《九次方·金融大数据白皮书》全文.pdf

1、 九次方 金融大数据白皮书 九次方大数据 2014 年 8 月 24 日 一、 引言 . 3 二、 迎接金融大数据时代到来 . 5 1、 大数据起源 . 5 2、 金融大数据由来 . 7 3、 金融大数据相关概念及特点 . 9 三、 当前金融大数据的应用及现状 . 9 1、 银行业金融大数据应用情况 . 9 （ 1） 银行业接受大数据的变革 . 9 （ 2） 银行业优秀的大数据服 务商情况 . 11 （ 3） 银行业领先的大数据应用方案 . 14 2、 保险业金融大数据应用情况 . 17 （ 1） 保险行业适应大数据时代的新发展 . 17 （ 2） 保险业优秀的大数据服务商情况 . 19 3、

2、 证券业金融大数据应用情况 . 19 （ 1） 大数据为证券行业带来新的发展机遇 . 20 （ 2） 专注证券业的大数据服务商 . 21 （ 3） 证券业领先的大数据应用方案 . 21 4、 信托业金融大数据应用情况 . 23 （ 1） 信托依赖大数据将让业务变得更加深入 . 23 （ 2） 专注信托领域的数据服务商 . 23 5、 直接投资领域大数据运用情况 . 23 （ 1） 大数据为直接投资增加利器 . 23 （ 2） 投资领域大数据的优秀企业 . 25 6、 其它领域大数据运用情况 . 26 （ 1） 小额贷款领域运用情况 . 26 （ 2） 担保行业大数据运用情况 . 27 （ 3）

3、 P2P 领域大数据运用情况 27 （ 4） 其它领域优秀的大数据服务提供方 . 29 四、 金融大数据技术特点及未来方向 . 30 1、 金融大数据的关键技术 . 30 2、 大数据带来的征信体系变革 . 30 3、 大数据加快资本市场并购效率及步伐 . 30 五、 结束语 . 33 一、 引言 当前，全球大数据产业日趋活跃，技术演进和应用创新加速发展，各国政府也逐渐认识到大数据在推动经济发展、改善公共服务，乃至保障国家安全方面的重大意义，纷纷积极出手推动。在全球大数据蓬勃发展的大背景下，我国也面临难得的发展机遇。如何抓住机遇，将我国拥有的数据资源转化为经济发展动力，是摆在政府和产业界面前的

4、紧迫课题。 随着大数据技术的成熟应用， 麦肯锡全球 研究院在其发布的大数据：创新、竞争和生产力的下一个新领域报告中指出： “ 大数据之大，通常是指数据量大到超过传统数据处理工具的处理能力，是相对和动态的概念。此外，大数据又被引申为解决问题的方法，即通过收集、分析海量数据获得有价值信息，并通过实验、算法和模型，从而发现规律、收集有价值的见解和帮助形成新的商业模式。 ” 金融业是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是数据来源。但反过来，大数据对于金融 行业新时代 发展的助推作用也逐渐浮现。 九次方大数据：企业大数据 +金融互联网 +企业征

5、信 +智慧城市 +产业链社交 创建于 2010 年的九次方大数据（ JUSFOUN BIGDATA)是中国目前唯一的企业大数据服务平台，九次方大数据平台汇集分析了 40 多个产业链、 8000 多个行业、 40000 多个细分市场、 500 多个城市的 750万家企业。每家企业设定了 200 多项指标，可以进行交叉分析。 基于企业大数据平台，九次方开发出来了八类大数据服务平台，服务覆盖了 25 个客户群，比如商业银行、 P2P 公司、省市区政府、证券、基金、投资公司、上市公司、市场研究公司等等。 九次方总部位于北京金融街，拥有大数据挖掘技术、企业数据采集、数据建模、可视化技术方面的大数据产业链

6、人才结构；企业数据采集网络覆盖中国最主要的 21 个核心省份城市。 公司在发展过程中，得到了几大股东 IDG 资本、德同资本、博信资本、富凯投资的大力支持。 九次方大数据 X 解决方案 1，全产业链企业大数据分析平台 2，产业链金融服务大数据平台 3，金融互联网交易撮合直销平台 4，银行客户精准营销大数据系统 5，中国企业征信大数据服务平台 6，企业决策、投资、并购大数据 7，智慧城市企业大数据分析 平台 8，风险预警分析大数据监控平台 九次方大数据优势： 1，数据优势 九次方企业大数据平台已经汇集了 40 多个产业链、 8000 多个行业、 40000 多个细分市场、 500 多个城市的 7

