首席金融官
如今，金融業面臨眾多前所未有的跨界競爭對手，市場格局、業務流程將發生巨大改變，企業更替興衰；未來的金融業，業務就是IT，IT 就是業務；金融業將開展新一輪圍繞大數據、移動化、云的IT 建設投資。本節主要介紹金融行業大數據的應用案例，希望對讀者有一定的啟發和學習價值。
【案例一】淘寶網掘金大數據金融市場
隨著國內網購市場的迅速發展，淘寶網等眾多網購網站的市場爭奪戰也進入白熱化狀態，網絡購物網站也開始推出越來越多的特色產品和服務。
1．余額寶
以余額寶為代表的互聯網金融產品在2013 年刮起一股旋風，截至目前，規模超1000億元，用戶近3000 萬，如圖所示。相比普通的貨幣基金，余額寶鮮明的特色當屬大數據。以基金的申購、贖回預測為例，基于淘寶和支付寶的數據平臺，可以及時把握申購、贖回變動信息。另外，利用歷史數據的積累可把握客戶的行為規律。
2．淘寶信用貸款
淘寶網在聚劃算平臺推出了一個奇怪的團購“商品”——淘寶信用貸款。開團不到10 分鐘，500 位淘寶賣家就讓這一團購“爆團”。他們有望分享總額約3000 萬元的淘寶信用貸款，并能享受貸款利息7.5 折的優惠。據悉，目前已經有近兩萬名淘寶賣家申請過淘寶信用貸款，貸款總額超過14 億元。
淘寶信用貸款是阿里金融旗下專門針對淘寶賣家進行金融支持的貸款產品。淘寶平臺通過以賣家在淘寶網上的網絡行為數據做一個綜合的授信評分，賣家純憑信用拿貸款，無需抵押物，無需擔保人。由于其非常吻合中小賣家的資金需求，且重視信用無擔保、抵押的門檻，更加上其申請流程非常便捷，僅需要線上申請，幾分鐘內就能獲貸，被不少賣家戲稱為“史上最輕松的貸款”，也成為淘寶網上眾多賣家進行資金周轉的重要手段。
3．阿里小貸
淘寶網的“阿里小貸”更是得益于大數據，它依托阿里巴巴（B2B）、淘寶、支付寶等平臺數據，不僅可有效識別和分散風險，提供更有針對性、多樣化的服務，而且批量化、流水化的作業使得交易成本大幅下降。
每天，海量的交易和數據在阿里的平臺上跑著，阿里通過對商戶最近100 天的數據分析，就能知道哪些商戶可能存在資金問題，此時的阿里貸款平臺就有可能出馬，同潛在的貸款對象進行溝通。
案例解析：通常來說，數據比文字更真實，更能反映一個公司的正常運營情況。通過海量的分析得出企業的經營情況，這就是大數據的應用。在本案例中，正像淘寶信用貸款所體現的那樣，這種新型微貸技術不依賴抵押、擔保，而是看重企業的信用，同時通過數據的運算來評核企業的信用，這不僅降低了申請貸款的門檻，也極大簡化了申請貸款的流程，使其有了完全在互聯網上作業的可能性。
大數據的價值已經得到互聯網公司以及金融機構的認可，筆者認為：“誰掌握的‘拼圖’圖塊多，誰就能快速拼出客戶的圖譜，成為真正的王者。”然而，目前來看，誰都不愿意輕易地交出自己手上的“拼圖”，于是，互聯網公司、銀行、支付機構等各個海量數據的擁有者展開了激烈的金融數據爭奪戰。
【案例二】IBM 用大數據預測股價走勢
不久前，IBM 使用大數據信息技術成功開發了“經濟指標預測系統”。借助該預測系統，可通過統計分析新聞中出現的單詞等信息來預測股價等走勢。
IBM 的“經濟指標預測系統”首先從互聯網上的新聞中搜索與“新訂單”等與經濟指標有關的單詞，然后結合其他相關經濟數據的歷史數據分析與股價的關系，從而得出預測結果。
在“經濟指標預測系統”的開發過程中，IBM 還進行了一系列的驗證工作。IBM 以美國“ISM 制造業采購經理人指數”為對象進行了驗證試驗，該指數以制造業中的大約20 個行業、300 多家公司的采購負責人為對象，調查新訂單和雇員等情況之后計算得出。實驗前，首先假設“受訪者受到了新聞報道的影響”，然后分別計算出約30 萬條財經類新聞中出現的“新訂單”、“生產”以及“雇員”等5 個關鍵詞的數量。追蹤這些關鍵詞在這段時期內的搜索數據變化情況，并將數據和道指的走勢進行對比，從而預測該指數的未來動態。
IBM 研究稱，一般而言，當“股票”、“營收”等金融詞匯的搜索量下降時，道指隨后將上漲，而當這些金融詞匯的搜索量上升時，道指在隨后的幾周內將下跌。
據悉，IBM 的試驗僅用了6 小時，就計算出了分析師需要花費數日才能得出的預測值，而且預測精度幾乎一樣。
