大数据时代下金融业的发展方向、趋势及其应对策略

摘要

首先简要回顾了大数据的定义、内涵及其主要特征; 其次, 通过研究发现, 金融业是信息密集型服务产业, 在数据特征和数据处理方面基本符合―大数据‖ 概念和特征, 正步入大数据时代的初级阶段; 接下来, 论述了在大数据时代未来的金融体系尤其是银

行业将具有―开放、数字化、高生产力、科学决策‖的显著特征与发展趋势, 并指出在通往大数据时代之路上金融业面临

来自文化、管理与技术方面的挑战; 最后, 给出了在大数据时代金融业发展的应对策略. 研究结果将不仅对金融业务未来发展规划具有非常现实的指导意义; 同时, 也将为大数据时代下新金融理论的拓展奠定基础.

大数据是继云计算、物联网之后信息技术领域又一次颠覆性的技术变革. 随着社交网络、电子商务、互联网和云计算的兴起, 音频、视频、图像、日志等数据量正在以指数级增长, 呈现了爆炸性增长的趋势. 据著名咨询公司国际数据资讯(IDC)的统计[1], 2011年全球被创建和复制的数据总量为1.8 ZB(1 ZB=1021B), 其中75%来自于个人(主要是图片、视频和音乐), 远远超过人类有史以来所有印刷材料的数据总量(200 PB). 互联网的边界和应用范围不断被扩展, 大数据正以其多源、海量、异构的特性冲击着社会的各个领域, 无论是在学术界还是业界, 都引起了人们高度的关注.

国外的大数据研究工作主要集中在如何进行大数据存储、处理、分析以及管理的技术及软件应用上[2,3]. 2008年, Nature以―big data‖为专刊, 讨论了大数据给各个领域带来的冲击和挑战; 2011年, Science推出―dealing with data‖专刊, 重点探讨大数据的处理技术; 2012年4月欧洲信息学与数学研究协会会刊ERCIM News出版专刊―big data‖, 讨论了大数据时代的数据管理、数据密集型研究的创新技术等问题. 在业界, 2011年5月, 全球著名咨询机构麦肯锡公司发布题为―大数据: 下一个创新、竞争和生产力的前沿‖的报告, 明确提出应对大数据快速发展的策略; 2012年1月达沃斯世界经济论坛把大数据作为主题之一, 探讨在新的数据产生方式下, 如何更好地利用数据来产生良好的社会效益. 此外, 2012年3月, 美国公布了旨在提高和改进人们从海量信息数据中获取信息能力的―大数据研究和发展计划(big data research anddevelopment initiative)‖, 这是继1993年美国宣布―信息高速公路‖计划后的又一次重大科技发展部署. 2012年7月, 日本推出―新ICT 战略研究计划‖, 也将大数据定位为战略领域之一.

根据Web of Science的统计数据显示, 近年来国际大数据的研究呈现蓬勃发展的态势, 至2013年累计相关研究论文171篇, 研究热点主要集中在3个方面[2]:

(ⅰ) 基于大数据的数据挖掘与分析. 涉及这一热点的相关研究主要有―数据挖掘‖、―云计算‖、―数据分析‖;

(ⅱ) 基于大数据的决策判定支持. 涉及这一热点的相关研究主要有―技术‖、―信息检索‖、―判定支持‖和―数据‖;

(ⅲ) 基于大数据的具体应用研究. 涉及这一热点的相关研究主要有―社交媒体‖、―传播学‖、―可视化‖、―基因组学‖以及―蛋白质组学‖.

与国外相比, 国内大数据的研究和应用还处在起步阶段[3]. 2012年5月, 香山科学会议组织了以―大数据科学与工程——一门新兴的交叉学科‖为主题的会议, 深入讨论了大数据的理论与工程数据研究、应用方向. 同年6月, 中国计算机学会青年计算机科技论坛举办了―大数据时代, 智谋未来‖学术报告会, 就大数据时代的数据挖掘、体系架构理论、大数据安全、大数据平台开发与大数据现实案例进行了全面的讨论.

金融作为社会经济活动的血液, 对经济增长与社会进步具有非常重要的意义. 对国内金融业来说, ―大数据‖是一个崭新的议题,

研究大数据时代背景下的金融业发展方向与趋势将具有非常现实的社会价值; 同时, 它也将为大数据时代下新金融理论的拓展奠定学术基础.

1 大数据时代及特征

大数据是指一般数据库软件难以获取、储存、管理和分析的大容量数据[4]. 2008年9月,Science杂志发表文章―Big data: Science in the petabyte era‖, ―大数据‖这个词开始广泛传播[5]. 2011年6月, 国际数据资讯公司IDC研究报告―从混沌中提取价值‖中3个基本论断构成了大数据的理论基础[6], 大数据由此得到普遍关注.

大数据从内涵上看, 可主要归纳为数据、技术与应用3个方面:数据类型方面, 除了包括海量的结构化和半结构化的交易数据, 还包括海量非结构化数据和交互数据; 技术方法方面, 核心是从各种各样类型的数据中快速获取有价值信息的技术及其集成; 分析应用方面, 重点是采用大数据技术对特定的数据集合进行分析, 及时获得有价值的信息.

互联网技术的飞速发展和应用, 使得电子商务、社交网络等新兴商务模式和虚拟生态环境繁荣发展, 加速了移动终端、无线传感器等新技术载体在政治、经济与社会等各个领域的广泛应用. 这些变革性发展不仅改变了生产和消费的行为和商业模式, 同时也带来了信息数据在数量、频度和使用等多方面的巨大变革, 从数据角度看, 整个世界已跨入―大数据‖时代[7].

大数据意味着包括交易和交互数据集在内的所有数据集, 其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力. 大数据通常具有―4V‖(Volume, Variety, Velocity和Value)特征[8,9]:

(ⅰ) 数据体量巨大(Volume).大数据通常指10 TB(1 TB=1024 GB)规模以上的数据量. 之所以产生如此巨大的数据量, 一是由于各种仪器的使用, 能够感知到的事物越来越多, 这些事物的部分甚至全部数据都可以被存储; 二是由于通信工具的使用, 使人们能够全时段的联系, 机器-机器(M2M)方式的出现使得交流的数据量成倍增长; 三是由于集成电路价格降低, 使很多东西都保存了下来.

根据国际数据资讯(IDC)公司监测, 全球数据量大约每两年翻一番, 预计到2020年, 全球将拥有35 ZB 的数据量(如图1所示), 并且85%以上的数据以非结构化或半结构化的形式存在[8].

(ⅱ) 数据种类繁多(variety).随着传感器种类的增多及社交网络、智能设备等的流行, 数据类型也变得更加复杂, 不仅包括以文本形式为主的传统的关系型结构化数据, 也包括以网页、图片、音频、视频、网络日志、文档、地理位置信息等种类繁多的未加工的、半结构化和非结构化的数据, 其中, 尤以非结构化数据为主. 比如, 商业银行业务发展涉及的数据类型已从以二维表结构方式表达的结构化数据, 扩展到包括日志、微博、视频、图片等半结构化和非结构化数据.

(ⅲ) 流动速度快(velocity).流式数据是大数据的重要特征. 当处理的数据由PB级代替了TB级时, ―超大规模数据‖和―海量数据‖是快速动态变化的, 数据流动的速度快到难以用传统的系统去处理. 例如, 商业银行的数据创建、存储、处理和分析的速度在大数据时代将持续加快, 某些数据必须实时地进行分析, 才能及时、有效地对业务管理产生价值.

(iv) 价值密度低(value).数据量呈指数增长的同时, 隐藏在海量数据的有用信息却没有相应比例增长; 相反, 价值密度的高低常常与数据总量的大小成反比. 这样反而使我们获取有用信息的难度加大. 以商业银行监控视频为例, 连续数小时的监控过程中可能有用的数据仅有几秒钟.

大数据的―4V‖特征表明其不仅仅是数据海量, 对于大数据的分析将更加复杂、更追求速度、更注重实效. 大数据不仅意味着数据总量的快速增长, 其更大的意义在于: 通过对大容量数据的交换、整合和分析, 及时识别与发现新的知识, 创造新的价值, 带来―大知识‖和―大发展‖. 作为一种重要的战略资产, 大数据开启了一次全新的、重大的时代转型.

