online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 中國央行濟南分行:大數據在金融行業的應用現狀與發展對策

摘要: 隨著大數據技術的應用,越來越多的金融企業也開始投身到大數據應用實踐中。麥肯錫的一份研究顯示,金融業在大數據價值潛力指數中排名第一。本文通過對大數據在金融行業的應用現狀進行分析,提出金融行業大數據未來發展思路及政策建議。

 


金融大數據應用政策和市場推動歷程

美國作為大數據技術的發源地,大數據發展一直引領全球。2000年以來,美國針對數據的收集、管理、使用和發布等進行了一系列規定。2009年,推出政府數據開放平台“Data.gov”。2012年3月,公佈《大數據研究與開發計劃》。2014年5月,發布全球“大數據”白皮書《大數據:抓住機遇、守護價值》。英國緊隨美國大數據戰略,於2013年投資1.89億英鎊發展大數據。2015年,增加7300萬英鎊創建“data.gov.uk”開放共享政府數據。

自2014年我國首次將“大數據”寫入《政府工作報告》,以及2015年國務院印發《促進大數據發展行動綱要》後,大數據已成為國家發展重要著力點。2017年,工信部正式對外發布《2016~2020年大數據產業發展規劃》,提出到2020年,基本形成技術先進、應用繁榮、保障有力的大數據產業體系。麥肯錫的一份研究顯示:無論是應用潛力還是投資規模,金融業都是大數據應用的重點行業。在全球金融監管趨嚴、同業競爭激烈、數據規模爆發式增長的形勢下,金融機構紛紛借助大數據提升業務處理水平。

金融大數據應用優勢

1.數據量大。金融業是數據密集型行業,對數據強依賴。以銀行業為例,100萬元的創收平均會產生130GB的數據,數據成為金融機構的核心資產。在不斷增長的海量數據背景下,採用具有更有彈性的計算、存儲擴展能力的分佈式計算技術成為必然選擇。

2.數據質量高。與其他行業相比,金融數據邏輯性強,要求具有更高的實時性、安全性和穩定性。而且無論對於個人還是企業,金融數據都是核心敏感數據。金融行業核心實時交易系統數據要求強一致性,正常狀態下數據錯誤率為零,金融業開展大數據應用時,數據清洗環節將較為簡單。

3.結構化數據佔比高。當前,企業級數據結構化數據佔比77%,而互聯網數據結構化數據僅佔5%。結構化數據與非結構化數據相比,在分析工具成熟度方面具有明顯優勢。後期,隨著傳統金融機構不斷拓展互聯網業務、遠程業務辦理、無人營業網點、機器人大堂經理等現代金融科技的不斷豐富演進,金融行業的半結構化數據和非結構化數據佔比將快速增長。

4.應用場景廣泛、潛力大。大數據在金融行業有眾多應用場景,包括精準營銷、風險控制、客戶關係管理、反欺詐檢測、反洗錢檢測、決策支持、股票預測、宏觀經濟分析與預測等方面。通過大數據應用,金融機構可開展精準營銷,提升風控準確性、降低風控成本、增加用戶粘性、改善客戶體驗,增強服務敏捷性。

金融大數據應用面臨的挑戰

1.數據孤島現象嚴重。在金融機構內部,職能部門、業務條線和風控部門之間缺少數據共享機制,無統一規劃,系統建設自由蔓延式擴展。煙囪式系統建設導致各部門業務系統相互獨立,形成大大小小的數據孤島。受樣本量和數據維度的限制,各類大數據分析方法難以有效發揮作用。

2.複合型大數據人才短缺。大數據是新興交叉學科,對人才的複合型能力要求高,既需掌握軟件開發技術,並要具備統計學、數據挖掘以及應用領域的業務知識。目前大數據應用人才處於緊缺狀態,如何加快大數據人才的培養和引進是值得金融業思考的一個問題。

