第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。我会从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；从对大数据的现在和未来去洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术，技术是大数据价值体现的手段和前进的基石。我将分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。
第三层面是实践，实践是大数据的最终价值体现。我将分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
1.2大数据的意义
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。
有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是成为赢得竞争的关键。
大数据的价值体现在以下几个方面：
1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销
2) 做小而美模式的中长尾企业可以利用大数据做服务转型
3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值
不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。
在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生:
1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。
3）分析所有SKU，以利润最大化为目标来定价和清理库存。
4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
5）从大量客户中快速识别出金牌客户。
6）使用点击流分析和数据挖掘来规避欺诈行为。
二、大数据框架下的金融风险管理
随着信息科学的发展和科技革命的爆发，世界开始进入“大数据时代”，通过数据分析创造价值已经成为大势所趋。对于很多金融企业来说，爆炸式增长的客户数据资源是一个亟待开发的资源。数据中所蕴藏的无限信息近况若以先进的分析技术加以利用，将转化为极具价值的洞察力，能够帮助金融企业执行实时风险管理，成为金融企业的强大保护盾，保证金融企业的正常运作，优秀的数据分析能力恰恰是当今金融市场最需要的创新关键所在。
2.1大数据产业金融发展现状
2.1.1大数据金融发展模式
随着大数据技术不断向金融领域渗透，大数据金融如雨后春笋般蓬勃发展起来。目前主要有六种发展模式：第三方支付、P2P网贷、传统业务网络化、大数据金融、第三方服务平台、众筹等模式。
2.1.2 大数据金融创新性
由于大数据金融带来的机遇，传统银行正在逐步开展线上小额高频现金贷款业务;大数据技术给互联网金融发展提供强有力保障，逐步建立互联网金融风控体系，促进第三方支付快速发展。
2.1.3促进传统银行转型发展
面对着大数据金融冲击，传统银行纷纷借助信息技术这一发展契机向智慧金融方向发展：银行逐步成立智慧金融部门，完善电子银行业务，拓展传统渠道体系;不难预测，随着大数据金融不断完善，银行业将面临着前所未有的转型发展。
2.2大数据在金融风险管理中的应用
在整个金融市场上，出现了一个有趣的现象。金融市场的核心是风险和定价，无论是债券、期货、大众商品、股票市场等均归纳于信用风险和市场风险。过去大多以财务数据为主，面对新经济行业的时候，大量的资产数据和财务数据的权重显得不是那么高的时候，我们如何用新的方法去对金融风险形成一个有效评估就是急需解决的问题。
