大数据时代下金融业的发展方向、趋势及其应对策略.docx

《大数据时代下金融业的发展方向、趋势及其应对策略.docx》由会员分享，可在线阅读，更多相关《大数据时代下金融业的发展方向、趋势及其应对策略.docx（21页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、本科论文摘 要金融业作为现代市场经济的核心，其健康有序的发展关系到社会经济的整体运行。当今时代正处于大数据时代，海量数据的不断涌现为金融行业提供了诸多发展难题。本文从大数据的定义及特征出发，积极探讨了金融业在大数据环境下的发展状况及面临的挑战，并最终得出金融业为适应大数据时代发展而提出的战略方法。通过积极树立开放的思维观念、建立数据共享平台、采取信息化运营模式、完善大数据管理体系等方式,为金融业提供更为广阔的发展空间,以此更好地顺应大数据时代的发展趋势,从而发挥出金融业对社会经济的促进和推动作用。关键字：金融业，大数据时代，数据共享平台，大数据管理体系AbstractAs the core o

2、f modern market economy, the healthy and orderly development of financial industry is related to the overall operation of social economy.The present era is in the era of big data, and the continuous emergence of massive data has provided the financial industry with many development problems.Based on

3、 the definition and characteristics of big data, this paper actively discusses the development status and challenges of the financial industry in the environment of big data, and finally comes to the strategic methods put forward by the financial industry to adapt to the development of the era of bi

4、g data.By actively set up the open thought idea, establishing the data sharing platform, take the operation mode, perfecting the big data management system, to provide a broader space for development for the financial sector, in order to better adapt to the development trend of the era of large data

5、, so as to display the financial sector to the promotion of social economy and push forward.Key words:Financial industry, Big data era, Data sharing platform, Big data management system目 录前言11大数据时代定义特征及作用21.1大数据时代定义21.2大数据“4V”特征21.3大数据的意义22大数据时代下金融业的发展现状及挑战42.1大数据时代下金融业的发展现状42.1.1大数据时代下金融产业积极转型升级42.

6、1.2大数据时代下银行业积极变革42.2大数据时代下金融业面临的挑战52.2.1对金融业提高整体能力的挑战52.2.2对提高数据综合分析能力的挑战52.2.3对数据信息安全风险监管的挑战53大数据时代下金融业的发展方向及趋势63.1数据来源更多样化63.2数据分析综合性增强63.3客户服务更具个性化63.4决策更加依靠数据分析结果63.5风险评估系统更数据化74金融业在大数据时代下的应用以恒丰银行的大数据应用为例84.1大数据应用推动银行业变革84.2大数据时代下银行业的发展方向84.2.1银行运作更加数字化84.2.2银行发展更加开放94.2.3银行决策更加科学94.3案例介绍：恒丰银行基于

7、大数据技术的数据仓库应用建设104.3.1传统数据仓库面临的挑战104.3.2恒丰银行新型数据仓库的技术优势105大数据时代下金融业发展的应对策略125.1积极转变理念，树立开放的思维观念125.2建立信息共享平台，促进金融业与大数据融合125.3加强对金融行业相关人员培训125.4加强结构化信息完整度135.5采取信息化运营模式135.6完善大数据管理体系135.6.1大数据工作管理体系加以完善135.6.2提升数据挖掘与分析运用能力145.6.3建立基于大数据分析的定价体系145.6.4促进风险管理水平的提升14结 论15致 谢16参考文献17本科论文前 言金融业在社会经济活动起着不可替代

8、的主导作用，而面对奔涌而来的大数据时代的洪流，金融业能否在此浪潮中保持屹立不倒的姿态，值得我们去深思。而且“大数据”一词，作为一个比较崭新的议题，具备极强的现实研究意义。因此探讨大数据时代下金融业的发展状况及应对策略，将有助于金融领域在未来的稳健发展。同时，它也将为大数据时代下新金融理论奠定学术基础。近几年来，传统金融行业中不断增加以大数据为基础的线上金融业务。通过大数据技术的应用，金融业不断积累行业数据资源，并加大对数据的处理和分析，推动业务发展，不断创新服务模式，使得线上金融业务在我国金融领域占据愈加重要的地位。金融行业历经数年对大数据的积累与整合，已获取的海量金融数据，受到银行业、保险业

9、、证券业等行业的广泛应用。继而不断努力加速推动金融产业转型升级，在创新服务类型、精细管理方式、风险管控在手段上提供辅助支持。同时,以银行业为代表的传统金融业也在积极适应大数据时代的浪潮，加快大数据对本行业的渗透速度，加快转变运营管理模式，积极转变产品类型。利用大数据对客户的消费行为进行分析，以开发出适合不同客户类型的理财产品。伴随着大数据技术的不断发展和完善，金融领域的业务需求度将会不断提高，因此建立更加灵活高效的金融服务体系还有很大的发展空间，大数据时代下金融业的发展将会在高速中有序进行。本文主要针对大数据时代下金融业的发展方向、趋势及其应对策略展开深入研究，先对大数据时代金融业发展趋势进行

10、阐述，主要包括数据来源更多样化、数据分析综合性增强等,然后针对金融业的发展,提出了具有针对性的应对策略。主要包括积极转变理念，树立开放的思维观念、建立信息共享平台、促进金融业与大数据融合、加强对金融行业相关人员培训、金融行业采取信息化运营模式、完善大数据管理体系等,为金融业提供更为广阔的发展空间,更好地顺应大数据时代的发展趋势,从而发挥出对社会经济的促进和推动作用。1大数据时代定义特征及作用1.1大数据时代定义大数据作为一种规模大且多样化的信息资产，是通过新处理模式得到更为广大的数据规模、快捷的数据流转速度、多样的数据类型和较低的价值密度，从而弥补了常规软件工具难以获取、分析、处理数据的劣势1

11、。最早提出“大数据时代”这一概念的是世界级领先的全球管理咨询公司麦肯锡公司。进入2012年，大数据时代的到来讯号在金融、军事、信息等行业逐步出现，巨大的数据资源推动各个领域加速进入数据时代进程2。1.2大数据“4V”特征第一个特征是数据规模海量化（Volume）。随着互联网不断在各领域深入发展，信息技术发展进程加快，大数据呈现爆发式的增长状态。致使存储单位在短时间内从过去的GB到TB，发展至现在的EB、ZB级别。此类海量规模的形成，既包括了从时间序列中累积的数据，也包括了更深入更为精细化的数据。第二个特征是数据种类多样化（Variety）。大数据种类的多样化取决于数据来源的广泛度，包括结构化数

12、据：比如来自各大应用平台的用户的日志数据，各公司职能机构的数据库数据等。以及非结构化数据：即以文本、视频、图片等形式存在的数据。第三个特征是数据处理高速化（Velocity），对时效具有较高的要求。每时每刻都会产生大量的数据，这些数据是需要及时高效处理的。并且大数据对于处理速度具有很高的要求，因此要不断通过更高水平的数据处理平台或算法来实现这一目标。从而更快速地得到我们想要的信息内容。第四个特征是数据价值不确定性（Value）。数据价值作为数据本身来源不同，数据收集和传播渠道受限，从而对数据的真伪性和完整性需要加以考量3。因此大数据本身价值的产生需要通过从大量无关联的各类原始数据中，通过数据算

13、法等手段深度分析出价值度高精确度高的数据，将其运用在各领域的实践应用中。大数据的“4V特征表明：大量多样的数据，需要更加高效及复杂的数据处理方法。从而通过对待处理数据的整合分析，及时获得及发现崭新的知识资源，总结经验，为各领域的决策行为提供辅助信息，使得决策更为科学合理，助力经济环境快速发展。1.3大数据时代的意义一是数据样本范围更大。在大数据时代，全量思维不断深入人心，海量的数据资源满足了人们对数据样本多样化的偏好。从而减少了小数据时代中数据样本量缺乏，致使抽样结果不精确现象的产生。但是要特别注意：大数据时代的意义不在于掌握如此大量的数据信息，而在于对这些待分析数据所进行的专业化处理。二是数

14、据分析处理成本更低。大数据可大大降低数据分析的成本，从而努力改变数据处理资源相对紧缺的状态,数据挖掘来源广泛,大量数据的融合就会实现价值量的增长4。三是数据价值实现过程短。即从数据获得到数据价值取得这一过程的时间耗费较少。大数据价值取得的关键在于以低成本手段大量挖掘潜在价值。同时，大数据的应用为金融机构提供了发现价格优势的机会，使得金融机构能够更加灵敏地感知市场环境，获取理想的市场价值。2大数据时代下金融业的发展现状及挑战2.1大数据时代下金融业的发展现状近几年来，传统金融行业中不断增加以大数据为基础的线上金融业务。通过大数据技术的应用，金融业不断积累行业数据资源，并加大对数据的处理和分析，推