3.數據安全和個人隱私保護更加困難。大數據時代的數據共享帶來數據不可控、數據洩密等問題,關於涉及用戶隱私和權益的數據類別界定,還需法律進一步細化明確。另外,大數據數據量大且集中,一旦遭遇網絡攻擊或竊取,將使數據安全面臨更大的挑戰。

4.金融業外部數據利用率較低。當前,金融機構大部分可利用數據依然是傳統業務產生的數據,而外部數據,如稅收、保險、公共繳費等數據源尚需進一步拓寬,這就需要更高層面的統籌協調,支持更為全面的數據分析與利用。

大數據應用政策建議

1.加快制定金融大數據標準,推動統一金融大數據平台建設應用。目前,行業間數據自成體系,就金融業內部看,銀行、證券和保險標準規範也不統一。為利用大數據防範系統性風險,需加強頂層設計,盡快制定金融業元數據、數據交換、安全保密、數據質量等標準。逐步實現金融機構內、行業內和行業間的數據開放共享,推動以金融業綜合統計基礎數據平台為代表的統一金融大數據開放平台建設,實現大數據的深度應用。

2.形成數據治理機制,協力推動三方合作。大數據應用複雜度高,涉及製度、標準、技術、業務流程等多種要素。為更好利用數據價值,需要高層次規劃協調及數據治理機制的配套跟進。在跨部門開展大數據應用時,應設立數據治理工作領導小組,構建多方合作基礎。由金融監管部門製定數據治理制度、流程、標準,明確相關責任和義務;金融機構建立專門的大數據治理部門,協調部門間數據流動;行業協會充分發揮渠道優勢,定期發布大數據治理報告,最終形成“監管部門引導、金融機構支撐、行業協會推動”的良好合作局面。

3.業務需求部門深度參與,數據、平台、應用同步建設。開展大數據應用,不僅需要科技部門推動,更需要業務部門深入參與。歸根結底,大數據應用是為業務服務的,深刻理解業務應用場景才能更好的開展大數據應用。大數據應用中,數據是原料,平台載體,應用是場景的程序實現,只有三者同步建設,才能真正實現大數據應用。

4.借助內外部力量,提升大數據應用專業化水平。為扭轉普遍存在的大數據人才短缺的局面,一方面應增強內部力量建設,做好相關培訓,加強大數據人才培養,持續引進大數據人才;另一方面要積極尋求與外部成熟的大數據公司開展合作。金融機構具有數據和應用場景的優勢,結合大數據公司的技術優勢,將會促進大數據應用的快速落地,並產生巨大的市場價值。

5.大數據應用、系統數據整合、分佈式架構、雲計算轉型融合推進。實現了數據整合、系統整合,才能為大數據的應用提供更好的數據基礎。部署了分佈式架構,才能滿足了不斷增長的計算、存儲和網絡帶寬需求。而云計算則為大數據應用和分佈式轉型提供了更有彈性的計算、網絡和存儲環境。四者應同步規劃,融合推進,不可偏廢。

6.根據應用場景選擇合適技術路線,穩步推進大數據應用建設。基於Hadoop的大數據平台和基於MPP的數據處理平台適應環境不同,沒有哪種更優。在數據擴展需求不是特別大,需要的處理節點不多的場景,數據都是結構化的,可以考慮MPP,例如Greenplum/Gbase等。針對非結構化數據,或者數據量巨大,有需要擴展到成百上千個數據節點需求的,Hadoop是更好的選擇。

7.做好大數據應用落地數據保護工作,防範失洩密公共安全事件發生。我國網絡安全領域第一部基礎性專門法律——《網絡安全法》,對保護個人隱私和敏感信息作了重點規定,對大數據應用具有重要指導意義。針對金融行業實際情況,研究完善大數據存儲、處理、共享、傳輸、基礎平台安全等標準規範,能為各類金融大數據應用提供安全保障和應用依據。通過等級保護和關鍵信息基礎設施保護專業力量,防範內外部風險。通過行業協會自律機制,防範道德風險。

(文/中國人民銀行濟南分行副行長劉振海 中國人民銀行濟南分行馬徵繆凱)

轉貼自: mypaypass

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED