在线客服

大数据金融论文实用13篇

引论:我们为您整理了13篇大数据金融论文范文,供您借鉴以丰富您的创作。它们是您写作时的宝贵资源,期望它们能够激发您的创作灵感,让您的文章更具深度。

大数据金融论文

篇1

2.建设大数据平台构建处理能力强、扩展性好、开放度及共享度高的大数据存储加工平台,整合行内外、各种形态、跨历史周期的海量数据,并构建统一、全面、稳定的企业级数据模型,为大数据的分析利用提供基础的数据、环境、模型及配套工具等全方位立体式支撑。

3.打造数据分析应用体系构建适应大数据分析的多功能、跨渠道、多粒度的分析挖掘模型和应用体系,为服务质量改善、经营效率提升、金融模式创新提供支持。通过对海量数据的深度分析,全方位调整产品结构、营销模式,从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平。

4.实现智慧银行的目标智慧银行是指,通过大数据技术不断优化业务办理流程,高效配置金融资源,敏锐洞察并引领客户需求的高度智能化的金融商业形态。智慧银行可提供“银行始终在客户身边”的全场景金融服务,为客户创造最佳服务体验。

二、农业银行大数据平台概述

经过多年的努力探索,农业银行在大数据平台建设的道路上锐意开拓,大胆创新,逐步形成了以四大基础平台、五类数据服务为核心的大数据平台。

1.四大基础平台(1)企业级数据仓库随着银行业数据利用能力的逐步提升,业务分析呈现跨领域分析、高度整合分析、长周期历史分析等特点,企业级数据仓库通过对行内跨领域海量数据的高度整合和模型化,形成对客户、账务、产品等的统一视图,使大数据分析成为可能。农业银行企业级数据仓库以存储和处理结构化数据为主要目标,全面涵盖了农业银行存、贷、中间业务等行内业务条线的核心类数据,实现PB级数据的高效存储,可以满足全行在各个领域数据分析和价值发现的各类需求,并为全行数据治理提供有力的支撑。如通过网点的多维度、全方位、长历史周期数据挖掘给出网点资源配置建议,提升运营效率,优化业务流程。(2)信息共享平台信息共享平台以存储和处理行内非结化数据为主,辅以来自行外的社会数据。基于非结构化数据的分析和深度挖掘,在客户关系管理、中小企业信贷、风险管理、品牌建设等众多领域发挥了重要的作用。如基于对社交网络各类非结构化数据的综合分析可以获取行外目标客户;通过机器学习、语音识别、情绪识别等技术,对客服语音记录进行深度挖掘,发现客户的需求。(3)实时流计算平台传统数据计算平台多以批量计算为主,数据处理能力较强,但时效性较差。农业银行的实时流计算平台采用业界最先进的流计算框架,实现数据的快速采集、交换、处理和应用,主要用于实时营销、实时客户服务、欺诈监控、大额动账监控、系统运营监控等各类对时效性要求比较高的业务场景。如结合持卡人的行为偏好为客户实时推荐精准的营销信息、优惠信息和特惠商户信息,并为特定客户群体提供实时的有针对性的服务提示。(4)高性能数据处理平台海量数据的分析挖掘亟须一个高性能环境的支撑,农业银行高性能数据处理平台采用大内存处理、分布式、闪存等新技术,以高性能计算为主要特点,实现对海量结构化数据、非结构数据等进行综合处理、全面分析和深度挖掘。如通过大数据语义分析和情绪分析追踪海量网络信息蕴藏的经济金融“微信号”,借此判断未来的市场走势,为前瞻性风险管理提供参考。

2.五类数据服务农业银行基于四大基础平台的优势,大力发展应用系统建设,形成了五大类数据服务形式有机结合的数据服务体系。(1)指标检索服务通过构建全行统一的指标库,为各个业务条线提供常用指标的检索服务,在此基础上提供各类经营管理、监管报送等指标采集、加工及报送服务。(2)即席查询服务采用特定的工具,构建功能强大的查询支持库,满足各类灵活查询、临时查询及特殊复杂查询需求。如果说报表是经营管理的瞭望塔,那么灵活的即席查询就是执行经营决策的指南针。以客户营销为例,即席查询服务可以为全行的客户经理提供多角度的客户信息查询,针对当前市场热点,提供具体的业务指导。(3)定制化信息服务通过iReport智能资源视窗对信息进行统一管理、分层检索、灵活配置和个性展示,并针对用户的不同需求、不同层次及不同偏好,提供定制化、个性化的信息订阅,联动邮件、短信、微信等渠道提供主动信息推送服务。(4)多维分析服务多维分析可以帮助业务人员实现多维度、多视图、多层次的分析,并可以通过下钻、上钻、切片、旋转等操作,提供更加动态、智能的数据分析,发现数据背后的规律。如从机构、时间、客户、产品类型、渠道、营销活动等多个维度对产品盈利情况进行综合分析,进而有效推动产品优化和创新。(5)深度数据挖掘服务海量数据中蕴含的规律和价值通常不直观,大数据的显著特点之一就是海量数据的知识发现和数据挖掘。农业银行基于大数据平台构建了多个特定领域或主题的数据挖掘实验室,包括客户洞察及精准营销、信用评价及风险评估、舆情分析与客户情感管理等,紧跟市场发展动态,直面业务热点、难点,充分挖掘大数据的巨大价值,为业务发展和经营决策提供更加深入的洞察和更加有力的支撑

三、农行大数据应用实践

农业银行在构建大数据体系时坚持以应用为核心,统筹部署数据平台开发与业务应用,加强业务创新与数据利用的良性迭代,实现传统业务和新型业态的融合发展,充分发挥了数据对全行业务发展和经营管理的支撑作用。借助大数据这把利剑,实现了“营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能”,有效促进了全行经营理念、业务运营、组织流程的不断创新,为全行业务发展和经营管理提供了有力的科技引擎。以下三类应用案例可充分说明情况。

1.精准营销基于大数据的客户营销“三步曲”:获取客户、客户画像、精准营销(如图1所示)。通过大数据强大的信息获取和处理能力,充分挖掘行内外的潜在客户;通过大数据实现对客户的360°立体画像,在掌控客户行为、洞察客户情感的基础上,准确地预测客户需求,从而实现精准营销及交叉营销。以贵宾客户信用卡精准营销为例,农业银行通过综合行内外数据,应用聚类分析、关联规则发现、决策树等数据挖掘算法,构建了完整的精准交叉营销模型库和应用体系,动态实现目标客户识别、客群划分、优先级划分、产品推荐、渠道推荐等功能。在合适的时间,以合适的渠道,通过合适的方式,为合适的客户推介甚至定制合适的产品,实现差异化、个性化的精准营销。2.热点分析农业银行基于大数据平台构建了热点问题专题分析模型库,对当前的热点事件进行定期跟进、深度分析和动态监测,为策略制定、产品创新及运营模

篇2

引言

2015年3月,总理在《政府工作报告》中首次提出“互联网+”行动计划,明确列出了有关互联网金融的发展规划,互联网金融正从金融服务体系的完善者逐步过渡为金融体系的参与者和合作者。“互联网+”是从工业时代的创新1.0到信息时代、知识社会的创新2.0下的互联网发展的新业态,指以互联网为主,包括移动互联网、云计算、大数据技术等一整套信息技术在经济、社会各个领域的扩散,本质在于传统行业的数据化和在线化。互联网金融是“互联网+”实际运用的一种形式,凭借其快捷便利、准入门槛低等优势迅速崛起,使大众拥有更加多元化的投资融资方式,无抵押贷款、第三方支付、P2P网络贷款、众筹融资等多种商业模式不断发展完善。

一、我国互联网金融的发展现状

互联网金融是指利用互联网技术和信息通信技术等一系列现代科学信息技术实现资金融通、支付和信息中介等业务的新型金融模式。互联网金融产生的原因可以从供给与需求两个方面阐述。需求方面,由于传统金融机构高门槛高手续费,导致了处于长尾理论尾巴上的有资金需求的中小企业或中低收入者长期被排斥在商业银行信贷业务之外,而新兴的互联网金融因其方便快捷、透明度高、成本低,恰好满足了中小理财投资者的需求。供给方面,信息通讯技术、大数据、云计算的迅速发展,刺激了互联网技术和金融功能的有机结合,提高了金融效率,丰富了金融生态。

当前我国互联网金融主要有以下六种商业运作模式:一是第三方支付,目前常见的第三方支付有中国银联、支付宝,财付通、快钱支付、易宝支付、拉卡拉等。二是众筹,主要有京东众筹、众筹网、点名时间等,据国内金融市场研究资料显示,从平台的影响力和可靠度方面排名,众筹网综合第一,京东众筹位列第二。三是P2P网贷,常见P2P平台有陆金所、拍拍贷、人人贷、宜信等。四是大金融数据,主要有两类,以阿里小额信贷为典型代表的平台模式和京东金融为代表的供应链金融模式。五是信息化金融机构,主要有三类,分别是以“融E购”为代表的金融电商模式、以网上银行为代表的传统金融业务电子化模式和以互联网为基础的创新金融服务模式。六是互联网金融门户,常见的有网贷之家、融360、91金融超市、大童网、安贷客等。

二、互联网金融对商业银行传统业务的影响

(一)对存款业务的影响

存款业务是商业银行传统业务中的基础业务,是银行的重要资金来源途径。互联网金融业务的范围逐步扩大,本质上具有商业银行存款方面的特点,因而对商业银行存款业务造成极大的冲击。互联网基金因其明显高于商业银行存款业务的收益率,吸引了大量商业银行储户的闲置资金,从而对商业银行的储蓄存款形成分流。以余额宝为例,2013年6月上线,是目前规模最大的货币基金。2014年余额宝七日年化收益率一度高达6.76%,最近也一直维持在2.4%左右,远高于银行活期储蓄。

(二)对贷款业务的影响

商业银行传统的信贷业务具有复杂的征信体系、烦琐的审批过程和较高的手续费用,这也会导致信用记录不完备的小微企业获取贷款十分困难。互联网信贷模式则利用海量的大数据资源细分目标客户,分析客户贷款需求和还款能力,提供多元化的金融服务。互联网融资的出现分流了对商业银行融资服务的需求,给商业银行的传统信贷业务带来一定的挑战。互联网融资包含三种主要模式:P2P网贷、众筹融资和电商小贷。以中低端理财市场为主要业务目标的P2P网贷公司,不受资本充足率和杠杆率的要求,低门槛,低成本,很大程度上缓解了中小企业融资难问题。近三年来,网贷运营平台数量增长迅速,从2013年的800家上涨到2015年的2 595家,网贷成交量自2013年的1 058亿上涨到2015年的9 823亿元,增长幅度高达828.45%。随着互联网信息技术的不断完善,互联网金融的影响力将会进一步增强,对商业银行贷款业务的冲击也一定会不断加大。

(三)对中间业务的影响

商业银行中间业务主要包括支付结算、银行卡、、担保、承诺、交易、咨询等。互联网金融创新,金融市场化改革,使得商业银行存贷利差缩小,从而更加重视中间业务的盈利性,但第三方支付的发展,打破了商业银行中间业务的垄断格局。互联网金融模式下,第三方支付被广泛采用,因其价格较低,操作便捷,很容易被消费者接受,中间业务有被替代的可能性。在支付结算业务方面,如支付宝、财付通等既可为个人客户提供信用卡免费跨行还款等资金支付服务,也可为企业客户提供大额收付款、一对多批量付款等资金结算服务。作为国内最大的第三方支付平台,支付宝的支付结算功能涉及网络支付、转账、手机充值、水电煤缴费等多个领域。

三、商业银行与互联网金融的优势分析对比

(一)商业银行的优势

1.资金和客户资源丰富。传统商业银行依靠几十年来的稳健运营,已经积累了大量的优质客户资源,对其顺利开展业务起到了基础性作用,这是近几年新兴的互联网金融一时无法超越的。尽管互联网金融发展速度加快,但是自身经济资本实力依然无法与商业银行相抗衡。

2.风险管理体系健全。商业银行拥有更专业的风险控制管理体系和信用风险管理经验,切实履行着稳健经营的理念,确保了客户资金安全性,比互联网金融具有更好的风险控制管理方面的优势。互联网金融目前的发展仍缺乏规范性和自控力,例如P2P跑路的事件屡见不鲜,整体的风险水平较高,资金安全保障不完善,一旦出现系统性风险,互联网金融企业违约可能性极大。

(二)互联网金融的优势

1.满足中小企业的融资需求。商业银行传统主流业务往往需要较高的信用水平和较高的交易费用,重心放在需求曲线的头部,即资金力量雄厚的大企业上,因而中小企业难以及时获得所需的资金和服务。而互联网金融依托互联网信息技术与大数据搜索技术,成本较低,效率较高,整合跨地域的分散资源,能满足中小企业和中低收入者的金融需求,实现长尾效应和资源的有效配置。

2.信息处理分析能力高效。互联网金融借助云计算、大数据技术,记录和分析客户消费与商户经营的数据信息,掌握了客户的消费意愿、财产状况、信用水平和还款能力,获取了一些个人或机构没有完全披露的信息。而这一信息采集和分析过程,又在互联网上完成,发挥了大数据强大的整合分析能力,从而省去了不必要的中间环节,大大提高了信息处理效率,降低了资金成本,这是传统商业银行无法高效低廉实现的。

四、我国商业银行应对的措施建议

(一)加强与互联网企业的合作

互联网金融和商业银行各具有不同的优势和资源,商业银行想要得到长足发展,下一步就需要与互联网企业加强合作,借鉴互联网金融成功发展的经验,将互联网技术同传统金融业务相结合,全面提升金融服务的水平和质量,调整商业银行的服务理念和服务方式,提高客户黏度和忠诚度,突破发展瓶颈。如百度与中国银行、中信银行等多家商业银行开展合作,涉及联名信用卡、电子商务平台、大数据、金融支付等多个领域,这是银行与互联网企业深度合作的典例,较好地整合了双方资源。

(二)加大产品创新力度

互联网金融通过获取的客户需求信息提供差异化的金融产品,自身得以快速发展的同时弱化了商业银行原有的代销产品经营模式。银行若想要在扭转因互联网金融导致的客户大量流失的局面,就需要依据客户的需求与体验感受开发特色化、个性化的金融产品。商业银行可通过细分市场,构建客户相关行为数据库,为客户提供定制化、高度专业化的金融服务及产品,提升客户体验。同时,开展网络营销,通过应用互联网技术降低成本费用,保证利润来源。

(三)加强专业复合型人才的培育

互联网金融和商业银行的竞争取决于人才的竞争。在“互联网+”时代下,商业银行面对拥有高端人才的互联网金融的冲击,要积极转变发展策略,进行金融创新。在这方面,除了积极引进具备金融营销知识与互联网应用技能的专业复合型人才外,在日常的经营过程中,还要定期对银行员工进行专业知识和业务能力的培训,避免员工知识结构单一化。只有培育出一支既懂银行金融业务、又了解计算机信息技术的高素质人才队伍,商业银行真正才能保持核心竞争力。

参考文献:

[1] 杨宜,张峰.商业银行业务管理[M].北京:北京大学出版社,2015:295-299.

[2] 王亚辉.“互联网+”背景下商业银行业务创新发展问题研究――以济源市为例[J].金融理论与实践,2015,(12):65-69.

[3] 黄曼晶.互联网金融对传统商业银行的影响研究[D].北京:对外经济贸易大学硕士学位论文,2015.

[4] 四川银监局课题组,王筠权,王国成,金强.互联网金融对商业银行传统业务的影响研究[J].西南金融,2013,(12):3-5.

[5] 胡娅妮.互联网金融对商业银行传统业务的影响与对策研究[D].南昌:南昌大学硕士学位论文,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公布个性化和推荐系统架构[EB/OL].[2014-08-08].http:///article/2013-04-04/2814767-netflix-ml-architecture.

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

[10] 中国科学院.李国杰院士:大数据成为信息科技新关注点[EB/OL].[2014-08-08].http:///xw/zjsd/201206/t20120627_3605350.shtml.

[11] 李奕.大数据应用方式:从数据服务、信息服务到知识服务[N].中国计算机报,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] 李晨晖,崔建明,陈超泉.大数据知识服务平台构建关键技术研究[J].情报资料工作,2013(2):29-34.

[14] 秦晓珠,李晨晖,麦范金.大数据知识服务的内涵、典型特征及概念模型[J].情报资料工作,2013(2):18-22.

篇4

有两个重要的趋势使得目前的这个时代(大数据时代)与之前有显著的差别:其一,社会生活的广泛数字化,其产生数据的规模、复杂性及速度都已远远超过此前的任何时代;其二,人类的数据分析技术和工艺使得各机构、组织和企业能够以从前无法达到的复杂度、速度和精准度从庞杂的数据中获得史无前例的洞察力和预见性。

大数据是技术进步的产物,而其中的关键是云技术的进步。在云技术中,虚拟化技术乃最基本、最核心的组成部份。计算虚拟化、存储虚拟化和网络虚拟化技术,使得大数据在数据存储、挖掘、分析和应用分享等方面不仅在技术上可行,在经济上也可接受。

在人类文明史上,人类一直执着探索我们处的世界以及人类自身,一直试图测量、计量这个世界以及人类自身,试图找到隐藏其中的深刻关联、运行规律及终极答案。大数据以其人类史上从未有过的庞大容量、极大的复杂性、快速的生产及经济可得性,使人类第一次试图从总体而非样本,从混杂性而非精确性,从相关关系而非因果关系来测量、计量我们这个世界。人类的思维方式、行为方式及社会生活的诸多形态(当然包括商业活动)正在开始发生新的变化。或许是一场革命性、颠覆性的变化。从这个意义上讲,大数据不仅是一场技术运动,更是一次哲学创新。

大数据金融

正如诸多文献所谈到的,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。

过去的2013年,中国金融界热议最多的或许是互联网金融,更有人指出2013年是中国互联网金融元年。确实,第三方支付、P2P、网贷、众筹融资、余额宝、微信支付等发展迅速。众多传统金融业者也或推出自己的电商平台,或与互联网企业联手提供相应的金融产品和服务。

互联网金融,无论是业界、监管者或理论界,都在试图给出自己的理解和定义。但到目前为止,尚未有一个统一的、规范的概念。在我看来,互联网金融本来就是一个不确切的概念,也不可能有一个明确的定义。严格说来,所谓互联网金融只是大数据金融的一种展现或形态。换言之,前者是表,后者是里。

这是因为,无论是互联网还是金融业,其实质都是大数据(信息)。首先,对互联网企业而言,流量、客户等数据(信息)是其涉足金融业的基石。对金融企业而言,提供中介服务,撮合金融交易也是以数据(信息)为基础。其次,没有大数据技术的支撑,所谓互联网金融也难以快速、持续成长。20世纪90年代互联网浪潮的蓬勃兴起,至今已近二十年。但从世界范围看,所谓互联网金融却发展缓慢。当然,其中原因很多,但其主要原因则是大数据技术是近几年才快速发展起来的。最后,从金融企业来看,在数据中心建设,软硬件系统建设,数据(信息)挖掘、分析等方面也是做得有声有色,其庞大的客户数据、海量交易记录及众多信息源,使其在大数据应用方面也做了许多积极探索。因此,要准确反映近年新金融趋势,“大数据金融”比“互联网金融”更为贴切。

大数据金融有以下七大特征:

网络化的呈现。在大数据金融时代,大量的金融产品和服务通过网络来展现,包括固定网络和移动网络。其中,移动网络将会逐渐成为大数据金融服务的一个主要通道。随着法律、监管政策的完善,随着大数据技术的不断发展,将会有更多、更加丰富的金融产品和服务通过网络呈现。支付结算、网贷、P2P、众筹融资、资产管理、现金管理、产品销售、金融咨询等都将主要通过网络实现,金融实体店将大量减少,其功能也将逐渐转型。

基于大数据的风险管理理念和工具。在大数据金融时代,风险管理理念和工具也将调整。例如,在风险管理理念上,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)重要性将有所降低。交易行为的真实性、信用的可信度通过数据的呈现方式将会更加重要,风险定价方式将会出现革命性变化。对客户的评价将是全方位、立体的、活生生的,而不再是一个抽象的、模糊的客户构图。基于数据挖掘的客户识别和分类将成为风险管理的主要手段,动态、实时的监测而非事后的回顾式评价将成为风险管理的常态性内容。

信息不对称性大大降低。在大数据金融时代,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。对某项金融产品(服务)的支持和评价,消费者可实时获知该信息。

高效率性。大数据金融无疑是高效率的。许多流程和动作都是在线上发起和完成,有些动作是自动实现。在合适的时间,合适的地点,把合适的产品以合适的方式提供给合适的消费者。同时,强大的数据分析能力可以将金融业务做到极高的效率,交易成本也会大幅降低。

金融企业服务边界扩大。首先,就单个金融企业而言,其最合适经营规模扩大了。由于效率提升,其经营成本必随之降低。金融企业的成本曲线形态也会发生变化。长期平均成本曲线,其底部会更快来临,也会更平坦更宽。其次,基于大数据技术,金融从业人员个体服务对象会更多。换言之,单个金融企业从业人员会有减少的趋势,或至少其市场人员有降低的趋势。

产品的可控性、可受性。通过网络化呈现的金融产品,对消费者而言,是可控、可受的。可控,是指在消费者看来,其风险是可控的。可受,是指在消费者看来,首先其收益(或成本)是可接受的;其次产品的流动性也是可接受的;最后消费者基于金融市场的数据信息,其产品也是可接受的。

普惠金融。大数据金融的高效率性及扩展的服务边界,使金融服务的对象和范围也大大扩展,金融服务也更接地气。例如,极小金额的理财服务、存款服务。支付结算服务等普通老百姓都可享受到。甚至极小金额的融资服务也会普遍发展起来。传统金融想也不敢想的金融深化在大数据金融时代完全实现。

大数据金融图景

尽管大数据技术还处于早期发展阶段,但大数据金融已透出了一片曙光。我们结合多方面的文献和事实,试图勾勒出大数据金融图景。

泛金融化。金融供给也许不再是传统金融业者的专属领地,许多具备大数据技术应用能力的企业都会或多或少涉足、介入金融行业。在未来的某一天,也许银行与非银行间,证券公司与非证券公司间,保险公司与非保险公司间的界限会非常模糊。金融企业与非金融企业间的跨界融合成为常态。同时,金融企业在提供传统金融服务的同时,其服务范围、内容也会泛金融化,会提供综合的、社会化的服务。

多层次的行业格局。大数据金融时代,金融服务层次将空前丰富,既有行业寡头,也有区域金融服务企业。同时,也存在大量的地方、社区金融企业,也会出现无实体店的金融企业。行业市场更加细分。不同层次的消费者都能享受到特定的金融服务。在此过程中,会催生许多与大数据金融相关的行业和企业。

篇5

目前国内对商业银行大数据应用的研究论文并不多,国内研究主要介绍大数据这一新生事物及相关的技术,并探讨大数据带来的机遇和挑战。国外的研究也主要侧重大数据相关的技术方面。北京银行董事长闫冰竹从高层管理的视角探讨了大数据时代银行业的发展模式。潘明道等对大数据特征进行分析,并给出银行应对大数据挑战可借鉴的思路。全面分析了大数据时代将给商业银行带来的重要影响,并给出了商业银行培养面对大数据时代核心能力的策略建议。薛亮探讨了大数据技术将给银行业带来的改变以及银行的品牌建设如何适应这种改变。韦雪琼等分析了大数据技术影响下金融市场的变化,以期作出更好的投资决策和判断。

二、大数据应用给商业银行带来的机遇

大数据应用给商业银行带来的机遇营模式转型提供了重要战略契机!借助大数据中国银行业的未来发展将呈现出全新的蓝图。

第一,大数据应用将拓宽商业银行业务发展空间,加速产品创新。随着数据的不断积累和商业银行数据分析能力的不断提升,大数据应用将拓展银行的业务发展空间,设计具有定价权和竞争力的创新产品。社交媒体的兴起为银行创造了全新的客户接触渠道,从银行网点,ATM,POS等固定设备扩展到手机,IPAD等移动终端设备,再扩展到微博,微信等社交网络。大数据应用导致支付模式不断创新,从传统支付,电子支付到第三方支付,再到移动支付。第二,大数据应用将提升商业银行核心竞争力。我国商业银行目前基础设施和数据全部集中在数据中心,而且经过多年运行积累了大量的数据,因此最具条件率先盘活大数据资产,洞察数据中蕴涵的价值,更加科学地评价经营业绩,评估业务风险,配置全行资源,引导银行业务科学健康发展。第三,大数据应用将提升客户服务水平。大数据时代商业银行不仅销售产品和服务,而且积累了丰富的客户交易数据,特别是在网络社会化和搜索引擎技术支撑下,商业银行还能收集到社交网络上客户的活动轨迹以及市场数据。商业银行只要善于分析和应用这些数据,通过数据再利用和数据重组,分析客户的消费偏好,就能准确发现并掌握客户需求,并通过不同渠道为客户提供个性化的服务。

三、大数据在商业银行的应用实践

(一)渠道拓展

大数据时代商业银行的渠道不仅包括传统的渠道,而且还要整合日益互联互通的各种渠道,并增加社交网站等新的客户接触点。商业银行应整合门户网站、网上银行、电话银行、手机银行、等电子渠道,利用微博、微信、社交网站等新媒体,打造在线综合金融营销服务平台,进行产品推送、意见收集、客户服务和营销服务。

(二)个性化服务

个性化的金融产品和服务将成为银行业务发展的主要目标。个性化服务包括互联网化的电子渠道全景体验、个性化产品推荐。LBS位置营销、面向客户个体的深度观察等。商业银行通过收集并分析社交网络数据,聚类出不同的客户群体,如高影响力的客户、存在严重不满情绪的客户、转行倾向的客户,然后向这些客户群采取更有针对性的服务。

(三)精准营销

通过客户行为分析并预测需求实现精准营销是典型的大数据应用。精准营销包括目标客户的精准定位,传播途径的选择,营销活动执行趋势分析和异常监控,营销活动的传播效果和市场效果评估,商业银行应用大数据分析用户影响力。用户聚集区域和日常活动轨迹,用户基础银行业务使用的规律,用户关注点来实现客户营销。

(四)小微企业信贷

商业银行需要通过大数据挖掘,分析和运用,去识别具有市场潜力的中小企业客户,完善批量化,专业化审批,将贷款提供给合适的小微企业。

四、商业银行应对大数据策略

大数据应用取决于三个因素:数据,技术和思维。因此,商业银行需在这三个方面进行体制机制的创新实践,未雨绸缪应对大数据挑战。

(一)数据

商业银行需要提升互联网数据获取,管理和整合能力,不仅要完成银行内部数据的整合,更重要的是和大数据链条上其他外部数据的整合。商业银行不断地从广泛来源获取、量度、建模、处理、分析大容量多类型数据,及时在互联互通的流程、服务、系统间共享数据,并将分析结果应用于业务决策与支持。

(二)技术

商业银行必须进行技术创新,搭建自己的大数据基础设施来跨越这个鸿沟。大数据基础设施分为硬件和软件两类。硬件基础设施需要通过建设私有云来提供灵活,按需和动态的IT能力。软件基础设施是指商业银行培养一批既熟悉金融,同时也对互联网和大数据应用有深入了解的复合型人才,这些人才通过对数据进行实时深度分析,能够对未来趋势有更多的研判和预测,并为决策提供智力支持。

(三)思维

大数据时代商业银行必须具有数据思维。大数据时代重要特征就是社会数字化,一切社会现象解释、监控、预测与规划都离不开对数据足迹的收集,整理和分析。因此商业银行需要具有数据思维,放弃对因果关系的渴求,取而代之关注相关关系,放弃对随机样本关注,而关注全数据,数据分析结果不是精确性,而是混杂性。

参考文献:

篇6

一、大数据在经济学领域应用的基本原理

大数据在经济学中应用的基本思路以大样本数据统计与机器学习技术为基础。其中大样本统计的过程概括如下:用N个代入变量得出对应的N个测量结果与K个潜在的预测因子,比如:以居民消费价格CPI指数预测为例,首先通过GOOGLE数据搜索或其他软件,筛选出同CPI有关的一系列关键词(比如粮食产量、原油期货价格、气候温度、价格改革政策等),然后通过这些关键词在文本数据(新闻、微博、评论、研究报告、学术论文等)出现的时间频次,计算它们之间的相关关系和逻辑路径关系,从而得到测量结果N和预测因子K。在许多情形下,每一个代入变量的信息是足够丰富的,但不具有结构性,故可能会产生很多潜在预测因子,因此,需要注意的是:若是过度拟合,即预测因子K的个数可能会远远大于观测变量N的个数时,虽然模型可完美解释观测到的结果,但样本外数据的解释力却很差。在这种状况下,构造一个最大化样本解释力的模型便成为首要目标,同时构建的模型还不能出现因过度拟合所导致的样本外无力解释的情形。因模型构建不同,使用方法也随之改变,惩罚预测因子的过度使用方式也不同。如Lasso回归模型,在满足一系列约束条件下,依据最小化离差平方和来选择模型系数。通过将样本分为“训练样本”和“测试样本”(“训练样本”用来估计模型参数,“测试样本”用来评估模型)进行过度拟合。而在评估预测效果时,一般交叉使用样本内预测与过度拟合,但目前这种交叉验证的方法在当前的实证微观经济学中也鲜少用到。

机器学习的一个非常重要假设就是机器学习的环境是相对稳定的,也就是样本数据(训练样本与测试样本情形相同)独立产生于同一过程。但由于现实环境会随着时间发生改变,故这一假设并不合理,因此,在高频使用新数据的应用中,往往通过对自身持续“再训练”,从而使得模型可以随着时间与环境的变化对预测结果进行调整。当然,对于机器学习,有些经济学家提出了卢卡斯批判的疑问,即若根据模型的预测结果进行政策调整,则政策调整后的现实结果可能与初始模型的预测结果有差异,因为政策的改变会影响数据间的潜在行为关系,但这一疑问在其他预测模型,比如计量经济模型、结构方程模型和联立系统模型中也都存在。

二、大数据对经济学的影响及前景

如今,随着数据样本容量的急剧增加,使得大数据的使用方式不尽相同。作为一个规律性科学,经济学需要广泛、详细的数据,并运用统计技术来处理新型数据,大数据的出现可能会在社会学与计算机科学间构建一架桥梁,其学科价值可能在于创造新的思维方式,这将会导致对经济学的新思考和研究方法创新,甚至会带来分析经济学方法的质变。

一方面,由于多维度的精细间隔,大数据可以为经济学研究人员提供更多研究变量和视角,可以研究以前难以测度的行为理论,这为经济理论研究提供了一种全新的测量方法。例如:麻省理工大学助理教授Alberto Cavallo设计的“百万价格”项目,该项目旨在通过一个网络程序,获取网上物品价格,继而运用这些数据计算得出通胀指数,该通货膨胀指数就是阿根廷的精确透明通货膨胀指标,其实时价格数据的捕捉能力和准确度,使得该指标作为政府测量通胀的替代选择。又如,谷歌提供的请求式数据选择也提供了一个探索新机会的理由,目前一个备受瞩目的例子就是“及时预报”,在某些方面它可以通过庞大经济社会数据集进行短期精确预测。

篇7

1.培养目标不清楚。经济统计学和数理统计学在培养目标上,表述不清楚,主要以培养教学和科研的理论人才为主,特别是数理统计学,因为数理统计在统计学提升为一级学科之前为数学下设的一个二级学科,其培养仍然是数学人才,与当今对统计学的要求相差较远。而从学生的就业角度来看,应为应用型的复合型人才为主。就从培养目标来看,学校和学生以及社会对人才的需求上存在着很大的差异。所以如何将这几者统一在一起,发挥培养目标的导向性作用,变得非常重要。大部分没有明确要掌握的统计工具、数据来源问题。

数据来源主要分为四大类:问卷调查、网络数据、数据库、试验设计。针对这四大类数据来源,必须有相应的培养目标。如调查数据,就涉及到问卷设计、数据获取、数据自动提取、数据处理;网络数据如何利用爬虫技术?如何从大数据数据库提取数据?

2.课程体系陈旧、无法适应大数据时代。统计学提升为一级学科后,经济统计学和数理统计学的课程设置都不再适合统计学研究生的培养。而且以前的统计学的课程设置本身也存在着很多问题。比如:(1)课程涉及的领域不能更好地体现统计的应用性。统计学是一门综合性、适应面非常广的应用型的学科。而目前很多统计学研究生培养的课程体系过分注重理论的研究,比如数理统计学就过分注重数学基础类课程的学习,经济统计学只注重经济问题的一些简单理论分析。导致课程设置的范围狭窄,开设的交叉学科和跨学科课程较少,大多数研究生都被束缚在本专业的研究方向上,致使研究生视野不够宽调,科研能力和适应能力受到很大的限制。(2)前沿性知识在研究生专业课程中所占的比重不足。统计学课程内容较为陈旧,研究性、前沿性不够,有些课程内容没有反映出统计学学科领域内的一些最新知识和科研成果,尤其是一些反映统计学学科领域的热点、重点的研究以及未来发展趋势等前沿性的知识,很少能够及时地反映到研究生教育的课程内容中。(3)研究生课程创新性不足。统计学研究生层次差距很大,比如数理统计学的研究生很多本科为数学专业,很多统计学的基础课程没有开设,而有些同学本科为统计学专业,致使硕士生课程与本科生课程拉不开档次,教学内容重复,教学方法与教学形式比较单一,大都采取以讲授为主,讨论为辅的授课方法,部分课程因为没有较严格的课外文献的阅读要求,致使课堂上的讨论较难深入,考试以论文形式,学生通过率很高,课程结束后学生收获不大。

3.实践环节未得到应该的重视和体现。传统的统计学研究生在实践教学环节方面比较欠缺,不重视诸如统计软件、实习实训、实验课程、产学研合作等,缺乏数据环境。

4.考核制度没有真正得到落实。在研究生培养模式中,考核制度起着筛选、分流、淘汰、激励的作用,对研究生的培养质量起到了保障作用,但实际中很难真正落实。一方面,是因为研究氛围不浓造成的,另一方面,部分学生为就业奔波,投放在论文上的精力不够,再加上经费不足,这在一定程度上影响了毕业论文的质量。统计学硕士研究生的培养还需要从整体优化的角度去研究与实践。

二、统计学硕士生人才培养构建

如何构建统计学研究生人才培养的新模式必须回答三个基本问题:为什么要构建新的培养模式?新的培养模式主要有哪些内容?怎样进行构建?必须明确新的人才培养模式目的,在于提高研究生教学质量和专业人才培养质量,从而适应当今社会对统计学高层次人才的需求;必须明确新的人才培养模式的具体培养目标,从而进行具体构建。

首先需明确制定新的人才培养模式的途径和措施,以下主要从新的人才培养模式构建的具体内容、思路和方法方面进行研究与实践探索。

1.培养目标的明确及其导向作用的发挥。随着研究生的不断扩招,培养以教学和科研的理论人才为主的培养目标已经不再适应社会的需求和发展,特别是统计学本身就是应用型的学科。研究生人才成为了推动生产力发展的直接力量,所以应用复合型的人才更多地被社会所需要,所以明确培养目标是研究生教育成功的第一步,而真正发挥科学的培养目标的导向作用是研究生教育成功的关键。