15、动业务发展，不断创新服务模式，使得线上金融业务在我国金融领域占据愈加重要的地位。金融行业历经数年对大数据的积累与整合，已获取的海量金融数据，受到银行业、保险业、证券业等行业的广泛应用。从而不断努力加速推动金融产业转型升级，在创新服务类型、精细管理方式、风险管控手段上提供辅助支持。同时,以银行业为代表的传统金融业也在积极适应大数据时代的浪潮，加快大数据对本行业的渗透速度，加快转变运营管理模式，积极转变产品类型。利用大数据对客户的消费行为进行分析，以开发出适合不同客户类型的理财产品。伴随着大数据技术的不断发展和完善，金融领域的业务需求度将会不断提高，因此建立更加灵活高效的金融服务体系还有很大的发展

16、空间，大数据时代下金融业的发展将会在高速度中有序进行。 2.1.1大数据时代下金融产业积极转型升级传统金融产业在大数据时代的背景中得到冲击，继而在大数据整合分析技术的影响下不断转型升级，在互联网金融等业务领域中获得利好机会。自此，金融产业积极顺应大数据时代的进程，借助网络信息技术的发展，综合利用大数据分析技术，更高效地处理信息数据，提高了互联网金融产品的客户接受度。并且积极完善信用评级系统，努力推动第三方支付体系和金融产业合作，更加高效整合资金和资源，提高利用率。2.12大数据时代下银行业技术变革银行是经营货币信贷业务的金融机构，并作为金融业的核心组成部分，大大推动了国民经济运转，并在整个大数

17、据时代下金融业的发展中的表现具备一定的示范作用。大数据的应用从银行前端的营销手段、销售渠道、支付方式等，到银行后台的风险监管及控制，都逐渐借助大数据技术辅助进行。银行具备多种优势，可以在大数据时代的浪潮中更为科学有效地进行经营方式的变革。一方面，银行通过对海量的大数据进行整合，较之前更加科学化、精确化地对客户需求进行分析与评估，确定服务对象特征，制定个性化产品及服务。另一方面，银行在经年累月中不断积累了海量的结构化及非结构化数据资源，并且还有处理传统数据的经验，具备应对大数据分析模式的良好基础5。与此同时，银行内部的专业技术人员，及大数据人才储备资源丰富，从而加快了银行电子化进程，为银行业在未

18、来大数据时代中的积极转变与发展起到技术支持。2.2大数据时代下金融业面临的挑战2.2.1对金融业提高整体能力的挑战信息化建设近年来在我国金融行业作为重点发展方向，虽已有所积累海量的资金交易分析数据，但数据价值发掘力度不够大，各机构间大数据应用缺乏全局计划与举措。如果金融行业想依托大数据来实现综合能力的提升，还应对自身金融服务的质量、资产管理的专业度及管控风险的能力予以加强6。2.2.2对提高数据综合分析能力的挑战无论是结构化数据还是半结构化数据，都是金融机构需要分析利用的数据类型。不能只根据传统观念基于结构化数据进行数据价值挖掘处理，更要重点关注诸如音频、文本等半结构化数据加以深度分析利用。因

19、此在对客户的信息数据整理时，要注重数据整合的综合度，从而推出更贴合客户需求的产品。2.2.3对数据信息安全风险管控的挑战在安全风险层面上，金融机构将各类资金交易数据，客户信息数据及机构运营数据加以整合存储。虽在一定程度上提高了综合分析数据价值的能力，为机构统筹管理数据提供便利。但与此同时也加剧了不可控风险的发生，增加了数据信息泄露的风险，对信息安全造成不利影响。严重情况下还会造成不可预计的经济财产损失，带来严重的社会负面影响。3大数据时代下金融业的发展方向及趋势金融业为谋求在大数据时代中的长远发展,各金融领域需要积极迎合时代浪潮，从而通过增加更多样的金融信息数据、各机构间相互协作以提高分析数据

20、的综合性，对客户数据信息深入分析利用，以提供更优质的客户个性化服务。并积极转变传统意义上的决策模式，将数据作为新鲜血液注入决策过程，同时把握好风险评估系统，推动金融业在大数据时代中的稳步发展。3.1数据来源更多样化传统金融机构的数据大多数产生于自身交易，包括一些内部数据如财务信息、资金流向等。随着大数据时代的到来，金融机构数据来源愈加广泛多样。诸如客户交易信息、客户满意度评分、缴费记录等多元数据。因此为金融机构获得更为精准有效的数据分析结果提供了更多的数据样本资源，有助于金融机构开展更加高质高效的业务活动。3.2数据分析综合性增强面对海量的数据资源，需要复杂度、综合度更高的数据分析方法，来实现

21、结果的精准度。当前金融机构所面临的数据资源利用方面的问题，主要是对自身产生的结构化数据认知度不足，使得此类数据资源的利用率偏低7。而对于诸如文本、音频等非结构化数据更是欠缺相应的统筹方法与系统化的处理方式。因此大数据综合分析体系的建立早已提上日程，通过此类体系助力挖掘客户资源价值的行动力与全面程度，综合性数据分析已成为大数据时代下金融业发展的必要进程。3.3 客户服务更具个性化在大数据时代提供的海量数据中，金融机构要保持深度挖掘客户在各类社交平台或媒体终端等路径中所产生的非结构化数据信息。可将个体客户进行数据化分析，采用专业度较高的数据算法对客户需求展开精准分析。根据大数据分析结果预测出适合该

22、客户的金融产品，并提供与之相匹配的个性化服务,从而提升客户满意度，提高服务质量。3.4决策更加依靠数据分析结果金融机构的决策模式在大数据时代下发生明显变化，致使依靠基础数据和经验的传统决策模式向主要依靠数据资源的新型决策模式转变8。新型决策模式大大减轻了传统决策模式对管理经验的依赖程度，并大大加深了数据资源分析结果对决策实施过程的辅助作用。大数据分析结果的相对准确性与客观公正性，为金融机构决策的执行提供了合理有效的辅助依据，是金融业未来发展具备的必要因素。3.5风险评估系统更数据化金融机构的新型风险评估体系依托于大数据的良好运用，致使此系统产生的数据结果更加客观全面。传统的风险评估系统往往单纯

23、根据内部财务数据进行简单分析,但在大数据时代下,来自多个方向、多个角度的大数据为金融机构提供了更加广泛细致的参考意见。诸如金融机构可借助第三方平台，收集交易途径、服务效率、客户满意度评分等数据进行经营状况的风险评估，更加客观评价自身运营状况9。4.金融业在大数据时代下的发展趋势以恒丰银行的大数据应用为例41大数据应用推动银行业变革由麦肯锡公司发布的中国银行业CEO季刊(2019年冬季刊中提出的现象指出，近几年来,国内银行业在面对剧烈变化的外部经营环境中，很难获得较高的收入及利润增长10。然而国外银行却能通过对大数据的有效应用中实现银行内核心业务的双位数增长。并且大数据时代下的人工智能技术及大数

24、据技术还帮助了银行实现对风险的有效控制，大大解决了困扰诸多银行不良率较高的问题。据麦肯锡全球数据工作坊的数据分析,有效地大规模地应用大数据分析可大大降低银行运营成本，有效提升银行业务完成度、辅助决策的执行、提高风险控制举措。从而为客户提供满意度更高的服务11。中国银行业在国家政策的大力扶持下，相关数据人才培养为银行业发展提供技能支持，大数据和高级分析规模化已进入黄金时代,是整个银行业甚至金融业未来发展的大势所趋。4.2大数据时代下银行业的发展方向银行业的发展主要通过三个方面进行大数据化应用。包括客户管理、营销管理、风险管理12。在客户管理层面，银行需积极接收挖掘客户通过互联网、社交媒介等渠道所

