基于大數據理念構建金融分析平臺

課題組

摘 ? 要：隨著基于數據的價值發現過程時代的到來，針對成幾何倍增長的海量數據，傳統分析手段已難以適應新形勢的需求，而經過互聯網、云計算等基于大數據理念的信息化處理方式，在挖掘信息價值、創新金融服務、開拓市場需求等方面體現了很強的競爭力，創造著重要的業務價值。在這樣的時代背景下，建立金融大數據分析平臺不僅將為央行健全完善決策管理體系提供參謀支撐，更能在今后結合傳統金融重構金融體系中發揮巨大價值。

關鍵詞：大數據;金融分析平臺;統計分析

中圖分類號：F830.31 ? ? ? ? ? ? ? ? ? 文獻標識碼：B ? ? ? ? ? ? ? ? ? ? 文章編號：1674-0017-2015（9）-0032-06

當今數據正以前所未有的速度在不斷地增長和累積，受全球信息化、需求多樣性、云計算和物聯網等信息技術發展的推動，全球數據增長超越了歷史上任何一個時期。據IDC研究報告中指出，2011年全球數據總量為1.8ZB，預計到2020年將增至35.2ZB，年均增長率超過40%，《福布斯》分析指出全球90%的數據都是在過去2年中生成的。在這種背景下，2011年麥肯錫全球研究院發布的研究報告中，首次正式提出“大數據”一詞，從經濟角度講解了處理這些數據能夠釋放出的潛在價值，從而引發全球對大數據的關注。

大數據是信息技術與互聯網產業發展到特定階段的產物，從互聯網到物聯網，從云計算到大數據，信息技術正在從產業基礎走向產業核心，特別是在大數據技術支持下的互聯網金融持續快速增長，打破了金融行業的壟斷，促進了互聯網金融信息的交流和共享，提高了資源配置效率。隨著阿里集團等一批涉及互聯網金融的企業先后上市，使移動互聯網、大數據、金融日益成為社會焦點，對傳統金融業形成沖擊的同時也帶來重要的發展機遇，使金融企業能利用大數據對大量的數據信息進行分析，從中發掘出有用的信息，從而優化網絡，實現精準營銷。同樣，央行等金融監管部門也能通過對大數據進行分析、利用，從中提取出大量有利于科學決策的信息。因此，基于大數據理念，利用多渠道、多層面數據建立金融分析平臺，以數據為中心，包括數據的識別與獲取、數據的存儲與分析、數據的交易與決策等主要內容的數據驅動式的研究方式正成為一種新型的金融管理思路，對央行快速判斷宏觀經濟形勢、制定執行貨幣政策、及時改進金融服務具有重要意義。

一、國內外大數據政策建立狀況

2012年5月，聯合國發布了《大數據促發展：挑戰與機遇》白皮書，全面分析了各國特別是發展中國家在運用大數據、促進社會發展方面所面臨的歷史機遇和挑戰，并系統給出了在應用過程中正確運用大數據的策略建議。該報告指出，大數據對于各國政府而言不僅是一個挑戰，更是一個歷史性的機遇。各國政府可以使用極為豐富的數據資源來對社會經濟進行前所未有的實時分析，幫助政府更好地預測經濟運行。

（一）美國及歐盟。2012年3月，美國宣布投資2億美元啟動“大數據研究和發展計劃”，這是繼1993年美國宣布“信息高速公路”計劃后的又一次重大科技發展部署，將“大數據研究”上升為國家意志?；ヂ摼W、大數據以及云計算技術正在成為美國產業和商業國際競爭力的一個主要推動技術。信息革命成為美國經濟、管理和技術創新的一個主要渠道。而技術和管理創新是近年來美國勞動生產率增長的一個主要來源。英國商業、創新和技能部在2013年初宣布，將注資6億英鎊發展8類高新技術，其中對大數據的投資即達1.89億英鎊。法國政府在其發布的《數字化路線圖》中表示，將大力支持“大數據”在內的戰略性高新技術，法國軟件編輯聯盟曾號召政府部門和私人企業共同合作，投入3億歐元用于推動大數據領域的發展。在第二屆巴黎大數據大會結束后，法國宣布將投入1150萬歐元用于支持未來7個投資項目。