2 大数据时代下金融业的发展机遇及当前状况

大数据时代到来, 首先引起全球高度关注的行业之一就是金融业. 2011年麦肯锡全球研究所在―大数据: 下一个创新、竞争和生产率的前沿‖针对美国各行业应用大数据潜在价值提升做的一个评估结果中就提出, 与其他行业相比, 大数据对金融业更具潜在价值, 金融业在大数据价值潜力指数中排名第一[4](图2).

由于我国国内银行业资产占比整个金融业资产90%以上, 以下所称金融业将和银行业不加区别. 金融业具有显著的IT属性, 每次通讯技术的革新都会给金融业带来变革. 金融业在IT基础设施、数据掌控力和人才集中度方面相较其他产业具有明显的优势, 具备了深度―掘金‖的潜力[10,11]. 一方面, 大数据决策模式对银行更具针对性. 发展模式转型、金融创新和管理升级等都需要充分利用大数据技术、践行大数据思维.

另一方面, 银行具备实施大数据的基本条件:

(1) 数据众多. 银行不仅拥有所有客户的账户和资金收付交易等结构化数据, 还拥有客服音频、网点视频、网上银行记录、电子商城记录等非结构化数据;

(2) 拥有处理传统海量结构化数据的经验. 长期以来, 商业银行已经在以信用评级模型和市场营销模型为代表的数据分析上积累了大量的实践经验, 具备向―大数据‖分析跨越的基础;

(3) IT技术和人才储备相对充裕.金融业是信息密集型服务产业, 普遍拥有大量IT设施投资和IT技术开发与应用人才.

IDC认为中国金融行业正在步入大数据时代的初级阶段, 并且呈现快速发展势头[12]. 事实上, 银行每天都在生成、获取海量数据, 经过多年的发展与积累, 目前国内商业银行数据量已经达到100 TB以上级别.

一是传统银行交易系统每天会产生数亿笔交易流水信息, 这些信息主要是结构化形式的数据;

二是业务处理过程中, 银行采集了大量用于集中作业、集中授权、集中监控的影像、视频、录音等非结构化数据;

三是银行网站每天点击量达几千万次, 这些数据隐含了大量客户需求或产品偏好信息;

四是在各类媒体、社交网站中发布的涉及客户投诉和产品评价信息数据,

银行可以通过此类数据改进服务质量与客户体验. 上述数据无论是出于遵从法规与内控管理的存储需求, 还是出于产品设计、市场营销的数据分析需求, 都需要相关的计算机硬件和软件技术进行存储、信息抽取和分析. 银行数据特征和数据处理要求, 基本符合―大数据‖概念与特征, 银行业已经进入―大数据‖时代[13].

对国内银行业来说, ―大数据‖是一个崭新的议题, 但并不是全新概念[14]. ―大数据技术‖是数据处理在方法、理念的上创新, 对中国银行业来说并非从―零‖开始. 事实上, 商业银行在多年信息化建设中已经形成了推进大数据体系建设的诸多成果. 不过, 当前银行业在数据分析和利用上还停留在―小数据‖时代. 数据分散在各个业务系统中, 数据量虽为天量, 但多数为―沉默数据‖. 对结构

化数据利用有限, 对非结构化数据的收集、分析则更缺少基本的处理机制和系统做法. 新形势下, 国内商业银行应加快推进大数据体系和信息化银行建设步伐, 充分利用数据资源优势, 挖掘信息价值, 促成传统业务发展经营管理模式的彻底转型, 形成信息化时代新的竞争优势.

3 大数据时代金融业发展趋势与挑战

大数据时代, 需要新的逻辑和思维, 需要想象力. 大数据时代的核心词是开放与融合, 以及―一切皆可数据化‖的思维, 也就是说, 人类社会的各种行为都可以数据化, 几乎所有的问题都能通过数据化的方法解决.

在大数据时代, 未来的金融体系尤其是银行将发生以下几方面重要的变化:

(ⅰ) 开放的银行.传统商业银行具有两项基础功能: 资金中介与信息中介. 银行作为资金中介可以通过专有技术实现规模经济, 降低资金融通交易成本; 作为信息中介可以采用专门信息处理能力, 解决资金借贷方之间因信息不对称引发的逆向选择和道德风险问题. 在传统商业银行主导的融资模式下, 银行是社会经济信息收集中心, 企业需向银行提供信息以获取信用. 但在大数据时代, 银行将不再自然而然的成为经济关系的信息中心, 搜索引擎、社交网络、物联网、移动互联网、云计算、大数据等新兴信息技术改变了传统的信息产生、传播、加工利用的方式, 特别是基于互联网技术和移动支付技术的互联网金融打破了信息不对称和物理区域壁垒, 通过信息流、数据流引导各类资源的充分有效分配, 甚至资金供求双方可以通过网络直接获取信息并参与交易, 促使传统的生产关系发生变革, 形成了联网机构相对平等的关系. 这对传统商业银行业务提出了挑战, 商业银行将改变过去自然的、被动的社会经济信息收集中心角色, 以开放的方式与客户平等交流, 主动收集客户信息. 比如, 通过建立或者借助电商平台实现客户信息流、物流、资金流的―三流合一‖, 对收集的非结构化客户信息与数据仓库中的结构化客户信息进行整合分析, 形成完整的客户拼图, 从而对客户更加全面和深入的理解, 建立客户信用评价和风险管理, 完成信息中介功能.

(ⅱ) 数字化的银行.从长远来看, 随着数据化和网络化的全面深入发展, 大数据的应用将使银行的资金中介职能进一步发生变化, 表现为资金中介职能体现出虚拟化和电子化交易特征, 逐渐向虚拟化方向发展[9,15], 全面颠覆当前金融服务形态:

(1) 产品的虚拟化. 资金流将更加地体现为数据信号的交换, 电子货币等数字化金融产品的在经济生活中将成为主流.

(2) 服务的虚拟化.通过移动互联网、全息仿真技术等科技手段, 银行将更广泛地通过完全虚拟的渠道向客户提供金融服务.

(3) 流程的虚拟化.银行业务流程中各类凭证、单据等将以数字文件的形式出现和处理, 极大提高处理的便利性和效率.

在大数据时代, 传统商业银行的管理理念和运营方式面临挑战. 未来商业银行的整体运作将是一个数据的洪流, ―数字金融‖得以全面实现.

(ⅲ) 高生产力的银行. 与物质资本、人力资本一样, 大数据将成为经济活动一个重要的生产要素, 它也可以转变成为生产力, 创造巨大的经济价值. 开放的、数字化的银行随着大数据的应用可实现更高的生产力, 主要体现在以下几个方面[15,16]:

一是信息技术的发展及部分金融产品交易的虚拟化, 使金融供应链外延, 降低了全社会融资成本和财务费用, 提高整个市场的生产效率.

二是大数据的积累使得商业银行通过全面分析商业银行内部数据和外部的社会化数据, 可以获得更为完整的客户全貌, 避免因客户信息不全面导致错误认知, 使得销售更具有精准性;此外, 银行能够通过现有客户及其人际社会网络或业务网络, 发现更多具有价值的潜在客户, 并对其展开精准营销.

三是通过整合结构化和半结构化的交易数据、非结构化数据及交互数据可以进行全面的模式识别、分析, 能够帮助银行实现事前风险预警、事中风险控制, 建立动态的、可靠的信用系统对各种交易风险进行识别, 有效地防范和控制金融风险, 并深度挖掘高价值的目标客户.

四是促进银行进行产品创新. 银行可以通过科学分析技术对海量结构化与非结构化数据进行分析和挖掘, 更好地了解客户的消费习惯、行为特征、客户群体及个体网络行为模式, 商业银行充分利用这些信息可以为客户制定个性化、智能化的服务模式, 设计开发出更贴近用户需求的新产品.

(ⅳ) 科学决策的银行.大数据的本质特征之一是在决策模式上与传统模式不一样. 大数据强调决策建立在牢固的数据证据基础上.

大数据的客观性将对现有银行决策机制产生巨大冲击. 传统商业银行的决策模式依赖于样本数据分析和高管层经验; 而大数据时代全量数据分析使得分析结果更具客观性和决策支持性, 银行的决策过程将以数据为核心进行决策判断. 对银行的管理者来说这是一场改变思维习惯的管理革命. 我们知道, 大数据的显著特征就是全数据分析. 在大数据体系下, 银行数据获取、分析和运用的渠道和机制都和传统方式不同, 通过大数据分析技术和工具对海量结构化数据和非结构化数据进行分析、断和挖掘, 商业银行能够及时、准确地发现业务和管理领域的风险和机会, 为业务发展和风险防范提供重要决策依据.

