银行业务快速增长带来的激增数据对业务洞察能力不断提出新的要求。传统粗放式的客户营销策略已经不足以帮助银行实现更快速的业务增长。银行亟需借助大数据处理能力促进业务发展：充分整合客户数据，通过精准的营销设计降低客户流失率，提高忠诚度；对不同渠道来源的提供商、客户的交易行为进行全面分析，实现链式反应；搭建有效的数据模型，为客户提供全方位管家式的非金融服务，从大数据中掘金。

大数据技术的出现对金融行业来说，既是挑战，也是机遇。目前通过互联网几乎可以提供全部类型的银行信贷、证券交易、保险理财等服务，而大数据的出现进一步改变着金融业的创新和服务模式。互联网企业利用灵活的网络平台和相关用户数据，为用户提供信贷、支付结算等金融服务，在服务对象和贷款技术等方面取得突破，并对传统金融体系形成了挑战，也促使传统金融机构越来越重视互联网和大数据的运用。

金融行业每天都会产生大量的交易、报价、信贷、企业信用评价、宏观经济分析等大量数据，同时客户每天还会产生诸多如网购、缴费记录、电话记录、社交网络信息等各种各样的信息，如何从这些浩瀚的数据中提取出有用的信息，用于金融企业的生产经营和决策，这是整个金融行业共同面临的问题，而这也正是大数据的用武之地。

通过大数据分析工具，可以把原来看似无用没有太多关联的数据经过清洗、匹配、整合、挖掘，转换为有用的信息，成为金融企业的数据资产。

银行、保险和证券行业都在利用大数据，其中以银行业的表现最为突出，下面就主要以银行业为主，介绍大数据在银行业的创新及应用情况。

大数据为金融业注入新的活力

2013年被称为是中国互联网金融元年，各家机构的宝宝们、第三方支付、P2P、众筹等新的金融产品形态如雨后春笋般诞生，众多传统银行也纷纷试水互联网金融，引入云计算、大数据、分布式数据库等新技术，推出不同的金融产品和服务。

阿里小贷从2010年开始小微企业贷款业务，2013年阿里金融服务的贷款对象超过34.2万个。截至2014年上半年，阿里小贷累计发放贷款突破2000亿，服务的小微企业达80万家，而从事信用评估的人员仅有300多人，如果由传统银行来做的话，则至少需要1万多人。

建设银行把自己的平台与阿里巴巴对接，直接采用阿里巴巴的信用资源向阿里巴巴的普通会员提供微贷服务，用户24小时随借随还，让更多的无征信记录或征信评价低的小微企业也能获得普惠金融的红利。

中信银行提出“再造一个网络银行”的规划，启动了互联网金融战略，希望通过大数据基础上的支付方式、数据挖掘和财务管理的变革，产生新的经营模式和盈利模式。2013年中信银行启动“数据银行”项目，并于2014年与中兴通讯合作，构建一个面向互联网架构、可承接当前银行相关主营业务且可承载银行未来业务转型需要的大数据平台和分布式数据库系统。

光大银行把微博、QQ、邮箱等社交数据引入到银行客户基础数据中结合传统的数据，建立了一个丰富立体的社交网络信息数据库，推出“V缴费”等新的金融模式。

招商银行则利用大数据发展小微贷款，推出国内首个全功能网上托管银行，将托管业务从电话加传真半原始状态直接带入大数据云时代。

大数据能为银行业做些什么？

国内多家银行在通过大数据来指导产品开发和业务运营，概括地说，大数据目前主要用于银行的用户授信、交易风险控制、客户行为分析、精准营销、风险管控和运营优化等环节（见图1）。

●用户授信：这其实是数据挖掘最早应用的领域之一，国内的数据挖掘最早基本上也是基于授信所需要的分类挖掘算法而发展的。基于大数据对用户信用风险进行判断，是一个重要的方向。特别是目前很多信用评估体系是依赖于国外的评估机构，如果能够基于大数据（看你能获得何种数据）来构建信用评估机制，会有市场。