25、产生的诸如文本、图片样式的非结构化数据。银行通过对此类大数据的分析利用，可帮助银行实现对客户的清晰分类、定位，继而甄别出优质潜在客户，从而优化对客户的产品服务。在营销管理层面，银行借助大数据分析平台可将客户的交易方式、消费习惯、风险承受等级等数据进行深度挖掘并分析，从而为不同的客户提供不同的个性化服务营销方案，从而获得精准营销的战略决策，将最合理的产品推荐给最适合的客户。在风险管理层面，大数据的合理有效应用帮助企业积极了解客户的交易行为、信用风险等，有效适时建立相对完善的风险防范系统。从而降低了客户信用不足、不良行为可能为银行所带来的损失的风险。4.2.1银行运作更加数字化在大数据环境下，传统

26、银行业的运营管理方式已不能顺应当前的潮流。因此传统银行业想要改变这一现状，获得全面向好发展，就必须朝现代化、数字化的方向进行积极改革。银行业在未来的发展中，数字化成分将会加入银行运营中来13。继而虚拟化的产品、服务及流程将会完全颠覆当前金融服务形态。从长远来看，随着银行数字化运营更加深入，资金的中介职能逐步向虚拟化进程迈进，使得电子货币等数字化金融类产品成为银行业务中的主流产品。银行借助互联网和数据库更是能够收集并核实有效的信息资源，通过全息仿真技术等手段，为客户在完全虚拟的渠道中提供金融服务，而银行交易业务中所产生的的各类凭证，将会以数字文件的形式得以分析利用，极大地提高了业务处理的效率与简

27、易度。更加数字化运营的银行随着对大数据的合理应用，可获得更高的生产力，创造巨大的经济价值。将会使得金融产品交易虚拟化发展，向外延长金融供应链，从而降低金融市场中的融资成本，对整个市场的生产效率加以提升14。银行在数字化运营中得到更为广泛的银行内部数据及外部数据，从而避免了因客户信息收集不充分所导致的认知不完全状况的发生，为全面分析客户人际网络、交易风险偏好等数据，提供了更为全面的数据样本，从而发掘潜在客户，提供更具个性化的金融产品营销方案。通过加大对银行结构化及非结构化数据的综合分析，可辅助银行在交易过程中建立有效的风险识别系统，以防控可能产生的金融交易风险，减少银行不必要的损失。在银行产品创

28、新度上，银行的数字化运营也提供了有力的支持。从而使得银行在了解客户消费交易行为习惯的基础上，制定个性化服务，创新升级产品内涵，为客户提供个性化智能产品服务。4.2.2银行发展更加开放在大数据时代到来前，传统银行在市场中担当资产中介和信息中介两项基本职能。银行作为资金中介可通过特有技术实现资金融通，致使交易成本的降低。二作为信息中介，既可以通过专业的信息采集与处理能力，解决因信息不对称所发生的问题，也是市场经济的联络员。并作为金融行业的主体，银行已成为“社会经济的收容地” 15。市场环境中的部分企业在各自发展过程中如遇到资金缺乏的问题，便可向银行递交企业的相关报告信息，以获取银行信任，得到贷款资

29、金。但是，在大数据时代的洪流下，银行的“社会经济的收容地”地位得到冲击，各类新型信息技术的发展改变了以往信息出现传播分析的方式。特别是依靠移动支付技术和互联网技术发展的互联网金融，消除了信息不对称的物理壁垒，实现交易双方的直接信息沟通和交易。面对挑战，银行要树立开放的思想观念，以更加开放的信息沟通方式收集客户信息等数据资源，综合分析客户信息的结构化和非结构化数据，建立客户信用评估风险机制，获得更多的发展空间，再度实现信息中介职能。4.2.3银行决策更加科学银行要积极转变传统的决策模式所带来的滞后性影响，通过大数据的合理有效应用，来应对传统决策模式所依靠的单一样本数据分析及管理经验的不足之处。因

30、此在新型的决策模式中加以更具客观性和全面性的大数据分析基础数据，以数据分析结果为核心来辅助银行产生合理决策判断。这一科学化改革对银行的管理者来说是一次巨大的管理思维革命，但是只有这样，才会为银行提供更准确更有效性的业务创新拓展机会，为银行各类决策的产生提供更科学化的数据支撑。与此同时，银行也可通过大数据分析对客户的交易行为特征、行为模式得到更科学化地分析，挖掘其中的有价值数据，引导银行业务对客户精准度的发展与提升，或为经营管理提供全面及时的决策支持信息。4.3 案例介绍：恒丰银行基于大数据技术的数据仓库应用建设4.3.1传统数据仓库面临的挑战传统数据仓库技术架构的处理能力已不能适应利率市场化的