在大数据时代, 商业银行通过大数据分析能更好地了解客户的行为特征、客户群体及个体网络行为模式, 优化运营流程, 从每一个经营环节中挖掘数据的价值, 指导商业银行进行业务创新, 或为经营管理提供全面及时的决策支持信息[9,15].

当然, 在通往大数据时代, 在走向开放的、数字化的、高生产力的且富有科学决策的银行远景中, 商业银行同样的面临几大挑战[7,11]:

首先, 文化挑战.在大数据时代, 开放、融合与创新是经济社会的发展主题, 市场竞争不断加剧, 传统意义上的非金融机构因新生的机动力量也将切入金融服务链条挤占银行的生存市场. 解释企业兴衰成败的―基因决定论‖指出, 前一波产业浪潮中制胜的成功企业会不断地固化自己的企业文化、运行模式、商业策略以及市场定位等基本要素以满足当前市场的需求, 但这样的基因往往无法迎合下一波崛起的新浪潮. 银行面临的挑战是囿于既有的组织架构和条块分割的内部数据结构, 放不下原有的企业文化与思维习惯, 无法挖掘自身潜力而处于竞争下风.

其次, 管理挑战.目前, 商业银行通过数据标准、数据架构、元数据和数据仓库等手段进行数据管理和应用, 但难以支撑以非结构化数据为基础的业务创新; 同时, 以业务条块为主的系统建设加剧了数据的冗余性和非一致性, 造成数据整合和数据质量管理难度. 因此, 大数据时代, 需要运用基于数据生命周期的数据管理方式进行管理, 为数据质量及数据服务能力提升做好准备.

第三, 技术挑战.商业银行科技人员以往主要针对结构化数据进行开发和处理, 而在大数据时代将面对海量的非结构化数据需要分析和处理. 在大数据时代, 处理数据体量巨大、数据种类繁多、流动速度快、价值密度低的大数据工具软件与信息处理技术不断创新和发展, 银行科技人员需要不断快速学习和应用Hadoop、云计算等新技术来处理大数据. 因此, 银行需要加强前瞻性技术研究并与IT战略规划结合, 才能赶上大数据时代的步伐.

4 大数据时代金融业发展应对策略

当前, 中国银行业已经迎来了机遇与挑战同步而至的大数据时代. 从长远看, 大数据将给未来银行业的发展模式带来颠覆性的影响. 因此, 商业银行应当立足现在积极布局未来, 做好大数据时代金融业发展应对措施.

(ⅰ) 转变理念, 树立开放、主动、融合与实证的思维观念. 商业银行要顺应大数据特点, 牢牢树立―以创造数据价值为着眼点, 以数据管理为立足点, 以数据社区为凝聚点, 以服务创新来推动数据开放和共享‖的大数据服务理念[12], 变被动数据支持为主动数据服务, 坚持开放、融合的大数据精神, 打破传统经验为主的决策模式, 建立数据实证为核心的判断决策流程.

(ⅱ) 建设非结构化客户信息共享平台, 促进金融服务与社交网络的融合.商业银行应努力打破传统数据源的边界, 更加注重社交媒体等新型数据来源, 运用大数据技术搭建非结构化客户信息共享平台, 统一获取、存储、搜索、共享和分析银行内、外部各种非结构化客户信息[9]. 通过整合各种渠道获取的尽可能多的非结构化客户信息, 着眼客户整体数据分析, 有效地挖掘银行庞大信息资产, 从这些数据中发现更多的客户价值创造机会.

一是整合新的客户接触渠道, 充分利用社交网络的作用, 增强对客户的了解和互动.

二是注重新媒体客服的发展, 充分运用论坛、QQ、微博、博客、微信等网络交际工具, 打造新的重要服务渠道与信息来源.

三是将银行内部数据和外部社交数据互联, 获得更加完整的客户视图, 开展更为高效的客户关系管理.

(ⅲ) 搭建商业银行特色电商平台,掌控客户线上资金与交易全链条信息. 在当前的各大电商平台上, 每天都有大量的交易发生. 这些信息更加侧重客户的行为信息、过程信息, 它们能更加反映客户的心理意愿、行为偏好. 但是, 当前这些电商交易的支付结算大多被第三方支付机构垄断, 银行处于支付链条的末端, 从属信息劣势地位, 在该产业链中的影响力很小. 为应对这种局面, 银行可以通过自行搭建大数据平台与这些电商平台开展直接竞争, 依托商业银行客户资源优势, 搭建银行自己的电商平台, 通过

电商平台收集客户交易意愿与行为偏好等的海量信息, 掌握客户线上资金流、交易流等全链条信息, 获取属于商业银行自己的大数据, 将信息优势核心话语权牢牢掌握在自己的手中, 并将它采集纳入非结构化客户信息共享平台, 指导产品设计和业务营销, 比如, 设计适用于电商平台的资金闭环业务流程, 开发金融产品在电商平台直接销售[17].

目前, 国内商业银行已开始着手这方面的准备和尝试. 比如, 交通银行推出的网上商城―交博汇‖, 它是一个B2B和B2C综合电子商务平台. 通过―交博汇‖, 企业可以建立一个自己的网上商务平台, 实现商品销售、企业采购、企业收款、品牌推广、在线促销、信息资讯、金融理财、融资授信等众多服务. ―交博汇‖企业馆主要致力于构建面向中小企业的网络化社区, 企业可在线发布供求、交流洽谈、撮合下单、网上支付等, 银行则提供相应的资信认证、资金清算、融资贷款等服务. 交通银行通过―交博汇‖在为客户提供增值服务的同时获得客户的动态经营信息, 有利于指导银行的产品设计和业务营销.

(ⅳ) 提升非结构化客户信息获取完整性, 加强与大数据企业的互利合作.银行本身拥有客户的大量数据, 通过对数据的分析可

以获得很多信息成为进行管理和营销的依据. 不过, 由于银行拥有的客户信息并不全面, 这种分析有时候难以得出理想的结果. 银行应尽可能通过打通银行内部数据和外部社会化的数据获得更为完整的客户拼图以进行更为精准的营销和管理. 但是, 客户

完整和综合的大数据难以被银行全部掌控, 因此, 银行应与电信、电商、社交网络等大数据企业与平台开展合作, 进行数据和信息的共享和利用, 全面整合客户有效信息.

5 结语

研究表明, 金融业是信息密集型服务产业, 在数据特征和数据处理要求方面基本符合―大数据‖概念与特征, 正步入大数据时代的初级阶段. 大数据时代的思维是开放与融合, 以及―一切皆可数据化‖的思维, 文章据此论述了在大数据时代未来的金融体系尤其是银行业将具有―开放、数字化、高生产力、科学决策‖的显著特征与发展趋势, 并指出在通往大数据时代之路上金融业将面临来自文化、管理与技术方面的挑战. 最后也给出了在大数据时代金融业发展的应对策略与建议. 这些研究结果将不仅对金融业务未来发展具有非常现实的指导意义; 同时, 也将为新金融理论的拓展奠定基础.