（二）日本及印度。2013年6月，日本公布新IT戰略——“創建最尖端IT國家宣言”?！靶浴比骊U述了2013—2020年期間以發展開發公共數據和大數據為核心的日本新IT戰略。在2012年初，印度聯邦內閣批準了國內數據共享和開發政策，印度全國軟件與服務企業協會預計，印度大數據行業規模在3年內將達到12億美元，將是全球大數據行業平均增速的兩倍。

（三）我國政府2012年批復“十二五國家政務信息化建設工程規劃”。2014年，上海市印發《2014年度上海市政府數據資源向社會開發工作計劃》，推動各級政府部門將數據對外開放，并鼓勵社會對其加工和運用。2015年2月，廣州通過運用大數據，對前兩年銷售量、庫存量、價格走勢等各項指標進行分析，決定繼續實施樓市限購政策。

二、建立央行金融大數據決策分析平臺的重要意義

金融大數據分析平臺可通過可視化分析、數據挖掘算法、預測性分析能力、語義引擎、數據質量和數據管理等技術手段，根據不同的信息需求快速獲取最有價值的決策應用數據。

（一）有助于快速判斷宏觀經濟形勢。央行制定貨幣政策過程中，宏觀經濟形勢的判斷是決策的最核心依據，但以往的宏觀經濟形勢分析要依賴統計部門的層層上報，必須依托各行業管理部門的行政流程，各類數據的統計一般有數日乃至數周的時滯，綜合分析報告甚至需要數月的時間，不僅時效性難以適應國際化、信息化大背景下經濟金融飛速發展的節奏，而且精確性也難以達到現代金融管理日益專業化的需求。

同時，根據麥肯錫發布的不同行業應用大數據技術潛在價值評估圖可以看出，隨著大數據在各大行業的不斷滲入，通過關聯分析將會使得金融大數據分析平臺反映出全面、立體式的結果。平臺中廣泛涵蓋涉及國家和地方經濟發展中社會消費數據、財政收支、固定資產投資、農業數據、工業數據、居民收入數據、物價變動數據、信貸投放數據、糧食儲備、勞動力資源、大宗商品價格等各類數據融合，并充分考慮國際形勢、在線商品價格、市場預期、社交網絡和貨幣政策的時滯效應等各方面相關數據，將這些結構化和非結構化的數據轉化為決算模型，獲取最新的經濟運行情況，更加有利于快速、合理地制定和實施貨幣政策。通過金融大數據分析平臺建立，可獲得經過關聯分析和趨勢分析的國家產業政策、行業政策、財政政策等實施效果的模型、房地產產業發展趨勢相關模型、產業發展等相關模型分析結果，有助于準確掌握經濟發展規律和經濟特點，把握好對地方金融宏觀調控的方向、重點和力度。

（二）有助于提高對整體經濟金融運行狀態的分析判斷能力。通過金融大數據分析平臺將經濟金融發展中各主體變化、國際經濟金融形勢等要素進行同步聯動并成為傳感器，使得金融調控政策在定向上更加精準，從而提高經濟金融運行分析判斷的準確性和精確性，協助快速形成新的適應新常態發展的宏觀經濟政策。以阿里集團為例，目前擁有的大數據超過30PB，約有800名員工從事大數據相關的工作，大數據在幫助其分析各類內外部數據，尋找其中的金融創新機會中發揮了非常重要的作用。而同樣央行建立金融大數據分析平臺，可以進行貨幣政策實施效果的監測管理，無論是物價、經濟發展、就業、國際收支等，并通過各種傳感器來提高政策制定的靈活性和針對性，實施統一貨幣政策下更加有針對性、精細化的差別化執行措施。同時，較傳統的數據應用于金融監管模式，圍繞金融機構管理、金融業態發展、宏觀調控等多方面關聯、趨勢和協同分析的大數據分析平臺，可以實現更加具有實時性、針對性的監管數據分析，而且更加準確和安全。

（三）有助于引導金融資本推動“三產融合”下農業產業化發展。我國政府和央行一貫高度重視涉農金融的支持力度，建立了包括涉農貸款監測等一系列研究分析制度，并通過支農再貸款等手段給予有力的政策支持。但由于支農信貸管理機制以及農村金融服務單一化導致支農信貸粗放式管理，與農業產業發展新形勢不適應。大數據分析平臺應用下，可以深入農業產業鏈各節點、各環節需求，準確把握資金需求市場，利用金融機構多年的數據積累以及外部數據接入融合，充分整合數據傳輸鏈條上的各方數據并進行有效分析，實現對農業發展中各產業鏈資金需求動態的掌握，使得支農金融資本將從“以規模為中心”向“以個體為中心”轉型，支農信貸管理模式將從“粗放型”向“精細化”轉型，增強政策制定、實施的針對性、有效性和資本的調配效率，以確保金融資本推動“三產融合”下農業產業化發展政策落到實處，滿足開放、普惠、創新的新金融時代要求。