31、急速进程，再加之互联网金融的快速发展，银行业务复杂多样，银行不断扩大与各实体经济间的业务往来，所产生的的大量且种类繁多的数据已无法单纯地依靠传统数据仓库的整合管理。而传统银行中的数据库大多单一存在，且处理能力有局限，缺乏各数据之间的统筹与规划，因此存在大量的数据冗余问题。并且在某些高难度的应用场景中，传统数据仓库无法兼顾处理营销、风险管理、客户数据分析等业务。而扩大传统数据库的计算模式需要升级服务器硬件，不仅升级周期过长，而且成本巨大，使得绝大多数的传统数据仓库的再升级行动被迫停止运作。4.3.2恒丰银行新型数据仓库的技术优势这里以恒丰银行的数据仓库模式转变来举例。处于传统数据仓库阶段的恒丰银

32、行，也面临着难以收集海量数据、无法共享数据资源、数据标准难界定、在原数据库上升级成本高昂等问题。而当前处于业务发展转型阶段的恒丰银行，为应对产生的大量业务数据，对此进行更高效率的集合整理，因此开发出一个成本更低廉的应用性更广的新型数据仓库，已沟通各个数据应用的独立仓库，提高各数据库间的关联使用效率。恒丰银行在进行充分且全面的可行性分析后，在企业公共数据模型上构建出相应的各应用集市和分析集市，从而大大减少了数据的重复处理和各数据应用的开发成本。在这一大数据环境的驱动下，恒丰银行积极探索采用大数据技术用以构建相对完善的数据管理平台，重构数据仓库应用范围，减少数据的无意义处理过程，将信息管理数据多领

33、域融合共享，从而提高了数据处理的整体效率，在提升数据分析和应用创新方向上，正逐步取得预期的成效。目前，恒丰银行基于大数据平台的全新数据仓库已正式投入使用，并支撑全行统一数据管理与数据服务。在此次项目成功开展后，恒丰银行实现了在成本与绩效两方面的高效提升。在系统效率层面，在传统数据库处理时间需四到五小时的同等量级，在通过新一代数据仓库运算处理过后，仅仅花费了十分钟的时间。大大提高了个流程的效率。恒丰银行通过大数据平台建立自主运行的数据仓库实践项目，成为全行数据管控的中枢机构。逐渐为全行打造出数据综合处理模式，包含财务报表的查询分析系统等。为恒丰银行数据管理系统的精准化、高效化、集中化提供了良好的

34、综合服务体系。可帮助恒丰银行在深度挖掘客户数据的深度上，数据价值的取得上，提供更合理健全的传导机制。5大数据时代下金融业发展的应对策略在大数据时代的急速发展中，收集用户信息数据已不再是大数据时代背景下的历史难题，传统金融机构亟待解决的最大问题是如何处理海量复杂的数据信息。金融机构在积极利用大数据资源创新开发新产品的同时，急需提升大数据技术能力，对人们往往忽视的海量非结构性数据加以分析处理。因此，为最终提取出有效的信息资源，金融领域需要率先在观念中埋下大数据时代的思维特征，积极建立各行业间信息共享新平台、提高数据人才培养力度、加强数据的结构化程度、更新运营模式、逐步完善大数据运营体系。5.1积极

35、转变理念，树立开放的思维观念大数据潮流中的社会各个领域都是有相互的必然联系的，信息作为数据化资源是为社会各领域所共享的。因此，任何“闭关锁国”式的信息封锁都是不可取的，都不能积极适应大数据时代的向前势头。因此金融业要积极转变思维，及时着手应对大数据时代的潮流。金融行业要坚定地树立大数据服务的宗旨，牢牢把握住大数据时代的特点，着眼于收集数据、分析数据、利用数据、创造数据价值，努力将被动获得的数据转变成主动利用的数据资源。坚持融合、开放的大数据精神，促进数据共享共赢的开放型思维观念。将数据价值结果作为决策过程中的有利证据指向，打破传统的以经验为本的决策模式。从而推动金融业在大数据时代中的步伐更加稳