参考文献

1 Li G J, Cheng X Q. Research status and scientific thinking of big data (in Chinese). Bull Chin Acad Sci, 2012, 27: 647–657 [李国杰, 程学旗. 大数据研究: 未来科技及经济社会发展的重大战略领域—大数据的研究现状与科学思考. 中国科学院院刊, 2012, 27: 647–657]

2 Xue C. Quantitative analysis of international research papers about big data (in Chinese). Mod Intell, 2013, 33: 129–134 [薛辰. 国际大数据研究论文的计量分析. 现代情报, 2013, 33: 129–134]

3 Tu X L, Liu B, Lin W W. Review of research on big data (in Chinese). Appl Res Comput, 2014, 31: 1612–1616 [涂新莉, 刘波, 林伟伟. 大数据研究综述. 计算机应用研究, 2014, 31: 1612–1616]

4 Manyika J, Chui M, Brown B, et al. Big Data: The Next Frontier Forinnovation, Competition, and Productivity. Technical Report, McKinsey Global Institute, 2011

5 Xu Z P. Big data (in Chinese). Guilin: Guangxi Normal University Press, 2012. 57 [徐子沛. 大数据. 桂林: 广西师范大学出版社, 2012, 57]

6 Fu J. Interpretation The Big Data (in Chinese). Technical Report, Securities Research Report, 2011 [符健. 解读大数据. 技术报告, 证券研究报告, 2011]

7 Chen M. Big data: Construction of the 1banks’ digitization power (in Chinese). Financ Comput, 2013, 5: 77–80 [陈敏. 大数据时代: 打造银行的数据化能力. 金融电子化, 2013, 5: 77–80]

8 Tao X J, Hu X F, Liu Y. Review of research on big data (in Chinese). J Syst Simul, 2013, 8: 142–148 [陶雪娇, 胡晓峰, 刘洋. 大数据研究综述. 系统仿真学报, 2013, 8: 142–148]

9 Fang F. Study on the coping strategies of commercial banks under the trend of large data (in Chinese). New Finance, 2012, 286: 25–28 [方方. ―大数据‖趋势下商业银行应对策略研究. 新金融, 2012, 286: 25–28]

10 Wang Y. How to use big data in banks(in Chinese)? Chin Econ Rep, 2013, 12: 45–48 [王艳. 银行如何应用大数据. 中国经济报告, 2013, 12: 45–48]

11 Sun H. Challenges and coping measures of big financial data (in Chinese). Electron Finance, 2012, 7: 51–52 [孙浩. 金融大数据的挑战与应对. 金融电子化, 2012, 7: 51–52]

12 Li C. Analysis of the financing problem of small and medium-sized enterprises under the backgroundof big data (in Chinese). Mod Bus trade Ind, 2013, 14: 101–103 [李聪. 大数据背景下中小企业融资问题探析. 现代商贸工业, 2013, 24:

101–103]

13 Qi L T, Yang W S. Bank data distribution and storage framework under the big data environment (in Chinese). Financ Comput China, 2013, 7: 39–40 [奇兰涛, 杨唯实. 大数据环境下银行数据分布与存储架构设想. 中国金融电脑, 2013, 7: 39–40] 14 Li Q L. Big data strategy (in Chinese). Financ Comput China, 2013, 7: 10–12 [李庆莉. 大数据战略. 中国金融电脑, 2013, 7: 10–12]

15 Wang W. Research on data governance of commercial banks in the age of big data (in Chinese). Finance Comput China, 2013, 7:

36–38 [王玮. 大数据时代的商业银行数据治理研究. 中国金融电脑, 2013, 7: 36–38]

16 Chen L. Research on the competitive strategy of financial institutions under the age of big data (in Chinese). Hainan Finance, 2013, 12: 8–11 [陈柳. 大数据时代下金融机构竞争策略研究. 海南金融, 2013, 12: 8–11]

17 Yi M, Feng W. Big Data: A New Field of Competition of Commercial Banks (in Chinese).Technical Report, Chinese Economic Report, 2013, 12: 50–53 [易敏, 冯伟. 大数据: 商业银行竞争新领域. 技术报告, 中国经济报告, 2013, 12: 50–53]

未来中国金融行业创新发展趋势

未来中国金融行业创新发展趋势 2016年以来，以P2P为代表的互联网金融受到了比较严格的监管，在资本市场的表现也不如前一段时间火热，越来越多的互联网平台开始换上科技金融（Fintech）的外衣，希望借此绕开严苛的监管条件。然而，无论如何装扮，都无疑希望套上金融业务的光环，尤其是要注意的是，在一轮又一轮的热词概念炒作的背后，监管套利的风险不可忽视。但什么是Fintech，什么是Fintech企业，在概念上还存在一些分歧，而导致分歧的主要原因是对金融与科技的本质认识有所偏差。可喜的是日前央行强调要划清互联网金融和Fintech的界限，指出Fintech企业要与持牌机构合作才能从事金融业务，明确了“技术是技术，金融是金融”，为进一步规范和监管奠定了基础。同时，从中我们也可以看出金融行业未来创新发展的趋势，是寻求金融与科技的结合，在新科技与专业性中寻求平衡与发展。从技术提供者到金融行业的创新者在新技术运用与金融专业的结合过程中，“互联网金融”概念在国内风光无限，而“金融科技”则是国外较为普遍的提法。显然，金融科技的范畴远远超过了互联网技术，还包括智能机器人、VR、生物验证技术等新科技的方方面面。同时“金融科技”概念强调在金融体系中更积极地更多地融入现代科技元素，提倡利用大数据、区块链等互联网创新技术进行风险控制和平台管理。单纯从字面上看，金融科技（Fintech）可以理解为金融服务和科技的结合，而所谓的金融科技企业的本质，则更应该体现为面向金融机构提供金融服务的系统开发和技术提供者。金融科技（Fintech）并不是一个从天而降，从金融行业外部突然冒出来的特殊领域，追根溯源，可以说是过去数十年金融机构不断进行大规模IT投资而催生领域。从美国专业杂志American Banker近年来公布的Fintech企业情况可以看到一个明显的变化趋势就是，该类企业逐渐从金融行业的技术提供者变身为金融服务的提供者。早期的Fintech企业主要是指向金融机构提供具有更强金融专业功能的，更高安全度和信赖程度的IT系统供应商。然而，最近越来越多的Fintech企业更加倾向于向用户直接提供金融服务。服务的领域覆盖了家庭账单管理、会计软件、贷款、结算等诸多方面。以前站在金融科技前沿的这些IT企业，悄然变身为金融领域的创新者（或称为搅局者），以至于到目前来看，在人们的视野中形成一种错觉，就是认为“Fintech企业”就等于从事金融服务的企业。追求新技术与金融专业性的平衡发展从曾经集中于系统的研发，为金融行业提供金融技术支持，到现在开始面向用户直接提供金融服务，反映出现代金融的发展趋势的特征是在IT技术与金融专业性之间寻求平衡。以银行业为例，全国性结算系统的开发和运营，自动取款机（A TM）的普及，以及近年来的网络银行，智能手机应用软件等等的发展，无论是从消费者的角度，还是从金融服务提供方的角度，都要求金融行业不断导入新技术新知识，更新金融行业服务的形态和内容。比如，一方面，随着互联网的发展，消费者对信息的“检索”能力大大增强，而智能手机的

十三五大数据金融行业发展趋势及机遇分析

十三五大数据金融行业发展趋势及机遇分析回顾金融创新发展的历史，每一次金融的历史变革都与先进的科学技术紧密结合，因此当金融发展到互联网时代，也必将发生新的金融变革。建立互联网金融治理体系，应该成为我国金融治理体系和金融治理能力建设的重要内容，大力发展互联网金融，以互联网金融治理推进中国金融治理体系和治理能力现代化，是金融治理现代化的必由之路。世界经济论坛创始人、《第四次工业革命》作者施瓦布认为，建立在数字革命基础上的第四次工业已经到来，这是一场系统性的深度变革，而用大数据进行决策是这些变革之一。在大数据、云计算等技术变革下，我国的金融行业将出现哪些变化？金融监管面临哪些新挑战？如何利用大数据进行智能决策？一、大数据时代到来凯文·凯利（Kevin Kelly）被誉为互联网经济的预言家，他精准预测Web2.0时代的到来和网络经济的运行规律。凯文·凯利预言，未来，大数据、云计算、移动通讯三者相结合的技术进步将激发大数据、深度学习、语音智能、监控设备、3D打印、人造智能、P2P、虚拟货币等方面的技术突变，而这些正在成为现实。人类将迎来大数据时代。现在一年的信息量已经超过自人类文明开始时积累的所有信息量之和。未来信息量的扩张是爆炸性的，将达到我们无法控制的程度。未来的生活都将是可量化的，每个个体自身也将贴上数字化的标签。大数据时代的信息是海量的，结构化数据与非结构化数据并行。如何从纷繁复杂的数据当中提炼出有效的数据，并且用适合的方式展示出来，成为各界必须认真思考的问题。当下我们大部分的分析工作都是基于传统的饼状图、柱状图等二维数据模型进行组建的，而在大数据时代，二维的数据模型只有3个维度进行管理和判断，完全满足不了大数据时代需要多维度、复杂关系的数据模型的需求。以前我们做研究做经济决策，最担心的是没有数据作为依据，不能正确地认清事物的发展阶段。而现在是海量数据充斥在我们的世界，在机器智能尚未完成的时候，需要人机交互。数据可视化可以帮助人通过视觉直接感知机器语言与图形图像。可以带来更多的直观的数据关联价值。但是，信息孤岛问题始终是大数据发挥作用的主要障碍之一。为解决这一问题需要数据开放。从数据的开放、共享和交互，到价值提取能力的开放，到基础处理和分析平台的开放，让数据如同血液在数据社会的躯体中长流，滋润数据经济，让开放数据的思维成为常态。未来，大数据的规模会越来越大，大数据经济价值会驱动大数据产业链加速形成。从数据采集、数据存储、数据处理，到数据分析、数据交易、数据应用，围绕着这些分工环节将