在近几年的经济危机中，金融企业风险管理能力的重要性日渐彰显。抵押公司、零售银行、投资银行、保险公司、对冲基金和其他金融机构对风险管理系统和实践的改进已经迫在眉睫。要提高风险管理实践，行业监管机构和金融企业管理人员需要了解最为微小的交易中涵盖的实时综合风险信息；投资银行需要知道每次衍生产品交易对总体风险的影响；而零售银行需要对信用卡、贷款、抵押等产品的客户风险进行综合评估。这些细小信息会引发较大的数据量，金融企业可以利用大数据分析平台，实现分析，从而进行风险管理。
从2010年3月到2015年9月，整个制造业对GDP的贡献持续下行，同时服务业却正在上升。服务业上升的时候，大量的轻资产、高成长的企业兴起，大数据企业属于新一代信息技术行业，也在不断地兴起。在兴起过程中，如何用一种新的风险评估体系或者定价来描述企业价值，实际上是金融行业普遍遇到的难点。对于企业信用来说，当你的财务数据占据权重不是那么高的时候，从资产评估的角度来说，企业行为数据就变得非常重要。
什么是企业行为数据呢？其实就是企业行为画像，包括对企业历史沿革的描述、招聘环节、所有企业社交信息的描述等一系列的信息，构成了对企业风险识别的一些基础数据。这些数据本身就反应了企业风险，这就意味着大数据通过企业行为画像，贯穿到整个金融行业的风险管理。
对于新经济企业的风险描述，我们试图通过企业画像层面，通过企业行为分析，建立一个新的企业评级模型，提供可靠的技术方案，从而实现对中小型企业或者新经济服务型企业进行描述，这就变成了我们要解决的问题。
我们要解决什么问题呢？首先要构建新一轮模型，解决企业基础行为数据的问题，即企业画像的问题。在此基础上，还要解决企业征信的问题。企业征信的问题本质上来说是解决交易过程中，交易环境和交易信息不对称的问题。如果信息不一致，就可能产生风险。
在解决征信问题的基础上，利用公开数据和授权数据，跟银行一起解决评级问题。当我可以和你握手合作的时候，我需要了解你的企业信用等级是什么？然后才能进入市场风险层面，所有的市场风险定价都是基于内部评级或者外部评级而来的。大数据可以解决一个非常重要的问题，即动态的内部评级或者外部评级，这样才能够以更加客观的市场曲线去描述整个企业的资产价格。这些都完成之后，还要关注企业的操作风险，如果企业要去干一些危害国家安全的事情，比如：洗钱、非法集资等，我们也可以通过企业行为大数据去描述。
把这些从信用风险到市场风险再到操作风险进行完整描述之后，就形成了致力于用大数据解决金融问题的理念和路径思路，要建立基于企业行为的新的金融数据服务框架。
小微企业的风险考虑是当今金融的痛点，如何利用新的方法描述？在海量的数据中，不仅有公开数据还有授权数据以及合作伙伴相互交流的数据等等，这些数据如何在合规的框架下完成对痛点的解读，这构成了我们思考的问题，围绕这些问题从征信到金融市场风险和信用风险，并提出经济指数，去描述整个未来服务业和新经济的趋势问题。我们试图去理解大数据对过去痛点的解决方案，重新定义中小企业信用问题，并思考如何用新的方法产生变革，从而定义和实现金融服务的需求。我们依靠数据运营平台，又建立了相应的企业行为数据库，通过两者结合开发出具有跨时代意义的动态尽调解决方案。
而在动态尽调解的基础上，有着多年行业经验的专业评级团队开发出对轻资产高成长新经济企业的专门的风险评分及信用评级的解决方案。而借助于评级方案传出一一多维度风险因子，而我们与新华社合作打造了新经济企业相应债券定价模型，为新经济企业的债券定价提供了公允的基础。最终在以上所有成果的基础上率先发布中国新经济指数，致力于跟踪新经济产业的实施发展进程。
把大数据结合企业行为，建立新一代信用模型，从而解决企业本质上的评级模型问题，这是我们看到的宏观方向。通过内部评级，在动态评级的基础上，通过定义资产价格，完善整个定价模型，客观的还原了市场价格。
创新信用评估方法是基于企业行为数据开发全息式、模块化、可扩展的信用风险解决方案，在评估方法上具有颠覆性的创新。这种颠覆性的创新，是对企业的信用进行重新定义，即以企业行为刻画企业风险。以新经济企业为例，即高成长、轻资产、重研发投入的企业，这类企业的风险评估是中国金融体系甚至全球范围内所面临的一个难题。这样的企业按照传统的风险评估模型，需要资产信息但又无法得到。
利用企业行为数据（如企业投资方背书能力、资产信息等）代替他的资产信息，从而对去也信用进行重新定义，全息式、多模块、多维度刻画企业风险DNA，在方法上有众多优势。