2.统计学研究生课程体系的完善。课程体系是人才培养模式的重要组成部分。完善统计学学科研究生课程体系是统计学研究生人才培养模式的关键。统计学学科研究生培养模式的课程体系建设创新,应在思想方法上真正重视统计学研究生课程体系建设,真正体现课程建设的创新性,不断加快和完善统计学硕士生课程体系的设计、创新、内容修订和评估体系,以适应新兴学科、边缘学科和交叉学科发展对研究生知识结构的要求,并精选课程内容,编写高质量教材和改进课程教学方法,建立合理、完善的课程检査评估体系,为提高研究生课程教学质量提供坚实的保障。

3.强化实践教学环节和统计软件应用能力。开始针对统计学研究生的实验课程体系,强化统计学软件如SAS、R、SPSS等编程与实际问题的实现等,强化与企事业单位的合作,从毕业论文、专业实习等方面加强合作,提升研究生的实际动手能力,让其初步具有在企事业单位从事相关工作的能力。同时需要强化研究生的统计软件的学习和应用,现今数据量越来越大、数据结构越来越复杂,使得要解决实际问题必须熟练掌握统计软件的使用和编程,否则无法很好地完成处理、分析数据的实际需要。

4.构建科学合理的考核制度。现在大多数考核仍为考试驱动型,学生只会考试,没有形成有效知识结构,应用实践能力弱。对于应用性较强的一类课程应该从大作业、专题报告、程序编写、软件应用、讨论、上机操作、考试等多维度进行知识水平测度。构建科学合理的多样化、多元化的考评范式,对学生产生潜移默化的影响。强调课前、课中、课后的相互联系,增强学生自学能力,强化师生互动,把学生从应考能手培养成具有创新意思和实际动手能力的科研好手。同时还要不断完善学术规范,将其纳人考核范围之内,建立健全一套科学、合理、共同遵守的学术规范,对学术不端行为加以监督和惩处,以净化研究生的学术环境。要不断提高学位论文质量并将其作为考核研究生创新能力的一项指标。

三、培养模式构建的具体内容

1.重构统计学硕士课程体系:学位课,基础课,实验课,实践课。学位课注重统计学基础的搭建,基础课拓展学生统计基本方法,实验课培养学生动手能力,实践课的培养让学生适应数据环境。大数据分析需要的基本知识领域:(1)数据的存储、管理:数据库、数据仓库、数据集市、分布式数据库,云存储、云计算、分布式、动态式存储;(2)数据ETL、处理:多源异构、非结构化数据的清洗、转换、综合、优化,文本处理、日志处理、图像、视频处理等,注重数据质量、数据管理等;(3)数据统计分析与挖掘:时序、多源、多元、面板、大数据、非结构化数据的统计、预测、挖掘、开发等;(4)数据可视化i可视化是基本要求,可视化易于接受,直观形象;(5)大数据分析案例:必须引入金融、电信、电商、移动互联、医药、零售、能源等领域的大数据真实案例,丰富认识。

2.合理分配各课程模块的学分和学时,注重实践课程的设置,大部分院校硕士生课程主要以理论为主,强化实践教学及其重要。

3.主动适应大数据,开设大数据相关课程,如大数据平台、计算平台、编程平台、数据平台、可视化平台等。

4.强化实践教学环节,提高前沿性知识课程所占比重。

篇8

近年来,随着人民生活水平的提高,互联网走进了越来越多家庭的生活中,根据中国互联网络发展状况统计局的数据,我国互联网普及率在2010年6月达到了31.8%,超过了世界平均水平,此后,互联网普及率仍稳步提升,至2015年6月,中国网民已达6.68亿人,比整个欧盟的人口数量还要多。这样巨大的网民基数无疑为互联网金融的发展提供了优渥的土壤。 

回望2013年6月13日,支付宝公司推出了余额宝,引起了市场的轰动,到如今,互联网理财产品呈现爆发式增长,银行、基金、互联网企业纷纷杀入这片蓝海,互联网理财产品总量快速增长。仅用了不到一个月的时间,支付宝就融资超过100亿人民币,截至2014年一季度末,支付宝共融资5412.75亿元,整个互联网理财产品市场融资超过一万亿元人民币。 

互联网理财产品有着随时可申购赎回、没有申购资金门槛要求、年化收益率远高于活期存款等优势,再考虑到对于熟悉互联网的人士来说,购买互联网理财产品通常可以“一键式”完成,比去银行存款更加便利。由于互联网理财产品的这些先天优势,以及互联网理财产品和银行存款(尤其是活期存款)的高度可替代性,互联网理财产品的兴起对传统银行储蓄业务造成了一定冲击。 

大多数互联网金融产品都拥有相似的商业模式,下面就以“余额宝”为例分析狭义的互联网金融产品的商业模式。 

“余额宝”的发行主体是支付宝公司,是以“余额宝”为桥梁,将用户的闲散资金和货币型基金联系起来,能够带来余额增值的一项服务。在一个完整的使用流程中,用户首先通过将银行卡里的资金充值进入实名认证的支付宝账户;再用支付宝账户申购“余额宝”;申购“余额宝”的资金将被统一划至天弘货币基金账户内,天弘货币基金在市场上进行合理投资、获得收益;当用户申请赎回或使用支付宝进行支付时,天弘货币基金将获得的收益扣除其他费用后转入用户的支付宝账户。 

在这个流程中最重要的一个创新就在于实现了“余额宝”和天弘货币型基金的无缝对接,通常货币型基金都是T+1赎回的模式,但考虑到这会极大影响用户体验,支付宝公司通过自行垫资,使得“余额宝”实现了T+0日赎回。即当用户把账户余额转入“余额宝”时,后台系统自动申购了天弘货币型基金,当用户转出资金或进行支付时,后台系统从支付宝公司的垫资中即时抽出相对应的数额完成转出,同时赎回天宏货币基金,T+1日到账填补垫资,从而实现了即时转出和无缝对接。与此同时互联网金融产品还有投资起点较低,开通方便,流动性高等优点。 

回到商业银行储蓄业务来看,由于客户手中的资金是有限的,活期储蓄和互联网金融产品在功能性上的高度替代性,以及互联网金融产品相对较高的收益率,使得活期储蓄最容易被互联网金融产品挤占,个人定期储蓄由于收益率仍稍高于大多数互联网金融产品,因此受到的影响相对较小。 

在理财产品方面,商业银行的金融产品门槛较高,用户体验也有提高的空间;在活期存款方面,活期储蓄业务不受重视,商业银行给出了极低的利率;在基金销售方面,大型商业银行对代销佣金有极大的定价权,大幅削减了基金公司的利润率,尤其是规模较小的基金公司在与银行合作时更加被动。互联网金融产品正是针对商业银行这三个“不够合理”的现状而生,为客户提供高利率、低门槛、良好体验的金融产品,使得银行客户开始转投互联网金融产品,银行的理财产品、活期存款、基金代销三块业务受到互联网金融产品的冲击比其他业务更大。 

