公司要做项目关于大数据在金融知识方面的应用,目前国内哪些公司提供金融知识数据的解决方案?比较靠谱的

专注于计算机软硬件研发和技术咨询

大数据"可以简单理解为是一个体量特别大数据类别特别大的数据集,并且这样的数据集无法用传统数据库工具对其内容进行抓娶管悝和处理

大数据近几年来可谓蓬勃发展它不仅是企业趋势,也是一个改变了人类生活的技术创新。大数据对行业用户的重要性也日益突出掌握数据资产,进行智能化决策,已成为企业脱颖而出的关键。因此,越来越多的企业开始重视大数据战略布局,并重新定义自己的核心竞争力本文整理了在中国境内活跃的大数据领域最具影响力的企业,它们有的是计算机或者互联网领域的巨头有的则是刚刚创办不久的初创企业。但它们有一个共同点那就是它们都看到了大数据带来的大机会,并毫不犹豫地挺进了这个领域

首先来盘点一下那些提供大数据笁具的老牌厂商,看看他们是如何利用自身优势地位冲击大数据领域并将新产品及新方案推广到新一轮技术浪潮当中?

大数据是比云计算还要新兴的一个术语大数据开发致店一把柒叁二零一泗贰五零,但是不难发现在业内,大数据被科技企业看作是云计算之后的另一個巨大商机包括开运联合,IBM、微软、谷歌、亚马逊等一大批知名企业纷纷掘金这一市场;另外很多初创企业也开始加入到大数据的淘金队伍中,如Cloudera、Clustrix等但纵观国内大数据服务提供商市场,大数据这一概念对国内企业来说或许还稍显陌生,在最具影响力的前30家企业中国内企业几乎还是一片空白,相对来说国内大数据起步较晚,但依旧有些企业不遗余力的投入大数据这片蓝海并且发展态势良好。

丅面就来盘点下大数据领域国内的主力阵营吧!

阿里巴巴 阿里巴巴拥有交易数据和信用数据,更多是在搭建数据的流通、收集和分享的底层架构

开运联合 开运联合云服务整合了高性能的计算和存储能力,为大数据的挖掘和分析提供专业稳定的IT基础设施平台

百度 百度的优势體现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。近来百度正式发布大数据引擎将在政府、医疗、金融知识、零售、教育等传统领域率先开展对外合作。

浪潮 浪潮互联网大数据采集中心已经采集超过2PB数据并已建立5大类数据汾类处理算法。近日成功发布海量存储系统的最新代表产品AS130000

腾讯 腾讯拥有用户关系数据和基于此产生的社交数据,腾讯的思路主要是用數据改进产品注重QZONE、微信、电商等产品的后端数据打通。

中兴通讯 中兴通讯推出的“聚焦ICT服务的高效数据中心整体服务解决方案”可幫助运营商有效解决大数据时代建设IDC面临的大部分问题,提升运营商ICT融合服务能力

神州融   神州融整合了国内权威的第三方征信机构和电商平台等信贷应用场景的征信大数据,通过覆盖信贷全生命周期管理的顶尖风控技术为微金融知识机构提供大数据驱动的信贷风控决策垺务。

中科曙光 中科曙光XData大数据一体机可实现任务自动分解并在多数据模块上并行执行,全面提高了复杂查询条件下的效率

华胜天成 勝天成自主研发的大数据产品“i维数据”,颇具创新近期又与IBM达成战略合作关系,涵盖Linux on Power市场、智慧城市、存储业务、管理服务、咨询与應用管理服务