7、50 万家企业。 2，先发优势 在 2010 年就开始做企业数据沉淀，截至目前九次方沉淀了 2005年至今的连续性企业数据，每家企业设定 200 多项指标 3，方案优势 基于企业大数据平台开发出来了八类大数据服务平台，覆盖 25 个客户群，比如商业银行、 P2P 公司、政府、投资等等。 4，股东优势 公司在发展过程中，得到了几 大股东 IDG 资本、德同资本、博信资本、富凯投资的大力支持。 5，技术优势 拥有大数据挖掘技术、企业数据采集、数据建模、可视化技术方面的大数据产业链人才结构。 6，服务优势 九次方已经服务了 10 几个省市区政府、 20 多家商业银行、几十家投资、证券公司等，可以在

8、21 个地区提供本地化服务 6，战略优势 与汤森路透、腾讯财经、标准普尔、五道口金融学院、北京金融局、贵阳市政府、重庆市政府等结成全面战略合作伙伴 二、 迎接金融大数据时代到来 1、 大数据起源 大数据的应用和技术是在互联网快速发展中诞生的，起点可追溯到 2000 年前后。当时互联网网页爆发式增长，每天新增约 700 万个网页，到 2000 年底全球网页数达到 40 亿，用户检索信息越来越不方便。谷歌等公司率先建立了覆盖数十亿网页的索引库，开始提供 较为精确的搜索服务，大大提升了人们使用互联网的效率，这是大数据应用的起点。当时搜索引擎要存储和处理的数据，不仅数量之大前所未有，而且以非结构化数据

9、为主，传统技术无法应对。为此，谷歌提出了一套以分布式为特征的全新技术体系，即后来陆续公开的分布 式文件系统 (GFS， Google File System)、分布式并行计算 (MapReduce)和分布式数据库 (BigTable)等技术，以较低的成本实现了之前技术无法达到的规模。这些技术奠定了当前大数据技术的基础，可以认为是大数据技术的源头。 最早提出 “ 大数据 ” 时代到来的是全球知名咨询公司麦肯锡，麦肯锡称： “ 数据 ，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量 数据的挖掘 和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。 ” “ 大数据 ” 在

10、物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，因为近年来互联网和信息行业的发展而引起人们关注。 2、 金融大数据由来 我国金融大数据是从金融信息化大背景下的升级和提升 早在 2007 年，人类制造的信息量有史以来第一次在理论上超过可用存储空间总量，近几年两者的剪刀差越来越大。 2010 年，全球数字规模首次达到了“ ZB”（ 1ZB 1024TB）级别。 2012 年，淘宝网每天在线商品数超过 8 亿件。 2013 年底，中国手机网民超过 6 亿户。随着互联网、移动互联网、传感器、物联网、社交网站、云计算等的兴起，我们这个社会的几乎所有方面都已数字化，产生了大量新型、

11、实时的数据。无疑，我们已身处在大数据的海洋。大数据对许多行业的影响和冲击已经呈现。例 如，商业零售、物流、医药、文化产业等。金融，作为现代经济中枢，其实也已透出了大数据金融的曙光。 从 21 世纪以来，学术界中涌现出了一批关于大数据与金融之间联系的研究成果。 2010 年，美国印第安纳大学的一项研究成果表明从 Twitter 信息中表现出来的情绪指数与道琼斯工业指数的走势之间具有很强的相关性。研究表明， Twitter 中表现出来的情绪和道指接下来几天的上涨或者下跌的相关性达到了 87%。随后在 2011 年，作者将研究的范围扩展到了新闻调查、 Twitter 订阅以及 GOOGLE 搜索引擎

12、数据，通过情绪追踪技术，比较 这些指标对道琼斯工业指数价格、交易量、市场波动率 (VIX)还有黄金价格的影响。同时，作者还使用了传统的记录投资者情绪的数据，与上述的互联网上的大数据进行比较，看它们对金融市场的影响。结果表明，传统的关于投资者情绪的调查数据是金融市场的滞后指标，也即是说，利用传统的投资者情绪指标无法预测股票市场的涨跌变化。然而，每周的 GOOGLE 金融搜索数据则能够预测股票市场的变化，用 Twitter 投资者情绪指标预测一到两天后的股市收益率的结论也是统计上显著的。这就说明，利用网络大数据来预测股市的变化是可行的。此外，美国佩斯 大学在2011 年的研究成果表明，社交媒体可以

13、预测出三大国际知名品牌股票价格的涨跌，包括星巴克、可口可乐和耐克。 我国金融大数据是从金融信息化大背景下的升级和提升。中国金融大数据来源于早期的信息化 ,如下图 : 传统的信息化已经不能适应新时代需求，互联网、物联网带来的冲击将加快大数据金融的构建速度。 3、 金融大数据相关概念及特点 金融大数据将给中国银行带来极大的转变。它将让银行从被动服务客户，转向更加主动的方式。主动地去探索和挖掘，形成营销和分析模型，并直接投入到金融运营当中，使金融大数据真正产生业务价值。这一切正在悄然改变金融运营模式。 三、 当前金融大数据的应用及现状 1、 银行业金融大数据应用情况 （ 1） 银行业接受大数据的变革

