一、大數據的定義分析：

從生產來看，不需要特別的采集過程，因為監(jiān)管要求、業(yè)務邏輯或者技術便利，具有“自生產”特征，比如搜索數據、交易數據等;從存-儲來看，相對于傳統(tǒng)數據庫的數據規(guī)模，量變引起質變，需要新的數據庫技術來支持存-儲和訪問;從使用來看，分析方法從基于概率論的抽樣理論過渡到人工智能、統(tǒng)計學習等講求高維、高效率分析技術。

從行業(yè)細分角度，大數據金融業(yè)主要有大數據銀行金融和大數據證券金融，分別和銀行業(yè)務、證券業(yè)務相關。當然，保險業(yè)天然就和大數據相關。

信用卡自動授信是典型的大數據銀行金融。從銀行角度是否應該對申請者授信、發(fā)授多少信用額度，是個重要問題。傳統(tǒng)方式是人工審核申請資料，然后根據大致的檔位發(fā)放額度或拒絕申請。但是當銀行積累了足夠多的用卡客戶數據，可以把是否違約，違約概率，有效使用額度等指標作為被評價對象，然后調用與此相關的各種客戶信息建立統(tǒng)計模型，自動計算授信結果。

機器人投資是大數據證券金融的代表形式，股票價格波動受各種因素影響，傳統(tǒng)的投資方式一般人工收集信息，手動交易。機器人投資可以建立多因素模型，自動選擇股票或尋找交易時機，在適當的風控模型下建立機器人投資云交易模式。

再如，連接銀行和證券的大數據不良資產評估。2005年，某國有不良資產管理公司開始嘗試在海量數據基礎上進行不良資產評估。原本銀行信貸資產的評估都是基于會計模型，但是不良資產基本沒有會計特征，很難用傳統(tǒng)方法評估。因此，收集已處置資產和待處置資產樣本進行對比，建立數據挖掘模型，可以方便評估待處置資產的價格。

二、大數據金融的定義分析：

金融業(yè)積累的大數據就是金融大數據，根據銀行金融和證券金融本身的不同，這些數據也分成銀行金融大數據和證券金融大數據。積累數據過程中，產生了數據采集、存-儲、使用的相關工作和企業(yè)，這樣就完成了金融大數據的產業(yè)鏈，但總體依然是信息技術產業(yè)鏈。

目前，大數據服務平臺的運營模式可以分為以阿-里小額信貸為代表的平臺模式和京-東、蘇-寧為代表的供應鏈金融模式。

阿-里小貸以“封閉流程+大數據”的方式開展金融服務，憑借電子化系統(tǒng)對貸款人的信用狀況進行核定，發(fā)放無抵押的信用貸款及應收賬款抵押貸款，單筆金額在5萬元以內，與銀行的信貸形成了非常好的互補。**金融目前只統(tǒng)計、使用自己的數據，并且會對數據進行真?zhèn)涡宰R別、虛假信息判斷。**金融通過其龐大的云計算能力及數十位優(yōu)秀建模團隊的多種模型，為**集團的商戶、店主時時計算其信用額度及其應收賬款數量，依托電商平臺、支付寶和阿-里云，實現客戶、資金和信息的封閉運行，一方面有效降低了風險因素，同時真正的做到了一分鐘放貸。京-東商城、蘇-寧的供應鏈金融模式是以電商作為核心企業(yè)，以未來收益的現金流作為擔保，獲得銀行授信，為供貨商提供貸款。

大數據能夠通過海量數據的核查和評定，增加風險的可控性和管理力度，及時發(fā)現并解決可能出現的風險點，對于風險發(fā)生的規(guī)律性有精準的把握，將推動金融機構對更深入和透徹的數據的分析需求。雖然銀行有很多支付流水數據，但是各部門不交叉，數據無法整合，大數據金融的模式促使銀行開始對沉積的數據進行有效利用。大數據將推動金融機構創(chuàng)新品牌和服務，做到精細化服務，對客戶進行個性定制，利用數據開發(fā)新的預測和分析模型，實現對客戶消費模式的分析以提高客戶的轉化率。

大數據金融模式廣泛應用于電商平臺，以對平臺用戶和供應商進行貸款融資，從中獲得貸款利息以及流暢的供應鏈所帶來的企業(yè)收益。隨著大數據金融的完善，企業(yè)將更加注重用戶個人的體驗，進行個性化金融產品的設計。未來，大數據金融企業(yè)之間的競爭將存在于對數據的采集范圍、數據真?zhèn)涡缘蔫b別以及數據分析和個性化服務等方面。