引論：我們為您整理了13篇大數據金融論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

2.建設大數據平臺構建處理能力強、擴展性好、開放度及共享度高的大數據存儲加工平臺，整合行內外、各種形態、跨歷史周期的海量數據，并構建統一、全面、穩定的企業級數據模型，為大數據的分析利用提供基礎的數據、環境、模型及配套工具等全方位立體式支撐。

3.打造數據分析應用體系構建適應大數據分析的多功能、跨渠道、多粒度的分析挖掘模型和應用體系，為服務質量改善、經營效率提升、金融模式創新提供支持。通過對海量數據的深度分析，全方位調整產品結構、營銷模式，從根本上提高風險管理、成本績效管理、資產負債管理和客戶關系管理水平。

4.實現智慧銀行的目標智慧銀行是指，通過大數據技術不斷優化業務辦理流程，高效配置金融資源，敏銳洞察并引領客戶需求的高度智能化的金融商業形態。智慧銀行可提供“銀行始終在客戶身邊”的全場景金融服務，為客戶創造最佳服務體驗。

二、農業銀行大數據平臺概述

經過多年的努力探索，農業銀行在大數據平臺建設的道路上銳意開拓，大膽創新，逐步形成了以四大基礎平臺、五類數據服務為核心的大數據平臺。

1.四大基礎平臺（1）企業級數據倉庫隨著銀行業數據利用能力的逐步提升，業務分析呈現跨領域分析、高度整合分析、長周期歷史分析等特點，企業級數據倉庫通過對行內跨領域海量數據的高度整合和模型化，形成對客戶、賬務、產品等的統一視圖，使大數據分析成為可能。農業銀行企業級數據倉庫以存儲和處理結構化數據為主要目標，全面涵蓋了農業銀行存、貸、中間業務等行內業務條線的核心類數據，實現PB級數據的高效存儲，可以滿足全行在各個領域數據分析和價值發現的各類需求，并為全行數據治理提供有力的支撐。如通過網點的多維度、全方位、長歷史周期數據挖掘給出網點資源配置建議，提升運營效率，優化業務流程。（2）信息共享平臺信息共享平臺以存儲和處理行內非結化數據為主，輔以來自行外的社會數據。基于非結構化數據的分析和深度挖掘，在客戶關系管理、中小企業信貸、風險管理、品牌建設等眾多領域發揮了重要的作用。如基于對社交網絡各類非結構化數據的綜合分析可以獲取行外目標客戶；通過機器學習、語音識別、情緒識別等技術，對客服語音記錄進行深度挖掘，發現客戶的需求。（3）實時流計算平臺傳統數據計算平臺多以批量計算為主，數據處理能力較強，但時效性較差。農業銀行的實時流計算平臺采用業界最先進的流計算框架，實現數據的快速采集、交換、處理和應用，主要用于實時營銷、實時客戶服務、欺詐監控、大額動賬監控、系統運營監控等各類對時效性要求比較高的業務場景。如結合持卡人的行為偏好為客戶實時推薦精準的營銷信息、優惠信息和特惠商戶信息，并為特定客戶群體提供實時的有針對性的服務提示。（4）高性能數據處理平臺海量數據的分析挖掘亟須一個高性能環境的支撐，農業銀行高性能數據處理平臺采用大內存處理、分布式、閃存等新技術，以高性能計算為主要特點，實現對海量結構化數據、非結構數據等進行綜合處理、全面分析和深度挖掘。如通過大數據語義分析和情緒分析追蹤海量網絡信息蘊藏的經濟金融“微信號”，借此判斷未來的市場走勢，為前瞻性風險管理提供參考。

2.五類數據服務農業銀行基于四大基礎平臺的優勢，大力發展應用系統建設，形成了五大類數據服務形式有機結合的數據服務體系。（1）指標檢索服務通過構建全行統一的指標庫，為各個業務條線提供常用指標的檢索服務，在此基礎上提供各類經營管理、監管報送等指標采集、加工及報送服務。（2）即席查詢服務采用特定的工具，構建功能強大的查詢支持庫，滿足各類靈活查詢、臨時查詢及特殊復雜查詢需求。如果說報表是經營管理的瞭望塔，那么靈活的即席查詢就是執行經營決策的指南針。以客戶營銷為例，即席查詢服務可以為全行的客戶經理提供多角度的客戶信息查詢，針對當前市場熱點，提供具體的業務指導。（3）定制化信息服務通過iReport智能資源視窗對信息進行統一管理、分層檢索、靈活配置和個性展示，并針對用戶的不同需求、不同層次及不同偏好，提供定制化、個性化的信息訂閱，聯動郵件、短信、微信等渠道提供主動信息推送服務。（4）多維分析服務多維分析可以幫助業務人員實現多維度、多視圖、多層次的分析，并可以通過下鉆、上鉆、切片、旋轉等操作，提供更加動態、智能的數據分析，發現數據背后的規律。如從機構、時間、客戶、產品類型、渠道、營銷活動等多個維度對產品盈利情況進行綜合分析，進而有效推動產品優化和創新。（5）深度數據挖掘服務海量數據中蘊含的規律和價值通常不直觀，大數據的顯著特點之一就是海量數據的知識發現和數據挖掘。農業銀行基于大數據平臺構建了多個特定領域或主題的數據挖掘實驗室，包括客戶洞察及精準營銷、信用評價及風險評估、輿情分析與客戶情感管理等，緊跟市場發展動態，直面業務熱點、難點，充分挖掘大數據的巨大價值，為業務發展和經營決策提供更加深入的洞察和更加有力的支撐

三、農行大數據應用實踐

農業銀行在構建大數據體系時堅持以應用為核心，統籌部署數據平臺開發與業務應用，加強業務創新與數據利用的良性迭代，實現傳統業務和新型業態的融合發展，充分發揮了數據對全行業務發展和經營管理的支撐作用。借助大數據這把利劍，實現了“營銷更精準、服務更貼心、管理更精細、監管更透明、風險更可控、決策更智能”，有效促進了全行經營理念、業務運營、組織流程的不斷創新，為全行業務發展和經營管理提供了有力的科技引擎。以下三類應用案例可充分說明情況。

1.精準營銷基于大數據的客戶營銷“三步曲”：獲取客戶、客戶畫像、精準營銷（如圖1所示）。通過大數據強大的信息獲取和處理能力，充分挖掘行內外的潛在客戶；通過大數據實現對客戶的360°立體畫像，在掌控客戶行為、洞察客戶情感的基礎上，準確地預測客戶需求，從而實現精準營銷及交叉營銷。以貴賓客戶信用卡精準營銷為例，農業銀行通過綜合行內外數據，應用聚類分析、關聯規則發現、決策樹等數據挖掘算法，構建了完整的精準交叉營銷模型庫和應用體系，動態實現目標客戶識別、客群劃分、優先級劃分、產品推薦、渠道推薦等功能。在合適的時間，以合適的渠道，通過合適的方式，為合適的客戶推介甚至定制合適的產品，實現差異化、個性化的精準營銷。2.熱點分析農業銀行基于大數據平臺構建了熱點問題專題分析模型庫，對當前的熱點事件進行定期跟進、深度分析和動態監測，為策略制定、產品創新及運營模

篇2

引言

2015年3月，總理在《政府工作報告》中首次提出“互聯網+”行動計劃，明確列出了有關互聯網金融的發展規劃，互聯網金融正從金融服務體系的完善者逐步過渡為金融體系的參與者和合作者。“互聯網+”是從工業時代的創新1.0到信息時代、知識社會的創新2.0下的互聯網發展的新業態，指以互聯網為主，包括移動互聯網、云計算、大數據技術等一整套信息技術在經濟、社會各個領域的擴散，本質在于傳統行業的數據化和在線化。互聯網金融是“互聯網+”實際運用的一種形式，憑借其快捷便利、準入門檻低等優勢迅速崛起，使大眾擁有更加多元化的投資融資方式，無抵押貸款、第三方支付、P2P網絡貸款、眾籌融資等多種商業模式不斷發展完善。

一、我國互聯網金融的發展現狀

互聯網金融是指利用互聯網技術和信息通信技術等一系列現代科學信息技術實現資金融通、支付和信息中介等業務的新型金融模式。互聯網金融產生的原因可以從供給與需求兩個方面闡述。需求方面，由于傳統金融機構高門檻高手續費，導致了處于長尾理論尾巴上的有資金需求的中小企業或中低收入者長期被排斥在商業銀行信貸業務之外，而新興的互聯網金融因其方便快捷、透明度高、成本低，恰好滿足了中小理財投資者的需求。供給方面，信息通訊技術、大數據、云計算的迅速發展，刺激了互聯網技術和金融功能的有機結合，提高了金融效率，豐富了金融生態。

當前我國互聯網金融主要有以下六種商業運作模式：一是第三方支付，目前常見的第三方支付有中國銀聯、支付寶，財付通、快錢支付、易寶支付、拉卡拉等。二是眾籌，主要有京東眾籌、眾籌網、點名時間等，據國內金融市場研究資料顯示，從平臺的影響力和可靠度方面排名，眾籌網綜合第一，京東眾籌位列第二。三是P2P網貸，常見P2P平臺有陸金所、拍拍貸、人人貸、宜信等。四是大金融數據，主要有兩類，以阿里小額信貸為典型代表的平臺模式和京東金融為代表的供應鏈金融模式。五是信息化金融機構，主要有三類，分別是以“融E購”為代表的金融電商模式、以網上銀行為代表的傳統金融業務電子化模式和以互聯網為基礎的創新金融服務模式。六是互聯網金融門戶，常見的有網貸之家、融360、91金融超市、大童網、安貸客等。

二、互聯網金融對商業銀行傳統業務的影響

（一）對存款業務的影響

存款業務是商業銀行傳統業務中的基礎業務，是銀行的重要資金來源途徑。互聯網金融業務的范圍逐步擴大，本質上具有商業銀行存款方面的特點，因而對商業銀行存款業務造成極大的沖擊。互聯網基金因其明顯高于商業銀行存款業務的收益率，吸引了大量商業銀行儲戶的閑置資金，從而對商業銀行的儲蓄存款形成分流。以余額寶為例，2013年6月上線，是目前規模最大的貨幣基金。2014年余額寶七日年化收益率一度高達6.76%，最近也一直維持在2.4%左右，遠高于銀行活期儲蓄。

（二）對貸款業務的影響

商業銀行傳統的信貸業務具有復雜的征信體系、煩瑣的審批過程和較高的手續費用，這也會導致信用記錄不完備的小微企業獲取貸款十分困難。互聯網信貸模式則利用海量的大數據資源細分目標客戶，分析客戶貸款需求和還款能力，提供多元化的金融服務。互聯網融資的出現分流了對商業銀行融資服務的需求，給商業銀行的傳統信貸業務帶來一定的挑戰。互聯網融資包含三種主要模式：P2P網貸、眾籌融資和電商小貸。以中低端理財市場為主要業務目標的P2P網貸公司，不受資本充足率和杠桿率的要求，低門檻，低成本，很大程度上緩解了中小企業融資難問題。近三年來，網貸運營平臺數量增長迅速，從2013年的800家上漲到2015年的2 595家，網貸成交量自2013年的1 058億上漲到2015年的9 823億元，增長幅度高達828.45%。隨著互聯網信息技術的不斷完善，互聯網金融的影響力將會進一步增強，對商業銀行貸款業務的沖擊也一定會不斷加大。

（三）對中間業務的影響

商業銀行中間業務主要包括支付結算、銀行卡、、擔保、承諾、交易、咨詢等。互聯網金融創新，金融市場化改革，使得商業銀行存貸利差縮小，從而更加重視中間業務的盈利性，但第三方支付的發展，打破了商業銀行中間業務的壟斷格局。互聯網金融模式下，第三方支付被廣泛采用，因其價格較低，操作便捷，很容易被消費者接受，中間業務有被替代的可能性。在支付結算業務方面，如支付寶、財付通等既可為個人客戶提供信用卡免費跨行還款等資金支付服務，也可為企業客戶提供大額收付款、一對多批量付款等資金結算服務。作為國內最大的第三方支付平臺，支付寶的支付結算功能涉及網絡支付、轉賬、手機充值、水電煤繳費等多個領域。

三、商業銀行與互聯網金融的優勢分析對比

（一）商業銀行的優勢

1.資金和客戶資源豐富。傳統商業銀行依靠幾十年來的穩健運營，已經積累了大量的優質客戶資源，對其順利開展業務起到了基礎性作用，這是近幾年新興的互聯網金融一時無法超越的。盡管互聯網金融發展速度加快，但是自身經濟資本實力依然無法與商業銀行相抗衡。

2.風險管理體系健全。商業銀行擁有更專業的風險控制管理體系和信用風險管理經驗，切實履行著穩健經營的理念，確保了客戶資金安全性，比互聯網金融具有更好的風險控制管理方面的優勢。互聯網金融目前的發展仍缺乏規范性和自控力，例如P2P跑路的事件屢見不鮮，整體的風險水平較高，資金安全保障不完善，一旦出現系統性風險，互聯網金融企業違約可能性極大。

（二）互聯網金融的優勢

1.滿足中小企業的融資需求。商業銀行傳統主流業務往往需要較高的信用水平和較高的交易費用，重心放在需求曲線的頭部，即資金力量雄厚的大企業上，因而中小企業難以及時獲得所需的資金和服務。而互聯網金融依托互聯網信息技術與大數據搜索技術，成本較低，效率較高，整合跨地域的分散資源，能滿足中小企業和中低收入者的金融需求，實現長尾效應和資源的有效配置。

2.信息處理分析能力高效。互聯網金融借助云計算、大數據技術，記錄和分析客戶消費與商戶經營的數據信息，掌握了客戶的消費意愿、財產狀況、信用水平和還款能力，獲取了一些個人或機構沒有完全披露的信息。而這一信息采集和分析過程，又在互聯網上完成，發揮了大數據強大的整合分析能力，從而省去了不必要的中間環節，大大提高了信息處理效率，降低了資金成本，這是傳統商業銀行無法高效低廉實現的。

四、我國商業銀行應對的措施建議

（一）加強與互聯網企業的合作

互聯網金融和商業銀行各具有不同的優勢和資源，商業銀行想要得到長足發展，下一步就需要與互聯網企業加強合作，借鑒互聯網金融成功發展的經驗，將互聯網技術同傳統金融業務相結合，全面提升金融服務的水平和質量，調整商業銀行的服務理念和服務方式，提高客戶黏度和忠誠度，突破發展瓶頸。如百度與中國銀行、中信銀行等多家商業銀行開展合作，涉及聯名信用卡、電子商務平臺、大數據、金融支付等多個領域，這是銀行與互聯網企業深度合作的典例，較好地整合了雙方資源。

（二）加大產品創新力度

互聯網金融通過獲取的客戶需求信息提供差異化的金融產品，自身得以快速發展的同時弱化了商業銀行原有的代銷產品經營模式。銀行若想要在扭轉因互聯網金融導致的客戶大量流失的局面，就需要依據客戶的需求與體驗感受開發特色化、個性化的金融產品。商業銀行可通過細分市場，構建客戶相關行為數據庫，為客戶提供定制化、高度專業化的金融服務及產品，提升客戶體驗。同時，開展網絡營銷，通過應用互聯網技術降低成本費用，保證利潤來源。

（三）加強專業復合型人才的培育

互聯網金融和商業銀行的競爭取決于人才的競爭。在“互聯網+”時代下，商業銀行面對擁有高端人才的互聯網金融的沖擊，要積極轉變發展策略，進行金融創新。在這方面，除了積極引進具備金融營銷知識與互聯網應用技能的專業復合型人才外，在日常的經營過程中，還要定期對銀行員工進行專業知識和業務能力的培訓，避免員工知識結構單一化。只有培育出一支既懂銀行金融業務、又了解計算機信息技術的高素質人才隊伍，商業銀行真正才能保持核心競爭力。

參考文獻：

[1] 楊宜，張峰.商業銀行業務管理[M].北京：北京大學出版社，2015：295-299.

[2] 王亞輝.“互聯網+”背景下商業銀行業務創新發展問題研究――以濟源市為例[J].金融理論與實踐，2015，（12）：65-69.

[3] 黃曼晶.互聯網金融對傳統商業銀行的影響研究[D].北京：對外經濟貿易大學碩士學位論文，2015.

[4] 四川銀監局課題組，王筠權，王國成，金強.互聯網金融對商業銀行傳統業務的影響研究[J].西南金融，2013，（12）：3-5.

[5] 胡婭妮.互聯網金融對商業銀行傳統業務的影響與對策研究[D].南昌：南昌大學碩士學位論文，2014.

篇3

[ 4 ] The White House. Big Data Across the Federal Government[EB/OL].[2014-08-08].http：//whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sh-eet.pdf.

[ 5 ] The Wall Street Journal. Big-Data Success Stories： Splunk[EB/OL].[2014-08-08].http：///ve-nturecapital/2011/10/21/big-data-success-stories-s-plunk/.

[ 6 ] The New York Times. Harvard Releases Big Data for Books[EB/OL].[2014-08-08].http：///2012/04/24/Harvard-releases-big-data-for-books/

[ 7 ] Spolanka. OverDrive announces a series of “Big Data”reports[EB/OL].[2014-08-08].http：//libraries.wr-ight.edu/noshelfrequired/2012/04/11/overdrive-an-no-unces-a-series-of-big-data-reports/.

[ 8 ] Xavier Amatrain，Justin flix公布個性化和推薦系統架構[EB/OL].[2014-08-08].http：///article/2013-04-04/2814767-netflix-ml-architecture.

[ 9 ] 云推薦[EB/OL].[2014-08-08].http：///.

[10] 中國科學院.李國杰院士：大數據成為信息科技新關注點[EB/OL].[2014-08-08].http：///xw/zjsd/201206/t20120627_3605350.shtml.

[11] 李奕.大數據應用方式：從數據服務、信息服務到知識服務[N].中國計算機報，2012-07-09（024）.

[12] Big data：The next frontier for innovation，competition and productivity[EB/OL].[2014-08-08].http：///Features/Big Data.

[13] 李晨暉，崔建明，陳超泉.大數據知識服務平臺構建關鍵技術研究[J].情報資料工作，2013（2）：29-34.

[14] 秦曉珠，李晨暉，麥范金.大數據知識服務的內涵、典型特征及概念模型[J].情報資料工作，2013（2）：18-22.

篇4

有兩個重要的趨勢使得目前的這個時代（大數據時代）與之前有顯著的差別：其一，社會生活的廣泛數字化，其產生數據的規模、復雜性及速度都已遠遠超過此前的任何時代；其二，人類的數據分析技術和工藝使得各機構、組織和企業能夠以從前無法達到的復雜度、速度和精準度從龐雜的數據中獲得史無前例的洞察力和預見性。

大數據是技術進步的產物，而其中的關鍵是云技術的進步。在云技術中，虛擬化技術乃最基本、最核心的組成部份。計算虛擬化、存儲虛擬化和網絡虛擬化技術，使得大數據在數據存儲、挖掘、分析和應用分享等方面不僅在技術上可行，在經濟上也可接受。

在人類文明史上，人類一直執著探索我們處的世界以及人類自身，一直試圖測量、計量這個世界以及人類自身，試圖找到隱藏其中的深刻關聯、運行規律及終極答案。大數據以其人類史上從未有過的龐大容量、極大的復雜性、快速的生產及經濟可得性，使人類第一次試圖從總體而非樣本，從混雜性而非精確性，從相關關系而非因果關系來測量、計量我們這個世界。人類的思維方式、行為方式及社會生活的諸多形態（當然包括商業活動）正在開始發生新的變化。或許是一場革命性、顛覆性的變化。從這個意義上講，大數據不僅是一場技術運動，更是一次哲學創新。

大數據金融

正如諸多文獻所談到的，大數據對許多行業的影響和沖擊已經呈現。例如，商業零售、物流、醫藥、文化產業等。金融，作為現代經濟中樞，其實也已透出了大數據金融的曙光。

過去的2013年，中國金融界熱議最多的或許是互聯網金融，更有人指出2013年是中國互聯網金融元年。確實，第三方支付、P2P、網貸、眾籌融資、余額寶、微信支付等發展迅速。眾多傳統金融業者也或推出自己的電商平臺，或與互聯網企業聯手提供相應的金融產品和服務。

互聯網金融，無論是業界、監管者或理論界，都在試圖給出自己的理解和定義。但到目前為止，尚未有一個統一的、規范的概念。在我看來，互聯網金融本來就是一個不確切的概念，也不可能有一個明確的定義。嚴格說來，所謂互聯網金融只是大數據金融的一種展現或形態。換言之，前者是表，后者是里。

這是因為，無論是互聯網還是金融業，其實質都是大數據（信息）。首先，對互聯網企業而言，流量、客戶等數據（信息）是其涉足金融業的基石。對金融企業而言，提供中介服務，撮合金融交易也是以數據（信息）為基礎。其次，沒有大數據技術的支撐，所謂互聯網金融也難以快速、持續成長。20世紀90年代互聯網浪潮的蓬勃興起，至今已近二十年。但從世界范圍看，所謂互聯網金融卻發展緩慢。當然，其中原因很多，但其主要原因則是大數據技術是近幾年才快速發展起來的。最后，從金融企業來看，在數據中心建設，軟硬件系統建設，數據（信息）挖掘、分析等方面也是做得有聲有色，其龐大的客戶數據、海量交易記錄及眾多信息源，使其在大數據應用方面也做了許多積極探索。因此，要準確反映近年新金融趨勢，“大數據金融”比“互聯網金融”更為貼切。

大數據金融有以下七大特征：

網絡化的呈現。在大數據金融時代，大量的金融產品和服務通過網絡來展現，包括固定網絡和移動網絡。其中，移動網絡將會逐漸成為大數據金融服務的一個主要通道。隨著法律、監管政策的完善，隨著大數據技術的不斷發展，將會有更多、更加豐富的金融產品和服務通過網絡呈現。支付結算、網貸、P2P、眾籌融資、資產管理、現金管理、產品銷售、金融咨詢等都將主要通過網絡實現，金融實體店將大量減少，其功能也將逐漸轉型。

基于大數據的風險管理理念和工具。在大數據金融時代，風險管理理念和工具也將調整。例如，在風險管理理念上，財務分析（第一還款來源）、可抵押財產或其他保證（第二還款來源）重要性將有所降低。交易行為的真實性、信用的可信度通過數據的呈現方式將會更加重要，風險定價方式將會出現革命性變化。對客戶的評價將是全方位、立體的、活生生的，而不再是一個抽象的、模糊的客戶構圖。基于數據挖掘的客戶識別和分類將成為風險管理的主要手段，動態、實時的監測而非事后的回顧式評價將成為風險管理的常態性內容。

信息不對稱性大大降低。在大數據金融時代，金融產品和服務的消費者和提供者之間信息不對稱程度大大降低。對某項金融產品（服務）的支持和評價，消費者可實時獲知該信息。

高效率性。大數據金融無疑是高效率的。許多流程和動作都是在線上發起和完成，有些動作是自動實現。在合適的時間，合適的地點，把合適的產品以合適的方式提供給合適的消費者。同時，強大的數據分析能力可以將金融業務做到極高的效率，交易成本也會大幅降低。

金融企業服務邊界擴大。首先，就單個金融企業而言，其最合適經營規模擴大了。由于效率提升，其經營成本必隨之降低。金融企業的成本曲線形態也會發生變化。長期平均成本曲線，其底部會更快來臨，也會更平坦更寬。其次，基于大數據技術，金融從業人員個體服務對象會更多。換言之，單個金融企業從業人員會有減少的趨勢，或至少其市場人員有降低的趨勢。

產品的可控性、可受性。通過網絡化呈現的金融產品，對消費者而言，是可控、可受的。可控，是指在消費者看來，其風險是可控的。可受，是指在消費者看來，首先其收益（或成本）是可接受的；其次產品的流動性也是可接受的；最后消費者基于金融市場的數據信息，其產品也是可接受的。

普惠金融。大數據金融的高效率性及擴展的服務邊界，使金融服務的對象和范圍也大大擴展，金融服務也更接地氣。例如，極小金額的理財服務、存款服務。支付結算服務等普通老百姓都可享受到。甚至極小金額的融資服務也會普遍發展起來。傳統金融想也不敢想的金融深化在大數據金融時代完全實現。