浅谈金融业的发展趋势

浅谈金融业的发展趋势【摘要】近几十年来，金融业的变革一直未曾中断过，其发展趋势究竟应该怎样来描述才更加合适，也许还有待深入研究和探讨。本文根据金融理论知识、以及接触到的资料和实际情况，初步归纳了金融业发展的十大趋势。【关键词】金融业趋势金融近几十年来，尤其是20世纪80年代以来，金融业从体制、管理到业务、监管等方面都发生了巨大而深刻的变化，有人称之为金融改革，有人把它叫为金融革命，还有人称其为金融创新。在某种程度上可以说，金融业的变革一直未曾中断过，金融业的发展究竟何去何从？本文对其进行了初步归纳，其发展主要有以下十大趋势。一、混业经营是众望所归，但需要一个过渡期随着社会的进步，金融赖以生存的环境发生了深刻的变化，分业经营的某些弊端开始凸现，毕竟分业经营在某种程度上人为地分割了金融市场，这就造成了银行、证券公司、保险公司、信托公司等机构在业务上不能形成互补，也造成了社会公众的长短期资产和负债难以适时转化，妨碍了金融业更快更好地向前发展。环境的变化呼唤金融混业经营时代的到来，随着经济全球化进程的加快，以及计算机与互联网的广泛应用，金融产品的开发能力、金融信息的传播速度、金融机构业务的扩张能力、金融监管水平都大大提高，使金融机构可以涉足原先没有能力涉足或不敢涉足的非传统领域。另外，混业经营也是分散金融风险和提高金融业竞争力的需要。从全球大环境看，混业经营成为大势所趋，但普遍实现混业经营还需要一个过渡期，因为实施混业经营需要一些前提条件。其前提条件之一是金融市场化程度要高。第二个条件是有较强的风险防范能力。条件之三是法律制度要完善。第四个条件是要有较高的经营管理水平和完善的法人治理结构。二、直接融资比重上升，且融资趋向证券化随着经济的飞速发展，融资结构也开始发生变化，直接融资比重开始上升。

2019年大数据测试答案

智慧健康医疗 1、CAD在医疗健康领域的英文全称是（）Computer Aided Diagnosis 2、不属于AI健康医疗生态系统的是（）制药生态 3、不属于慢性疾病的是（）艾滋病 4、AI院前管理包括（）预测和干预 5、AI医疗健康技术体系的基础层不包括（）芯片 6、AI医疗健康发展的核心要素是（）数据 7、我国首次研发的AI医疗系统是面向（）中医 8、第3次AI浪潮的到来主要依赖于（）深度学习 9、目前AI医疗健康市场最成熟的是（）辅助医疗影像诊断 10、我国慢性疾病增加，与老龄化加剧的关系（）强相关 11、AI医疗健康的核心技术体系主要包括（）传感器技术存储技术传输技术 12、AI辅助诊断属于（）院中管理 13、婴幼儿时期的环境暴露不会影响个体后期的身体健康。错误 14、以下不属于大数据时代特征的是（）数据处理速度迅速提升 15、以下哪一项不是人工智能发展的必要条件（）机器学习 16、以下哪一项不属于健康医疗大数据来源（）购物数据 17、以下不属于机器学习研究范畴的是（）专家系统 18、以下属于人工智能在医疗领域应用的是（）多选疾病预测辅助诊断药物个性化推荐 19、以下对大数据描述正确的是（）大数据本质在于数据的关联分析 20、以下不属于弱人工智能特点的是（）自适应能力 21、人工智能技术发展出现几次低潮的原因包括（）多选算法研究瓶颈计算能力瓶颈数据有限 22、以下说法正确的是（）人工智能就是深度学习 23、以下说法正确的是（）健康医疗领域数据存在孤岛现象 24、以下说法正确的是（）即使在大数据时代，统计分析仍然具有重要的作用 25、以下关于人工智能、机器学习和深度学习说法正确的是（）机器学习或深度学习是实现人工智能的一种方法

中国金融行业当前遇到的问题及未来发展的形式

中国金融行业当前遇到的问题及未来发展的形式一、当前我国金融机构存在的主要问题 1、国际竞争力普遍不足经过近几年对国有商业银行、国有保险公司等金融机构的股份制改造，金融机构特别是上市公司的盈利能力有了明显的改善，单从数字上看，我国银行业前10家银行的效益指标与世界前十大银行已经相差无几，但是应当看到，这种效益是在市场仍然相对封闭、市场远未达到充分竞争、存贷利差很大的条件下取得的。同时对于几大国有控股银行来说，如果不是在股改过程中得到政府的大力支持（包括注资、剥离巨额不良资产），也很难在短期内进入国际大银行行列。与国际一流金融机构相比，我国金融业还处于初级发展阶段，总体水平不高，国际竞争力仍然较弱。影响我国金融机构国际竞争力的因素主要有四点：第一，金融机构的公司治理仍存在较大缺陷。第二，缺乏有竞争力的经营模式。第三，风险控制能力普遍偏低。第四，创新能力不足。 2、金融组织体系的结构性缺陷仍比较突出这种结构性缺陷突出表现在两个方面：第一，证券业、保险业整体规模偏小。长期以来，中国金融体系一直以间接融资为主导，直接融资发展缓慢，导致证券业规模明显偏小。2007 年12月底，中国共有证券公司106家，总股本8522亿元，总资产1.72万亿元，证券公司管理资产总值821亿元，与国际大型投资银行相比，除总股本外总资产及管理资产总规模仍然过小。与此同时，证券行业的集中度不足，市场份额极为分散。2007年，在106家证券公司中，最大一家的市场份额只有不到4％，前三家合计不到11％，市场份额在1％以下的小型证券公司多达86家。这种小型化、分散化的格局，很难与国际大型化、全能化投行相竞争。第二，中小企业和农村金融服务体系很不健全。在股份制改造过程中，四大国有商业银行大量收缩农村分支机构和网点，使得农村金融服务被大大削弱。由于市场准入被严格控制，民营资本难以进入正规金融体系，农村信用社被迫成为农村金融的主力军，而农信社自身在运作机制、公司治理等方面的问题尚未彻底解决。由于缺少以中小企业为服务对象的金融机构，中小企业融资难的问题迟迟不能缓解，特别在实施紧缩货币、信贷时期，中小企业往往首当其冲，成为商业银行的弃儿。二、金融机构改革未来趋势展望 2002年以后，中国金融业进入了改革的新时期。未来几年，我国金融业改革发展的可能会在以下几个方面得到推进：逐步推进国内金融的自由化，降低金融管制程度，这种自由化至少将包括以下几个内容：其一，进一步放松市场准入管制，增加市场主体。目前中国金融市场准入尽管在法律上已经没有障碍，但是要新设立一个金融机构仍然难度极大。这种

大数据在金融行业的应用与发展展望...