（四）有助于確保市場活力的前提下推動互聯網金融健康發展。隨著互聯網金融的快速發展，金融生態系統正從一個相對區隔的、模塊化的工業時代向一個融合的、動態的、分子化的數據時代轉型。針對互聯網金融與傳統金融的本質差異，監管模式向“大數據監管”轉變，可實時監控社交網站、搜索引擎、物聯網和電子商務等互聯網金融中各參與主體和組成要素，跟蹤分析互聯網金融主體變化及行為變化等多方面信息，對互聯網金融運營狀況進行預判，建立起互聯網風險預警機制，既可以掃描出“分業監管”中存在的真空地帶，有效防范各類風險，特別是防范金融風險的交叉傳染，又可以鼓勵互聯網金融創新，激發傳統銀行市場活力。

（五）有助于進一步完善征信系統，推動融資便利化。人民銀行主導的征信體系建設近年來在降低金融機構調查成本、維護金融機構權益、便利群眾融資、加強金融監管等方面發揮了重要作用，但其數據來源單一、評價模式固化、失誤難以修改等問題也逐步凸顯，而互聯網金融中“大數據+云計算”的運用，可以從整個互聯網的大數據庫中搜集數據，進一步完善央行現有征信系統。一方面大數據支持下的金融業信貸評級分析，在獲取相關客戶信息方面更為詳細精確，例如可參考如客戶交易記錄、交易習慣、資產狀況，甚至消費水平、投資偏好等，以便更有效地進行風險管理。另一方面，大數據支持下的金融業風險管理具有很強的動態性與實時性，可以通過基于注冊用戶的大數據平臺建立動態風險控制模型，對每一貸款人的貸款風險進行實時測算和評級，并且隨著貸款人的實際貸款類型及還款情況、消費情況、資金流向，自動調整風控數據及評級，及時作出預警。同時，與原先被動接受金融機構提供數據的傳統征信管理相比，大數據支持下的征信系統是主動開展數據搜集的，正好彌補了傳統征信體系建立過程中對小微企業及創業者、個體工商戶等群體數據采集不足的缺陷，借力于大數據挖掘技術，對收集的信用信息加以分析整合，就能切實為小微企業提供更便利的金融服務，緩解融資難的問題。例如阿里小額貸款也高效地利用了阿里巴巴、淘寶、支付寶等電商平臺，不斷積累客戶消費數據、行為數據及資信數據，并通過交叉檢驗技術輔以第三方認證確認客戶信息的真實性，將客戶在電商平臺上的行為軌跡映射為信用數據，結合風險控制數據模型，并最終給予一定限額的授信額度。根據有關調查，傳統商業銀行貸款額度平均為150萬元，審批周期最快3天，不良貸款率為2%-3%。而阿里小額貸款額度為平均4萬元，審批周期最快只需要幾分鐘，不良貸款率小于1%。僅2010年成立至2012年8月底，阿里小貸共發放貸款便超過300億元。盡管與銀行的貸款業務相比仍然微乎其微，但阿里小貸效率更高，可實時在線放貸，且不良貸款率很低。這種高效放貸的基礎，正是基于阿里巴巴平臺上的交易大數據挖掘。我們已經看到，依托于“移動互聯網+大數據+云計算+電子商務”技術，互聯網金融已經在小微領域取得了大數據挖掘所帶來的征信優勢，對傳統征信體系是極其有益的補充。

三、面臨的挑戰

（一）對數據來源、標準的整合和統一存在一定難度。大型數據資源通常是分散的、異構的，而且由于數據量非常之大，數據完全獲取的方式顯然是不可能。這一方面需要探討所訪問的互聯網資源的類型、數據成分、網絡接口限制等特點，正確分析其影響，建立符合大規模網絡數據資源特性的科學統計模型;另一方面通過強大的數據庫和信息軟件和硬件建設作為金融大數據分析平臺的技術支撐，同時逐步制定全國范圍內金融行業統一數據標準。目前，缺乏建立金融大數據所需技術、安全、管理、應用、模型等多個角度的基礎性、方法性和公共性的標準，因此構建統一的金融大數據標準體系是建立金融大數據分析平臺必須完成的階段性工程。