神州数码 “神州数码”启动了“智慧城市”战略布局,先后推出了市民融合服务平台、自助终端服务平台等产品并在佛屾、武汉等“智慧城市”建设中实践运用。

用友 用友在商业分析、大数据处理等领域进行研发先后推出了用友BQ、用友AE等产品。

东软 东软夶数据战略以医疗行业为突破口凭借在社保、医疗行业积累的资源,搭建了东软熙康这一智慧医疗平台

金蝶 金蝶KBI与金蝶ERP无缝集成,实現BI数据采集——集成——分析决策支持的一体化应用

宝德 宝德大数据云备份,是一个专为大数据而设的云备份方案支持实体机及虚拟機备份,而且具有无限扩充的可能并且完全自动。

启明星辰 大数据时代的IP治理和审计启明星辰提供了终端审计、终端数据防泄露、日誌审计,通过综合审计平台来帮助用户解决IP治理需求等解决方案

拓尔思 通过收购天行网安,可以拓展在公安行业的应用目前正着力开拓行业应用市场,挖掘各个产业链中的大数据价值

荣之联 零售、证券、生物、政府等都是荣之联大数据业务的主要目标行业,已为零售業提供了大数据分析的解决方案解决了库存问题。

中科金财 作为国内领先的高端IT综合服务商主要服务于金融知识业的大数据。

美亚柏科 专注于公安市场其业务包括电子数据取证、电子数据鉴定、网络舆情分析、数字维权、公证云、搜索云以及取证云服务。

赛思信安 国內存储技术与服务供应商赛思信安推出了自主研发的大数据管理系统适用范围包括互联网、公众服务、商业智能、金融知识、医疗卫生、能源等多个行业。

华宇软件 作为大数据、食品安全、法务软件等相关热门行业软件同时也是公安领域大数据的上市公司。

天玑科技 天璣科技的数据中心运维管理服务为大数据的分析能力提供了强大的后台支撑和保障。

东方国信 东方国信主营业务为企业商业智能软件及系统解决方案收购北科亿力和科瑞明,有效拓展了工业和金融知识大数据领域

华三 华三全融合虚拟化网络技术能够极大简化网络结构,减轻网络管理和维护量为企业数据中心大规模建设提供最强有力的技术支持。

海康威视 海康威视基于英特尔Hadoop发行版并融合可以灵活按需调配IT资源对应用和服务进行支持的开放架构云计算技术,打造出了视频智能云计算方案

高德 高德与阿里将在地图搜索、产品商业化、数据共享、云计算等领域展开合作,特别是在数据共享方面高德和阿里巴巴将共建一个大数据服务体系,

四维图新 作为提供导航地图、地理信息系统软件建设的内容提供商现在已尝试使用大数据为政府部门提供决策。

海捷科技 专注于商业智能领域(BI)、数据仓库领域、数据库领域的专业咨询、项目实施、软件开发、系统集成等方面为金融知识、电信、快速消费品等行业提供相应方案。

北京信合运通 信合运通专注于为运营商和行业客户提供基于大数据的深度分析和挖掘技术、渠道支撑服务及行业解决方案

海云数据 专注于从事数据可視化,可为客户提供数据可视化的创意设计、制作和软硬件集成系统服务

九次方金融知识数据 在国内唯一以企业大数据分析的角度对有投资价值和并购价值的企业进行价值判断,持续跟踪企业动态变化的金融知识大数据公司

永洪科技 永洪BI通过完全自主知识产权的数据集市产品(Z-Data Mart)支持大数据,Z-Data Mart汇聚了数十项自有专利涵盖了分布式存储和计算、分布式传输和实时通信等关键领域。

集奥聚合 作为大数据服务提供商其DataQuate解决方案主要用于解决运营商大数据的接入、挖掘及应用,为运营商大数据的价值转化提供端到端服务

华院数云 以数据挖掘为核心、以商业智能和精准营销为主线、以SAAS云平台为主要服务模式,目前专注于电商领域为客户提供行业领先的数据分析和精准营销平台垺务。

杭州诚道科技 致力于为浙江、全国公安交通管理行业提供一流的信息化服务、产品和方案解决能力其借助英特尔Hadoop分发版,已解决叻大数据的采集和处理问题

勒卡斯 勒卡斯是致力于为客户提供全方位直复营销解决方案和服务的大数据公司,主要有潜客沟通、会员管悝、CRM软件定制及客户市场调研四大业务

国内做大数据的公司依旧分为两类:一类是现在已经有获取大数据能力的公司,如开运联合百喥、腾讯、阿里巴巴等互联网巨头以及华为、浪潮、中兴等国内领军企业,涵盖了数据采集数据存储,数据分析数据可视化以及数据咹全等领域;另一类则是初创的大数据公司,他们依赖于大数据工具针对市场需求,为市场带来创新方案并推动技术发展其中大部分嘚大数据应用还是需要第三方公司提供服务。值得一提的是在金融知识风控领域,第三方风控平台神州融将征信大数据、IT风控系统与自動决策这些基础设施服务一站式打通已为上百家消费金融知识、电商金融知识、P2P、小贷、等微金融知识机构提供便捷的大数据风控服务。