大數據金融圖景

盡管大數據技術還處于早期發展階段，但大數據金融已透出了一片曙光。我們結合多方面的文獻和事實，試圖勾勒出大數據金融圖景。

泛金融化。金融供給也許不再是傳統金融業者的專屬領地，許多具備大數據技術應用能力的企業都會或多或少涉足、介入金融行業。在未來的某一天，也許銀行與非銀行間，證券公司與非證券公司間，保險公司與非保險公司間的界限會非常模糊。金融企業與非金融企業間的跨界融合成為常態。同時，金融企業在提供傳統金融服務的同時，其服務范圍、內容也會泛金融化，會提供綜合的、社會化的服務。

多層次的行業格局。大數據金融時代，金融服務層次將空前豐富，既有行業寡頭，也有區域金融服務企業。同時，也存在大量的地方、社區金融企業，也會出現無實體店的金融企業。行業市場更加細分。不同層次的消費者都能享受到特定的金融服務。在此過程中，會催生許多與大數據金融相關的行業和企業。

篇5

目前國內對商業銀行大數據應用的研究論文并不多，國內研究主要介紹大數據這一新生事物及相關的技術，并探討大數據帶來的機遇和挑戰。國外的研究也主要側重大數據相關的技術方面。北京銀行董事長閆冰竹從高層管理的視角探討了大數據時代銀行業的發展模式。潘明道等對大數據特征進行分析，并給出銀行應對大數據挑戰可借鑒的思路。全面分析了大數據時代將給商業銀行帶來的重要影響，并給出了商業銀行培養面對大數據時代核心能力的策略建議。薛亮探討了大數據技術將給銀行業帶來的改變以及銀行的品牌建設如何適應這種改變。韋雪瓊等分析了大數據技術影響下金融市場的變化，以期作出更好的投資決策和判斷。

二、大數據應用給商業銀行帶來的機遇

大數據應用給商業銀行帶來的機遇營模式轉型提供了重要戰略契機！借助大數據中國銀行業的未來發展將呈現出全新的藍圖。

第一，大數據應用將拓寬商業銀行業務發展空間，加速產品創新。隨著數據的不斷積累和商業銀行數據分析能力的不斷提升，大數據應用將拓展銀行的業務發展空間，設計具有定價權和競爭力的創新產品。社交媒體的興起為銀行創造了全新的客戶接觸渠道，從銀行網點，ATM，POS等固定設備擴展到手機，IPAD等移動終端設備，再擴展到微博，微信等社交網絡。大數據應用導致支付模式不斷創新，從傳統支付，電子支付到第三方支付，再到移動支付。第二，大數據應用將提升商業銀行核心競爭力。我國商業銀行目前基礎設施和數據全部集中在數據中心，而且經過多年運行積累了大量的數據，因此最具條件率先盤活大數據資產，洞察數據中蘊涵的價值，更加科學地評價經營業績，評估業務風險，配置全行資源，引導銀行業務科學健康發展。第三，大數據應用將提升客戶服務水平。大數據時代商業銀行不僅銷售產品和服務，而且積累了豐富的客戶交易數據，特別是在網絡社會化和搜索引擎技術支撐下，商業銀行還能收集到社交網絡上客戶的活動軌跡以及市場數據。商業銀行只要善于分析和應用這些數據，通過數據再利用和數據重組，分析客戶的消費偏好，就能準確發現并掌握客戶需求，并通過不同渠道為客戶提供個性化的服務。

三、大數據在商業銀行的應用實踐

（一）渠道拓展

大數據時代商業銀行的渠道不僅包括傳統的渠道，而且還要整合日益互聯互通的各種渠道，并增加社交網站等新的客戶接觸點。商業銀行應整合門戶網站、網上銀行、電話銀行、手機銀行、等電子渠道，利用微博、微信、社交網站等新媒體，打造在線綜合金融營銷服務平臺，進行產品推送、意見收集、客戶服務和營銷服務。

（二）個性化服務

個性化的金融產品和服務將成為銀行業務發展的主要目標。個性化服務包括互聯網化的電子渠道全景體驗、個性化產品推薦。LBS位置營銷、面向客戶個體的深度觀察等。商業銀行通過收集并分析社交網絡數據，聚類出不同的客戶群體，如高影響力的客戶、存在嚴重不滿情緒的客戶、轉行傾向的客戶，然后向這些客戶群采取更有針對性的服務。

（三）精準營銷

通過客戶行為分析并預測需求實現精準營銷是典型的大數據應用。精準營銷包括目標客戶的精準定位，傳播途徑的選擇，營銷活動執行趨勢分析和異常監控，營銷活動的傳播效果和市場效果評估，商業銀行應用大數據分析用戶影響力。用戶聚集區域和日常活動軌跡，用戶基礎銀行業務使用的規律，用戶關注點來實現客戶營銷。

（四）小微企業信貸

商業銀行需要通過大數據挖掘，分析和運用，去識別具有市場潛力的中小企業客戶，完善批量化，專業化審批，將貸款提供給合適的小微企業。

四、商業銀行應對大數據策略

大數據應用取決于三個因素：數據，技術和思維。因此，商業銀行需在這三個方面進行體制機制的創新實踐，未雨綢繆應對大數據挑戰。

（一）數據

商業銀行需要提升互聯網數據獲取，管理和整合能力，不僅要完成銀行內部數據的整合，更重要的是和大數據鏈條上其他外部數據的整合。商業銀行不斷地從廣泛來源獲取、量度、建模、處理、分析大容量多類型數據，及時在互聯互通的流程、服務、系統間共享數據，并將分析結果應用于業務決策與支持。

（二）技術

商業銀行必須進行技術創新，搭建自己的大數據基礎設施來跨越這個鴻溝。大數據基礎設施分為硬件和軟件兩類。硬件基礎設施需要通過建設私有云來提供靈活，按需和動態的IT能力。軟件基礎設施是指商業銀行培養一批既熟悉金融，同時也對互聯網和大數據應用有深入了解的復合型人才，這些人才通過對數據進行實時深度分析，能夠對未來趨勢有更多的研判和預測，并為決策提供智力支持。

（三）思維

大數據時代商業銀行必須具有數據思維。大數據時代重要特征就是社會數字化，一切社會現象解釋、監控、預測與規劃都離不開對數據足跡的收集，整理和分析。因此商業銀行需要具有數據思維，放棄對因果關系的渴求，取而代之關注相關關系，放棄對隨機樣本關注，而關注全數據，數據分析結果不是精確性，而是混雜性。

參考文獻：

篇6

一、大數據在經濟學領域應用的基本原理

大數據在經濟學中應用的基本思路以大樣本數據統計與機器學習技術為基礎。其中大樣本統計的過程概括如下：用N個代入變量得出對應的N個測量結果與K個潛在的預測因子，比如：以居民消費價格CPI指數預測為例，首先通過GOOGLE數據搜索或其他軟件，篩選出同CPI有關的一系列關鍵詞（比如糧食產量、原油期貨價格、氣候溫度、價格改革政策等），然后通過這些關鍵詞在文本數據（新聞、微博、評論、研究報告、學術論文等）出現的時間頻次，計算它們之間的相關關系和邏輯路徑關系，從而得到測量結果N和預測因子K。在許多情形下，每一個代入變量的信息是足夠豐富的，但不具有結構性，故可能會產生很多潛在預測因子，因此，需要注意的是：若是過度擬合，即預測因子K的個數可能會遠遠大于觀測變量N的個數時，雖然模型可完美解釋觀測到的結果，但樣本外數據的解釋力卻很差。在這種狀況下，構造一個最大化樣本解釋力的模型便成為首要目標，同時構建的模型還不能出現因過度擬合所導致的樣本外無力解釋的情形。因模型構建不同，使用方法也隨之改變，懲罰預測因子的過度使用方式也不同。如Lasso回歸模型，在滿足一系列約束條件下，依據最小化離差平方和來選擇模型系數。通過將樣本分為“訓練樣本”和“測試樣本”（“訓練樣本”用來估計模型參數，“測試樣本”用來評估模型）進行過度擬合。而在評估預測效果時，一般交叉使用樣本內預測與過度擬合，但目前這種交叉驗證的方法在當前的實證微觀經濟學中也鮮少用到。

機器學習的一個非常重要假設就是機器學習的環境是相對穩定的，也就是樣本數據（訓練樣本與測試樣本情形相同）獨立產生于同一過程。但由于現實環境會隨著時間發生改變，故這一假設并不合理，因此，在高頻使用新數據的應用中，往往通過對自身持續“再訓練”，從而使得模型可以隨著時間與環境的變化對預測結果進行調整。當然，對于機器學習，有些經濟學家提出了盧卡斯批判的疑問，即若根據模型的預測結果進行政策調整，則政策調整后的現實結果可能與初始模型的預測結果有差異，因為政策的改變會影響數據間的潛在行為關系，但這一疑問在其他預測模型，比如計量經濟模型、結構方程模型和聯立系統模型中也都存在。

二、大數據對經濟學的影響及前景

如今，隨著數據樣本容量的急劇增加，使得大數據的使用方式不盡相同。作為一個規律性科學，經濟學需要廣泛、詳細的數據，并運用統計技術來處理新型數據，大數據的出現可能會在社會學與計算機科學間構建一架橋梁，其學科價值可能在于創造新的思維方式，這將會導致對經濟學的新思考和研究方法創新，甚至會帶來分析經濟學方法的質變。

一方面，由于多維度的精細間隔，大數據可以為經濟學研究人員提供更多研究變量和視角，可以研究以前難以測度的行為理論，這為經濟理論研究提供了一種全新的測量方法。例如：麻省理工大學助理教授Alberto Cavallo設計的“百萬價格”項目，該項目旨在通過一個網絡程序，獲取網上物品價格，繼而運用這些數據計算得出通脹指數，該通貨膨脹指數就是阿根廷的精確透明通貨膨脹指標，其實時價格數據的捕捉能力和準確度，使得該指標作為政府測量通脹的替代選擇。又如，谷歌提供的請求式數據選擇也提供了一個探索新機會的理由，目前一個備受矚目的例子就是“及時預報”，在某些方面它可以通過龐大經濟社會數據集進行短期精確預測。

篇7

1.培養目標不清楚。經濟統計學和數理統計學在培養目標上，表述不清楚，主要以培養教學和科研的理論人才為主，特別是數理統計學，因為數理統計在統計學提升為一級學科之前為數學下設的一個二級學科，其培養仍然是數學人才，與當今對統計學的要求相差較遠。而從學生的就業角度來看，應為應用型的復合型人才為主。就從培養目標來看，學校和學生以及社會對人才的需求上存在著很大的差異。所以如何將這幾者統一在一起，發揮培養目標的導向性作用，變得非常重要。大部分沒有明確要掌握的統計工具、數據來源問題。

數據來源主要分為四大類：問卷調查、網絡數據、數據庫、試驗設計。針對這四大類數據來源，必須有相應的培養目標。如調查數據，就涉及到問卷設計、數據獲取、數據自動提取、數據處理；網絡數據如何利用爬蟲技術？如何從大數據數據庫提取數據？

2.課程體系陳舊、無法適應大數據時代。統計學提升為一級學科后，經濟統計學和數理統計學的課程設置都不再適合統計學研究生的培養。而且以前的統計學的課程設置本身也存在著很多問題。比如：（1）課程涉及的領域不能更好地體現統計的應用性。統計學是一門綜合性、適應面非常廣的應用型的學科。而目前很多統計學研究生培養的課程體系過分注重理論的研究，比如數理統計學就過分注重數學基礎類課程的學習，經濟統計學只注重經濟問題的一些簡單理論分析。導致課程設置的范圍狹窄，開設的交叉學科和跨學科課程較少，大多數研究生都被束縛在本專業的研究方向上，致使研究生視野不夠寬調，科研能力和適應能力受到很大的限制。（2）前沿性知識在研究生專業課程中所占的比重不足。統計學課程內容較為陳舊，研究性、前沿性不夠，有些課程內容沒有反映出統計學學科領域內的一些最新知識和科研成果，尤其是一些反映統計學學科領域的熱點、重點的研究以及未來發展趨勢等前沿性的知識，很少能夠及時地反映到研究生教育的課程內容中。（3）研究生課程創新性不足。統計學研究生層次差距很大，比如數理統計學的研究生很多本科為數學專業，很多統計學的基礎課程沒有開設，而有些同學本科為統計學專業，致使碩士生課程與本科生課程拉不開檔次，教學內容重復，教學方法與教學形式比較單一，大都采取以講授為主，討論為輔的授課方法，部分課程因為沒有較嚴格的課外文獻的閱讀要求，致使課堂上的討論較難深入，考試以論文形式，學生通過率很高，課程結束后學生收獲不大。