案例解析：從本案例可以看出，大數據不再僅僅局限在媒體與廠商之間的討論，它猶如一場數據旋風開始席卷全球，從各行各業的IT 主管到政府部門都開始重視大數據及其價值。
目前，不少信息系統企業都在使用大數據信息技術開發預測系統。例如，2011 年，英國對沖基金Derwent Capital Markets 建立了規模為4000 萬美金的對沖基金，該基金是首家基于社交網絡的對沖基金，該基金通過從Twitter 的數據內容來感知市場情緒，從而進行投資。無獨有偶，美國加州大學河濱分校也公布了一項通過對Twitter 消息進行分析從而預測股票漲跌的研究報告。
筆者認為：“企業數據就是新時代還未開采的石油，具有非常之高的價值。”國外一些金融機構已經開始做一些前瞻性的研究了，這種做法是非常值得國內金融機構學習和借鑒的。例如，國內大部分證券公司仍然沒有擺脫交易性數據為主的特點，但很多有前瞻意識的證券公司已經開始做一些轉型了，對微博、互聯網等外部數據進行一些分析與預測。
【案例三】匯豐銀行采用SAS 管理風險
近日，匯豐銀行選擇SAS 防欺詐管理解決方案構建其全球業務網絡的防欺詐管理系統。據悉，這一解決方案是一種實時欺詐防范偵測系統。
SAS 被譽為“全球500 強背后的管理大師”，是全球領先的商業分析軟件與服務供應商。SAS 通過三部分服務（包括軟件及解決方案服務、咨詢服務、培訓及技術支持服務）幫助客戶洞察商機，成就變革，改善業績。
憑借豐富的行業專業知識，SAS 的行業解決方案在各領域為行業解析蘊藏于信息之中的獨特的商業問題。例如金融服務領域的信用風險管理問題、生命科學領域加快藥物上市速度和識別零售領域的交叉銷售機會等問題。SAS 還提供跨職能解決方案，不分行業地幫助企業克服其面臨的挑戰。例如增加客戶關系價值、測量和管理風險、檢測欺詐和優化IT 網絡等。
匯豐銀行與SAS 在防范信用卡和借記卡欺詐的基礎上，共同擴展了SAS 防欺詐管理解決方案的功能，為多種業務線和渠道提供完善的欺詐防范系統。這些增強功能有助于全面監控客戶、賬戶和渠道業務活動，進一步提高分行交易、銀行轉賬和在線付款欺詐以及內部欺詐的防范能力。通過監控客戶行為，匯豐銀行可以優化并更加有效地利用偵測資源。
匯豐銀行利用SAS 系統，通過收集和分析大數據解決復雜問題，并獲得非常精確的洞察，以加快信息獲取速度和超越競爭對手。因此，匯豐銀行還將繼續采用SAS 告警管理、例程和隊列優先級軟件，提高運營效率，以便迅速啟動緊急告警。
案例解析：在當今這個海量數據的時代，如何找到大數據中蘊含的前所未有的商業價值？筆者認為高性能分析就是那把“鑰匙”。在本案例中，SAS 高性能分析可以幫助用戶：將相關的大數據轉變為真正的商業價值，采用世界頂級的分析技術來生成精確的洞察，快速獲得答案來改變企業的運營模式，以及部署一個適合未來擴展的分析架構。
總之，高性能分析環境讓用戶可以充分利用IT 投資，同時克服原有架構的約束，從大數據資產中產生高價值的洞察。
【案例四】Kabbage 用大數據開辟新路徑
Kabbage 是一家為網店店主提供營運資金貸款服務的創業公司，總部位于美國亞特蘭大，截至目前已經成功融資六千多萬美元。Kabbage 的主要目標客戶是eBay、亞馬遜、雅虎、Etsy、Shopify、Magento、PayPal 上的美國網商。
Kabbage 與“阿里小貸”的經營模式類似，通過查看網店店主的銷售和信用記錄、顧客流量、評論以及商品價格和存貨等信息，來最終確定是否為他們提供貸款以及貸多少金額，貸款金額上限為4 萬美元。店主可以主動在自己的Kabbage 賬戶中添加新的信息，以增加獲得貸款的概率。Kabbage 通過支付工具PayPal 的支付API 來為網店店主提供資金貸款，這種貸款資金到賬的速度相當快，最快十分鐘就可以搞定。
Kabbage 用于貸款判斷的支撐數據的來源除了網上搜索和查看外，還來自于網上商家的自主提供，且提供的數據多少直接影響著最終的貸款情況。同時，Kabbage 也通過與物流公司UPS、財務管理軟件公司Intuit 合作，擴充數據來源渠道。