随着数据爆炸式的增长我们正被各种数据包围着。正确利用大数据将给人们带来极大的便利但与此同时也给传统的数据分析带来了技术的挑战,虽然我们已经进入大数据时代但是“大数据”技术还仍处于起步阶段,进一步地开发以完善大数据分析技术仍旧是大数据領域的热点

在当前的互联网领域,大数据的应用已经十分广泛尤其以企业为主,企业成为大数据应用的主体大数据真能改变企业的運作方式吗?答案毋庸置疑是肯定的随着企业开始利用大数据,我们每天都会看到大数据新的奇妙的应用帮助人们真正从中获益。大數据的应用已广泛深入我们生活的方方面面涵盖医疗、交通、金融知识、教育、体育、零售等各行各业。

  • 腾讯、阿里、百度国内三大巨頭都有大数据业务比如腾讯大数据平台、阿里云等;

  • 还有各式各样的BI平台,能提供数据解决方案的有帆软、思迈特等传统BI,有海致BDP、詠洪BI等轻型敏捷BI;

  • 数据可视化工具:国外有tableau等可视化软件国内有BDP个人版、大数据魔镜等;

  • 还有各行各业的专业数据平台,比如金融知识囿万得等等;

}

正如马云在一次演讲中提到的:

“很多人还没搞清楚什么是PC互联网移动互联网来了,我们还没搞清楚移动互联的时候大数据时代又来了。”

毫无争议的我们已经进叺到大数据时代。而金融知识业无疑又是大数据的最重要的应用领域之一今天,我们就来简单谈谈大数据在金融知识业的应用未尽事宜,可以留言(订阅号:洪言微语)讨论交流

关于这个,已经了比较标准的答案就不在赘述了。所谓大数据是指多个来源和多种格式的大量结构化和非结构化数据。有两个关键点:

一是大即数据量要非常多,数量少了不叫大数据在实践中,一般至少要有10TB(1TB等于1024GB想想你32G的苹果手机,可以装多少数据)的数据量才能称之为大数据,而在类似苏宁金融知识等互金巨头基本都沉淀了PB级(1PB约等于105万GB,楿当于3.3万个32G的U盘截止目前,人类生产的所有印刷材料的数据量也不过200PB)的数据量

大数据科学家JohnRauser就提到一个简单的定义:大数据就是任哬超过了一台计算机处理能力的庞大数据量。啪菠萝·毕加索的定义是,大数据就是多就是多,原来的设备存不下、算不动这里强调嘚便是大。

二是数据来自多种数据源数据种类和格式丰富,不仅包括结构化数据还包括半结构化和非结构化数据。意味着即便数据量很大,但如果局限于单个领域也不能称之为大数据。因为大数据的一个重要作用就是利用不同来源、不用领域的数据进行非线性地分析用于未来的预测。

比如《大数据时代》在作者Sch?nberger的对大数据的定义就是,“大数据不是随机样本,而是所有数据;不是精确性洏是混杂性;不是因果关系,而是相关关系”这里强调的便是数据的多样性。

有了大数据自然就要有大数据技术,即从各种各样类型嘚巨量数据中快速获取有价值信息的技术,强调快这是大数据技术与传统数据挖掘技术的重要区别。

从巨量数据中提取的有价值信息即是大数据在各个领域的具体运用,比如基于大数据进行客群的细分进而提供定制化服务;基于大数据模拟现实环境,进而进行精准評估和预测;基于大数据进行产品和模式创新降低业务成本、提升经营效率等等。

不过关于大数据的应用,有一个广为流传的段子即:

正如这个段子所讲,很多领域的大数据应用还只是停留在想象的层面。

金融知识大数据数据领域应用逻辑

说道大数据在金融知识领域的应用一般认为有精准营销和大数据风控两个方面。

精准营销就不说了基于行为数据去预测用户的偏好和兴趣,继而推荐合适的金融知识产品相比传统的短信群发模式,不知要先进了多少倍这个大家都容易理解。

而对于大数据风控其逻辑便在于“未来是过去的偅复”,即用已经发生的行为模式和逻辑来预测未来

统计学规律告诉我们,在实验条件不变的条件下重复实验多次,随机事件的频率等于其概率意味着,随着随机事件的大量发生我们是可以发现其内在规律的。而大数据里面包含的海量数据就为我们发觉隐藏在随機事件后面的规律提供了条件。

大数据风控的两个应用信用风险和欺诈风险,背后都是这个逻辑通过分析历史事件,找到其内在规律建成模型,然后用新的数据去验证和进化这个模型

以美国主流的个人信用评分工具FICO信用分为例,FICO分的基本思路便是:

把借款人过去的信用历史资料与数据库中的全体借款人的信用习惯相比较检查借款人的发展趋势和经常违约、随意透支、甚至申请破产的各种陷入财务困境的借款人的发展趋势是否相似。

FICO评分是传统金融知识机构对大数据的运用再来看看典型互金机构ZestFinance对大数据的运用,ZestFinance的客群主要就是FICO評分难以覆盖的人群要么是在FICO得分过低金融知识机构拒绝放贷的人,要么是FICO得分适中金融知识机构同意放贷但利率较高的人。

在ZestFinance的评汾模型中会大量应用到非征信数据(50%-70%左右),在其官方宣传中提到会用到 3500 个数据项,从中提取 70,000 个变量利用 10 个预测分析模型,如欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型以及稳定性模型进行集成学习或者多角度学习,并得到最终的消费鍺信用评分

而欺诈风险的防控,本质上也是通过对历史欺诈行为的分析不断梳理完善风险特征库,比如异地登录、非常用设备登录等荇为都是一种风险信号,建立一系列的风险规则判定集预测用户行为背后的欺诈概率。

第一个就是数据共享的问题大数据的应用,湔提是要有大数据而在很多金融知识机构而言,并没有所谓的大数据何谈应用呢。我们知道在次级类用户的信用评价中,非征信数據发挥着重要的作用但是要获得有价值的数据并不容易。

一般来讲盈利性质的商业公司和企业都不会轻易泄露自己的数据、建模方法囷分析过程,这个无可厚非但客观上便产生了这样一种效果,几大互联网巨头变成了数据黑洞用户的数据进得去、出不来,可以为企業自身而用但不能为整个行业或社会而用。此外散落在税务、公积金、海关、工商等领域的数据梳理和整合,也是漫长的过程

第二個便是数据保护的问题。正如我在之前的一篇文章《》中提到

没错,数据是核心驱动力但问题是,在数据保护和用户隐私等相关法律框架最终明确落地之前对互金平台而言,数据既是宝贵的资产也可能演变成为声誉风险、合规风险、用户诉讼风险等各类问题的潜茬来源,是福是祸尚是未知之数。

——————————————————————————————————分界线

如想进一步了解大数据风控可以去听听我最近的知乎LIVE课程《》,本次 Live 主要包括以下内容

? 传统金融知识机构风控的三板斧

? 大数据风控需要哪些数据

? 为何大数据模型最终取决于业务模式

? 大数据信用风险防控的几个维度

? 风控维度是越多越好吗

? 大数据欺诈风险防控的难点在哪里

? 夶数据欺诈风险防控的基本流程

? 大数据风控的演变趋势

}
笔者专注于服务金融知识行业的愙户并就互联网金融知识和“大数据”进行了深入研究。在研究中笔者既感受到了“大数据”中所蕴藏的海量机会,同时也体会到了許多传统金融知识机构的举步维艰本文将分享一些海外金融知识机构试水大数据的实践,并尝试走到现象的背后去理解金融知识机构在駕驭“大数据”的过程中遭遇艰难的原因
首先澄清我们如何定义“大数据”。在国内这个概念已经被很广泛的应用,但大家对它的理解各异波士顿咨询认为,成就大数据的不仅是传统定义中的三个“V”(Volume–量,Velocity–速度, Variety–多样性)而是“价值”,当人们从海量数据中能夠汲取价值并借助其推动商业模式发生内嵌式变革时,具备“3V”特点的数据才成为了“大数据”

波士顿咨询就“大数据”专题成立了铨球的虚拟事业部,汇聚了包括数据科学家、行业专家、资深咨询顾问在内的50 余名专家支持遍布于全球各个行业的“大数据”相关项目。这些行业都是波士顿咨询的主要服务对象包括金融知识、医疗、制药、消费品、工业品、能源等。本文将将着重讨论“大数据”在金融知识领域的应用


金融知识行业的数据强度为上述各个行业之首。大数据理念在银行业十分流行但其潜在价值尚未得到充分的开发和利用。以银行为例每创造100 万美元的收入,一家银行平均产出约820GB 的数据

银行目前只用到一小部分与客户相关的数据,主要包括:?交易數据?客户提供的数据(出生日期、地址、婚姻状况等)?评分数据?渠道使用数据

还有许多可以利用的数据有助银行提升业务价值:?移动银行业务用户的定位数据?社交媒体互动信息?网站互动信息(交易前)?交易数据,用于推测客户的行为?往上搜索行为?社交網络?其他


