大數據技術在金融統計分析中的應用

張夏彧

在信息化迅猛發展的今天，我國金融行業也相繼進入到了大數據時代。通過金融數據分析深化大數據技術應用，能夠全面強化金融統計服務水平和能力，為后續宏觀決策的開展作出理論信息支撐，同時也為金融政策制定帶來更多的參考依據。因此本文首先針對傳統金融統計的不足之處展開探討分析，并以此為基礎提出在金融統計分析中應用大數據技術的實踐策略，希望為相關人員帶來一些參考。

近些年，信息技術在我國各個行業中獲得了跨越式發展。而金融本身屬于數據密集型行業，其中的數據來源體量增速相對較快、數據體量相對較大，而日漸龐大的數據總量也對未來金融行業的發展帶來了影響，其同時也對數據的應用、統計作出了更高標準的需求。對于金融統計而言，其是銀行針對金融風險展開識別的前提和基本。在大數據時代日漸到來的今天，金融統計工程的后續開展也逐漸展露出來，其具體體現在金融數據分析結果與社會群眾的基本需求無法符合，最終得出的統計報表也僅是較為基礎的數據匯總，并無具象化的數據顯示，無法充分展現出金融市場的波動性發展走向。

一、大數據意義

從本質上講，所謂大數據其實際上指的是體量十分龐大，同時無法運用傳統數據庫工具作出管理的數據合計。對于大數據概念而言，其本身可以在總體上劃分為理念、技術、現象等多個層次。第一，通過大數據這一概念，闡述了在信息時代到來后，出現了龐大數聚集的根本情況。這一情況具體表現為四個特征：首先是數據體量相對較為龐大，其本身是大型數據的集合。第二，是處理速度相對較快，即便數據量較為龐大，其也可以達成數據的及時處理。第三，數據種類相對較多，這其中包含許多結構、非結構性的數據，其很難依托傳統流程來針對數據開展處理和分析。第四，數據具備較高的真實性，大數據中較為重點的數據為非結構性數據，而并非經過加工的結構化數據。大數據具體指的是經由上述現象產出的，問題分析的范式及理念，這些對應的觀念與傳統的經濟、統計學范式有較大區別。

二、傳統金融統計不足之處

（一）數據采集和運用有待完善

對于銀行而言，其金融數據本身具備數據總量較大、數據屬性復雜的特點。但相較于我國一些電商所應用的數據采集系統而言，銀行實際應用的挖掘、采集形式依然相對落后，其中有極大部分的數據并未得到綜合應用和開展。當前階段，我國金融機構所做出的金融統計報表，大部分都是根據現階段銀行金融統計制度所制作出的有關報表，其實際報送的數據量相對較少、內容也缺乏深入性?，F階段，銀行基層統計人員在每個月份，都需要針對不同法人金融機構的數據展開錄入和核對工作。并由此為基礎創建出各類型的報表，工作量和工作內容相對較大，并且其重點更多地在數據采集工作中，而在開展數據分析和統計工作時，往往只是通過基礎的數據分析開展。與此同時，金融統計檢測管理系統的應用，也更多的僅是側重于對數據的匯總和分析，而系統本身的分析功能十分落后。

（二）非結構化數據有待利用

對于銀行而言，其中的數據利用工作，仍然只是簡單地局限在對結構化數據的應用中，其針對影音視頻文件、圖片等一系列非結構化數據工作的展開，并未形成較為統一式的數字化處理模式，同時也缺少多方位的智能展示和分析工作，同時也缺少非結構化數據處理工作能力。通過將結構性報表作為主體的金融統計工作展開，其實際在需求與產品之間具備一定的結構化矛盾。例如，在全國范圍內金融資源可以實現波浪式流動，但由于地區性行政區域的劃分情況，導致實際工作中的金融統計實行，往往只能遵循金融機構的屬地性原則展開統計工作，致使具備區域性特征的金融統計產品本身存在一定的局限性。有一部分本地金融機構面向外地發放的貸款會被統計在本地區，但外地金融機構面向本地區發放的貸款，并不會被計入本地，這也致使地區性經濟總量、金融總量之間的統計數據出現不對稱的問題。

（三）統計技術有待提升

現階段，我國各類型金融信息相對較復雜，而應如何在體量龐大的數據信息中，進行有價值信息的提取和分析，這對于統計技術而言是一種極大的挑戰。而依托大數據的應用，能夠確保銀行在數目龐大的結構、非結構化互相混合的數據類型當中，探索出一些傳統方式無法得到的針對性信息。同時人民銀行也需要通過數據可視化、挖掘等技術展開分析，為后續銀行的數據宏觀調控工作作出更加堅實的保障。

三、大數據技術在金融統計分析中的應用

在大數據時代逐漸到來的今天，傳統的單一化分析手段已經無法應對飛速增長的海量金融統計數據，同時較為單一的分析手段也已經無法順應時代發展的新需求，因此應從根本上強化金融統計分析工作中大數據技術的應用，從根本上強化金融分析的合理性、全面性。

（一）積極開展銀行內部建設

1.以大數據理念為核心，構建起金融數據決策分析工作運行平臺。始終遵循平臺建設理念，消除數據源邊界局限，通過這樣的方式達成外部、金融統計數據之間的互相連接，以此來構建起具備多方位、全面化的數據指導知識體系。同時促進金融市場、稅務等多個結構化數據間的融合，并積極落實內嵌政策，根據其發揮效果進行指標預測模型、評估模型等方面的聯系性分析和判斷，通過這樣的方式達成及時評估金融、產業政策效果的目的，在強化經濟金融運行狀況、完善調控政策研判能力的同時，也充分達成宏觀調控政策精準性的提升。