14、 与其他行业相比，大数据对银行更具潜在价值，麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。这主要是因为：一方面，大数据决策模式对银行更具针对性。发展模式转型、金融创新和管理升级等都需要充分利用大数据技术、践行 大数据思维。另一方面，银行具备实施大数据的基本条件： (一 )数据众多。银行不仅拥有所有客户的账户和资金收付交易等结构化数据，还拥有客服音频、网点视频、网上银行记录、电子商城记录等非结构化数据； (二 )拥有处理传统数据的经验； (三 )较高的薪酬能够吸引到实施大数据的人才； (四 )充分的预算可以利用多项大数据新技术。因此，银行应从大数据就是大资产的高度，尽早制定大数据战略，

15、研究、应用大数据，分享大数据所带来的利润。 金融机构 2013 年 数量 政策性银行及国家开发银行 3 大型商业银行 5 股份制商业银行 12 城市商业银行 147 城市信用社 0 农村商业银行 85 农村合作银行 223 农村信用社 2646 邮政储蓄银行 1 村镇银行 349 金融资产管理公司 4 外资法人金融机构 40 信托公司 63 企业集团财务公司 107 金融租赁公司 17 货币经纪公司 4 汽车金融公司 13 消费金融公司 4 贷款公司 9 农村资金互助社 37 金融机构 网点 总 数 ： 19.6 万 金融业正在面临着前所未有的科技挑战，面对激增的海量数据，如何实现分析洞察，将

16、是行业创新和转型的关键。各个银行都在做相关的尝试，这些尝试其实都和大数据分析本身的特性紧密相关。银行大数据项目都有一个共同动因，那就是业务价值驱动。各银行中会有不同的内部结构化数据资产，在业务价值驱动的前提下，很多银行在尝试着把原有资产进行梳理。大数据会打破以前的数据壁垒，将不同类型的数据借着大数据的新技术和新能力进行关联性认知分析，产生了新的业务和价值。 （ 2） 银行业优秀的大数据服务商情况 a.文思海辉技术有限公司 在银行业领域已有多年积累，凭借以关注客户为中心，和以产品创新为核心驱动力的建设，文思海辉的金融解决方案，在客户群中赢得了良好的口碑。此前，文思海辉在 IDC中国银行业 IT

17、解决方案市场 2013-2017 年预测与分析中被评为2012 年中国银行业 IT 解决方案市场的领导者之一。 IDC 在报告中指出： “ 与 2011 年相比，文思海辉的异军突起成为 2012 年中国银行业 IT 解决方案市场的一大亮点。 花旗银行、 广发银行和上海浦东发展银行信用卡 b.九次方企业大数据平台为 750 万家企业插了产品及服务标签，分布到了 40 多 个产业链、 8000 个行业、 4 万个细分市场。营销大数据系统覆盖了全国 500 个城市， 5600 个区县、 2500 个高新园区、 30多万条街道、 12 万个写字楼。商业银行信贷业务员可以按照不同区域街道、不同收入及资产

18、规模、不同行业、不同企业集团及法人进行检索潜在客户，并对此企业进行初步信用分析。 九次方基于所有企业设定了综合征信指标，真实反应企业的信用指数、价值评级。分析指标包括信用等级、核心竞争力、投资价值、成长性、抗风险能力、投资潜力等。并做到 3 个月跟踪监测一次，实时反应区域企业活跃度。 九次方为银行业降低风险 ,寻找潜 在目标客户提供了扎实基础 . 基本资料 上游供应商 核心竞争力分析 股权结构 下游客户 获得资质 财务稳定性分析 竞争对手 获得证书 产业链分析 专利数据 融资及并购记录 相关法院诉讼 关联公司 负面新闻 企业综合 征信 信息 既可为防范信用风险，保障交易安全创造条件，又可 对

19、具有良好信用记录的企业 进一步进行价值分析 。 基于产业链搜索，银行可以精准的获取目标企业客户的行业发展前景、所处行业地位、企业竞争力、所处产业区域分布、营收分布情况、行业成长性、竞争格局及市场占有率等。 传统的银行在为企业贷款的时候，更多的依赖企业单一的财务报表。在错综复杂的企业发展环境下，通过产业链企业大数据分析来判断企业贷款风险，显得更加可靠。 商业银行在提供产业链金融服务时，要密切关注整个产业链的运行状况，及时全面地掌握有关产业链相关企业的信息，密切关注企业外部环境的发展态势，有必要建立一套及时准确的预警评价指标系统，以便于银行能够实时有效地获得产业链的相关信息。利用这种预警评价指标系