我们的调研显示真正能够在传统银行中得到应用的数据占比约为34%。
“大数据”无疑在金融知识领域有广泛的应用空间仍旧鉯银行为例,波士顿咨询在银行的七大主要领域中发现了64 项潜在应用遍布于零售业务、公司业务、资本市场业务、交易银行业务、资产管理业务、财富管理业务和风险管理。这64 个应用源自我们的项目经验就是说,他们或多或少都已经被某些金融知识机构进行了尝试其價值已经得到了初步的证实。

从海外金融知识机构应用“大数据”的整体情况来看我们的经验是,有1/3 处在普及和理解大数据概念阶段1/3 處在试点阶段,另外有约1/3 的金融知识机构已经谙熟于“大数据”的应用正在按部就班地提升能力,并将“大数据”所要求的工作机制嵌叺商业模式与运营模式中进行了嵌入式变革阶段。总体而言大数据在金融知识行业的应用还有很长的路要走。

二、海外金融知识机构夶数据应用举例


接下来分享几个我们与海外金融知识机构合作应用大数据的实际案例

某澳大利亚大型银行应用“大数据”分析为自己的尛微企业客户提供了一项免费的增值服务,以提高客户粘性在这项服务里,银行为这些客户免费提供它们自己的客户和竞争对手分析:愙户的财富结构购买偏好,与竞争对手客户结构的差异等而分析的基础数据来自于该银行零售业务中的个人支付数据。由于银行掌握嘚数据海量而精准这样的分析就比一般的市场分析机构的成果更富有洞察。此项服务不仅为该银行提高了存量客户的粘性也成为它们吸引新客户的一个重要工具。

2. 某海外大型银行通过“大数据”分析为自己的企业客户提供营销支持例如,他们为自己一个卖手机的零售商客户分析了其客户在购买手机前后的其他购买行为发现客户在购买之前出现频率最高的地方是交通枢纽,而购买之后则最可能出现在喰品杂货店里这样的分析帮助手机零售商明确定义了营销的最佳地点,从而优化了客户的营销资源配置

某海外银行通过“大数据”分析优化了自己的客户细分。传统银行做客户细分的主要维度是年龄、性别、职业、财富水平等基于这样的细分做营销和产品设计容易“誤伤一片”,会浪费不少的资源在“大数据”分析的帮助下,银行做客户细分的思路开阔了很多而且细分对于行动的指导性也越来越強。这家银行按照一个客户使用产品的“广度”(即产品的数量)和“深度”(即使用产品的频率)进行细分这样的细分帮助该银行发現了一些从前没有注意到的机会。例如细分中发现了一类“临界点”客户,即很有可能换银行的客户基于数据分析还发现,客户换银荇一个重要原因是因为自己的朋友们都在使用目标银行于是,稳住这些客户的一个手段就是营销他的朋友圈

此外,该银行还发现了一個占比不大(约7%)但很有意思的客群姑且称之为“败家族”。这类客群的财富水平不高达不到银行的贵宾门槛,所以常常被银行忽略但是,这类客户有个特点就是交易行为非常活跃。他们的消费习惯能够为银行带来可观的价值这个案例可以带来两个启示:第一,“大数据”发现的未必是“大机会”即单个机会的价值未必很高,而是“大量机会”即不断找出新的洞察,而充分实现大量机会就可鉯获得“大价值”第二,“大数据”往往并没有给金融知识机构带来翻天覆地的改变但它可以为金融知识机构带来新的视角。客户细汾是金融知识机构一直在做的事但是,“大数据”可以帮助金融知识机构深化、细化自己的认识找出以往被忽略的价值点。

4. “大数据”帮助金融知识机构发现指导行动、创造价值的关联关系例如,某西班牙大型银行就客户的兴趣爱好和其金融知识行为进行“大数据”汾析时发现高尔夫球爱好者为银行创造的价值最高,而足球爱好者的忠诚度最高这样的分析不仅可以指导银行进行精准营销,也能够幫助银行进行更加有目的的数据收集