3.實踐環節未得到應該的重視和體現。傳統的統計學研究生在實踐教學環節方面比較欠缺，不重視諸如統計軟件、實習實訓、實驗課程、產學研合作等，缺乏數據環境。

4.考核制度沒有真正得到落實。在研究生培養模式中，考核制度起著篩選、分流、淘汰、激勵的作用，對研究生的培養質量起到了保障作用，但實際中很難真正落實。一方面，是因為研究氛圍不濃造成的，另一方面，部分學生為就業奔波，投放在論文上的精力不夠，再加上經費不足，這在一定程度上影響了畢業論文的質量。統計學碩士研究生的培養還需要從整體優化的角度去研究與實踐。

二、統計學碩士生人才培養構建

如何構建統計學研究生人才培養的新模式必須回答三個基本問題：為什么要構建新的培養模式？新的培養模式主要有哪些內容？怎樣進行構建？必須明確新的人才培養模式目的，在于提高研究生教學質量和專業人才培養質量，從而適應當今社會對統計學高層次人才的需求；必須明確新的人才培養模式的具體培養目標，從而進行具體構建。

首先需明確制定新的人才培養模式的途徑和措施，以下主要從新的人才培養模式構建的具體內容、思路和方法方面進行研究與實踐探索。

1.培養目標的明確及其導向作用的發揮。隨著研究生的不斷擴招，培養以教學和科研的理論人才為主的培養目標已經不再適應社會的需求和發展，特別是統計學本身就是應用型的學科。研究生人才成為了推動生產力發展的直接力量，所以應用復合型的人才更多地被社會所需要，所以明確培養目標是研究生教育成功的第一步，而真正發揮科學的培養目標的導向作用是研究生教育成功的關鍵。

2.統計學研究生課程體系的完善。課程體系是人才培養模式的重要組成部分。完善統計學學科研究生課程體系是統計學研究生人才培養模式的關鍵。統計學學科研究生培養模式的課程體系建設創新，應在思想方法上真正重視統計學研究生課程體系建設，真正體現課程建設的創新性，不斷加快和完善統計學碩士生課程體系的設計、創新、內容修訂和評估體系，以適應新興學科、邊緣學科和交叉學科發展對研究生知識結構的要求，并精選課程內容，編寫高質量教材和改進課程教學方法，建立合理、完善的課程檢査評估體系，為提高研究生課程教學質量提供堅實的保障。

3.強化實踐教學環節和統計軟件應用能力。開始針對統計學研究生的實驗課程體系，強化統計學軟件如SAS、R、SPSS等編程與實際問題的實現等，強化與企事業單位的合作，從畢業論文、專業實習等方面加強合作，提升研究生的實際動手能力，讓其初步具有在企事業單位從事相關工作的能力。同時需要強化研究生的統計軟件的學習和應用，現今數據量越來越大、數據結構越來越復雜，使得要解決實際問題必須熟練掌握統計軟件的使用和編程，否則無法很好地完成處理、分析數據的實際需要。

4.構建科學合理的考核制度。現在大多數考核仍為考試驅動型，學生只會考試，沒有形成有效知識結構，應用實踐能力弱。對于應用性較強的一類課程應該從大作業、專題報告、程序編寫、軟件應用、討論、上機操作、考試等多維度進行知識水平測度。構建科學合理的多樣化、多元化的考評范式，對學生產生潛移默化的影響。強調課前、課中、課后的相互聯系，增強學生自學能力，強化師生互動，把學生從應考能手培養成具有創新意思和實際動手能力的科研好手。同時還要不斷完善學術規范，將其納人考核范圍之內，建立健全一套科學、合理、共同遵守的學術規范，對學術不端行為加以監督和懲處，以凈化研究生的學術環境。要不斷提高學位論文質量并將其作為考核研究生創新能力的一項指標。

三、培養模式構建的具體內容

1.重構統計學碩士課程體系：學位課，基礎課，實驗課，實踐課。學位課注重統計學基礎的搭建，基礎課拓展學生統計基本方法，實驗課培養學生動手能力，實踐課的培養讓學生適應數據環境。大數據分析需要的基本知識領域：（1）數據的存儲、管理：數據庫、數據倉庫、數據集市、分布式數據庫，云存儲、云計算、分布式、動態式存儲；（2）數據ETL、處理：多源異構、非結構化數據的清洗、轉換、綜合、優化，文本處理、日志處理、圖像、視頻處理等，注重數據質量、數據管理等；（3）數據統計分析與挖掘：時序、多源、多元、面板、大數據、非結構化數據的統計、預測、挖掘、開發等；（4）數據可視化i可視化是基本要求，可視化易于接受，直觀形象；（5）大數據分析案例：必須引入金融、電信、電商、移動互聯、醫藥、零售、能源等領域的大數據真實案例，豐富認識。

2.合理分配各課程模塊的學分和學時，注重實踐課程的設置，大部分院校碩士生課程主要以理論為主，強化實踐教學及其重要。

3.主動適應大數據，開設大數據相關課程，如大數據平臺、計算平臺、編程平臺、數據平臺、可視化平臺等。

4.強化實踐教學環節，提高前沿性知識課程所占比重。

篇8

近年來，隨著人民生活水平的提高，互聯網走進了越來越多家庭的生活中，根據中國互聯網絡發展狀況統計局的數據，我國互聯網普及率在2010年6月達到了31.8%，超過了世界平均水平，此后，互聯網普及率仍穩步提升，至2015年6月，中國網民已達6.68億人，比整個歐盟的人口數量還要多。這樣巨大的網民基數無疑為互聯網金融的發展提供了優渥的土壤。 

回望2013年6月13日，支付寶公司推出了余額寶，引起了市場的轟動，到如今，互聯網理財產品呈現爆發式增長，銀行、基金、互聯網企業紛紛殺入這片藍海，互聯網理財產品總量快速增長。僅用了不到一個月的時間，支付寶就融資超過100億人民幣，截至2014年一季度末，支付寶共融資5412.75億元，整個互聯網理財產品市場融資超過一萬億元人民幣。 

互聯網理財產品有著隨時可申購贖回、沒有申購資金門檻要求、年化收益率遠高于活期存款等優勢，再考慮到對于熟悉互聯網的人士來說，購買互聯網理財產品通常可以“一鍵式”完成，比去銀行存款更加便利。由于互聯網理財產品的這些先天優勢，以及互聯網理財產品和銀行存款（尤其是活期存款）的高度可替代性，互聯網理財產品的興起對傳統銀行儲蓄業務造成了一定沖擊。 

大多數互聯網金融產品都擁有相似的商業模式，下面就以“余額寶”為例分析狹義的互聯網金融產品的商業模式。 

“余額寶”的發行主體是支付寶公司，是以“余額寶”為橋梁，將用戶的閑散資金和貨幣型基金聯系起來，能夠帶來余額增值的一項服務。在一個完整的使用流程中，用戶首先通過將銀行卡里的資金充值進入實名認證的支付寶賬戶；再用支付寶賬戶申購“余額寶”；申購“余額寶”的資金將被統一劃至天弘貨幣基金賬戶內，天弘貨幣基金在市場上進行合理投資、獲得收益；當用戶申請贖回或使用支付寶進行支付時，天弘貨幣基金將獲得的收益扣除其他費用后轉入用戶的支付寶賬戶。 

在這個流程中最重要的一個創新就在于實現了“余額寶”和天弘貨幣型基金的無縫對接，通常貨幣型基金都是T+1贖回的模式，但考慮到這會極大影響用戶體驗，支付寶公司通過自行墊資，使得“余額寶”實現了T+0日贖回。即當用戶把賬戶余額轉入“余額寶”時，后臺系統自動申購了天弘貨幣型基金，當用戶轉出資金或進行支付時，后臺系統從支付寶公司的墊資中即時抽出相對應的數額完成轉出，同時贖回天宏貨幣基金，T+1日到賬填補墊資，從而實現了即時轉出和無縫對接。與此同時互聯網金融產品還有投資起點較低，開通方便，流動性高等優點。 

回到商業銀行儲蓄業務來看，由于客戶手中的資金是有限的，活期儲蓄和互聯網金融產品在功能性上的高度替代性，以及互聯網金融產品相對較高的收益率，使得活期儲蓄最容易被互聯網金融產品擠占，個人定期儲蓄由于收益率仍稍高于大多數互聯網金融產品，因此受到的影響相對較小。 

在理財產品方面，商業銀行的金融產品門檻較高，用戶體驗也有提高的空間；在活期存款方面，活期儲蓄業務不受重視，商業銀行給出了極低的利率；在基金銷售方面，大型商業銀行對代銷傭金有極大的定價權，大幅削減了基金公司的利潤率，尤其是規模較小的基金公司在與銀行合作時更加被動。互聯網金融產品正是針對商業銀行這三個“不夠合理”的現狀而生，為客戶提供高利率、低門檻、良好體驗的金融產品，使得銀行客戶開始轉投互聯網金融產品，銀行的理財產品、活期存款、基金代銷三塊業務受到互聯網金融產品的沖擊比其他業務更大。 

銀行作為有實體網點金融機構，比互聯網企業有更多的線下優勢，相對來說，經常去網點儲蓄或辦業務的客戶都比較依賴于線下，因此，中小型銀行若要守住現有市場，一定要立足實際情況，利用好線下優勢，定位于主要服務線下客戶，強化營業網點的業務服務能力，加強自身優勢。 

一方面可以大力發展社區支行和小微支行建設，下沉中小型銀行經營重心至老百姓身邊，在社區內部設置網點。這種加強為個人客戶服務的業務模式符合中小型銀行的實際情況，只有差異化競爭，才能夠在互聯網時代的競爭下存活。 

另一方面可以推廣銀行業務和小型便民點相結合的新模式。現在大多數小區或者村鎮都設有小型便民點，有許多區域的小型便民點已經開始和銀行合作，通過委托模式，用互聯網或信息電話等手段為社區內及社區周邊持卡用戶提供信息轉賬、繳費、查詢、存取款、支付等業務的便民服務點。該策略不需局限于傳統的便民點模式，現在許多小區還設置了網購提貨點，這是方便將網絡支付和線下業務相結合的絕佳渠道。 

大數據是目前互聯網金融產品的殺手锏，商業銀行也應及時跟進，享受互聯網時代帶來的技術紅利。各個行業都開始嘗試運用大數據來進行運營決策，這是一次巨大的轉型，工作方式和思維都有很大的變化。當互聯網平臺公司用大數據作為工具、高舉互聯網金融產品進軍金融行業時，商業銀行應奮起應對，大力挖掘數據背后的信息，推出依托銀行海量歷史數據的電商平臺。實際上部分商業銀行已經開始推出自己的電商平臺，以此積累交易和轉賬數據，打好數據基礎，例如中國建設銀行的“善融商務”上線一周年的營業額超過90億，之后還有交通銀行推出的“交博匯”，中國銀行、中信銀行、民生銀行業分別開設了自己的電商銀行。在大數據時代，商業銀行需要的是能將金融和大數據融會貫通的人才，由懂大數據的人才為商業銀行進行決策分析，可以讓商業銀行跟上互聯網時代，一定程度上保持現有優勢地位。   [本文由WWw. dYlW.nEt提供，第 一專業教學論文，歡迎光臨dYLW.neT]

參考文獻： 

[1]杜石.余額寶帶頭線上理財高收益“刺激”草根投資.計算機與網絡.2014.2. 

[2]宋滟泓.“后生”兇猛互聯網理財產品百舸爭流.IT時代周刊.2013（22）. 

[3]新京.微信理財產品上線對抗余額寶.現代經濟.2014.1. 

[4]王雪玉.互聯網挑戰銀行之一：阿里金融.金融科技時代.2013.5. 

