲取到足夠的數據，并利用行政力量解決比如數據隱私、產權轉移等難題。畢竟要實現金融普惠，首當其沖的是先要實現金融數據普惠，讓每個金融主體都能平等獲取到數據，而競爭的舞臺則是在如何更好使用這些數據上。

金融數據普惠是金融大數據生態圈中的第一個也是最為關鍵的挑戰。要迅速跨過，需要聯合整體行政與行業、技術力量的去推動。

金融大數據生態圈中第二個挑戰是數據的管理。相比其他行業，金融大數據更加有顯著的來源異構、類型繁多、總量巨大的4V特征，而金融行業對數據的準確性、規范性要求卻極高。如何科學地管理這些金融數據資產則是另外一個挑戰，尤其是在數據普惠后，考驗各個金融大數據主體的是應用這些數據的效率。因此，金融大數據資產的標準化質量管理、數據溯源、安全管理、主數據管理，以及非結構化數據處理（語義分析、自然語言處理）、數據可視化、分發管理等，如何做到低成本高效率管理，是金融大數據應用的關鍵。

金融大數據生態圈中第三個挑戰是數據的應用建模。如包括大數據征信、風控、反欺詐偵測、基于大數據的貸后服務與風險管理等，這些應用均涉及到大量的數據量化分析模型，如何保障這些模型的有效、穩健是一項重要的議題。另外，華爾街的量化交易基金歷史經驗告訴我們，量化模型往往難以考慮到系統性風險，比如一個模型認為無論是資產實力、還款能力、品德都俱佳的貸款者，在面對經濟下行的系統性風險仍然會有極大的逾期風險。而量化模型基本難以預測到系統性風險，如篤信精密量化分析模型的長期資本管理公司，死在了模型無法預料的俄羅斯金融風暴之中。如何處理好系統風險與量化模型的平衡，是金融大數據應用建模的藝術。

最后，構建金融大數據場景與入口。所謂的普惠金融，就是為社會各階層和群體提供適當的、有效的金融服務，如為一名好學上進的務工人員提供上夜校的社會助學貸款，社會中不乏各種金融服務的需求場景，我們需要做的是前瞻地發現他們，快速響應，對貸款人做出快速的審核甚至設計個性化的金融服務。這樣普惠金融將會走到社會每個角落，在金融場景識別與服務商，互聯網金融有先天的優勢，而傳統銀行的互聯網化也將進一步推動這點，正如互聯網給我們的啟示一樣，金融大數據到了最后，將演進為對場景與入口的爭奪。

（四）后記

金融大數據，有別于其他行業的大數據應用，除了是行業自身的數據技術升級外，還將在中國經濟轉型與金融改革中被賦予更多的使命，在未來幾年預期將迎來一股噴井式爆發。其中首先來臨的，是金融大數據的獲取與數據普惠，如最近如大智慧、同花順、東方財富網等金融數據提供企業的股價飛漲依稀印證了這點；而金融大數據資產管理、應用建模則是隨之而來的機遇，而場景與入口之爭，也將是這一輪金融變革的最終競爭模式。