20、统，如果由于企业内部或外部环境发生变化导致某些指标出现异常时，会及时地向银行发送预警信息，开启危机处理预案，最大限度地 减少风险，以确保产业链有效地运行；此外，银行应跟踪评价核心企业的经营动态和位于产业链上下游的中小融资企业，及时调查和科学评估产业链金融融资企业的经营业绩状况、质量和成本控制、新产品和技术开发程度、用户满意度水平以及有关交货协议等发展情况，如果发现问题应将具体情况及时告知相关企业，以便企业进行有效的预防或改良，从而保证整个产业链条的持续安全运营。 企业本身与产业链的经济发展和行业数据都有一定的规律性，这就需要银行建立一套与客户的产业链数据风险分析模型来预测潜在客户或现有客户财务

21、风险、行业风险的发生。 九次方企 业大数据就是在所有的产业链企业大数据信息上进行建模分析，从总体上研究，这样对企业贷款风险的管理会更加到位。 （ 3） 银行业 领先的大数据应用 方案 交通银行数据中心副总经理郑仕辉认为云计算和大数据在商业银行的应用将使得商业银行在及时感知和洞察客户需求、精准实时的营销、个性化的客户体验、信贷风险控制等方面使得银行更加智能，使得未来的银行更加智慧。云计算的特征，包括以下几个方面，一是虚拟化；二是按需获取；三是弹性扩展；四是自助服务。而从技术实现上来说云计算 由基础的技术部分组成：第一类技术是大家比较熟悉的互联网、大规模分布式处理技术；第二个技术是传统 IT 厂商

22、的虚拟化技术；第三个技术是就是互联网分布式处理技术和数据库运行处理技术的结合，也就是大数据基础的技术。目前大数据的技术实现主要两个方式，一个方式是在传统数据库的基础之上，引入 Hadoop 的一些处理方法，主要集中在分布式的文件系统，像 GreenPlum、 Aster Data 等。第二种方式，就是原本做 Hadoop 等云计算厂商，在处理一些结构化或者半结构化的数据时可能就会选择 Hive、 Pig 等技术。这两种产品各有 优缺点。当涉及到云计算的扩展性，第二类的分布处理能力从范围上、规模上都扩大了很多，但是支持能力比较弱。大数据可以从几个层面进行入手，首先可以对客户行为进行分析，提供个性

23、化的沉淀与服务。第二个是精准营销，实现个性化、准实时的营销。第三个是个人信用评分：自动决定信用额度。最后就是风险控制：贷记卡反欺诈等。 浦发银行 12 月 11 日正式发布其 “ 电商通 2.0” 产品以发力大数据，也升级该行服务小微电商企业能力。浦发银行董事长吉晓辉提出： “ 服务电商是浦发银行创新网络金融服务模式的积极探索。 ” 小微电商经营于虚拟网络空间，金融服务模式必须与电商经营模式完全契合，才能符合电商经营的需要。浦发银行的 “ 电商通 2.0”是其着手搭建大数据平台，为小微电商打造专属服务方案，包括线上经营、线上数据、线上审批与线上贷款，尝试变革商务企业融资方式。 “ 原来的服务模

24、式是 线上 +线下 ，现在发展到 线上全自动 。 ” 浦发银行冀光恒在发布会上表示。以授信评审为例，升级后的浦发电商业务就以自动评审为核心，简化操作流程，客户经理只上门一次、客户来银行一次即可完成所有业务流程。 中信银行信用卡中心利用大数据打造用户体验的一些做法 ，不是简单照搬互联网的做法，而是把互联网一些深层的东西， “化 “在了自己的业务中 。 实现了引进消化吸收基础上，结合市场需求进行再创新。 中信银 行信用卡中心（以下简称卡中心）基于社交网络数据提供增值服务 表现了这样的特点。在互联网做金融服务，还仅仅是以中心化的 IP 网络结构处理业务时，他们采用了更先进的去中心化的 WEB网络结构

25、处理业务。 “客户的好友也是我们的客户 “这样的理念，反映的是下一代网络（如小世界网络）的先进特征。这个思路就其架构的先进性来说，超过淘宝商城的传统网络模式，具有腾讯微信架构的网络特征 。以往总是互联 网企业率先采用新的网络理念、网络架构，银行被动追赶，但这里是银行领先于互联网采用 新的网络理念和新的网络架构 。互联网企业对此不能不高度重视。 花旗集团为了解决非结构化数据困扰，使用了 IBM Watson 的深度内容分析、自然语言处理、决策支持和基于循证的学习功能来提高客户交互水平。来帮助改进银行金融系统，包括分析贷款以及投资风险，改善与顾客之间的交互等。从而改进并简化客户银行业务体验，不断推