大数据基于企业行为，为我们提供创新性解决方案提供创业思路，这也是大数据在金融数据当中的可取之处。
三、思考及展望
虽然大数据金融有非常好的发展前景，能够促进经济快速发展，但从风险控制角度分析，大数据金融还存在以下问题：
1. 风险处置期难操作：由于客户主题范围广、用户量大、交易频繁;则在风险处置过程中可能出现跨区域、跨市场、跨机构等连锁反应，清理整顿难度大。
2. 多种风险共存：不仅面临着传统金融的市场、信用风险，同时还存在法律风险和技术风险;尤其在经济下行期，中小企业经营难度加大，可能会出现债务违约，导致互联网金融平台不良率、逾期率上升，出现经营风险。
3. 互联网金融监管体系不够完善：目前，中国人民银行出具的管理办法和风险提示已经满足不了互联网金融监管需求，出现了种种问题。如大量非银行网络融资风险巨大等，希望加大互联网金融监管体系，建立和完善互联网金融法律法规，实现互联网金融稳定强健发展。
4、未来互联网金融发展方向
前面分析了大数据金融现状以及存在的问题，对于未来互联网时代大数据金融行业发展方向，可能会向这几个方向发展：
坚持以发展惠普金融不动摇：我国金融业近年来在普惠金融方面进行大胆尝试，并取得一定的成绩。互联网金融具有降低金融交易成本、扩大金融服务范围等先天优势，有效解决发展普惠金融面临的成本高、服务不均衡等一系列难题。
坚持服务实体经济不动摇：互联网时代下，大数据金融更应抓住我国经济结构调整及转型升级的机遇，提供安全有效金融服务;提高大数据金融供给对实体经济需求变化的灵活性和适应性。
坚持以合规审慎经营不动摇：金融业是经营风险的行业，尽管大数据金融在创新方面方便了客户，提高了交易量，但必须要合规，必须按照行业标准和监管规则，建立风控、反欺诈、反洗钱体系，切实提高信息安全水平。
坚持提升风控能力不动摇：大数据金融发展的关键是风控，因此要遵循金融基本规律，建立风险管理系统，制定有效内控制度，形成正确创新导向，最终使得大数据金融创新风险在可控、可受、可管范围内。
总之，大数据金融是传统金融和大数据技术结合产物，它的健康发展与创新必须遵循金融行业基本规律和需求，符合金融监管体系要求，互联网金融发展的核心仍然是风险控制。
运用大数据防范金融欺诈：通过在银行反欺诈系统中增加大数据的处理能力，同时结合企业行为数据库，让决策更为科学和精准，实现事前预警，事中跟踪分析，事后处理的完整闭合链条。本质上，反欺诈就是根据数学模型对所获取的各种数据进行分析，从而判断某笔交易或行为可能存在风险。反欺诈解决方案的准确度在于数据模式是否科学，同时也取决于获取的数据是否全面、准确，由于数据模型是否科学也是建立在事先对大量的数据进行分析的基础上，因此，数据反欺诈解决方案中的根本，这其中也包括大数据。新的数据几乎每时每刻都在生成，这些因素都在挑战反欺诈系统的执行效率。从某种程度上说，反欺诈系统已经是一种大数据的处理系统。因为大数据在“4V”特征中，目前的反欺诈系统处理的数据至少已经具备了两个特征：Volume(大量)、Velocity(高速)。而未来肯定还会在数据类型方面进一步丰富，不仅能分析和处理结构化数据，还能分析和处理邮件、语音、视频等非结构化数据。
对于大数据的跟踪和研究，关注在其去影响下的金融市场，以此解释快速发展变化的新技术，洞察信息产业发展规律。
参 考 文 献
1、[英] 维克托·迈尔-舍恩伯格，《大数据时代》
2、李勇、许荣，《大数据金融》
3、许伟、梁循、杨小平，《金融数据挖掘：基于大数据视角的展望》[A Prospect from Big Data Perspective]
4、林兰钧，金融创新与金融风险管理措施的初探[J]金融经济，2012（3）：21-25
5、[美]安东尼·桑德斯，马西娅·米伦·科尼特，《金融风险管理》（第五版）[Financial Risk Management]
6、林发春，《企业风险管理：基于金融衍生工具案例研究》[Enterprise Risk Management]
7、约翰 C.赫尔（John C.Hull），风险管理与金融机构（原书第3版）
8、水木然，《时代之巅 互联网构建新经济》
