商業無論是接受還是拒絕,中國金融業的大數據時代正在呼嘯而至。據調查,經過多年的發展與積累,目前很多國內金融機構的數據量級已經達到100TB以上。而且,非結構化數據量正在以更快的速度增長。在高數據強度的金融行業,這一發展激起了巨大的想象空間。然而,要抓住這一機遇並非易事。

我們系統梳理了大數據在全球金融行業的發展現狀、潛在應用、關鍵瓶頸及應對方案,旨在協助金融機構從價值的角度更好地理解大數據,並在大數據迅速滲入金融業務各個層面的當下抓住發展機遇。

大數據引領金融機構變革主要體現在哪些方面?

成就大數據的不僅是傳統定義中的“三個V”,即數量(Volume)、速度(Velocity)和種類(Variety)。對金融機構而言,更重要的是第四個V,即價值(Value)。大數據的價值不僅體現在對金融機構財務相關指標的直接影響上,也體現在對商業模式變革的推動能力上,即不斷引發傳統金融機構的內嵌式變革。

大數據從四個方面改變了金融機構傳統的數據運作方式,從而實現了巨大的商業價值。這四個方面(“四個C”)包括:數據質量的兼容性(Compatibility)、數據運用的關聯性(Connectedness)、數據分析的成本(Cost)以及數據價值的轉化(Capitalization)。

大數據推動銀行的變革主要體現在價值層面上

數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從“後端”不斷推向“前台”,而存量架構與創新模塊的有效整合是傳統金融機構在技術層面所面臨的主要挑戰。此外,數據生態的發展演進有其顯著的社會特徵。作為其中的一員,金融機構在促進數據經濟的發展上任重道遠。

為了駕馭大數據,國內金融機構要在技術的基礎上着重引入以價值為導向的管理視角,最終形成自上而下的內嵌式變革。其中的三個關鍵點(“TMT”)包括:團隊(Team)、機制(Mechanism)和思維(Thinking)。

大數據是什麼?在這個問題上,國內目前常用的是“3V”定義,即數量(Volume)、速度(Velocity)和種類(Variety)。

雖然有着這樣的定義,但人們從未停止討論什麼才是成就大數據的“關鍵節點”。人們熱議的焦點之一是“到底多大才算是大數據?”其實這個問題在“量”的層面上並沒有絕對的標準,因為“量”的大小是相對於特定時期的技術處理和分析能力而言的。在上個世紀90年代,10GB的數據需要當時計算能力一流的計算機處理幾個小時,而這個量現在只是一台普通智能手機存儲量的一半而已。在這個層面上頗具影響力的說法是,當“全量數據”取代了“樣本數據”時,人們就擁有了大數據。

海量的數據為銀行的發展提升了價值

另外一個成為討論焦點的問題是,今天的海量數據都來源於何處。在商業環境中,企業過去最關注的是ERP(Enterprise Resource Planning)和CRM(Customer Relationship Management)系統中的數據。這些數據的共性在於,它們都是由一個機構有意識、有目的地收集到的數據,而且基本上都是結構化數據。隨着互聯網的深入普及,特別是移動互聯網的爆髮式增長,人機互動所產生的數據已經成為了另一個重要的數據來源,比如人們在互聯網世界中留下的各種“數據足跡”。但所有這些都還不是構成“大量數據”的主體。

“3V”的定義專註於對數據本身的特徵進行描述。然而,是否是量級龐大、實時傳輸、格式多樣的數據就是大數據?

成就大數據的關鍵點在於“第四個V”,即價值(Value)。當量級龐大、實時傳輸、格式多樣的全量數據通過某種手段得到利用並創造出商業價值,而且能夠進一步推動商業模式的變革時,大數據才真正誕生。

大數據運作如何推動金融業變革?

多元化格式的數據已呈海量爆發,人類分析、利用數據的能力也日益精進,我們已經能夠從大數據中創造出不同於傳統數據挖掘的價值。那麼,大數據帶來的“大價值”究竟是如何產生的?

無論是在金融企業還是非金融企業中,數據應用及業務創新的生命周期都包含五個階段:業務定義需求;IT部門獲取並整合數據;數據科學家構建並完善算法與模型;IT發布新洞察;業務應用並衡量洞察的實際成效。在今天的大數據環境下,生命周期仍維持原樣,而唯一變化的是“數據科學家”在生命周期中所扮演的角色。大數據將允許其運用各種新的算法與技術手段,幫助IT不斷挖掘新的關聯洞察,更好地滿足業務需求。

大數據延長了金融機構的生命周期

大數據改變的並不是傳統數據的生命周期,而是具體的運作模式。在傳統的數據基礎和技術環境下,這樣的周期可能要經歷一年乃至更長的時間。但是有了現在的數據量和技術,機構可能只需幾周甚至更短的時間就能走完這個生命周期。新的數據運作模式使快速、低成本的試錯成為可能。這樣,商業機構就有條件關注過去由於種種原因而被忽略的大量“小機會”,並將這些“小機會”累積形成“大價值”。

 

作者@雪姬

來源@36大數據

文章鏈接:http://www.36dsj.com/archives/45857