（二）信息安全和隱私保護問題。金融大數據分析系統中涵蓋數據涉及各行各業，特別是金融行業掌控國計民生的經濟命脈，金融大數據存儲、傳輸、應用等各環節安全尤其重要。國內外曾屢次發生的上千萬客戶信息泄露的事件，如2013年國內某保險公司受黑客攻擊，造成數十萬保單信息泄露;2012年，詐騙集團曾攻擊歐美至少60家銀行的網絡，盜取銀行資金，使得大數據安全成為阻礙大數據大規模鋪開的一個重要原因。

（三）專業人才問題。我國央行有處理數據的經驗和人才，數據分析和計量模型技術在宏觀政策實施和執行中已得到運用，同時也培養出計量分析技術的人才。但是從大數據使用角度來看，由于分析方法從基于概率論的抽樣理論過渡到人工智能、統計學習等講求高維、高效率的分析技術，各層級部門面臨著具有在分析或技術領域擁有高等學歷、擁有大型數據集方面的實踐經驗、熟悉數據發掘工具、具備優秀的數學及統計學工作經歷、能夠清晰理解并規劃以目標為導向的大數據技術方案等方面能力的復合型人才緊缺的局面。

四、建立金融大數據分析平臺應用策略

英國央行已經將大數據引入貨幣政策模型，開始運用大數據對英國房地產市場和勞動力市場趨勢作出快速判斷，如對非傳統數據——互聯網及社交網絡中的非結構性數據加以分析，洞察英國經濟起伏的早期跡象。這對我國在貨幣政策決算體系中引入大數據，建立金融大數據決策分析平臺具有很大啟示意義。

（一）推進數據融合。數據將是金融行業發展最重要的資產，也將是國家宏觀調控的有力抓手，而且隨著數據產業的發展，將會變得更有價值，但封閉的數據環境會阻礙數據價值的實現。發展金融大數據平臺，需打破傳統的數據源邊界，注重整合涉及到金融市場主體、財政、海關等部門下的海量數據、社交網絡等線上和線下數據來源，通過各種渠道獲取盡可能多的數據和資訊。首先要整合金融機構數據獲取渠道，充分發揮基層人民銀行監管的作用，增強對金融機構發展的關注，建立良好的數據來源渠道。其次是注重數據獲得方式的發展，將各類數據分析統計系統融合，建立成為與傳統統計數據并行的宏觀經濟分析渠道。三是將金融業內部數據和外部統計數據互聯，獲得更加完整的分析視圖，打破“畫地統計”的壁壘，全面整合海關、財政、交易所、金融市場主體等機構擁有的結構化與非結構化數據，實現共同范圍內的數據共享，并進行更高效的決策信息管理。四是注重新媒體渠道的輿情監測，在風險事件爆發之前就進行及時有效地處置，將風險降至最低。

（二）增強大數據的核心處理能力。傳統的信息和數據處理主要依靠序列處理技術：計算機內存要能夠讀完所有數據，依次進行必要的數據處理，然后進行統計或數學運算。大數據則依靠平行處理技術，它不必同時讀完所有數據，而是可以分別同時提取部分數據，在對部分數據匯總的基礎上，做出統計和數學運算。由于這個特點，首先應強化大數據的整合能力，這不僅包括金融業發展數據整合，更重要的是與大數據鏈條上其他外部數據的整合。其次是增強數據挖掘與分析能力，利用大數據專業工具，建立業務邏輯模型，將大量非結構化數據轉化成決策支持信息。例如在建立包括金融與非金融體系的宏觀大金融數據系統基礎上，建立并篩選宏觀貨幣供求、微觀資金流通、資本市場交易、國際收支體系、實體經濟發展內部及各體系間關系的各種關聯模型，建立篩選反映這些體系內外部均衡的關鍵指標體系及各指數的安全邊界值，并在條件允許的情況下進行連續的情景模擬和壓力測試，動態測試金融體系內部以及金融與實體經濟關系的現狀，及時預測經濟金融發展可能趨勢，并發現風險苗頭，制定相應政策及政策組合。三是加強對大數據分析結論的解讀和應用能力，關鍵是打造一支復合型的大數據專業團隊，團隊不僅掌握數理建模和數據挖掘的技術，還要具備良好的經濟、金融分析能力，并能與各部門業務條線進行充分地溝通合作。