银行作为有实体网点金融机构,比互联网企业有更多的线下优势,相对来说,经常去网点储蓄或办业务的客户都比较依赖于线下,因此,中小型银行若要守住现有市场,一定要立足实际情况,利用好线下优势,定位于主要服务线下客户,强化营业网点的业务服务能力,加强自身优势。 

一方面可以大力发展社区支行和小微支行建设,下沉中小型银行经营重心至老百姓身边,在社区内部设置网点。这种加强为个人客户服务的业务模式符合中小型银行的实际情况,只有差异化竞争,才能够在互联网时代的竞争下存活。 

另一方面可以推广银行业务和小型便民点相结合的新模式。现在大多数小区或者村镇都设有小型便民点,有许多区域的小型便民点已经开始和银行合作,通过委托模式,用互联网或信息电话等手段为社区内及社区周边持卡用户提供信息转账、缴费、查询、存取款、支付等业务的便民服务点。该策略不需局限于传统的便民点模式,现在许多小区还设置了网购提货点,这是方便将网络支付和线下业务相结合的绝佳渠道。 

大数据是目前互联网金融产品的杀手锏,商业银行也应及时跟进,享受互联网时代带来的技术红利。各个行业都开始尝试运用大数据来进行运营决策,这是一次巨大的转型,工作方式和思维都有很大的变化。当互联网平台公司用大数据作为工具、高举互联网金融产品进军金融行业时,商业银行应奋起应对,大力挖掘数据背后的信息,推出依托银行海量历史数据的电商平台。实际上部分商业银行已经开始推出自己的电商平台,以此积累交易和转账数据,打好数据基础,例如中国建设银行的“善融商务”上线一周年的营业额超过90亿,之后还有交通银行推出的“交博汇”,中国银行、中信银行、民生银行业分别开设了自己的电商银行。在大数据时代,商业银行需要的是能将金融和大数据融会贯通的人才,由懂大数据的人才为商业银行进行决策分析,可以让商业银行跟上互联网时代,一定程度上保持现有优势地位。   [本文由WWw. dYlW.nEt提供,第 一专业教学论文,欢迎光临dYLW.neT]

参考文献: 

[1]杜石.余额宝带头线上理财高收益“刺激”草根投资.计算机与网络.2014.2. 

[2]宋滟泓.“后生”凶猛互联网理财产品百舸争流.IT时代周刊.2013(22). 

[3]新京.微信理财产品上线对抗余额宝.现代经济.2014.1. 

[4]王雪玉.互联网挑战银行之一:阿里金融.金融科技时代.2013.5. 

篇9

一、背景

数据是与自然资源、人力资源一样重要的战略资源,其背后隐含着巨大的经济价值。近年来,“大数据”研究已经备受关注。[1]例如,2012年,美国政府在国内了“大数据”研究和《发展倡议》,投资约两亿美元发展大数据研究,用以强化国土安全、转变教育学习模式和进一步加速科学和工程领域的创新速度和水平。继1993年美国宣布“信息高速公路”计划后,这项决定标志着美国的又一次重大科技发展部署。美国政府认为“大数据”研究势必对未来的科技、经济等各领域的发展带来深远影响。在大数据应用的技术需求牵引下,数据科学研究和人才培养引起了各国的重视。美国哥伦比亚大学和纽约大学、澳大利亚悉尼科技大学、日本名古屋大学、韩国釜山国立大学等纷纷成立数据科学研究机构;美国加州大学伯克利分校和伊利诺伊大学香槟分校、英国邓迪大学等一大批高校开设了数据科学课程。

二、机器学习理论

机器学习(machine learning)是继专家系统之后人工智能应用的又一重要研究内容,在某种意义上,机器学习或将认为是数据挖掘的同义词。数据挖掘是指有组织、有目的地收集数据、分析数据,从海量数据中寻找潜在规律,并使之为决策规划提供有价值信息的技术。机器学习是人工智能的核心部分,在金融、工业、商业、互联网以及航天等各个领域均发挥着重要的作用。对机器学习研究的进展,必将对人工智能、数据挖掘领域的发展具有深远影响。

机器学习方法主要包括:Exper System(专家系统)、K-Nearest Neighbor(K近邻算法)、Decision Tree(决策树)、Neural Net(神经网络)、Support Vector Machine(支持向量机)、Cluster Analysis(聚类分析)等。近几年,研究人员将遗传算法、神经网络、系统理论以及当代数学研究的最新进展,应用于金融领域。这使得金融领域数据挖掘在金融管理中备受青睐。例如,产品定价、金融风险管理、投资决策甚至金融监管都越来越重视金融数据挖掘,通过数据挖掘发现金融市场发展的潜在规律与发展动态。机器学习理论及其在金融领域的应用成为了一个比较热的研究领域。[2] [3]

三、金融数据的特点

在众多机器学习方法中,基于Logistic回归、判别分析等传统的统计方法,对金融模型假定条件非常严格,在实际应用中很难达到理想效果。其原因在于对金融数据的非线性和非平稳性的操作具有片面局限性,在实际处理金融数据时,既定假设与金融市场发展实际并不完全一致,这样可能会影响模型的推广能力和泛化能力。

基于分类树方法、K-近邻判别分析、遗传算法等传统的非参数统计方法,其预测能力较好,但不能量化解释指标的程度。例如,K-近邻判别分析是一种非参数距离学习方法,通常按照数据样本之间的距离或相关系数进行度量,这样会受到少数异常数据点的影响。但是,在相同样本容量下,如果对于具体问题确实存在特定参数模型可以应用时,非参数方法效率相对较低。以神经网络、支持向量机等为典型的机器学习方法,优点在于可以有效处理金融数据的非线性特性,并且不需要事先严格的统计假设,这样会表现出较强的适应效果,充分体现人工智能、机器学习等方法的魅力。神经网络预测精度是各种机器学习方法中相对较好的,因为在一定程度上,神经网络可以按照任意精度近似非线性函数,为高度非线性问题的建模和算法提供相应支持。尽管神经网络技术进步有目共睹,但仍然存在一些难题。例如,通常难以确定隐层节点数,并会存在“过学习”现象和局部极小值等问题。