26、进花旗数字银行战略的发展。对于花旗银行来说，零售银行家和信贷员可以利用 Watson 获取银行客户信息并且分析客户下一步需求， 进而向消费者出售金融产品。比如，某人为自己的孩子开办了一款信用卡，当孩子被送去上大学后， Watson 就会分析这位顾客所需要的金融产品。如果之后家长有装修厨房的计划，那么花旗银行的工作人员会向这位家长推荐装修贷款。在大数据时代，越来越多的企业管理者意识到了业务分析的重要性。业务分析洞察已经成为了企业转型的有利抓手。银行也发生了变化，从以产品为中心，也就是销售产品和服务转向现在以客户为中心。 广发银行 今年一季度启动了大数据分析平台项目。该项目旨在收集整合全行所有渠道

27、的客户接触数据，重点包括客户渠道接触记录、交易 行为、交互行为等信息，同时还将通过多方合作拓展外部数据源。大数据分析平台对广发银行的业务支撑将主要体现在以下四个方面。一是通过加强对客户的分析和洞察，丰富客户全景视图，促进客户的获取率和留存率，活跃客户的激活率和持续力，提升客户整体价值。二是通过交叉营销分析、精准营销分析和个性化推荐分析的应用提升业务营销成效。三是通过加强市场风险分析、中小企业贷款风险评估、实时欺诈交易分析和反洗钱业务分析手段，提升风险管控水平。四是通过增加渠道优化分析、市场分析、资讯热点分析、舆情分析和联系中心分析等多维分析方法，提升产品 创新和运营质量。项目的最终实现广发银行

28、获客渠道和营销手段的成倍增长，营销成本的大幅压缩和潜在客户数的大幅提升，以产品为中心所带来的弊端将被抛弃，每个业务条线被压抑的潜能都将得以释放。 中国第一家大数据信用信息服务机构 金电联行则利用大数据破解中小微企业的贷款难题，开启了纯信用贷款的新模式。金电联行打破了传统的财报信用评价思维，通过对企业的大数据（生产、流通、销售中产生的所有信息）进行分析，量化企业的信用额度。借由金电联行的信用评价结果，中小企业可直接从银行获取无需担保抵押的纯信用贷款，大大降低了企业的贷款门 槛。基于大数据的技术，目前对授信企业的变化情况已经可以按秒计，已经成为 民生银行 、 招商银行 、建设银行 的信贷管理服务提

29、供商。”截至目前，金电联行为 200 多家中小微企业提供了总规模超 30 亿元人民币的非抵质押信用融资服务，贷款利率多为基准利率上浮 20 30%，尚未发生过一笔不良贷款。其中，最大单笔纯信用贷款额度为 6800 万元人民币。 2、 保险业金融大数据应用情况 （ 1） 保险行业适应大数据时代的新发展 保险业的业务比较复杂，几乎涵盖了银行的所有业务，同时又有理赔等各种业务， 保险业信息系统所涉及的数据类型也比较复杂，这是保险行业的特色。从现代保险业的业务类型来看，险商主要分为人身险、财产险、再保险三种，其中财产险与人身险在业务流程上存在很多相似之处，其业务系统构成大致相同，在具体业务的操作上会存

30、在较大的差异。 保险业数据信息服务市场规模 (单位 :亿元 ) 2011 年 2012 年 2013 年 2014 年 E 2015 年 E 2016 年 E 2011 年 17.5 21.8 27.3 34.1 42.7 51.3 17.5 IBM 商业价值研究院与牛津大学在 2012年联合开展的关于大数据实际应用状况的调研显示，目前全球保险业中约有 2/3 的企业已经或正在计划进行大数据技术应用。数据挖掘分析能力将成为未来的一大竞争优势。 大数据所带来的思维和技术变革，将提供创新的金融产品，也在加强各类金融基础信息保障能力。未来，保险业和互联网大数据将进行深度结合，一个历来以数据为生产资料

31、，培训数据统计专业人才，以严格的数据和准则监管报批核准的金融行业和一个掌控海量咨询数据库的如空气般弥漫在每个人身边的新兴行业，其在思维中融合将带来颠覆性的变革。 截 至 2013 年，中国平安已经建立了客户价值分群体系和客户大数据分析平台，深入挖掘客户价值，综合金融大后台建设得到深化。平安数据科技通过深化集中共享、提高自动化率等运营优化措施，助力平安产险和平安寿险理赔服务水平升级； 2013 年，寿险首创的移动展业销售模式 (MIT)移动展业平台寿险业务的使用率已达到 98%，为客户提供了更为便捷的服务。通过微信及 APP 平台运用和移动展业E 化保全等举措，提升了客户体验。 泰康人寿宣布正式