36、健，为金融业的整体环境提供健康发展的空间。5.2建立信息共享平台，促进金融业与大数据融合金融业要强调信息多方向整合的重要性，加速建立信息共享平台，可实现从内部外部多渠道中获得结构化或非结构化数据的多元性。更好的服务于客户整体数据的分析，从海量数据中，全面加深对客户的了解程度，从中发现并取得更多的客户价值。通过整理接触新客户的渠道，利用社交网络平台，在信息互动中增强对客户的了解。积极打造适应于本行业的新媒体运营工具，充分调配起各种互联网社交工具或平台，以此建立起崭新的专门数据资源。并全面看待行业内部数据和行业外部数据信息的联系，以此获得更为综合性的客户信息数据网格，建立起更稳固的客户关系。5.3

37、加强对金融行业相关人员培训在对金融行业相关人员进行专业素养培训时，要做着重于职业道德、专业技能、及理性思维上的综合考量。在职业道德观念的培养中，要强化专业人员的责任心培养工作，以此为基础进一步提升综合素质的可靠性，从而更好地推动金融行业各项经济管理工作的有序进行。其次对金融行业相关人员进行的专业技能培养，是金融业应对大数据时代的智力支撑。可在实践中不断优化日常管理工作，加大对人员的技能培训，提高员工队伍的专业度。而针对理性思维的培养需要金融行业从各个角度进行全面管理，从金融行业本身对日常管理工作的理想设想中得以优化，包括人员的调动、资源的有效整合利用等方面，都应从增加客观理性的角度去加以讨论。

38、从而优化金融行业专业人员应对大数据时代的综合能力。5.4加强结构化信息完整度银行业作为金融业的重要组成部分，在日常交易中可获得大量的客户数据信息，但由于此类信息大多数来自于内部数据系统，所以在对决策实施及作为管理依据时往往很难得出全面的客观结果。因此，银行应该最大限度将内部数据与外部数据间的壁垒打破，获取更综合性的数据，以支持银行对客户营销方案作出个性化调整。但是银行想要获得所有的大数据是很难的，因此银行可加大与大数据相关企业或平台的沟通与合作，获取更多的非结构化信息，以此加强结构化信息的完整度，获取全面有效的客户价值数据。5.5采取信息化运营模式应对大数据时代，金融行业各领域应积极建立各自专

39、门的数据库，顺应时代发展的要求，采取信息化运营模式，有助于各机构降低信息传递过程中可能发生错误事件的概率。诸如在商业银行的运营部门建立保存客户信息的专门数据库，匹配较高综合职业素养的专业团队进行管理，依靠互联网计算机等技术，规范化录入储存客户信息，并将工作过程采用信息化智能化等方式进行，积极促进金融行业信息化运营模式的向前推进。5.6完善大数据管理体系为促进金融行业持续向好发展，为应对大数据所带来的的一系列艰巨挑战，金融行业需针对这些挑战建立其相对完善的大数据管理体系，以提升对内外部数据的挖掘与处理能力，以此提高对风险的管理水平，为金融业在大数据时代中的发展奠定良好基础。5.6.1大数据工作管

40、理体系加以完善为促进金融的健康有序发展，各金融机构应加强对大数据价值的认知，逐步形成各机构大数据工作管理体系，并以此构建不断完善的大数据工作机制系统。并努力发挥各机构数据运营部门的职责功能，有效整合管理来自内部和外部的数据资源。其他相关部门并加以配合工作，做好数据的采集、分析、整理、应用等工作。实现大数据工作管理系统的高效运行。5.6.2提升数据挖掘与分析运用能力此举是从金融业的数据人才培养方面实施举措，通过加强对金融数据人才的培养及人才团队的管理，已取得对更深层次数据的挖掘和分析处理。提高利用大数据创造价值，辅助决策的思维意识。引导金融机构在日常业务运营中对数据的使用积极性，提高金融机构的运

41、管水平。5.6.3建立基于大数据分析的定价体系在每个交易日金融机构都会产生大量的资金流通，使得变动率升高，不免影响到金融业的整体发展状况。因此应在全局观念下利用大数据分析的定价系统对负债波动状况进行预先判断，对贷款需求变化程度的合理性进行预测。从而促进资金成本不断减少。同样，诸如商业银行还需构建大数据信贷差异化定价分析体系，以影响对客户的个性化、差异化服务,提高机构本身的服务营销能力。5.6.4促进风险管理水平的提升面对信息不对称这一时代难题，大数据时代的到来为此提供了良好的解决方案。帮助银行提升了发放贷款前后的风险预测能力，大大加快了提前感知风险的预警能力。借助大数据时代的风向,多元化信息得