篇9

一、背景

數據是與自然資源、人力資源一樣重要的戰略資源，其背后隱含著巨大的經濟價值。近年來，“大數據”研究已經備受關注。[1]例如，2012年，美國政府在國內了“大數據”研究和《發展倡議》，投資約兩億美元發展大數據研究，用以強化國土安全、轉變教育學習模式和進一步加速科學和工程領域的創新速度和水平。繼1993年美國宣布“信息高速公路”計劃后，這項決定標志著美國的又一次重大科技發展部署。美國政府認為“大數據”研究勢必對未來的科技、經濟等各領域的發展帶來深遠影響。在大數據應用的技術需求牽引下，數據科學研究和人才培養引起了各國的重視。美國哥倫比亞大學和紐約大學、澳大利亞悉尼科技大學、日本名古屋大學、韓國釜山國立大學等紛紛成立數據科學研究機構；美國加州大學伯克利分校和伊利諾伊大學香檳分校、英國鄧迪大學等一大批高校開設了數據科學課程。

二、機器學習理論

機器學習（machine learning）是繼專家系統之后人工智能應用的又一重要研究內容，在某種意義上，機器學習或將認為是數據挖掘的同義詞。數據挖掘是指有組織、有目的地收集數據、分析數據，從海量數據中尋找潛在規律，并使之為決策規劃提供有價值信息的技術。機器學習是人工智能的核心部分，在金融、工業、商業、互聯網以及航天等各個領域均發揮著重要的作用。對機器學習研究的進展，必將對人工智能、數據挖掘領域的發展具有深遠影響。

機器學習方法主要包括：Exper System（專家系統）、K-Nearest Neighbor（K近鄰算法）、Decision Tree（決策樹）、Neural Net（神經網絡）、Support Vector Machine（支持向量機）、Cluster Analysis（聚類分析）等。近幾年，研究人員將遺傳算法、神經網絡、系統理論以及當代數學研究的最新進展，應用于金融領域。這使得金融領域數據挖掘在金融管理中備受青睞。例如，產品定價、金融風險管理、投資決策甚至金融監管都越來越重視金融數據挖掘，通過數據挖掘發現金融市場發展的潛在規律與發展動態。機器學習理論及其在金融領域的應用成為了一個比較熱的研究領域。[2] [3]

三、金融數據的特點

在眾多機器學習方法中，基于Logistic回歸、判別分析等傳統的統計方法，對金融模型假定條件非常嚴格，在實際應用中很難達到理想效果。其原因在于對金融數據的非線性和非平穩性的操作具有片面局限性，在實際處理金融數據時，既定假設與金融市場發展實際并不完全一致，這樣可能會影響模型的推廣能力和泛化能力。

基于分類樹方法、K-近鄰判別分析、遺傳算法等傳統的非參數統計方法，其預測能力較好，但不能量化解釋指標的程度。例如，K-近鄰判別分析是一種非參數距離學習方法，通常按照數據樣本之間的距離或相關系數進行度量，這樣會受到少數異常數據點的影響。但是，在相同樣本容量下，如果對于具體問題確實存在特定參數模型可以應用時，非參數方法效率相對較低。以神經網絡、支持向量機等為典型的機器學習方法，優點在于可以有效處理金融數據的非線性特性，并且不需要事先嚴格的統計假設，這樣會表現出較強的適應效果，充分體現人工智能、機器學習等方法的魅力。神經網絡預測精度是各種機器學習方法中相對較好的，因為在一定程度上，神經網絡可以按照任意精度近似非線性函數，為高度非線性問題的建模和算法提供相應支持。盡管神經網絡技術進步有目共睹，但仍然存在一些難題。例如，通常難以確定隱層節點數，并會存在“過學習”現象和局部極小值等問題。

四、支持向量機

傳統的統計模式識別方法是在樣本數目足夠多的情況下進行的，但是樣本數目足夠多在實際問題里面往往難以保證。1968年Vapnik等人首次提出了統計學習理論，專門從事有限樣本情況下機器學習規律的研究。在此基礎上，1995年Vapnik等人首先提出支持向量機（Support Vector Machine，簡稱SVM）的學習方法，它是數據挖掘中的一項新的技術。SVM是機器學習研究領域的一項重大成果，主要研究如何根據有限學習樣本進行模式識別和回歸預測，使在對未知樣本的估計過程中，期望風險最小。近年來，它被廣泛地應用于統計分類以及回歸分析中。近幾年的研究成果表明，SVM在實用算法研究、設計和實現方面已取得豐碩的成果，其在理論研究和算法實現方面都有突破性進展，逐漸開始成為克服維數災難和過學習等傳統問題的有力手段。支持向量機可以成功處理回歸分析和模式識別等諸多問題，并可推廣于預測和綜合評價等領域，因此可應用于管理、經濟等多種學科。支持向量機屬于一般化線性分類器，可以認為是提克洛夫規則化（Tikhonov Regularization）方法的一個特例，其特點是他們能夠同時最小化經驗誤差與最大化幾何邊緣區。支持向量機的優點表現在：1.它通過使用結構風險最小化代替傳統的經驗風險最小化，使用滿足Mercer 條件的核函數，把輸入空間的數據變換到高維的Hilbert 空間，將向量映射到一個更高維的空間里。在這個空間里建立有一個最大間隔超平面，實現了由輸入空間中的非線性分析到Hilbert 空間中的線性分析。2.訓練的復雜度與輸入空間的維數無關，只與訓練的樣本數目有關。3.稀疏性。決定最大間隔超平面的只是少數向量――支持向量，就推廣能力方面而言， 較少的支持向量數在統計意義上對應好的推廣能力。4.本質上，SVM算法是一個二次優化問題，能保證所得到的解是全局最優的解。綜上所述，SVM在一定程度上解決了以往困擾機器學習方法的很多問題，例如，模型選擇與“過學習”問題、非線性和高維小樣本等維數災難問題、局部極小問題等。[4]正是由于SVM具有完備的理論基礎和出色的應用表現，使其在解決高維小樣本、非線性、壓縮感知以及高維模式識別問題中表現出獨特的優勢，正成為自神經網絡之后，機器學習領域中新的研究熱點之一。[5] [6]

同其他機器學習方法比較，支持向量機更具嚴密的理論基礎，因而在模型表現上也略勝一籌，被成功應用于模式分類、非線性回歸，從使用效果來看，其結果較為理想。但從實踐角度分析來看，模型參數的選擇過度依賴人們的實驗方法和實踐技能，在一定程度上降低了模型的推廣泛化能力和應用領域。同時計算方面，訓練時間過長、核參數的確定，在大訓練樣本情況下， SVM面臨著維數災難，甚至會由于內存的限制導致無法訓練。目前支持向量機在金融數據挖掘方面也存在一定的局限性，主要表現以下幾方面：動態適應性、魯棒性、特征變量異質性調整、模型推廣精度等不盡如人意；建模方法與技術還有待進一步完善；支持向量機研究金融數據挖掘和金融問題的成果雖然不少，但大多集中在股票價格和股票市場走勢預測方面，關于公司財務危機預測、套期保值分析、金融市場連接機制分析及其創新成果方面有待加強。

五、結論

大數據時代下金融專業的數學重在以下方面的應用：深度學習（Deep Learning）、機器學習和數據挖掘、分布式計算，如MR、Hadoop等，在大數據中預測最先取得突破的技術環節將會是分析中的大數據挖掘與關聯分析、存儲結構和系統、數據采集和數據化。目前金融問題的研究方向和發展趨勢，主要集中在計量經濟方法，例如，格蘭杰因果分析、向量自回歸、條件異方差、隨機波動分析等。這些計量經濟方法和技術大部分使用了線性技術，以及與金融市場不太吻合的理論假設，基于這些方法的結果，例如，資產預測價格、發展動態以及風險評估結果和實際出入較大，影響了金融管理的效率。對于我們大學教師來說，如何將已有分析數據算法整合，讓學生抓住重點，挖掘到比較可靠的信息或知識，都將成為金融專業數學研究的方向和目標。

[ 注 釋 ]

[1] Anand Rajaraman Jeffrey David Ullman.大數據――互聯網大規模數據挖掘與分布式處理[M].北京：人民郵電出版社，2012.

[2] Kumar， P.R. and Ravi， V. 2007. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review. European Journal of Operational Research， 180（1）：1-28.

[3] M. Oet， R. Eiben， T. Bianco，D.Gramlich， S. Ong， and J.Wang，“SAFE： an early warning system for systemic banking risk，”in Proceedings of the 24th Australasian Finance and BankingConference， SSRN， 2011.

篇10

當前，我國商業銀行的客戶主要分為三類：集團及戰略客戶、一般機構客戶、中小企業及零售客戶。其中，集團及戰略客戶屬于我國商業銀行的重點客戶。當前，受到信息科技部門資源有限的約束，在IT資源不足的條件下，應按照客戶的貢獻度、重要程度等指標進行客戶分類管理，為不同類別的客戶提供不同的信息，以滿足不同客戶的需求。客觀上，信息科技部門的發展通常會經歷單項應用階段、跨部門整合階段和戰略規劃階段。在不同階段，IT支持體系的原則也有所不同。

1. 單項應用階段。在單項應用階段，商業銀行對信息科技部門的要求集中于技術層面，包括軟件系統、硬件系統的運行與維護，軟件系統、硬件系統故障的排除，即“消防隊員”的角色。此時，商業銀行信息科技部門創新的原則為：（1）保障全行業務安全平穩運行與發展；（2）優先保障重點客戶的需求。

2. 跨部門整合階段。在跨部門整合階段，在保證數據庫安全與穩定的同時，信息科技部門還需要滿足用戶對高級技術支持和信息及時到位的需求，信息科技部門的目標逐漸轉向管理職能。此時IT支持體系創新的原則為：（1）在力所能及的情況下，根據成本和效益相匹配的原則，盡力解決自身和內部其他部門的新的IT需求；（2）在滿足重點客戶的需求下，解決絕大多數客戶普遍的需求。

3. 在戰略規劃階段，信息科技部門從技術服務部門轉變為跨信息技術和業務的管理部門，并逐漸從支持保障部門過渡到戰略部門。此時信息科技部門已經能夠滿足絕大多數客戶的需求，并以IT支持驅動業務的發展。（1）保障所有客戶提出的合理需求。（2）能夠根據信息科技的最新發展，主動提升對客服的IT服務與支持，提升內部管理的效率，增加業務的附加價值、延長業務價值鏈。

我國銀行業正處于從單項應用到跨部門整合的過渡階段，兼具兩個階段的特點，此時的客戶管理與服務創新的重點應該是提升信息部門的效率，以保證信息科技部門能夠在保障全行業務安全平穩運行的基礎上解決客戶的普遍需求。

二、 IT支持體系的基本框架及主要內容

根據現代銀行業的實踐，在上述IT支持體系構建原則的指導下，我國商業銀行應該從制度建設、組織建設與信息科技建設等幾方面構建客戶服務與管理創新的IT支持體系。具體地，在制度建設方面建立和完善人力資源管理、首席信息官制度；在組織建設方面能夠準確定位并且提供高質量、高效信息服務的信息科技部門；在信息技術建設方面建立能夠提高客戶滿意度的客戶關系管理系統。

1. 制度建設。

（1）人力資源管理。①明確人力資源計劃目標。科學制定與信息規劃相適應的人力資源計劃，有利于改變IT部門人力分配不合理，知識結構性矛盾突出的問題，為銀行業務信息化建設提供人力保證。②合理的人才需求結構。合理的、相互匹配的人才需求結構有利于互不專業人才群體的形成，同時高度細化分工的信息科技團隊可以實現商業銀行經營信息化的目標。③持續的復合型人才培養。信息人才的素質和能力需要企業管理層與信息部門有計劃地進行開發與培養，，我國商業銀行可使專業人員通過實踐，通過持續學習培養信息科技人才。

（2）首席信息官制度。首席信息官制度，即在高級管理層設立首席信息官一職，直接對行長負責，領導信息科技工作，并制定和實現商業銀行的信息化戰略，使信息科技因素能夠成為各項相關業務的決策依據，從管理的角度提升信息科技的重要性。首席信息官的具體職責主要包括以下方面：①制定企業信息化戰略、規劃和技術方案；②實施企業信息化戰略、規劃和技術方案；③開展企業信息化管理與服務

2. 組織建設。從組織建設來講，科學的IT支持體系的核心是商業銀行合理定位IT部門。對于現代銀行業來說，IT部門終將成為戰略部門。因此，IT部門與業務部門是“魚和水”的關系。在未來的發展中，IT部門不應僅僅充當“消防員”的角色，而是應當圍繞建設客戶中心型的信息化銀行這個目標做出變革。