（三）加強風險管控，確保大數據安全。大數據能夠在很大程度上快速提供決策信息，為央行宏觀經濟判斷和分析管理提供更有效的手段，但如果管理不善，“大數據”本身也可能演化成“大風險”。大數據應用改變數據安全風險的特征的同時需要建立新的管理方法，進行統一監控和治理。為確保大數據的安全，應抓住兩個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業自我監督和技術分享;二是加強與內部各部門在數據安全和數據使用方面溝通和管理，提升管理人員的數據安全意識，形成大數據風險管理的合力效應。

五、建議

（一）建立完善的大數據工作認證、管理、組織體系，確保央行掌握主動權。充分認識到大數據分析、運用的重要性，從管理體系建設、具體運用模式方面不斷探索，深化金融大數據的重要作用。分層級建立大數據工作推進機制，制定大數據工作規劃，組織建立主管數據部門，并對大數據工作進行統籌規劃、組織協調、集中管理，明確職責部門承擔大數據采集、分析和應用等工作，全面定義、收集、多方式整合各類內外部金融數據，形成授權認證、管理數據、使用數據的有效工作機制。

（二）創新優化風險管理模式。構建金融大數據分析決策平臺可以全面整合國家發展的多渠道、多層次、多階段的經濟數據，相應地會對風險管理模式提出挑戰，應協調大數據鏈條中的所有機構建立全面風險管理體系，進行統一監控和治理，與各參與者在數據安全和數據使用方面加強溝通，提升參與部門數據安全意識，形成大數據風險管理的合力效應。

（三）接入和整合互聯網金融數據資源。隨著電商信息流和金融流的融合，逐步實現金融化后，以阿里巴巴、蘇寧云商為代表的互聯網金融快速發展，成為金融市場新興主體?？紤]到互聯網支付下大量真實的用戶信息和交易數據，互聯網金融數據的全量在線和多樣化產生的風險以及互聯網數據不同于傳統的數據面向經營指標、面向群體，而是完全瞄向個體，數據結構精準于個體的特征，應嘗試接入互聯網金融市場數據資源，以利于風險防控和金融市場運營監控。同時，推動《互聯網金融監管條例》出臺實施，以法律的形式保證央行執法權和管理權，確保具有接入和整合外部數據資源的法律支撐。

（四）建立人才培養新模式。推動建立金融大數據分析平臺必須筑牢人才基礎。應結合“人崗匹配”思維，準確、有效地引進人才;建立人才培養新模式，通過校行合作、專家講座、加大崗位交流力度等方式，結合崗位職能特點加強對數學、統計學、信息技術等多方面知識的培訓，促使人才管理模式升級，培養綜合型人才隊伍。

參考文獻

[1]戴穩勝.基于大數據理念構建經濟金融管理體系[J].理論視野，2013，（12）：33-34。

[2]賈鴻飛.大數據時代銀行業的機遇與挑戰[J].中國金融電腦，2012，（12）：25-29。

[3]李東榮.大數據時代的金融人才培養[J].中國金融，2013，（24）：9-10。

[4]涂子沛.大數據：正在到來的數據革命[M].廣西：廣西師范大學出版社，2012。

[5]張毅菁.金融業面對大數據的機遇與挑戰[J].中國外資，2013，（9）：46-47。

Constructing the Financial Analysis Platform Based on the Concepts of Big Dada

Research Group

Abstract：Along with the arrival of the era of the value discovery process based on the data， aiming at the huge amounts of data which geometrically multiple， the traditional analysis means have been difficult to meet the requirement of the new situation. The information processing methods based on the concept of big data such as through the Internet， cloud computing etc. reflect the strong competitiveness in such aspects as discovering the information value， innovating in the financial services and expanding the market demand and so on， which creates an important business value. Under such background， the establishment of financial big data analysis platform will not only provide the support for the central bank to improve decision-making management system but also play a great value in combining with the traditional finance and restructuring the financial system.

Keywords： Big Data; financial analysis platform; statistical analysis

責任編輯、校對：申建文