32、启用云计算中心，云中心被认为不仅仅将信息技术作为对传统保险业务的后台支持，更是让信息技术无缝对接 市场需求，直接推动产品创新。泰康今后还将基于云数据中心构建大数据平台，为包括寿险类、年金类、资产类以及养老社区等全业务领域提供全方位的技术支撑。尽管泰康“金融云”概念正式落地到保险业务实践，意味着每一位泰康的客户都将享受云中心快速的服务响应和安全的数据保障，但技术体现的仍是支持保险业务的作用。 （ 2） 保险业优秀的大数据服务商情况 中国保险行业首家大 数据 公司 中国 保险 信息技术管理有限责任公司（以下简称“中国保信”）对外宣布正式成立。中国保信由中国 保险 保障基金有限责任公司出资，注册资本

33、 20 亿元。中国 保监会 依法对中国保信实施管理。 据介绍，中国保信成立的主要目的在于统一建设、运营和管理保险 信息共享平台，为 保险 公司之间及 保险 业与其他行业之间的信息交互提供支持。 中国保信将通过信息技术手段，采集 保险 经营管理 数据 及相关外部 数据 ，建立标准化、系统性的 数据 体系，保证 数据 的完整性、时效性和真实性，为 保险 公司、 保险 监管部门、 保险 消费 者等主体提供不 同方式的信息服务。 3、 证券业金融大数据应用情况 （ 1） 大数据为证券行业带来新的发展机遇 由于证券行业的信息化起点较高，业务发展迅速，全行业已经实现了交易撮合、价格生成发布的自动化和集中化

34、。因此证件行业是目前和大数据贴合比较近的行业。经过多年的探索，证券业信息系统的建设取得了长足的进步，在发布、交易、结算、信息披露、技术监控、信息咨询与服务等方面， IT 技术的应用深度和广度都得到了极大扩展。下图是证券信息服务的市场规模： 2009 年 2010 年 2011 年 2012 年 2013 年 2014 年 E 2015 年 E 2016 年 E 证券业信息数据服务市场规模（亿元） 8.2 9.9 10.5 12.1 13.9 15.9 18.2 20.8 增速（ %） 10% 21% 6% 15% 15% 14% 14% 14% 券商业务属性天然适应大数据概念与其他产业相比 ,

35、证券业的产品、服务与流程都能体现出充分的虚拟化特征 ,这一点与互联网的基因完全适应。多年来证券公司的电算化系统已经积累了大量碎片化的标准数据 ,形成丰厚的数据资产 ,在后期的数据挖掘和客户服务中都将起到重要作用。成本上 ,互联网金融模式能大幅减小交易成本和信息挖掘处理成本 ;信息上 ,券商的海量客户信息将成为新的生产要素。 在信息爆发的时代，股市、债市的风雨变化，往往直接和各项经济、行业、企业数据挂钩，如果没有数据，我们很难想象证券业是个什么样子。到今天，大数据在证券业的应 用也更加升入，如高频交易、 互联网数据联动分析，无疑都是需要强大的大数据库信息作为基础，通过数据库的铭感数据变化直接影响

36、交易指令的下达。证券业如果谁还不会运营大数据，那么他将被淘汰。 （ 2） 专注证券业的大数据服务商 北京荣之联科技股份有限公司（以下简称：荣之联）获得“ 2013年度中国证券业大数据最佳服务商”称号。荣之联致力于为能源、电信、政府、制造、证券金融等行业客户提供数据中心解决方案和“一站式” IT 服务，并且在大中型数据中心建设服务方面积累了丰富的经验，形成了全产业链管理、跨平台操作的专业化服务体系，在新一代数据中心建设、云计算、大数据等领域形成了独特的技术优势。 2012年度收购上海锐至信息技术有限公司（以下简称：上海锐至），上海锐至是一家致力于为证券、基金、期货、银行、电信运营商等行业客户提供

37、专业、优质的解决方案服务供应商，增强了荣之联在证券行业的服务能力。 目前在证券业做的比较突出的大数据公司包括 wind、同花顺、九次方等数据库，其将二级市场和行业数据精密结合，将分析意见准确展现。其中九次方更是将一级市场和二级市场数据联动，给一沉不变的证券数据服务业带来新意。 （ 3） 证券业领先的大数据应用 方案 今年 4 月初，中信 证券、国泰君安等五家券商获互联网证券业务试点资格，据悉，又有数家券商成立网络金融管理部门，欲试水金融大数据相关业务。以国金为例，互联网金融开辟了新的渠道。今年2 月份，国金证券“佣金宝”上线，开启万二佣金时代。类似的合作方式，是券商目前参与所谓的“互联网金融”

38、的主流。 湘财证券将被上市公司大智慧换股合并，大智慧的用户近 1 亿，每天上线 1000 万人，大智慧在金融信息服务平台、数据分析、交易支持等方面具有优势，大智慧可通过与湘财证券的合作，整合财通的牌照及通道资源，以及大智慧的金融信息服务能力与平台资源，从而为客户提供投资理财服务。此外，在 互联网 金融方面可开展线上、线下融合的互联网证券业务，并且可加强专业化综合金融服务。 2012 年，海通证券自主开发的“给予数据挖掘算法的证券客户行为特征分析技术”（简称“行为特征分析技术”）问世。目前这项技术主要应用在两方面 根据客户历史交易 行为，为每一位客户打上交易行为特点的标签；根据客户流失概率的预测