大数据在金融行业的应用与发展展望现如今，人们的生活中无不充斥着互联网的痕迹，越来越多的行为和事件被大数据记录又被大数据影响，金融行业因其安全性的重要更是与大数据技术息息相关。金融业务对于数据应用的广泛性与质量要求在互联网发展日新月异的时代背景下，人们的生活、工作、消费、活动的习惯与行为特点在被不断重塑，大量数据被留存记录，各行业对于数据的挖掘和使用有了适应时代发展的新特点，这在银行等金融机构的业务中尤为凸显。获客、信用风险控制、留存客户、触发客户消费是金融行业的几大痛点，而以集奥聚合(北京集奥聚合科技有限公司简称)为代表的大数据技术公司引领的大数据行业的发展正好满足了这些需求，有效克服了目前金融机构数据来源单一、覆盖率不足、数据挖掘程度不深等问题。金融行业既涉及宏观国民经济的方方面面，又与微观社会主体的经济生活密切相关，中国是一个人口大国，也是社会活动多样性的代表性国家，金融机构为了在纷繁的条件下做出正确的商业判断越发需要依据海量的高质量数据进行分析，但这也与相关数据覆盖人群不足、信息孤岛尚未联通等社会大环境形成了相对矛盾。例如，在个人信用风险控制方面，过去金融机构主要依托从各金融机构上报的信贷类数据的集中管理者——人民银行征信中心调取相关数据对于个人

进行信用评价，但人民银行征信中心的数据并未对中国全部人口有实质性的广泛覆盖，甚至可以说只覆盖了偏少一部分有信贷、信用卡消费记录的人群，加之考虑到因互联网金融日益发展等因素而对金融产品需求愈发多样的人群，仅基于信贷类数据评价这些人群可能会误伤很多暂时还没有信贷纪录的中低收入人群，利用不同来源的“大数据”及相关技术(以下统称大数据)解决个人客户信用评价的全面性与客观性问题的重要作用凸显出来。有价值大数据汇聚具备的特点有价值的大数据的汇聚具备以下特点，这也是金融业应用大数据时要考虑的关键：一、数据的联通性。由于很多数据是基于不同渠道、场景和主键进行的汇聚，要把这些碎片化数据进行准确整合，需要有很强的ID MAPPING能力，数据的联通解决不同数据是否归属于同一主体的能力。问题举例，10条行为信息，究竟是10个不同主体产生的，还是1个人在10个不同渠道留下的，不同的判断会直接影响数据分析的结果。二、数据的连续性。数据汇聚需要在“约定“的频率下持续不断、全面地进行才能产生集合价值。首先，数据连续性要求数据源本身具备稳定提供数据的能力、数据全面和质量可靠的能力。就完整和可靠而言，金融机构是公认的最完整和可靠的数据来源。就稳定性而言，

(完整word版)中国移动探索大数据和人工智能参考答案

探索大数据和人工智能参考答案 1、下列选项中，不是大数据发展趋势的是？ A.大数据分析的革命性方法出现 B.大数据与云计算将深度融合 C.大数据一体机将陆续发布 D.大数据未来可能会被淘汰 2、2012年7月，为挖掘大数据的价值，阿里巴巴集团在管理层设立（）一职，负责全面推进“数据分享平台”战略，并推出大型的数据分享平台。 A. 首席数据官 B. 首席科学家 C.首席执行官 D.首席架构师 3、在Spark的软件栈中，用于机器学习的是 A. Spark Streaming B. Mllib C. GraphX D. SparkSQL 4、MPP是指？ A. 大规模并行处理系统 B. 受限的分布式计算模型 C.集群计算资源管理框架 D.分布式计算编程框架 5、以下哪个场景可以称为大数据场景？ A.故宫游客人数 B.故宫门票收入 C.美团APP的定位信息 D.文章内容 6、以下应用没有使用你的地理位置信息的是？ A. 美团 B. 滴滴 C. 高德地图 D. Word 7、Hadoop是（）年诞生的？ A. 1985-1985 B. 1995-1996 C. 2005-2006 D. 2015-2016 8、HBASE的特点不包括哪些？ A. 面向行 B.稀疏性 C. 多版本 D.高可靠性 9、整个MapReduce的过程大致分为Map、Shuffle、Combine、（）？

A. Reduce B. Hash C. Clean D. Loading 10、Flume采用了三层架构，分别为agent，collector和（） A. Map B. storage C. Shuffle D. Hash 11、在Spark的软件栈中，用于交互式查询的是 A. SparkSQL B. Mllib C. GraphX D. Spark Streaming 12、下列选项中能够正确说明大数据价值密度低的是？ A. 100TB数据中有50TB有效数据 B. 1TB数据中有1KB有效数据 C. 100PB数据中有100PB有效数据 D. 10EB数据中有10EB有效数据 13、IBM的（）是第一个在国际象棋上战胜人类棋手的人工智能计算机。 A. AlphaGo B. 深蓝 C. 图灵机模型 D. 深度学习机器人 14、下列选项中，不是人工智能的算法中的学习方法的是？ A. 重复学习 B. 深度学习 C.迁移学习 D.对抗学习 15、对抗学习中两个网络互相竞争，一个负责生成样本，那么另一个负责做什么？ A. 判别样本 B. 计算样本 C. 统计样本 D. 生成样本 16、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，请问它的英文缩写是？ A. AI B. BI C. AL D. AF 17、下列选项中，哪项是由谷歌开发的人工智能算法框架？ A. Kafka

我国网络金融的发展现状与未来趋势分析(精)复习课程

我国网络金融的发展现状与未来趋势分析引言随着全球网络经济的迅速发展, 网络金融、网上购物消费、网络银行等电子商务的发展如雨后春笋。尤其是中国加入WTO 以后, 网络银行业务正在接受着来自全球银行业的严峻挑战, 经过网络革命洗礼的外资银行, 进驻中国市场后, 已经开始在电子化、网络化方面捷足先登。对于在全球网络市场发展最快的中国来说, 外资银行看到了这块巨大的市场, 他们纷纷登陆中国, 目标要建造全球最大的网络金融帝国中国网络金融既拥有全球最巨大的市场, 又面对最严峻的挑战。作为信息网络技术与现代金融相结合的产物，网络金融的出现将对中国现行的金融组织体系形成强烈的冲击，不同金融机构的差别分工将日趋淡化，混业经营将成为一种必然发展方向，金融监管体系也将面临新的问题和挑战。电子商务引发的全球商务革命和经营革命，预示着全球正在经历从传统经济向数字经济转移的重大转折时期。伴随着网上银行、网络证券等网络金融业务的发展，全球经济一体化与金融一体化的进程逐步加快。但与此同时，挑战与机遇并存，如果积极有效地的应对全球金融服务提供商的挑战，不失时机的抓住机遇，建立网络金融的发展新战略，是摆在我国金融业界的新问题。一、我国网络金融的发展现状（一）、我国网络金融的成绩企业网上银行功能也非常丰富，还有质押贷款业务等等。如果是你自己的存单，你可以不需要审批，就可以由网银自动办理质押和贷款手续。网络银行最近几年，主要是以工商银行和招商银行为首的，取得了非常大的成绩，在国际上获得了很多大的奖项。其中最大的成绩就是实现了数据大集中，形成了南北数据中心，完成灾备建设。另外，网络银行平台上，业务全能化。产品开发能力加强，品种越来越丰富。银行总行打破了以前的科技人员配备方法，直接将科技人员下放到业务部门，人事属于业务部门。但其科技业务水平和能力的评价，科

浅析现代金融市场发展的新趋势及其对金融人才的要求

一、引言入世以来，我国金融国际化进程日趋提速，这从客观上对我国金融高等教育和金融学科的建设提出了新的要求，即要求作为一国经济发展重要的智力支撑，金融高等教育需要更为广阔的国际视野。2007年美国次贷危机引发的全球金融风暴和随后相继爆发的欧债危机，让世界清楚地意识到：在金融全球化的今天，应对金融危机愈发需要全球视角。接踵而至的系列金融危机不得不让金融学教育工作者反思：我国的金融意识与金融教育是否存在不足？要在未来世界大国之间的金融博弈中拥有话语权，我国需要怎样的金融人才？现代金融市场的急速变革，对金融人才提出了哪些知识、素质与能力的要求？如何才能在后金融危机时代，通过教学模式的改革和课程体系设置的创新设计，进一步地为中国国际金融中心的建设，培养拔尖创新人才，储备高端金融人才库？基于对这些问题的思考，本文欲立足于现代金融市场变革的实际，着重探讨后金融危机时代金融人才的评价标准，以期为高等财经院校改进现行金融教育理念，修正金融学专业人才培养模式提供指引。这对于大到促进金融学科发展与专业建设，中到完善金融人才培养目标定位与优化课程体系设置，小到助推金融专业课的教学模式改革与教学方法创新，都具有重要的现实意、现代金融市场的变化：趋势与特征