目前，使用Kabbage 貸款服務的網店店主已達近萬家，Kabbage 的服務范圍目前僅限于美國境內，不過公司打算利用這輪融資將服務拓展至其他國家。
案例解析：基于大數據的商業模式創新過程有兩個核心環節：一是數據獲取；二是數據的分析利用。在本案例中，Kabbage 與阿里金融的區別在于數據獲取方面，前者是從多元化的渠道收集數據，后者則是借助旗下平臺的數據積累，其中網上商家可自主提供數據且其數據的多少直接決定著最終的貸款額度與成本，這充分體現出大數據的資產價值，就如同傳統的抵押物一樣可以換取資金。
筆者覺得，雖說大數據是一座極具價值的“金礦”，但如果不能科學地加以利用，那么大數據就變成了一堆堆毫無用處的“石頭”，Kabbage 就是借助大數據技術，并結合金融行業的特點，有效地控制了風險，實現了完美融合和創新。 本文來自
金融是服務于實體經濟的，隨著大數據時代的到來，傳統的實體經濟形態正在向融合經濟形態轉變，同時虛擬經濟也快速興起，金融的服務對象必將隨之發生變化，這種轉變為金融業帶來了巨大的機遇和挑戰，如圖 所示。
融合經濟產生新的金融需求
虛擬經濟（Fictitious Economy）是經濟虛擬化（西方稱之為“金融深化”）的必然產物，是指基于計算機和互聯網產生的一種經濟形態，其產品和服務都具有虛擬化的特點，具體包括軟件、網絡游戲、社交網絡、搜索引擎、門戶網站等細分市場領域。實體經濟是指物質的、精神的產品和服務的生產、流通等經濟活動。隨著新興信息技術的快速發展，實體經濟與虛擬經濟正在加速融合，從而衍生了未來的主體經濟形態，即融合經濟，電子商務、O2O 模式都是融合經濟發展進程的一個產物。
【案例五】大數據時代信用卡該怎么玩
中信銀行信用卡中心是國內銀行業為數不多的幾家分行級信用卡專營機構之一，也是國內最具競爭力的股份制商業銀行信用卡中心之一。近年來，中信銀行信用卡中心的發卡量迅速增長。
2013 年11 月，在中信銀行與騰訊聯合發布“中信銀行QQ 彩貝聯名信用卡”儀式上，中信銀行信用卡中心總裁陳勁表示，該行信用卡發卡量已突破2000 萬張，未來將充分利用互聯網基因和大數據技術挖掘客戶需求。
過去，中信銀行信用卡中心無論在數據存儲、系統維護等方面，還是在有效地利用客戶數據方面，都面臨巨大的壓力。同時，為了應對激烈的市場競爭，中信銀行信用卡中心迫切需要一個可擴展、高性能的數據倉庫解決方案，支持其數據分析戰略，提升業務的敏捷性。
2010 年4 月，中信銀行信用卡中心實施了EMC Greenplum 數據倉庫解決方案。Greenplum 數據倉庫解決方案為中信銀行信用卡中心提供了統一的客戶視圖，借助客戶統一視圖，中信銀行信用卡中心可以更清楚地了解其客戶價值體系，從而能夠為客戶提供更有針對性和相關性的營銷活動。
基于數據倉庫，中信銀行信用卡中心現在可以從交易、服務、風險、權益等多個層面分析數據。通過提供全面的客戶數據，營銷團隊可以對客戶按照低、中、高價值來進行分類，根據銀行整體經營策略積極地提供相應的個性化服務。
基于Greenplum 解決方案在系統維護方面的便捷簡單，中信銀行信用卡中心每年減少了大約500 萬元的數據庫維護成本，這有助于減少解決方案的總擁有成本。
案例解析：在本案例中，Greenplum 解決方案采用了“無共享”的開放平臺MPP架構，此架構是為BI 和海量數據分析處理而設計，相比普通的數據庫系統，該系統提供了更高的可擴展性。與其他產品相比，Greenplum 解決方案可以給中信銀行信用卡中心提供最高級別的性能。同時，該解決方案與銀行所使用的硬件、應用程序和數據源實現了有效集成。此外，Greenplum 解決方案通過把數據集中在一個統一的平臺，極大地減少了系統維護的工作量。
筆者認為，大數據對信用卡產品的營銷具有很大的促進作用。例如，在大數據的環境下，銀行可以利用先進的互聯網、云計算等新興技術，對消費者的刷卡行為進行數據化的分類、統計，通過整理數據獲取消費者的消費習慣、消費能力、消費偏好等非常重要的數據信息。通過客戶數據、財務數據來區隔客戶，通過消費區域定位、內容定向，知曉他們的消費習慣，然后進行深入地數據分析挖掘和展開精準營銷。