39、。通过对海通 100 多万样本客户、半年交易记录的海量信息分析，建立了客户分类、客户偏好、客户流失概率的模型。基于模型验证结果，为海通 400 多万位客户打上了行为偏好的标签。该项技术开发时的最大初衷，是希望通过客户行为的量化分析，来测算客户将来可能流失的概率。海通证券称，“行为特征分析技术”从 2012 年开始已投入运行近一年，累计使用人数 278248 人，日均 1030 人；累计使用功能次数 100 多万次。经2012 年客户交易数据的验证，上述模型较为准确反映了 客户行为。 2012 年，国泰君安也 运用大数据技术 推出了“个人投资者投资景气指数”（简称 3I 指数）。 3I 与海通的

40、行为特征分析技术，数据样本同样是来自券商真实客户的真实交易行为数据。“ 3I 指数”采集的客户行为样本包括账户活动率、账户持仓比例、追加资金比例、流出资金比例、浮盈率、实盈率等。 4、 信托业金融大数据应用情况 （ 1） 信托依赖大数据将让业务变得更加深入 大数据在信托领域有着广泛的应用前景，它既是一种工具的创新，同时也是人类历史上认识世界的方法论的一次创新。信托在业务最 核心的流程中引入了大数据的方法，对借款人的净值调查采用了大数据，用大数据的方法，发现很多借款人在原来的净调过程中发现不了的问题，取得了很好的效果，未来还将使用大数据的方法做信托项目运行过程中的风险监控。大数据是一种工具，也是

41、一种理念。 （ 2） 专注信托领域的数据服务商 聚信托作为平台，主要指通过信托研究、信托产品供销和信托人脉渠道管理等在线功能管理平台，为客户提供信托资讯、产品批发与推介、组团理财业务等方面的理财服务，同时，把企业的融资需求通过组团的方式，由该平台主导，联合信托产品发行机构、资金机构和官方管理机构， 发行合法的信托产品或“类信托”产品，然后通过销售渠道的组团包销，短期内把大额信托产品销售出去，从而达到大额快速融资目的。模式类似于营销信托的“阿里巴巴” 5、 直接投资领域大数据运用情况 （ 1） 大数据为直接投资增加利器 大数据在指导投资上也开始崭露头角。传统的投资机构基本上使用的是金融和财务数据

42、进行投资，而使用的是大数据挖掘，通过这些数据的挖掘来准确判断消费者的行为，进而了解国家 宏观经济 运行的趋势，从而做出正确的投资决策 大数据为直接投资领域加深了产业链挖掘能力，以往直接投资都是通过投资人本身个人能力和行业资源、 人脉去挖掘行业潜力企业，并实施投资。但借助行业大数据，行业产业链上的企业一目了然，那些企业发展后，那个细分领域谁做的通过数据直接反应出来，大大提高直接投资企业的投资效率。 通过产业链的挖掘，也同时大大提高了投资的成功率，规避风险。以往对细分行业的判断及分析往往给予个人研究。拥有大数据资源后完全不一样，可以通过数据方式将行业风险、竞争关系、潜在竞争对手，公司成长潜力直观反

43、映出来，便于投资决策的实施。 此外，在投资增值服务领域也将提高效率，通过大数据反映企业缺什么，弱项在哪里，需要去哪里找资源，备选资源有那些。 以菜单的形式呈现，将大大改变目前在直接投资领域投后管理的盲目性。 VCPE、上市公司、并购基金的投资、并购行为将越来越多的围绕产业链展开，同时 PE 未来会更多的配合上市公司针对产业链进行投资、并购，从而占领产业链整合之后的巨大收益，产业链并购能达到 1+1 大于 10 的可能性。 如何发现众多细分行业的龙头拟上市企业，进行价值判断； 如何按照产业链思路协助上市公司进行产业链并购； 如何建立企业大数据系统，实时监测各个省市区的拟上市企业资源； 如何提高证

44、券公司直投部门的投资效率，又减少成本开支； 如何系统的判断企业所处细分市场的市场地位、竞争力、收入成长性、产业格局、发展趋势等。 九次方投资、 并购大数据平台 深刻的改变了 传统的投资、并购、投行工作模式，因为原来的并购标的分析仅局限于行业小样本研究，而大数据可以做到全产业链全行业全部企业的投资、并购机会、并购价值分析。 协助您按照产业链、按照区域、按照不同规模等几十个指标进行潜在投资、并购标的 的检索、分析等。 大数据平台，使得投资机构更加聚焦在最终的投资、并购交易环节，而不是把成本浪费在项目寻找、产业分析、企业并购可行性判断上面。 （ 2） 投资领域大数据的优秀企业 在内资的金融大数据企业