传统的金融市场主要以货币市场和资本市场两种提法来划分市场类型, 而，随着现代金融市场的蓬勃发展，多元化的新型子金融市场的悄然崛起，使得这种提法已不再能全面地涵盖现代金融市场的特征和分类。资本市场（Capital Market）这种提法在西方文献中出现的频率越来越低，取而代之的使用更频繁的是分类的提法，即分别提债券市场（Bond Market）和权益市场（Equity Market）。金融一体化、全球化程度不断提升的今天，金融市场的发展有了新的趋势，并呈现出以下五个突出的特征。（一）现代金融市场呈现出四大块的市场划分现代金融市场中货币市场不再拥有在传统金融市场中的主导地位，多元化的子金融市场正如雨后春笋般迅速诞生、发展和壮大。现代金融市场由原来的货币市场和资本市场（包含债券市场和股票市场两个子市场）两大类的划分方式，逐步区分为涵盖货币市场、内部权益市场、外部权益市场和固定收益证券市场这四大块。其中，内部权益市场近年来异军突起，发展十分迅猛。（二）资本市场和货币市场边界模糊化货币市场与资本市场的关系，不再是传统的按资金期限来划分子市场类型的问题，实质上是银行的信贷资金与资本市场权益资金与债权资金之间的关系问题。随着近年来，金融机构之间互相涉足业务的金融活动日益频繁（女口, 银行涉足租赁业、证券业；信托涉足保险业、证券业；保险涉足证券业等等），混业经营趋势日益显现。然而，由于资本逐利性的驱动，货币市场上的资金往往通过多种渠道流入资本市场，资本市场上的资金也能通过系列途径返流回货币市场。而近年来，金融自由化程度的提升，使得这种渠道更加多元化, 资本市场与货币市场之间的边界日趋模糊化，两市场的交融与联动程度日益提升。

我国金融市场未来5年的发展趋势

我国金融市场未来5年的发展趋势自90年代改革开放以来，我国金融市场取得长足的发展。2015年，我国经济全球化和内部市场化程度的进一步提高，金融市场全球化、自由化、工程化及资产证券化等方面也得到了长足的发展，未来5年，这几个趋势将会越来越突出。一、资本的国际流动与金融交易量将有突破我国已经成为世界第二大经济体，越来越多的中国资本向国外输出，参与国际重大项目投资。资本国际流动的频率和金额将可能超过过去十年。今年，人民币国际化程度取得了巨大进步，成为世界第五大支付货币，人民币离岸交易中心将在未来五年成加速度增长。国内外的人民币的利率差距将会持平，并与美元、欧元、英镑、日元等主要国际交易币种趋同。二、外汇管制松动，金融市场有监控地开放 2015年后，随着人民币国际化程度的提高，中国政府也将对金融市场管制逐步松绑，进一步向国际开放金融市场，但同时也会加强国际金融业务的监控；人民币国际自由兑换，将要求我国政府放松外汇管制，推动我国资本的国际流动。在未来5年内，可能会放松对商业银行的利率管制，适度进行利率竞争。鼓励金融创新，提高我国本土金融机构的国际竞争力。三、金融新产品和技术手段摸索推进随着金融全球化和金融自由化程度的提高，利用先进的数学及通讯等科技手段，设计出新的金融产品的要求将会越来越强烈。未来5

年，利用工程化手段解决金融问题的技术开发将取得一些进展，在金融产品设计、金融产品定价、交易策略设计、金融风险管理等各个方面取得一定的成绩，数值分析、数学建模、网络图解和仿真模拟设计等手段将越来越多地应用到金融市场中。不过，当前我国金融市场水平与国际存在相当大的差距，金融工程化任重而道远，只可能摸索推进。四、资产证券化快速发展，信贷资产融资迅速增加 2015年度，我国资产证券化趋势明显，主要体现在政策上的支持，国务院已经新增5,000亿元人民币信贷资产证券化试点规模，成为信贷资产证券化重启以来的最大增幅。未来五年，资产证券化将呈现以下趋势和特点：1、发行主体更加多元化；2、小银行资产证券化水平将得到提高，上市量将大大增加；3、住房抵押贷款证券化程度得到提高。未来5年，我国金融市场全球化、自由化及工程化、资产证券化程度会得到较大的提高。但是，面临与国外较大差距的形势下，中国政府不会完全放开监管，一定会加强宏观管理和法制建设。

国内外大数据发展现状和趋势(2018)

行业现状当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.360docs.net/doc/8a16771092.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市

2017公需科目《大数据前沿技术及应用》第八章答案

2017 年公需科目《大数据前沿技术及应用》第八章：大数据发展趋势答案 1、大数据预测能够分析和挖掘出人们不知道或没有注意到的模式，确定判断某件事情必然发生。（3 分） A. 是 B. 否正确选项：B 2、大数据的发展趋势中的智能化关键技术包括感知技术、自然语言技术、交互技术以及决策等。（3 分） A. 是 B. 否正确选项：A 3、大数据分为“结构化数据“与”非结构化数据” 。（3 分） A. 是 B. 否正确选项：A 4、2011 年，IBM 的“沃森”超级计算机在美国著名智力竞赛节目《危险边缘》上击败两名人类选手而夺冠。（3 分） A. 是 B. 否正确选项：A 5、2012 年 7 月国务院发布的《“十二五”国家战略性新兴产业发展规划》中明确提出支持海量数据存储、处理技术的研发和产业化。（3 分） A. 是 B. 否正确选项：A 6、机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。（3 分） A. 是 B. 否正确选项：A

7、由于大数据处理多样性的需求，目前出现了多种典型的计算模式，包括大数据查询分析计算、批处理计算、流式计算、图计算等。（3 分） A. 是 B. 否正确选项：A 8、大数据开发的根本目的是以数据分析为基础，帮助人们做出更明确的决策，优化企业和社会运转。（3 分） A. 是 B. 否正确选项：A 9、人工智能够和人一样进行感知、认知、决策、执行的人工程序或系统。（3 分） A. 是 B. 否正确选项：A 10、知识图谱是一种基于图的数据结构，由节点和边组成。（3 分） A. 是 B. 否正确选项：A 11、大数据成熟催化了人工智能的进步，深度学习带来算法上的突破则带来了人工智能浪潮。（3 分） A. 是 B. 否正确选项：A 12、当前，企业提供的大数据解决方案大多基因 Hadoop 开源项目。（3 分） A. 是 B. 否正确选项：A 13、北京航空航天大学创办了国内第一个“大数据科学与应用”软件工程硕士专业。（3 分） A. 是 B. 否正确选项：A 14、数据结构”是指不存储数据库之中的，包括电子邮件、文本文件、图像、视频等数据。（3 分）

中国金融业发展状况和未来改革总体思路

中国金融业发展状况和未来改革总体思路李德（中国人民银行研究局，北京100800）摘要：近些年来，我国金融业长足发展，对促进经济社会长期、持续、可协调发展做出了重要贡献。经济全球化使我国经济金融发展面临机遇和挑战，需要深入推进金融改革开放，促进金融业安全高效稳健运行。关键词：金融业；发展；改革中图分类号：F830.3文献标识码:B文章编号：1674-0017-2010(6)-0015-03 一、金融业改革与发展取得显著成就 “十一五”时期，中国经济继续呈现较快的增长态势。据初步测算，2009年我国国内生产总值（GDP）达到33.5万亿元，即将成为全球第二大经济体；我国人均GDP已经接近3700美元。全年出口和进口规模分别超过1.2万亿美元和1万亿美元,出口贸易额位居世界第一位。中国已由低收入国家进入世界中等收入国家行列。我国金融业在促进国民经济健康发展的同时,不断发展壮大，对社会经济发展的影响力不断增加。截至2009年末，我国银行业金融机构境内资产总额达到78.8万亿元；商业银行不良贷款率1.58%。金融业改革深入推进。2002年和2007年两次全国金融工作会议强调指出，要全面推进金融业改革，增强金融机构抗御风险能力和市场竞争能力，全面发挥金融的服务和调控功能，促进经济社会协调发展。截至2009年末，我国银行业金融机构境内资产总额达到78.8万亿元；商业银行不良贷款余额4973.3亿元，不良贷款率1.58%。大型国有银行股份制改革基本完成。国家相继对中国银行、中国建设银行、交通银行、中国工商银行进行股份制改革。四家银行按照“一行一策”原则，稳步推进国家注资、处置不良资产，设立股份公司、引进境内外战略投资者、择机上市等工作。2008年10月29日中投公司通过汇金公司向农业银行注资1300亿元人民币等值美元。2009年1月16日，农业银行股份公司正式挂牌成立。2007年12月31日，汇金公司向国家开发银行注资200亿美元，拉开了国家开发银行商业化改革的序幕。2008年12月16日，国家开发银行股份有限公司正式挂牌成立，注册资本3000亿元。政策性金融机构和金融资产管理公司改革稳步推进。2009年3月，中国人民银行会同有关单位和部门成立了中国进出口银行和中国出口信用保险公司改革工作小组，拟制了进出口银行的改革实施总体方案和《章程》修订草案。农业发展银行不断深化内部改革，为全面改革创造条件。资产管理公司改革工作稳步推进。农村金融改革不断深入。2003年6月，国务院下发了《深化农村信用社改革试点方案》。本次改革明确提出：按照“明晰产权关系、强化约束机制、增强服务功能、国家适当支持、地方政府负责”的总体要求，把农村信用社办成为“三农”服务的社区和地方金融机构。截至2009年末，人民银行共计对农村信用社发行专项票据1695亿元，对农村信用社兑付专项票据1641亿元；对新疆等四省（区）发放专项借款21亿元。截至2009年末，全国共组建以县（市）为单位的统一法人农村信用社2054家，农村商业银行43家，农村合作银行195家。截至2009年末，金融机构涉农贷款余额9.14万亿元，同比增长32.3%。2006年12月21日，银监会印发《关于调整放宽农村地区银行业金融机构准入政策更好支持社会主义新农村建设的若干意见》。截至2009年末已有172家新型农村金融机构开业，其中村镇银行148家，贷款公司8家，农村资金互助社16家。截至2009年3月末，2005-2006年试点成立的7家小额贷款公司，贷款余额2.7亿元。证券公司综合治理成效显著。中国证监会在国务院的部署下，按照风险处置、日常监管和推进行业发展三管齐下，防治结合，以防为主，标本兼治，形成机制的总体思路，对证券公司实施综合治理。到2007年8月收稿日期：2010-4 作者简介：李德，经济学博士，研究员，现供职于中国人民银行研究局。 15

