大数据对金融IT服务商提出新要求

摘 要：大数据环境下数据来源非常丰富且数据类型多样，存储和分析挖掘的数据量庞大，对数据展现的要求较高，并且很看重数据处理的高效性和可用性。本文着重介绍大数据对金融IT服务商提出新要求。先后从大数据含义及相关技术、银行金融层面技术要求等简介。顺应大数据发展趋势的金融IT服务商才能拥有和保持长期的核心竞争力。

关键词：大数据 金融IT 服务商

中图分类号：F830 文献标识码：A 文章编号：1672-1578（2017）01-0047-02

1 简介

根据IDC（Internet Data Center）最近一项研究显示，在Facebook上每20分钟就有100万个新链接被分享，1000万条用户评论被。来自硅谷动力的报告显示，所有企业每天的信息存储量高达2.2ZB。其中大型企业平均每家产生的信息量达10万TB，而中小企业平均每家产生563TB的数据量。所有研究都表明，未来数年数据量会呈现指数增长。根据麦肯锡全球研究院（MGI）估计，全球企业2010年在硬盘上存储了超过7EB（1EB等于10亿GB）的新数据，而消费者在PC和笔记本等设备上存储了超过6EB新数据。如此多的新书记根本不可能全部存储下来。

我们是不是已经进入了大数据时代？答案是肯定的。然而，到目前为止，仍没有清晰说明“大数据（big data）”内涵和外延的科学定义。有资料称大数据指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。而国金证券研究机构给出了这样的定义：海量非结构化数据本身+处理方法即使大数据。简言之，就是从各类数据中快速获取信息就是大数据。大数据具有：海量、多样性、高速、易变性特点。即数据体量巨大，从TB级别，跃升到PB级别；数据类型繁多；价值密度低，商业价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将这四大特点归纳为4个“V”――Volume，Variety，Value，Velocity。

2 大数据相关技术

大数据带来的不仅是机遇更是挑战。传统的数据处理技术已不能满足数据处理的要求，需要新一代信息技术应对。我们把大数据技术归结五大类：

（1）基础架构支持：主要包括为支撑大数据处理的基础架构级数据中心管理、云计算平台、云存储设备及技术、网络技术、资源监控等技术。

（2）数据采集技术：除了各类传感设备设施外，主要涉及到的是数据的ETL（采集、转换、加载）过程，能对数据进行清洗、过滤、校验、转换等各种预处理，将有效的数据转换成适合的格式和类型。

（3）数据存储技术：对数据进行存储归档一般可采用分布式文件系统和分布式数据库的存储方式，除此之外，还需提供备份、安全、访问接口及协议等机制。

（4）数据计算：大数据技术的核心就是计算。如：数据查询、统计、分析、预测、挖掘、图谱处理、BI商业智能等各项相关的技术都可统称为数据计算技术。

（5）数据展现与交互：除了采用传统的报表、图形之外，我们还可以结合现代化的可视化工具及人机交互手段，如Google眼镜等增强现实手段。

3 大数据对IT金融服务商提出新要求

3.1 了解银行

国内银行储蓄中，仅个人活期存款就有40万亿。资金闲置是不利于经济的发展的。如果将这些资金利用起来，比如作为创业融资理财，通过金融手段和技术，则可以打开一个潜在的崭新市场。的确，与欧美同行相比，中国银行业的强势，主要依赖于国家政策；他们本身的业务能力差强人意。正因如此，深谙金融的IT企业，将大有所为。

Pitcher（SAP亚太及日本区高级副总裁兼金融服务总经理）表示：传统上来说，数据管理并不是银行的最强优势所在。但大数据有四个方面的运用，非常值得国内银行用户关注。“首先是单一客户视图。第二是实时的客户信息分析和智能利用，从而为客户推送相应的、最适用于他们的产品和服务。第三是基于风险的定价。这里指的是基于客户的风险定价，而不仅仅基于账户。第四是基于组合的定价。这对中国银行业用户来说，特别有意义。因为中国现在正在进行利率放开等新改革措施的尝试。

3.2 金融服务业务相比于前两年有哪些最新变化

从整个金融服务的这块业务发展来看，主要体现出三大趋势：首先是整个金融服务业越来越以客户为中心。第二是金融用户越来越追求运营效率的提升。第三就是风险管理的需求越来越大。随着利率市场化步伐的加快，金融行业对大数据技术的需求显得急迫又保定。显然，通过数据分析模型准确判断出诸如信用风险、操作风险、市场风险等，一点点风险的降低，对银行而言则是一笔不小的利润。

3.3 大数据对金融IT服务商提出新要求

（1）对行业要有深刻的理解：尤其是对行业客户本地特征的把握，这些经验对金融IT服务商的大数据产业经营思路起着主要推动作用。

（2）大数据平台需要专业化：Hadoop平台过于技术化，对开发人员要求太高。Hadoop是一个分布式计算的架构，它在数据管理和使用方面存在一些问题，需要从解决方案的层面去解决。一个完整的大数据平台不仅仅是Hadoop，单用Hadoop难以搞定太多需求。它用Hadoop集合很多传统的关系数据库以及其它技术综合起来的完整解决方案，才能实现客户对数据管理和使用的需要。

（3）走在客户需求前面的能力：现在的金融行业客户有时是没有办法向IT服务商提出具体要求的，因此就要求IT服务商必须具备走在客户需求前面的能力。比如神州数码在给建设银行做“房贷资产证券化”的业务系统时，就遇到了这样的经历。

（4）关注数据仓库及风险业务：对数据治理要有着极深的理解，逐步形成自己的数据标准体系、数据质量管理流程等。通过挖掘和分析客户的各种交易信息，可以通过决策分析而最大化的提高企业销售利润。大数据的商业价值可以由两方面得到体现：一是这种方式可以快速定位到高价值以及高潜力的客户群，将相应的金融产品进行准确的营销；二是利用高性能分析挖掘还可以进行反欺诈分析，降低企业的运营风险。

（5）建设智能一体化营销服务体系：围绕银行的转型，需抛弃以前“以账户为中心”的模式，建立以“客户关系”为中心模式，对银行核心系统、营销系统及风险管理系统等做渗透性分析，更全面精准的为银行客户提供相应的服务。

（6）力争站在产业链的顶端：站在产业链上端，这是所有国内金融IT企业的理想。由于数据成为核心资产，对数据的掌握，导致了对市场的支配，同时能获得巨大的经济回报。贴近用户需求，与客户一起成长，经历多年沉淀，一直持守并明晰其主营业务等等因素，使得金融IT企业在大数据时代的胜算更高。

4 结语

本文首先对大数据含义即相关技术加以概述，其次从银行、金融层面加以分析得出大数据对金融行业提出更高的要求。最后，面对大数据，金融IT服务商应该比金融更懂金融，比IT更懂IT，比电信更懂电信，比行业更懂行业。