●交易风险控制：数据挖掘能够实现对用户静态的信用评估，基于大数据的流式处理能力可以实现对用户的动态评估，即交易风险的判断。例如，当你发现同一个账户在近乎相同的时间在不同的地区进行信用卡交易，这个时候交易风险就产生了。客户的信用卡可能被盗，也可能存在欺诈交易行为。

●业务创新：一个典型的例子是，可以实现提现预测。目前互联网金融的一个很大的特点就是打破了原来流动性和收益率不能兼得的特征。现在的各种“宝宝”能够两者兼得，除了跟创新有关，在技术层面如果能够实现大数据对产品的支撑，会做得更高效。具体来说，“宝宝”们需要满足每天用户提现的需求，这就需要储备流动性强的资金，储备少了，会出现挤兑；储备多了，资金不能得到充分利用，无法产生更多的收益。所以需要构建预测模型，实现对资金需求的有效预算与管理。

●营销管理与评估：这是容易被忽视的领域，因为是涉及到具体战术的工作。大多数人都关注营销的最终效果，比如一个客户营销产品，看最终转化了多少。其实有很多环节可能会影响到客户的转化，比如接触情况、吸引性、消费滞后性等。这些需要依赖于大数据，基于客户数据的分析，提供更准确的解答，提高客户转化率。

●客户行为分析：客户行为分析能提前进行流失预警。如果系统能获取用户在整个相关产品里的使用行为，就可以洞察用户潜在的流失风险与去向。例如，你发现原来较优质的客户最近一段时间突然不太活跃了，这可能就会有风险。但到底是最近比较忙没有交易，还是另有他爱了？这需要依赖于大数据进行分析，洞察用户。用户可能这段时间正在关注或已经购买竞争对手的产品，则可以及时制定相关策略，避免客户将账号转移到竞争对手那边去。

总结起来，大数据能够在金融行业的市场营销、信贷和风险、预测与评估领域发挥作用，帮助金融企业加强风险管控、精细化管理，并进行业务创新。

中兴通讯大数据在金融行业的应用

Hadoop是由Apache基金会开发的分布式系统基础架构，它在可伸缩性、健壮性、计算性能和成本上具有无可替代的优势，事实上已成为当前主流的大数据分析平台。

开源技术Hadoop主要包括两大部分，即HDFS（Hadoop Distributed File System）和Hadoop MapReduce。Hadoop可以提供相对廉价的分布式的存储系统，通过MapReduce技术，进行并发、高效能的计算。

由于金融行业的特殊性，其对数据的安全性以及大数据平台的可靠性要求非常高，并且在具体需求方面也会与互联网等行业有所不同，因此针对金融行业的大数据分析平台需要在数据的安全性、可用性、易用性、计算性能等方面有更大的改进和提升。

大数据平台最终会成为银行创新业务的核心系统，汇聚银行结构化、半结构化、非结构化以及第三方数据，经分析处理后，为综合对账、用户风险控制、数据快速查询、网络银行等创新应用提供支撑（见图2）。

中兴通讯大数据平台GoldenData，在Hadoop分布式技术和HBase基础上开发，结合中兴通讯在大数据项目实践过程中总结出的丰富经验与改进，提供了完善的管理、监测、运维、调度工具及Web服务接口。GoldenData具有NoSQL数据平台所共有的海量存储、线性扩展、高并发读写、低成本使用等优点，同时可以便捷地与Hadoop生态系统中其他组件交互数据。

在Hadoop通用大数据平台基础上，GoldenData还开发了基础增强组件，对开源产品的相关功能进行封装，如SQL接口控制、搜索引擎等，以便为上层的开放作业管理和ETL作业引擎等服务层提供接口支撑。在外围，GoldenData还提供资源统一调配和业务调动管理，构建一个可用于银行商用的大数据分析平台。

除了GoldenData，中兴通讯还研发了分布式数据库GoldenDB，前者主要用于银行的应用联机分析处理（OLAP）事务，后者主要用于银行的联机事务处理（OLTP）事务（见图3）。

GoldenData对Hadoop平台的优化

GoldenData大数据平台对各能力层进行了优化整合，提供完善的一体化解决方案。

●具备完善的大数据一体化解决方案

数据存储层：具备海量数据（结构化、半结构化、非结构化）存储能力；