在“互聯網+”時代，全社會的經商環境更加信息化，這就要求必須盡快建成全面信息化的銀行。也就是，IT部門除了要負責領導銀行的信息化和系統運維之外，還要擬定信息科技發展戰略，將商業銀行信息科技的發展作為全行發展的戰略任務。同時當好銀行的“智囊”，承擔傳統信息科技技術職能和決策支持部門的職能。

IT部門的職能應當符合目前金融信息化的戰略目標，科學劃分各職能之間的界限，縮小部門間由于信息傳遞損失導致的溝通不暢。按照信息科技部門作為我國商業銀行決策支持部門的定位，應當將承擔傳統信息科技技術職能和決策支持部門的職能劃分為：（1）IT系統基礎設施的運營與維護；（2）維護IT系統數據庫；（3）規劃IT系統總體功能結構；（4）為企業決策提供IT支持；（5）規范與標準化相關技術標準；（6）企業職員信息化培訓；（7）制定、完成企業信息化戰略；（8）領導企業信息化工作，再造企業工作流程，推動企業變革。

3. 信息技術建設。“以客戶為中心”是銀行開展業務的出發點和歸宿。我國商業銀行要想從日益加劇的市場競爭中獲得比較優勢，營銷理念就必須從傳統的關系營銷向現代的服務營銷轉變。隨著金融服務業的外延不短擴展，金融機構內部的界限也逐漸模糊，銀行業金融機構也逐漸向橫管銀行、證券、保險行業的綜合性金融服務機構發展。在傳統金融業面臨著具有較低成本優勢的的互聯網金融的沖擊，金融業日益開放的背景下，完善客戶關系管理系統，運用大數據技術，拓寬客戶服務渠道，必將成為IT部門信息技術建設的重點。

（1）建設科學高效的客戶關系管理系統。客戶是銀行最重要的資源，在日益激烈的市場環境中，商業銀行越發重視市場拓展與維護，相應的，識別客戶貢獻度、吸引有價值的客戶并維護好客戶管理就成為銀行利潤最大化的必由之路。因此，開發包括分析型客戶關系管理（ACRM）系統和分析型客戶關系管理系統（OCRM）在內的客戶關系管理系統，利用現代信息技術的手段對客戶數據整理、分析并用其做出響應的決策，開展相關業務就勢在必行。一個具有完備功能的客戶關系管理系統通常在以下幾方面能夠幫助商業銀行進行客戶關系管理：①促進銀行產品創新、再造工作流程、提升營銷服務水平；②批量處理、分析客戶相關信息；③根據不同需要從數據庫中提取數據進行分析；④整合分散在各獨立系統中的數據資源，實現數據共享；⑤通過多渠道綜合比對分析形成統一客戶視圖。

①客戶關系管理系統與數據整合。客戶關系管理系統將各獨立交易系統中的數據以合意的方式整理、加工、保存、更新，使得各個信息系統的協同運作成為可能。

②客戶關系管理系統與流程再造。CRM的理念就是要以“客戶為中心”，客戶關系管理系統從運營、決策等多方面再造流程，對工作方式產生了根本性變革。

③客戶關系管理系統與服務創新。客戶關系管理系統使得企業可以根據客戶的行為習慣、偏好、運營特點等有針對性的提供差異化服務。

（2）充分運用大數據技術。大數據、云計算等新技術有利于銀行更好地服務客戶，進一步拓展銀行業務的價值鏈。不少著名的跨國銀行已經將大數據技術應用至風險評估、產品創新、決策支持、差異化營銷等多個領域。①風險評估。銀行可以利用大數據增加信用風險輸入維度，提高信用風險管理水平，動態管理客戶的信用風險，降低違約概率，同時預防信用欺詐。②差異化營銷。銀行可以依據大數據分析，預知企業客戶未來資金需求，提前進行預約，提高客戶體驗。可以依據大數據分析報告，進行差異化營銷，提高客戶滿意度。③需求分析和服務創新。可以利用整體樣本數據，如從客戶行業，收入，所在地，行業，資產，信用等各個方面對客戶進行分類，依據其他的數據輸入維度來確定客戶的需求來定制產品。④運營效率提升。大數據可以展現不同產品線的實際收入和成本，幫助銀行進行產品管理。還可以幫助市場部門有效監測營銷方案和市場推廣情況，提高營銷精度，降低營銷費用。⑤決策支持。大數據可以幫助商業銀行為即將實施的決策提供數據支撐，同時也可以依據大數據分析歸納出規律，進一步演繹出新的決策。

（3）增加客戶服務的渠道。對于銀行業來說，電子銀行服務能夠在提升服務效率的同時，提升客戶體驗，有效降低服務單位客戶的成本，是實現多渠道客戶服務的重要手段。

電子銀行業務較之于傳統柜面業務有如下特點：①互聯網技術的廣泛應用。電子銀行突破了物理條件對銀行服務時間、服務地點和服務能力的限制，使得大量銀行業務的辦理脫離了銀行網點，從面對面的服務方式改為用戶通過事先獲得的電子證書獲得更為便捷、高效的金融服務。②用戶的便捷自助操作。電子銀行業務將商業銀行從大量的固定資產與人力成本中解放出來，降低了商業銀行提供金融服務的成本。從客戶角度來看，電子銀行業務優化了業務辦理流程，通過電子渠道，客戶可以自主辦理金融業務，提升了金融服務的便捷性。同時，電子銀行服務使得客戶擺脫了時間和空間對辦理業務的限制，解決了全球一體化下金融交易可以全天進行，而金融機構還處在8小時工作制下的茅盾。③科技含量的投入使得邊際成本低。對于電子銀行來說，所能提供的服務種類和服務功能越多，所提供的服務越安全和便捷，客戶黏性就越大，所能吸引到的客戶就越多，因而為單個客戶提供服務的成本隨著客戶規模的擴大也逐漸趨于零，形成正反饋。④電子銀行的發展提升了對復合型人才的需求。互聯網時代，商業銀行之間競爭的關鍵在于人才，而電子銀行是信息科技與銀行業務結合的產物，因而隨著電子銀行業務的發展，更加需要既懂金融業務，又懂IT業務的復合型人才。

三、 我國商業銀行客戶服務與管理創新IT支持體系的實現路徑

當前，根據我國商業銀行的實際情況，構建科學高效的客戶服務與管理創新的IT支持體系，應該通過以下路徑來實現：

1. 建設一支高素質、復合型IT人員隊伍。（1）培養一支高素質、懂銀行業務、IT技術能力強的復合型人才隊伍，在前臺業務部門、風險控制部門以及一些關鍵崗位配置信息科技部門人員。（2）完善信息科技人員業績激勵機制，拓寬信息科技人員發展空間。建立職務、職級與職稱并行的薪酬體系，打破信息科技人員晉升的“天花板”。（3）明確核心能力發展要求，完善人才培養機制。基于信息科技發展戰略明確信息科技人員核心能力要求，科學制定信息科技人才培養方案。做好需求管理，加強專家級領軍人才的內部培養與外部引進。（4）針對不同崗位的需求，制定更為細分和差異化的培訓目標，建立涵蓋入職與履職全方位、立體的培訓體系。并結合業界最新變化調整培訓方案與培訓目標。

2. 向首席信息官制度過渡，提高我國商業銀行信息化水平。當前，我國商業銀行信息科技部門已經可以滿足內部客戶和外部客戶的絕大多數需求，正處于從“單項應用”階段到“跨部門整合”階段的過渡期。為了提升我國商業銀行的信息化水平，實現銀行業務向信息驅動模式轉換，適應“互聯網+”時代的客戶需求新變化，繼續保持在國內外金融市場的優勢，應當考慮建立起首席信息官制度，負責領導IT部門制定、完成企業的信息化戰略。

增設一名高層管理人員涉及很多需要考慮的因素，同時還要履行相關的組織程序和法律程序，審批流程所需時間較長。因此，可采取漸進式方式向首席信息官制度過渡：例如，設立銀行信息科技委員會（領導小組），由商業銀行主要負責人或分管領導任委員會（領導小組）主任（組長），由委員會（領導小組）領導信息科技工作。

3. 明確IT部門的定位，構建能夠動態滿足客戶主要需求的組織架構。本質上來說，企業信息化的程度要與企業信息科技部門的定位相匹配。企業信息化程度與信息科技部門的不匹配會造成企業資源的錯配，降低了企業資金運用效率與企業的工作效率，對企業信息化發展無益，因此應合理調整IT部門在銀行業務與經營中的定位。在信息技術飛速發展的今天，IT部門的定位不應當只是“救火隊員”的角色。IT部門在加強管理信息系統建設的同時，必須更多地了解業務部門的狀況，積極疏通業務部門進行信息化整合后的業務流程，為各個業務部門提供一個共享的數據與信息平臺。除了保障基本業務正常運行外，銀行業務流程和客戶關系管理再造也應該作為IT部門的一個重要任務。同時還應優化信息科技組織定位，根據銀行業務部門的發展需要明確信息科技發展策略，依據內部控制與合規性的要求，建立涵蓋IT風險管理、IT審計、IT專業技術的職能部門。提升信息科技的業務支持和決策支持功能。

4. 全面建立分析型客戶關系管理系統。當前，我國商業銀行以使用操作型客戶關系管理系統為主，多個系統間的數據形成了信息孤島，數據價值沒有得到充分挖掘。因此，應當全面使用能夠對數據價值深度挖掘的分析型客戶關系管理系統（ACRM），為業務運營和決策提供支持。

在統一的系統下建立相互聯系的子系統模塊，模塊之間既有相對的獨立性，又在統一系統下共享數據相互聯系。建立數據倉庫，為識別客戶貢獻度，細分客戶類型，管理層決策儲備相關數據。同時參照國際通行模型開發符合本行情況的客戶貢獻度模型，綜合考慮與收入成本相關的多個因子，為提升決策水平、開展營銷服務提供依據。

5. 運用大數據技術強化我國商業銀行的IT服務能力。利用大數據技術提升營銷服務水平。一是拓展客戶資源。通過對大數據的獲取與處理，我國商業銀行可有效擴展客戶信息接觸面，獲得更多市場機會；二是獲取全面的客戶畫像，真實呈現客戶身份、資產、喜好、情緒、行為、社會關系等“立體視圖”。三是開展精準營銷。

利用大數據技術強化風險管理能力，通過對大量數據信息的深度挖掘，可以有效識別授信人風險，提升整體的風險防控能力。利用大數據技術優化運營管理模式，可以利用大數據提高決策效率、優化處理流程、提高對市場的反應速度。

6. 強化電子銀行渠道，為客戶提供更好的安全便捷服務。（1）提高呼叫響應系統的服務質量。在未來我國商業銀行電話呼叫中心和網絡平臺咨詢服務體系應拓展為跨多種終端設備的交互系統，能夠向電話、PC和移動端等多種終端設備提供咨詢投訴等服務；（2）提升電子銀行的客戶吸引力。隨著客戶對全能銀行服務的要求提升，銀行業金融機構所能提供服務數量和質量都會影響資金的沉淀量。因此，銀行信息科技部門需要與業務部門共同努力豐富網上銀行所能提供的產品和服務，使商業銀行能夠提供更多元的電子金融服務。

參考文獻：

[1] 雷陳光，陳運娟.大數據時代下商業銀行客戶關系管理思維變革[J].金融與經濟，2015，（4）.

[2] 侯敬文，程功勛.大數據時代我國金融數據的服務創新.財經科學，2015，（10）.

[3] 周林潔.金融集團信息科技機構組織設計與管理模式研究――以平安集團、花旗銀行和匯豐銀行為例.南方金融，2014，（9）.

[4] 駱鵬.成都銀行IT治理研究[D].成都：西南財經大學學位論文，2010.