5. “大数据”在零售银行业务中的应用十分引人注目。但其实“大数据”在公司银行业务中同样可鉯大显身手。某加拿大银行对于自己的医药零售商客群做了一个分析该银行首先将这些客户按照销售额分成八类,进而计算每个药店为銀行带来的收入分析发现,在同一类中客户每百万销售额所产生的银行收入之间的落差可高达17 倍。这家银行意识到特征类似的中小愙户给银行带来的价值却可以差异巨大。于是这家银行为每一类客户找到了“标杆”,即对于银行贡献居中的客户并分析其金融知识產品的配置情况。然后这家银行比对每个客户与自己的“标杆”之间的差距,并用这些差距来指导客户经理进营销而且,客户经理还鈳以与客户分享这些比对结果帮助他们认识到自己与同业相比在金融知识方面的潜在需求。这样的分析既提高了营销的有效性也为客戶带来了金融知识服务之外的增值。

6. “大数据”能够帮助金融知识机构提升风控能力Bankinter 是西班牙的一家精品银行,他的单体客户利润往往仳规模领先的大型同业高上几倍该银行专注于中高端客群,并高度注重技术的应用Bankinter应用亚马逊的云服务,借助“大数据”分析进行行業发展模拟以支持对于公司客户的风险控制公司客户的信贷风险除了与企业自己的状况有关之外,还会极大地受到行业发展的影响但昰,行业模拟在过去的技术条件下并不能广泛应用“大数据”极大地提高了这种分析的可行性。以前这家银行做一个行业的宏观模拟汾析,一次运算平均耗时可达23 个小时而现在,同样的分析只用20分钟左右

“大数据”催生了风险控制领域的创新创业。美国一家创业公司应用电梯数据和黄页数据帮助银行进行风险预警电梯运行过程中一直会有数据留痕,例如在某栋楼的每一层停了多少次等而黄页是公开信息,某栋楼的某一层是哪家公司可以很容易查到匹配这些数据就可以得出某家公司每天电梯停靠的次数。该公司的“大数据”分析发现如果某家公司的电梯数据突然发生异常变化,可能代表该公司出现了经营变化电梯停靠次数异常减少可能意味着员工的减少或鍺客户拜访次数的减少,无论如何这样的信号应该引起银行的及时关注。将这样的预警信号植入贷后管理流程无疑会比单纯进行每季度戓每年的贷后检查要更有针对性

Scor!是一家依托社交数据帮助银行进行个人信贷风险评估的“大数据”公司。银行将申请贷款的客户情况報给Scor!并向其购买评估结果Scor!的评估结果被植入信贷审批流程,作为银行内评估的补充这样的合作正在帮助客户提升审贷速度和准确性。

8. “大数据”助力银行优化贷中和贷后管理以Wells Fargo(富国银行)为例,他们应用“大数据”分析识别客户的异常行为作为风险提示信号汾析的数据基础是银行自己的海量的交易数据,即个人的支付数据、企业的交易数据等在贷后管理中,“大数据”分析正在帮助银行优囮催收管理通过量化分析我们发现,近三成的失败催收源于联系不到借款人而“大数据”分析能够帮助银行提升联系借款人的成功率。

上述案例只是金融知识机构应用“大数据”潜在可能性的“一斑”海量的机会仍然有待开发。但我们观察到相比技术的蓬勃发展,金融知识机构对于大数据的实际应用仍然差强人意原因究竟在哪里?波士顿咨询对海外20 多家金融知识机构做了调研

研究的目的是找出:第一,从数据到价值的过程是什么

结果显示,从数据到价值的过程包括七个步骤:数据收集、获得数据拥有者的许可和信任、储存和處理技术、数据科学/ 算法、协调、洞察、嵌入式变革


而在这七步中有两个关键瓶颈:

一是获得数据拥有者的许可和信任,即是否能够把數据整合并用起来;二是协调即金融知识机构内部部门之间的协调问题。 例如很多银行面临的问题是整合、打通散落在各个部门的数據,零售、对公、信用卡等而在“协调”方面,金融知识机构常常要面对业务与技术沟通不畅的问题数据难以转化为生产力。突破这些瓶颈的关键在于管理层面而非技术。“大数据”之于传统金融知识机构我们认为更大的意义在于它推动嵌入式变革的能力。


“大数據”时代要求试错、应变的机制跨界复合型人才,开放灵敏的触角体系这些都会挑战传统金融知识机构惯常的管理实践。这样的改变鈈仅对于汲取“大数据”的价值意义非凡也是传统金融知识机构在以“互联网金融知识”为符号的变革时代里求生存、求发展的关键。
}

我要回帖

更多关于 金融 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信