2.以大數據技術為基礎，強化數據的分析、挖掘基礎能力。通過大數據技術的應用，能夠將數據信息中大量的非結構性數據相應的轉變為決策支撐信息。立足于收集整合的基礎之上，構建起微觀性細節流通，以及資本市場交易關聯化模型，針對實體經濟發展狀況、金融體系狀況等展開動態監測，通過這樣的方式強化大數據的實踐應用和閱讀。通過大數據分析技術的實踐應用，全面強化金融發展指標預測過程中的精準性，在針對金融風險苗頭展開識別的同時，保障金融風險的預警以及識別工作的質量。

3.主動轉變金融統計傳統思維，積極開展統計隊伍建設。在這一過程中，應從深處意識到在金融數據統計工作中，傳統統計在關聯性、總體性方面的弊端和問題，充分意識到只有確保統計理論與大數據技術互相融合，才是促進金融統計面向未來長遠發展的總體趨勢，只有確保大數據能夠切實應用在金融數據統計工作中開展分析預測，才能從根本上強化統計工作的服務效能。除此之外，大數據時代的到來，也為金融統計工作者自身的知識結構作出了極大挑戰，因此必須強化人才引進工作的積極培訓，強化統計從業者的自身素質，才能確保在決策信息支持環節中，金融統計分析具備強大的作用。在實踐過程中，應積極引進從事大數據工作領域的專業化人才，尤其是針對一些工作于百度、騰訊等大數據企業的核心人才，可以被當作重要引進人才。此外，更應當通過引入數據領域的專家和人才，針對銀行內部的統計人才，開展專業性的學術討論以及專家培訓，使專業人才深刻理解大數據的核心思想，并將其應用在實踐工作當中。

（二）拓展知識圖譜技術應用

知識圖譜技術是谷歌公司在2012年發布的應用技術，通過將其作為搜索核心，可以使搜索引擎更加細致地探索出用戶查詢背后的語義信息，并相應地傳遞出更加精確、結構性的信息，以此來最大程度上確保用戶查詢需求被滿足。對于知識圖譜而言，其本身是具備結構化特征的語義知識庫，其本身由互相連接的實體和屬性共同組成，并且依托符號的形式來針對物理世界中相關的改變進行闡述。通過知識圖譜的應用，能夠將不同種類的信息鏈接共同構建為關系化網絡，同時以關系的角度入手，針對問題的方法和思想進行多元化分析，這是關系表示工作當中較為直觀化的方式。

金融行業本身就是一個以數據作為推動器的行業，其中金融數據的統計，更是會受到來自監管部門、金融機構等方面的充分重視。同時依托知識圖譜技術的應用，能夠針對數據量龐大、來源多樣化的金融大數據展開充分的整合和加工，這樣一種技術在未來金融行業的發展中，也起到了十分關鍵和重要的作用。

首先，銀行方面可以將知識圖譜技術運用在評估和風險識別工作中。大數據時代的到來也為不法行為提供了更多選擇，如今的金融欺詐方式越發多樣化，欺詐手段也十分隱蔽和專業，在應對這一問題時，傳統技術手段較為單一，并且具備相對較低的效率，但通過知識圖譜技術的應用，則可以確保借款人自身的行為、消費等信息數據展開協調性關聯縫隙，以此來達成針對借款人的多方面風險評估。

其次，也可以將知識圖譜技術應用在風險客戶、行業的預測當中。通過運用知識圖譜技術可以針對多個行業中的挖掘模型進行構建，以此來全方面展示不同行業之間的關聯程度，當任意行業發生行業風險，則可以針對所有具備潛在風險的行業展開預測，同時相關的金融、監管機構也能夠針對性做出預判，避免后續風險問題的出現。同時依托知識圖譜的應用，針對所有相關企業的網絡、第三方等多種數據進行協調和整合，并充分挖掘出不同企業之間的投資、股權等一系列關聯關系，通過這樣的方式降低企業暴雷問題的出現。第三，則是在金融穿透式關系識別當中應用知識圖譜技術。在當前這個各大金融業務結構密切聯系的大背景之下，不同類型的金融業務，包括資產管理、股權融資等業務呈現出飛速發展的形勢，同時其中的個體化金融風險，也會依托金融網絡的形式展開多方面擴散，這也可能導致系統金融風險的出現。同時依托網絡分析、知識關系圖譜等一系列大數據技術，能夠針對金融業務當中差異化產品、機構的結構關聯性進行塑造，通過這樣的方式構建起風險傳導關系模型，以此來達成穿透式風險識別的目的。

（作者單位：安慶師范大學）

結 語

對于金融業而言，其是具備典型特征的信息密集產業型部門，有極大部分信息，通過不同種類的數據形式展開存儲、記錄以及交換?，F階段，我國銀行正陸續開展金融業綜合統計工作，這樣致使金融統計活動越發艱巨。而依托大數據的形式展開金融統計工作十分關鍵。因此這樣意味著銀行方面應積極尋找自身問題，通過強化內部建設、拓展知識圖譜的拓展應用，確保我國金融統計分析工作的未來發展。