篇11

[中圖分類號]D630.9 [文獻標識碼]A [文章編號]1673-0194（2017）02-000-02

官員財產申報制度是預防腐敗的一項重要制度，是實現黨的十以來全面治黨反腐倡廉“不敢腐、不想腐、不能腐”目標的關鍵一環。近年來，財產申報制度正逐步確立并取得了一定的成績，但官員申報意愿低、核查難度大、預警效果差一直困擾其發展。官員財產申報，關鍵是“財產”，管住了財產的流向與路徑，降低其來路與去向的隱秘性，財產申報制度才能真正有效果。大數據時代，人人都會留下自己的“數據足跡”，以官員“財產”異動為切入點，引入大數據思維，利用云計算等新技術、新方法，就能從無數的“數據足跡”中了解申報者的狀況，從而起到全面核查、自動預警的效果。當前的官員財產申報，不僅需要理論突破，更需要技術創新，基于大數據思維技術將為官員財產申報制度創新開辟一條全新的路徑。

1 國外研究綜述

“大數據”（Big data）是指“無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理，并整理成為幫助企業經營決策更積極目的的信息。”這個概念由Nature雜志于2008年最早提出，隨后Science雜志于2011年闡述了大數據在科學研究領域的重要性，同年6月，麥肯錫全球研究所首次論述了“大數據時代”，并將大數據方法引入社會問題領域。維克托?邁爾-舍恩伯格教授與肯尼思?庫克耶是大數據社會問題研究領域的杰出代表，2012年他們合著的《大數據時代：生活、工作與思維的大變革》通過對比大數據思維與傳統小數據思維的異同，闡述了“大數據時代”對人們的生活、工作帶來革命性的影響。

現在，大數據廣泛應用于社會各領域。在商業領域，沃爾瑪利用大數據，可以清晰掌握全球27個國家11 457家門店近700萬種商品任一時段的銷售數據和銷售細節，并據此預測顧客需求。在公共行政領域，美國是首個將“大數據”全面引入行政領域的國家。2009年，奧巴馬政府《開放政府指令》，建設Data.gov公共數據開放網站；2012年3月，美國政府啟動了“大數據發展計劃”，同年5月，聯邦政府《數字政府戰略》。大數據戰略有利于公眾更好地獲取并利用政府大數據，同時也極大提升了政府效能。

美國是官員財產申報制度最為完善的國家，而大數據在此功不可沒。依托大數據，整合了稅務、金融、國土及司法等部門信息，以國家征信系統為載體，核查部門可以輕松監控政府公職人員財產的異動，快速發現問題并作出回應。

國外在大數據運用有許多地方值得我國學習和借鑒，新的思維方式與新的技術革新將帶來社會生產方式的巨大變革。順應潮流發展，引入大數據思維，將是對官員財產申報制度創新的重要嘗試。我國大數據還剛剛起步，數據碎片化、信息孤島、部門條塊分割、公民信息意識較為淡薄及國家整體信息安全威脅等都影響著大數據的發展。因此，借鑒必須結合國情，才能闖出一條新路。

2 國內研究綜述

國內關于官員財產申報的研究非常多，但重點主要圍繞以下幾個方面展開。一是域外財產申報制度介紹及比較研究。郇天瑩、榮俊 等重點介紹并對比了美國、韓國、新加坡等國家財產申報制度的異同及對我國的啟示。二是我國官員財產申報制度存在的困境與影響因素研究。主要從官員抵觸心理、隱私保護沖突、配套設施不完善等三個方面進行影響分析。王高賀、郭文亮認為存在藏富、保護隱私、擔心收入減少、害怕腐敗行為暴露心理、推行時機不成熟等心理。屠振宇提出了申報人隱私權保護問題。韓珍珍則認為當前官員認同度不高、缺乏法律制度的支撐以及配套制度不健全等是財產申報的困境。三是實現官員財產申報制度的方法與路徑研究。梁平支持“自上而下”的路徑。廖曉明則支持“自下而上”路徑。從實際情況來看，“自下而上”是當前探索主要模式，但從國外實施的成功經驗來看，只有“自上而下”才有可能真正全面實現財產申報。

近兩年來，將大數據思維、技術運用于腐敗預防和懲治成為研究的熱點。徐浩程提出利用大稻菅罷腋敗；張碩、高九江探討了大數據技術在腐敗防治機制中的應用；劉筱勤則強調應用大數據對當前的廉政制度進行創新；廖曉明、魏永平、羅文劍基于大數據技術闡述了預防腐敗的方法、框架以及面臨的挑戰。在實踐領域，江蘇昆山、北京市檢察院、廣東肇慶、上海奉賢區紀委探索了“大數據反腐”新模式，在利用大數據科技反腐方面取得了較好的成效。

綜上所述，隨著“大數據時代”到來，基于大數據思維的反腐敗研究成為熱點，為反腐敗開辟了新的研究思路，值得肯定與借鑒。當然，這些研究更多針對腐敗這一宏觀領域展開，在大數據技術具體運用過程中因為缺少具體載體而無法聚焦。再加上廉政數據收集難、數據挖掘分析專業人員嚴重不足等因素，其真正運用還有很長的一段路要走。

3 大數據思維下的官員財產申報模式探索

運用大數據思維，從技術方法層面對官員財產申報制度進行創新研究，能給官員財產申報制度研究以一個全新的視域，從而開辟出一條新路徑規避或突破當前的層層阻礙。從應用價值來看，基于大數據思維的新方法與新技術，通過構建三位一體的“數據收集―挖掘分析―數據運用”新機制，能有效解決虛假申報、抽查比例低、核查難度大及公眾參與難等問題，有利于現有條件下快速提升官員財產申報制度的績效。大數據財產申報模式，如圖1所示。

大數據的基石是數據源，通過對官員財產申報信息的梳理，可以把大數據信息源的類型分為三類：結構型數據、半結構型數據、非結構性數據。其中結構性數據主要是通過組織部門提供信息，主要涉及與官員財產相關的銀行、稅務、公安、房產、金融與國土，這類信息的結構相對穩定，格式相對清晰。而半結構型數據與非結構性數據主要是指由公民個人在社交過程中留下的“數據足跡”和公眾參與而來的“數據反饋”，它們一般是通過微博、微信、QQ、論壇與貼吧等社交網絡信息出現。之所以將其劃歸為半結構或非結構數據，主要是由于這類信息并不是傳統意義上的可格式化信息，它們沒有固定的結構，可能是一張圖片、一段語音視頻等信息。

在數據收集階段，對應的是財產申報制度的申報與公示環節。主要是對數據源產生的數據進行整合與采集。其中申報階段重在申報數據與組織部門數據的整合比對，而公示階段則更多的是側重于公眾參與之后產生的數據信息采集。對于結構型數據主要進行數據的整合，由于不同部門間的數據存儲格式不一，所以在具體的數據收集過程中需要進行有效的整合。而對于半結構與非結構數據，則主要是數據采集。對于整合后的數據源與采集到的數據源，兩者之間需要進行相關性關聯，例如：最常見的關聯可以以個人身份證號為索引進行關聯，對于關聯后的數據進行數據存儲處理。

數據分析處理階段主要通過內部程序完成。對于已經完成關聯性的存儲數據，依托傳統的數據分析技術（如數據挖掘、數理統計、智能算法）和云計算技術，可以快速分析出申報主體的申報信息是否真實，對于虛假申報情況進行有效預警，同時依據海量大數據還可以對整個申報區域內有關信息進行預測，進而為下一步的財產申報制度改進提供決策支撐。

數據運用主要涉及財產申報制度的核查與懲處環節。在核查環節，大數據改變了傳統的以人工為主的核查方式，改由系統自動核查，這樣不僅提高了核查的效率，擴大了核查的覆蓋面，還節約了行政成本。原來的抽查將變成全方位的普查。同時，通過大數據分析也可以發現一些申報群體的共性以及部分申報主體的個性偏好，便于整個申報制度的及時改進。此外，大數據信息預警給懲處環節也提供數據支撐，使懲處環節更加科學高效。

主要參考文獻

[1]C Snijders，U Matzat.UD Reips. “Big Data”： Big Gaps of Knowledge in the Field of Internet Science[J].International Journal of Internet Science，2012（1）.

[2]Science.Special Online Collection： Dealing with Data[EB/OL].（2012-10-02）[2016-11-21].http：///site/special/data/.

[3]Manyika J，Chui M，Brown B，et al： Big data： The Next Frontier for Innovation，Competition，and Productivity[R/OL].（2012-10-02）[2016-11-21].http：///insights/MGI/Research/Technology_and_Innovation/big_data_the_next_frontier_for_innovation.

[4][英]S克托?邁爾-舍恩伯格，肯尼思?庫克耶.大數據時代：生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013.

[5]郇天瑩.美國官員財產申報制度構建的路徑分析與啟示[J].中國行政管理，2009（2）.

[6]榮俊.新加坡和中國的官員財產申報制度比較研究[J].理論與改革，2015（1）.

[7]王高賀，郭文亮.當前我國推行官員財產申報制度的心理障礙及其治理[J]. 理論與改革，2010（5）.

[8]屠振宇.財產申報制度中的隱私權保護[J].法商研究，2011（1）.

[9]韓珍珍，韓兆柱.官員財產申報制度建設：困境與策略[J].燕山大學學報：哲學社會科學版，2015（1）.

[10]梁平，于子潔.中國官員財產申報制度構建趨向及實現路徑――從韓德云7次議案及其官方回應談起[J].廉政文化研究，2012（5）.

[11]徐浩程.用大數據尋找腐敗[J].廉政t望，2014（1）.

篇12

關鍵詞 ：大數據；會計專業教學；創新研究

中圖分類號：G71文獻標志碼：A文章編號：1000-8772（2015）25-0193-02

創新是一個國家發展的源泉與動力，“提高自主創新能力，建設創業型國家”也是我國發展戰略的關鍵。因此，在新的歷史發展時期，要求高職會計教師必須與時俱進，不斷探討新的教學方法，借鑒國外先進的教學理念，并結合高職會計專業的教育實際與市場發展趨勢，對高職會計創新教學進行最優化設想。同時，隨著信息技術的推廣使用，大數據技術也快速進入各行業并在財務領域得到廣泛應用，會計人才的數據收集、整理能力顯得十分必要。因此，適應大數據時代的發展趨勢，不斷創新會計專業教學模式，對培養會計人才意義重大。

一、大數據在會計職業中的應用趨勢

大數據時代開始于2013年，是從網絡科技行業開始的新技術革命時代。大數據是現今社會經濟發展的一大必然趨勢，因此，會計專業所面向的諸如金融業、建筑業、快消業、快遞業等行業也需要面臨大數據的應用。各行各業的會計人員需要對處理和運用大數據進行相應的學習和研究，會計專業的教學也要緊跟職業和行業的發展趨勢，對大數據背景下的會計教學進行創新。

在“大數據時代”背景下，公司在戰略選擇時越來越注重對市場進行數據分析，用客觀的有依據的數據來作為判斷基礎，減少無數據支持的、不科學的臆斷的決策。在所依據的決策數據中，會計對本企業和相關市場的數據統計和分析信息，尤其是其中隱藏的資本運動趨勢和行業前景趨勢的數據，就是決策最重要的依據之一。因此，會計對管理、決策的輔助職能將越發重要。高水平的、應用型的會計人才就是企業急缺的，會計專業教育也應該符合市場經濟需要，創新教學的基本理念和模式方法，培養符合大數據工作要求的專業人才。

大數據所改變的主要是會計職業的工作對象，在相關的各個行業中，由于業務量激增，相應的數據量和信息量都大量涌入會計需要處理的數據中。以金融業為例，全民炒股的大熱和互聯網金融的興起，要求會計處理更多的業務量，比如本金利息、投資收益、日成交量等等，需要會計人員運用電算化工作進行統計。會計人員還可以配合網絡工程師進行相關軟件和應用中具體算法的開發和校正。會計還要對大數據的工作狀態進行統計和計算，輔助企業判斷本公司的業績、效果，總結企業各項業務的綜合動態走勢，幫助了解行業的發展趨勢，輔助企業進行戰略決策。這些會計業務也在處理空前巨大數據的背景下迎來新挑戰。

二、大數據背景下會計專業教學創新的主要方向

大數據要求會計教學提高學習主動性。相對于對科技進步較為敏感的網絡專業，會計專業的學生較為缺乏對新時代的敏感性和學習并適應新時代要求的主動性，會計專業的教學甚至科研都對大數據缺乏敏感度。在日新月異的新時代，會計教學不應只拘泥于傳統的教學內容，更要培養學生的自主學習意識，幫助學生在走上工作崗位后，能夠有不斷更新自己、與時俱進和不斷學習的習慣，才不會在發展浪潮中被淘汰。