42、以充分采集及利用，在对客户信用等级评定等方面提供了更为全面的数据信息。使得金融机构降低了信贷风险，为客户提供授信服务。结 论研究表明，金融业在不断发展中逐步适应大数据时代的“4V”特征。文章论述了在大数据时代未来的金融体系将具有数据来源更多样化、数据分析综合性增强、客户服务更具个性化、决策更加依靠数据分析结果等多种发展趋势，并指出在通往大数据时代之路上金融业将面临来自整体能力、数据综合分析能力、信息安全风险监管等方面的挑战。最后也给出了在大数据时代中金融业发展的应对策略与建议。综上所述，大数据时代在为金融领域的发展提出一些挑战的同时，也为金融行业的合理有序发展，提供了强大的动力支持。对此，金融

43、领域的从业人员，需要更加积极地参与到大数据分析技术与金融产业的融合发展工作中，为现代化金融领域的高效稳定发展，提供更加科学有效的动力支持。努力创新数据管理服务系统平台，完善大数据信息安全系统，为客户提供更具个性化的服务。这些研究结果将不仅为金融业未来发展提供现实有效的指导意义，也将为新金融理论的拓展奠定基础。致 谢本论文是在搜集大量材料、规范研究和比较分析的基础上形成的。在论文的写作过程中我曾遇到了无数的困难和障碍，最终都在同学和老师的帮助下得以解决。在论文即将完成之际，我要强烈感谢我的论文指导老师翟正猛老师。翟正猛老师从论文选题、资料收集、框架体系的构建到论文文稿的审阅，都给予了我耐心的帮助

44、和悉心的指导，并且在百忙中给我提出了修改意见。翟老师严谨的治学态度、广博的知识、高度的责任心、平易近人的品德也深深地感染和鼓舞着我，将使我受益终身。在此，我向指导和帮助过我的老师们表示最衷心的感谢!同时，我也要感谢本论文所引用的各位学者的专著，如果没有这些优秀学者的研究成果的启发和帮助，我将无法完成本篇论文的最终写作。至此，我也要感谢我的朋友和同学，他们在我写论文的过程中给予我很多有价值的素材和建议，也在论文的排版和撰写过程中向我提供热情的帮助!金无足赤，人无完人。由于我的学术水平有限，所写论文难免有不足之处，恳请各位老师和同学的批评与指正！ 参考文献1刘晓曙.大数据时代下金融业的发展方向、趋

45、势及其应对策略J科学通报,2015.60(21)2李琳娜.大数据时代金融业发展趋势与挑战J北方经贸,20153赵雪君.大数据时代下金融科技推动实体经济发展研究J.当代经济,2018(19)4雷晨宁.大数据时代金融业面临的机遇和挑战J商场现代化,2015(13):164-1645郝丹场.浅谈金融大数据的机遇与挑战J.时代金融，2015.(11)6梁栋.浅谈大数据下的互联网金融创新发展模式J.纳税,2017,(35)7罗瀚靖.大数据时代下金融业的状态与发展趋势研究J.知识经济,2017,(22)8宫晓林.互联网金融模式对传统银行业的影响J.金融实务，2013（5）9曹胜.互联网金融对商业银行的影响

46、及对策J.金融纵横，2014（6）10施青华，刘兰娟.互联网金融模式研究进展J.上海金融，2015（8）11刑译文.中国互联网金融模式研究D.吉利财经大学，201612程鑫.互联网金融体系面临的机遇与挑战J.上海金融，2014（11）.13郑联盛.中国互联网金融模式、影响、本质与风险J.国际金融评论，2014（05）14姜抒扬.大数据背景下互联网金融价值创新的探讨J.商场现代化,2014(7)15孙浩.金融大数据的挑战与应对J，金融电子化，2012,(7)16Woodard J.Big data and Ag-Analytics: An open source, open data platform for agricultural & environmental finance, insurance, and riskJ. Agricultural Finance Review,2016, 76(1):15-26.17Seth, Taruna , and V. Chaudhary .Big Data in Finance.Big Data: Algorithms, Analytics, and Applications. 2015.