45、中，我们可以看到众多的潜力企业，包括清科集团、九次方资讯、投中数据等，其均为在国内直接投资领域较早参与金融大数据服务公司，并积累强大数据库资源，以九次方为例。 九次方大数据平台汇集分析 750 万家企业的 100 多项指标，指标主要包括收入、利润、毛利率、 2005 年 -2013 年的财务稳定性、产品竞争力、进出口情况、专利技术、企业资质等。 九次方可协助投行、投资公司、并购基金、上市公司动态监测、分析： 40 多个产业链、 8000 多个行业的 20 万家拟上市企业 20 万家上市后备企业覆盖了中国 500 多个城市、 1500 个开发区 11 个证券交易所的 2 万家上市公司并购需求、并

46、购行为分析 4 万多家潜在被并购对象的财务数据、股权结构、技术竞争力等 通过大数据分析，分析产业链的具体行业、具体企业的投资并购价值、并购可行性、并购发展潜力等。通过九次方并购大数据系统将收购方及被收购方的客户集群进行数据分析，计算出其客户重合度，以帮助并购基金、上市公司决策该收购计划的必要性。同时，不只局限于两家企业的个体数据，还会将它们的商业数据与同类公司进行比较，获得客观准群的分析判断。 6、 其它领域大数据运用情况 （ 1） 小额贷款领域运用情况 阿里小贷首创了从风险审核到放贷的全程线上模式，将贷前、贷中以及贷后三个环节形成有效联结，向通常无法在传统金融渠道获得贷款的弱势群体批量发放

47、“ 金额小、期限短、随借随还 ” 的小额贷款。通过阿里巴巴 B2B、淘宝、天猫、支付宝等电子商务平台，收集客户积累的信用数据，利用在线视频全方位定性调查客户资信，再加上交易平台上的客户信息 (客户评价度数据、货运数据、口碑评价等 )，并对后两类信息进行量化处理；大数据的运用使得金融产品和服务的消费者和提供者之间信息不对称程度大大降低了，在大数据金融时代风险管理理念上，财务分析 (第一还款来源 )、可抵押财产或其他保证 (第二还款来源 )的重要性将有所降低。 （ 2） 担保行业大数据运用情况 阿里巴巴及中国 银行 、招商银行、 建设银行 等多家银行合作推出“网商贷高级版”，向使用阿里巴巴一达通出

48、口基础 服务 的中小企业，提供以出口 贸易 数据为基础的无抵押、免 担保 、纯 信用贷款 服务，最高授信可达 1000 万元。这也是银行首次基于阿里巴巴平台大数据和信用体系 给中小企业提供无抵押信用贷款。其实，早在 2007 年，阿里巴巴就曾与多家银行合作，推出 网络 联保贷款，尝试解决电商平台上企业的融资需求，但整体效果未达到双方预期，合作在 2010 年趋于终止。随后，阿里巴巴推出了自己的 小额贷款 公司“阿里小贷”。 大数据对银行的帮助，不仅限于为中小企业提供授信依据，还在于能够帮助银行降低成本，让为 中小企业贷款 真正具有可操作性。 据不完全统计， 70%以下的中小企业外贸进出口单笔资

49、金需求的额度低于 25 万元人民币。相对于漫长的授信过程，如此低的 金融 额度让金融机构“不堪重负”。银行过去一方面是不信任中小企业自己提交的数据，另一方面则是拿到数据的成本太高。“因为单笔金融小，按照传统的净值调查，取得各种资料需要大量的人力成本。” 上海 银行总行小企业 金融服务 中心总经理朱会冲也认为，利用大数据支持，银行在信贷流程上可以大大优化。 （ 3） P2P 领域大数据运用情况 截至 2013 年 12 月末，全国共有小额贷款公司 7839 家，贷款余额 8191 亿元，全年新增贷款 2268 亿元。 随着互联网金融机构对市场大的逐步蚕食，在此背景下，传统小额贷款行业的运作方式也开始急剧发生变化。小额贷款公司改变传统以来业务员扫街的宣传模式，开始向线上转型，用更加透明的贷款利率和更加便捷的操作流程来吸引客户。 除了行业内部竞争和新增的外部竞争，小额贷款公司发展的先天不足在于资金瓶颈。小额贷款公司的资金来源主要有股东资本、捐赠资金以及从金融机构融入的资金等。金融行业固有的信用风险也在困扰着小贷公司，并已经影响到了其利润。 小贷公司 正在利用大数据、互联网技术降低小企业借贷的复杂性，同时缩减放贷时间。 贷款流程效率低下，推动产生高成本。现实原因有两个： 1)有意愿借款和有