學習的主動性來源于自主學習意識和對新知識的認知感。自主學習意識是人的主觀能動作用，需要人對該事物的重要性和緊迫性有足夠認知，并有足夠自制力將其轉化為積極主動的動力。在大數據背景下增強會計專業學生的自主學習能力，需要會計教學的教師們充實和更新教學的內容，緊跟時代步伐，到一線企業公司了解工作的實務內容和要求，將大數據的實例轉化成題目或操作項目，引進到教學中來；還需要教師們創新教學手段，充分利用網絡資源和數據，引進全方位、多角度的操作實踐，讓學生充分認識到大數據的運用與教科書上會計基本理論知識的區別，并將會計的基本原理，從課本題目的小數據，延伸到工作中的大數據中，熟練運用和操作大數據。

對新知識的認知感是青年學生的最大優勢，在足夠的興趣和主動性影響下，青年學生對大數據時代新鮮事物的感知性可能是其教師們都比不上的。這時就需要教師們因勢利導，充分發揮學生的認知感，認可學生的銳眼和創新想法，并組織學生進行交流，形成競爭意識，將學生對新知識的了解，轉化為教學內容，并引導學生進行課內課外的主動交流，互通有無，團結協作，互相學習，研究創新。

三、大數據視角下會計專業教學的創新

目前高職院校會計專業人才培養理念拘泥于培養記賬、算賬甚至做賬的會計從業人員。但是，會計專業學生所服務的有潛力的大中小型企業更需要會計人員在企業的戰略管理方面提供服務，即需要會計管理能力，尤其是在交易量特別巨大的行業市場，需要會計人才對相關市場進行大數據的收集和分析，為企業中短期決策提供數據依據支持。

教學創新首先要做到教學理念的創新，只有理念先進了，教學改革創新才會順利進行，否則傳統勢力的存在會對教學改革產生負面影響。從教學理念上看，會計專業的教學理念需要適應科技經濟的社會發展需要，調整方向應該是：以核算能力的培養為基礎，以會計管理能力的培養為核心，運用新的科技手段，掌握大數據的處理和分析。教師必須先從自身做起，更新自己的觀念，充分體會和感受大數據對工作和生活的巨大影響。然后要對大數據在職業中的實際應用有所了解，對大數據給會計工作帶來的機遇與挑戰，知識的更新和創新有所了解，對社會的發展趨勢緊緊把握，將最新的信息引入到教學中來。

在理念更新的基礎上，會計教學要對課程計劃進行創新，在傳統教學的理論基礎上，引進新的資源和知識體系，增強學生的實踐技能和工作能力。同時，也將會計理論潛移默化地引入到大數據的要求中去，培養學生對大數據的編制能力、處理能力、運算能力、檢查能力和總結能力。

從實際操作來看，會計專業教學的創新，要在保證學生擁有接入相關網絡數據的、處理運算大數據能力的基礎計算機硬件和軟件設備的基礎上進行。首先應培養學生在網絡數據中挖掘有效資源的能力。教師在教學過程中應布置此類作業或實踐項目，鍛煉學生在網絡上查找和篩選數據的能力。

在搜集數據的基礎上，在保證學生對傳統會計理論知識充分掌握的前提下，教師教學生使用相關軟件進行數據分析，培養學生對數據的預處理和建模創新能力，幫助學生養成管理型會計的思維方式。另外，由于大數據的工作量巨大，實際會計工作往往是由一個會計團隊合作進行的。在創新的課程中，必須通過課題或項目，讓學生組成項目小組進行實踐操作，通過團隊合作完成項目的方式，使學生能夠運用會計專業的各方面知識，分擔會計工作流程中的各個工作崗位的角色，培養團隊意識，學會分工合作，適應未來工作需要。

在開設檢索課程和統計學課程之外，需要增設數據處理軟件工具的實務操作課程，在會計電算化的要求下，會計教學中必須教會學生如何熟練、巧妙地使用電算化的相關軟件，如excel、用友等。在學校里，學生學習的都是基本用法，但是在實際工作中，由于行業不同、企業不同、數據性質不同、計算需要不同，會計需要自己編制一些適合的表格進行計算。那么，復雜套表的設計，公式的運用等就需要會計靈活地使用軟件進行設計，滿足會計實際工作中的需要。

由于大數據的規模性和系統性，并且處理的數據量巨大，一個小小的差錯就可能導致結果的很大誤差或錯誤，會計工作中的準確性和對責任感的要求都是極為嚴格的。教學實踐中需要步步留痕，每一個步驟都是由團隊中的某位成員進行的，都有據可查，在作業結果錯誤時，對出錯的成員進行“懲罰”，以示團隊對準確性的嚴格要求，以利于團隊成員中個人責任感的提升。教學中也可以建立學分之外的獎懲機制，在項目進行的過程中和項目完成后，對優秀學生進行獎勵，對出過錯誤的學生進行“懲罰”。

課程中還可以結合實務技能，引用互聯網上的實際數據，分門別類地對各行業的大數據進行立項分析，或者從某些大型企業的公開數據中，進行數據的引用，使用這些數據進行教學訓練，模擬公司會計實務操作流程，使學生能夠身臨其境地進行大數據的計算和分析，以總結性論文、報告或演講的形式將結論進行匯報，通過各組的相互對比，評價立項活動的各組業績是否正確，從而進行學分評價。

完善會計網絡教學平臺建設和使用。學校可以設計搭建或引進會計網絡教學平臺，學生平時通過平臺進行課程學習、完成和提交作業、完成隨堂和結課測驗等功能。運用網絡促進學生學習，需要進一步完善網絡軟硬件設施的建設，及時升級更新教學平臺，引進會計的大數據資源，進行相關數據的自動或手動的實時監控收集，套用常用的建模，劃分統計模塊，進行項目操作。同時，教學平臺還要讓學生查看學習作業和隨堂測試結果，教師的評語和建議，及時了解自己不懂不會的知識點。教師也能全面了解學生隨堂知識的掌握情況，掌握學生學習動態數據，隨時改進教學進度和教學方法。

會計教學的創新還可以與行業公司進行合作，承攬一些實際的會計工作項目，如預決算、招投標、核標、工程評估、財務報表、統計、科研調查等。這一與關聯公司的互動合作是互利互惠的，既能幫助公司完成工作，也能借此鍛煉學生的工作能力，促使學生將理論與實踐相結合，為學生的未來工作打好基礎。

四、結語

大數據時代對各行各業的會計提出了不同挑戰，同時也是相同要求。作為會計工作能力培養的會計專業教學，其創新是一個前程漫漫的過程。希望各高校、科研院所的教育從業人員能夠進行理論和科研創新，進行教學實踐的探索，互通有無，增加溝通，不吝討論，共同開動腦力探索出對大數據新知識、新理論、新實踐更為適合的會計人才培養新方法。

參考文獻：

[1]趙潤杰，論高等職業學校會計教育的創新[J]，教學與職業，

2008（8）.

[2]農海燕，適應“2+1”模式優化高職會計專業教學[J]，經濟與社

會發展，2008（10）.

[3]高雁，淺析高職高專會計教學模式的創新，吉林省經濟管理

干部學院學報[J]，2010（6）（4）于沛、綦桂芬，教、學、做合一教

學法嘗試[J]，吉林商業高等專科學校學報，2000（3）.

[5]吳飛美，淺析高職高專復合型市場營銷人才培養模式[J]，福

建商業高等專科學校學報，2006（2）.

[6]孫建東、李衛紅、趙鈞鐸，對高職高專《工商企業管理[》課程

創新建設的思考[J]，科技情報開發與經濟，2007（29）.

[7]張導成，關于我院高職高專教育實踐教學改革的思考[J]，科

技創新導報，2009（11）.

篇13

謝平和鄒傳偉（2012）是較早分析互聯網金融模式的人，他們首先提出以互聯網為代表的現代信息科技，特別是移動支付、社交網絡、搜索引擎和云計算等，將對人類金融模式產生顛覆性影響，可能出現既不同于商業銀行間接融資，也不同于資本市場直接融資的第三金融融資模式，稱為互聯網金融模式。他們認為以互聯網為代表的現代信息技術對人類經濟社會的金融模式產生根本性的影響。宮曉林（2013）則認為，互聯網金融將為中小銀行與大銀行競爭帶來機會，能有效解決中小企業及小微企業融資難的問題等等。

二、互聯網金融對傳統商業銀行的沖擊和影響

近兩年，互聯網金融的模式日漸成熟，尤其是成型的六大互聯網金融模式，隨著六大互聯網金融模式的發展，對于傳統的商業銀行的影響也是很大的。我們查閱了大量的文獻資料，主要總結出互聯網金融對傳統商業銀行的三大沖?簟?

（一）對銀行支付業務的沖擊

支付業務是商業銀行的傳統業務，尤其是近幾年以支付寶、微信等的第三方支付平臺的迅猛發展。傳統的商業銀行的支付業務往往是需要通過支付人員到銀行柜臺進行支付，是支付雙方的前端支付；互聯網金融的發展使支付業務由前端向幕后轉移，支付人員只需要通過手機客戶端就可以完成網上平臺的各項支付，這對商業銀行的傳統支付業務帶來了很大的沖擊。雖然我國的互聯網金融對比國外起步較晚，但是我國互聯網金融每年的增長率卻是十分驚人的。2013年，我國的互聯網支付規模已經達到了5.37萬億元，第三方的支付數量已經超過了美歐日等主要經濟體的總和。在短短的這幾年的發展中，雖然互聯網支付在全社會支付的總額中還未占到千分之二，但是每年正在以180%的年復合增長率飛速增長。由此可以預見，互聯網支付今后的發展力量是不容小覷的。

（二）對銀行大數據的沖擊

現代商業競爭的本質就是對信息資源的爭奪。可以說，誰掌握了客戶最有用的信息，誰就站在了最有利的位置。互聯網金融是大數據和云計算迅猛發展下的產物，客戶通過網上搜索引擎會留下大量的消費痕跡，如果對這些數據進行整理和分析，就是能夠創造巨大商業價值的大數據。雖然互聯網金融近兩年發展迅速，但是還是無法和傳統的商業銀行的海量數據相企及的，傳統商業銀行的數據都是零散的，沒有針對性的數據，而對于互聯網金融來說，大數據和云計算技術的應用正通過這些信息深入挖掘顧客的消費偏好、消費能力等方面的經驗規律，互聯網金融擁有敏銳的“嗅覺”，能夠迅速并且準確的捕捉到用戶的習慣和需求，這也是傳統商業銀行雖然擁有足夠的數據，但是仍然處于劣勢的原因。

（三）對小微信貸的影響

一般的小微企業很難從傳統的商業銀行獲得借款，而互聯網金融天生就是解決長尾問題的最好辦法。前幾年，阿里巴巴推出了阿里小貸，這對于剛剛起步的很多小微企業而言是很大的福音。小微企業很難滿足銀行的貸款要求，但是阿里小貸對于貸款沒有特別多的要求，企業是否具有良好的資質是知否獲得貸款的條件。小微企業的發展是現在中國不能忽視的經濟力量。

通過對比分析，我們可以知道，互聯網金融進入支付領域影響的是商業銀行的現在，而互聯網金融進入小微信貸影響的就是商業銀行的未來。

三、互聯網金融對商業銀行的啟示

筆者通過研讀互聯網金融與傳統商業銀行的相關論文和文獻資料，總結出傳統商業銀行面對互聯網金融發展的威脅可以采取的幾點措施。

（一）互聯網金融和商業銀行合作彌補相互間的劣勢

互聯網金融雖然在我國發展的比較迅速而且發展勢頭良好，但是它也存在一定的缺點，比如互聯網金融存在一定的道德風險。會有人利用互聯網金融籌集大量的資金，然后帶著這些資金跑路，我國法律對于互聯網金融這一方面尚且處于起步階段，所以沒有明確的相關法律進行保護。由此可以構建互聯網金融和傳統商業銀行合作的平臺，將用戶在互聯網上的相關賬號和傳統的商業銀行綁定，依靠傳統商業銀行的信譽措施對互聯網上的用戶進行約束。互聯網金融可以利用云計算等相關技術整理分析商業銀行的海量數據，以供雙方使用，以達到互利共贏的目的。

（二）互聯網金融和商業銀行合作提升用戶體驗

任何事物都不可能是一成不變的，尤其是對于電子信息技術，更是飛速發展，傳統商業銀行應該與時俱進，積極的學習互聯網金融在用戶體驗方面的成功之處，并能靈活的運用于自身，我國的商業銀行應該怎么做，可以參考Facebook和花旗銀行的完美聯姻。