大数据发展现状与未来发展趋势研究

大数据发展现状与未来发展趋势研究朱孔村（江苏省科学技术情报研究所，江苏南京210042）【摘要】数据是信息化时代的“新石油”资源，如何利用好这种“新石油”资源需要大数据技术的支持。文章介绍了大数据技术及其发展历程，概括了当前国内外大数据的发展现状并展望了大数据技术和产业方面的未来发展趋势。【关键词】大数据；现状；趋势【中图分类号】TP391【文献标识码】A【文章编号】1008-1151(2019)01-0115-04 Research on the Current Situation and Future Development Trend of Big Data Abstract: Data is the “new petroleum” resource of the information age and how to make good use of this “new petroleum” resource needs the support of big data technology. This paper first introduces the big data technology and its development process and summarizes the current development of big data at home and abroad. Finally, the future development trend of big data technology and industry is prospected. Key words: big data; current situation; trend 1 大数据技术概述 1.1大数据技术随着物联网、云计算、移动互联网等技术的成熟，以及智能移动终端的普及，全社会的数据量呈指数型增长，全球已经进入以数据为核心的大数据时代。大数据并不是一个新的概念，信息技术发展的每一个阶段都会遇到数据处理的问题，人类需要不停的面对来自数据的挑战。为满足商业结构化数据存储的需求而产生了关系型数据库，为满足互联网时代非结构化数据存储需求而产生了NoSQL技术，而大数据技术的产生是为了解决大型数据集分析的问题。大数据技术目前还没有一个确切的定义，各行各业有着自己的见解，但总体而言，其关键在于从数量庞大、种类繁多的数据中提取出有用的信息。维基百科从数据处理的角度将大数据定义为一个超大的、难以用现有常规的数据库管理技术和工具处理的数据集。国际数据公司（IDC）给出的报告指出，大数据技术描述了一种新一代技术和构架，以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值[1]。少量的数据看似杂乱无章，但是当数据累积到一定程度时，就会呈现出一种规律和秩序。大数据的价值就在于数据分析，利用大数据分析技术，从海量数据中总结经验、发现规律、预测趋势，最终为辅助决策服务。《大数据时代》的作者克托·迈尔-舍恩伯格认为：“大数据开启了一次重大的时代转型”，他指出大数据将带来巨大的变革，改变人们的生活、工作和思维方式，改变人们的商业模式，影响人们的经济、政治、科技和社会等各个层面。 1.2大数据发展历程 1.2.1萌芽阶段 20世纪90年代，“大数据”这个术语开始出现。1998年SGI首席科学家John Masey在USENIX大会上提出大数据的概念，他当时发表了一篇名为Big Data and the Next Wave of Infrastress的论文，使用了大数据来描述数据爆炸的现象。但是那时的大数据只表示“大量的数据或数据集”这样的字面含义，还没有涵盖到相关的采集、存储、分析挖掘、应用等技术方法与特征内涵 1.2.2发展阶段从20世纪末到21世纪初期是大数据的发展期，在这一阶段中大数据逐渐为学术界的研究者所关注，相关的定义、内涵、特性也得到了进一步的丰富。2003至2006年，Google 发布的GFS、MapReduce和BigTable三篇论文对大数据的发展起到重要作用。2006至2009年，大数据技术形成并行运算与分布式系统。2009年，Jeff Dean在BigTable基础上开发了Spanner数据库。随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术如数据仓库、专家系统、知识管理系统等开始被应用。 1.2.3成熟阶段 2011年至今，是大数据发展的成熟阶段，越来越多的研究者对大数据的认识从技术概念丰富到了信息资产与思维变革等多个维度，一些国家、社会组织、企业开始将大数据上升为总第21卷233期大众科技Vol.21 No.1 2019年1月Popular Science & Technology January 2019 【收稿日期】2018-11-06 【作者简介】朱孔村（1985－），男，山东临沂人，江苏省科学技术情报研究所实习研究员，从事电子政务相关工作。 - 115 -

论大数据金融的发展趋势

龙源期刊网 https://www.360docs.net/doc/8a16771092.html, 论大数据金融的发展趋势作者：卢小松来源：《经济研究导刊》2018年第18期摘要：大数据金融是利用大数据技术进行突破、革新，并发展传统金融理论、金融技术和金融模式的一种全球性趋势。在当代社会，其既有机遇，又有挑战，总体呈现出跨界发展、服务多样化、服务专业化三大发展趋势。关键词：大数据；金融；发展趋势中图分类号：F830 文献标志码：A 文章编号：1673-291X（2018）18-0076-01 一、大数据金融的含义大数据金融指的是将巨量非结构化数据通过互联网和云计算等方式进行挖掘和处理后与传统金融服务相结合的一种新的金融模式，它是一种相比于传统金融更加透明、参与度更加广泛、体验更好、效率更高的新兴金融模式。广义的大数据金融包括整个互联网金融在内的所有需要依靠发掘和处理海量信息的线上金融服务。也就是说，我们所提到的不管是P2P还是众筹等互联网金融行为，其核心都是大数据金融，因为互联网金融如果没有大数据的支撑，就成了一个单纯意义上的平台。而互联网金融得以在互联网诞生之日起，到今天人类社会进入“PB（1024TB）”时代，历年来数据信息的记录与积累，以及云计算技术的不断成熟，使得大数据金融在互联网诞生数十年后终于可以一展风采。持续高增长的电子交易数量和网络零售服务，使得依赖于商务需求的金融体系能够在线上寻求到数据支撑。狭义上的大数据金融指的是依靠对商家和企业在网络上历史数据的分析，对其进行线上资金融通和信用评估的行为。我们可以很直观地看到，最初在互联网平台上寻求到金融服务的商家和企业，一类是在互联网平台上留下了一定数量的历史信用信息的商家或企业，另一类是在相关产业之内积累了相当程度的历史信用的商家或企业。而从未在线上或实际交易中产生过信息的全新商家和企业在没有建立足够的交易基础之前是不太容易通过单纯的信用方式进行这种融资的。无论是广义还是狭义的定义，大数据金融的核心内容都是对商家和客户的海量数据进行收集、储存、发掘和整理归纳，使得互联网金融机构能够得到客户的全方位信息，掌握客户的消费习惯并准确预测客户行为。这样的做法不管是作为评级认定标准，还是作为目标客户进行营销宣传的理由，都能够使互联网金融机构对自己的风险进行控制，对自己的发展策略进行更详尽的规划。作为大数据的使用者，互联网金融机构必须为数据的采集和使用付出成本，如果不是同时作为数据的收集方，进行原始数据的采集和整理，那就要向数据来源的第三方支付使用费用。