四、支持向量机

传统的统计模式识别方法是在样本数目足够多的情况下进行的,但是样本数目足够多在实际问题里面往往难以保证。1968年Vapnik等人首次提出了统计学习理论,专门从事有限样本情况下机器学习规律的研究。在此基础上,1995年Vapnik等人首先提出支持向量机(Support Vector Machine,简称SVM)的学习方法,它是数据挖掘中的一项新的技术。SVM是机器学习研究领域的一项重大成果,主要研究如何根据有限学习样本进行模式识别和回归预测,使在对未知样本的估计过程中,期望风险最小。近年来,它被广泛地应用于统计分类以及回归分析中。近几年的研究成果表明,SVM在实用算法研究、设计和实现方面已取得丰硕的成果,其在理论研究和算法实现方面都有突破性进展,逐渐开始成为克服维数灾难和过学习等传统问题的有力手段。支持向量机可以成功处理回归分析和模式识别等诸多问题,并可推广于预测和综合评价等领域,因此可应用于管理、经济等多种学科。支持向量机属于一般化线性分类器,可以认为是提克洛夫规则化(Tikhonov Regularization)方法的一个特例,其特点是他们能够同时最小化经验误差与最大化几何边缘区。支持向量机的优点表现在:1.它通过使用结构风险最小化代替传统的经验风险最小化,使用满足Mercer 条件的核函数,把输入空间的数据变换到高维的Hilbert 空间,将向量映射到一个更高维的空间里。在这个空间里建立有一个最大间隔超平面,实现了由输入空间中的非线性分析到Hilbert 空间中的线性分析。2.训练的复杂度与输入空间的维数无关,只与训练的样本数目有关。3.稀疏性。决定最大间隔超平面的只是少数向量――支持向量,就推广能力方面而言, 较少的支持向量数在统计意义上对应好的推广能力。4.本质上,SVM算法是一个二次优化问题,能保证所得到的解是全局最优的解。综上所述,SVM在一定程度上解决了以往困扰机器学习方法的很多问题,例如,模型选择与“过学习”问题、非线性和高维小样本等维数灾难问题、局部极小问题等。[4]正是由于SVM具有完备的理论基础和出色的应用表现,使其在解决高维小样本、非线性、压缩感知以及高维模式识别问题中表现出独特的优势,正成为自神经网络之后,机器学习领域中新的研究热点之一。[5] [6]

同其他机器学习方法比较,支持向量机更具严密的理论基础,因而在模型表现上也略胜一筹,被成功应用于模式分类、非线性回归,从使用效果来看,其结果较为理想。但从实践角度分析来看,模型参数的选择过度依赖人们的实验方法和实践技能,在一定程度上降低了模型的推广泛化能力和应用领域。同时计算方面,训练时间过长、核参数的确定,在大训练样本情况下, SVM面临着维数灾难,甚至会由于内存的限制导致无法训练。目前支持向量机在金融数据挖掘方面也存在一定的局限性,主要表现以下几方面:动态适应性、鲁棒性、特征变量异质性调整、模型推广精度等不尽如人意;建模方法与技术还有待进一步完善;支持向量机研究金融数据挖掘和金融问题的成果虽然不少,但大多集中在股票价格和股票市场走势预测方面,关于公司财务危机预测、套期保值分析、金融市场连接机制分析及其创新成果方面有待加强。

五、结论

大数据时代下金融专业的数学重在以下方面的应用:深度学习(Deep Learning)、机器学习和数据挖掘、分布式计算,如MR、Hadoop等,在大数据中预测最先取得突破的技术环节将会是分析中的大数据挖掘与关联分析、存储结构和系统、数据采集和数据化。目前金融问题的研究方向和发展趋势,主要集中在计量经济方法,例如,格兰杰因果分析、向量自回归、条件异方差、随机波动分析等。这些计量经济方法和技术大部分使用了线性技术,以及与金融市场不太吻合的理论假设,基于这些方法的结果,例如,资产预测价格、发展动态以及风险评估结果和实际出入较大,影响了金融管理的效率。对于我们大学教师来说,如何将已有分析数据算法整合,让学生抓住重点,挖掘到比较可靠的信息或知识,都将成为金融专业数学研究的方向和目标。

[ 注 释 ]

[1] Anand Rajaraman Jeffrey David Ullman.大数据――互联网大规模数据挖掘与分布式处理[M].北京:人民邮电出版社,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

当前,我国商业银行的客户主要分为三类:集团及战略客户、一般机构客户、中小企业及零售客户。其中,集团及战略客户属于我国商业银行的重点客户。当前,受到信息科技部门资源有限的约束,在IT资源不足的条件下,应按照客户的贡献度、重要程度等指标进行客户分类管理,为不同类别的客户提供不同的信息,以满足不同客户的需求。客观上,信息科技部门的发展通常会经历单项应用阶段、跨部门整合阶段和战略规划阶段。在不同阶段,IT支持体系的原则也有所不同。

1. 单项应用阶段。在单项应用阶段,商业银行对信息科技部门的要求集中于技术层面,包括软件系统、硬件系统的运行与维护,软件系统、硬件系统故障的排除,即“消防队员”的角色。此时,商业银行信息科技部门创新的原则为:(1)保障全行业务安全平稳运行与发展;(2)优先保障重点客户的需求。

2. 跨部门整合阶段。在跨部门整合阶段,在保证数据库安全与稳定的同时,信息科技部门还需要满足用户对高级技术支持和信息及时到位的需求,信息科技部门的目标逐渐转向管理职能。此时IT支持体系创新的原则为:(1)在力所能及的情况下,根据成本和效益相匹配的原则,尽力解决自身和内部其他部门的新的IT需求;(2)在满足重点客户的需求下,解决绝大多数客户普遍的需求。

3. 在战略规划阶段,信息科技部门从技术服务部门转变为跨信息技术和业务的管理部门,并逐渐从支持保障部门过渡到战略部门。此时信息科技部门已经能够满足绝大多数客户的需求,并以IT支持驱动业务的发展。(1)保障所有客户提出的合理需求。(2)能够根据信息科技的最新发展,主动提升对客服的IT服务与支持,提升内部管理的效率,增加业务的附加价值、延长业务价值链。

我国银行业正处于从单项应用到跨部门整合的过渡阶段,兼具两个阶段的特点,此时的客户管理与服务创新的重点应该是提升信息部门的效率,以保证信息科技部门能够在保障全行业务安全平稳运行的基础上解决客户的普遍需求。

二、 IT支持体系的基本框架及主要内容

根据现代银行业的实践,在上述IT支持体系构建原则的指导下,我国商业银行应该从制度建设、组织建设与信息科技建设等几方面构建客户服务与管理创新的IT支持体系。具体地,在制度建设方面建立和完善人力资源管理、首席信息官制度;在组织建设方面能够准确定位并且提供高质量、高效信息服务的信息科技部门;在信息技术建设方面建立能够提高客户满意度的客户关系管理系统。

1. 制度建设。

(1)人力资源管理。①明确人力资源计划目标。科学制定与信息规划相适应的人力资源计划,有利于改变IT部门人力分配不合理,知识结构性矛盾突出的问题,为银行业务信息化建设提供人力保证。②合理的人才需求结构。合理的、相互匹配的人才需求结构有利于互不专业人才群体的形成,同时高度细化分工的信息科技团队可以实现商业银行经营信息化的目标。③持续的复合型人才培养。信息人才的素质和能力需要企业管理层与信息部门有计划地进行开发与培养,,我国商业银行可使专业人员通过实践,通过持续学习培养信息科技人才。

(2)首席信息官制度。首席信息官制度,即在高级管理层设立首席信息官一职,直接对行长负责,领导信息科技工作,并制定和实现商业银行的信息化战略,使信息科技因素能够成为各项相关业务的决策依据,从管理的角度提升信息科技的重要性。首席信息官的具体职责主要包括以下方面:①制定企业信息化战略、规划和技术方案;②实施企业信息化战略、规划和技术方案;③开展企业信息化管理与服务

2. 组织建设。从组织建设来讲,科学的IT支持体系的核心是商业银行合理定位IT部门。对于现代银行业来说,IT部门终将成为战略部门。因此,IT部门与业务部门是“鱼和水”的关系。在未来的发展中,IT部门不应仅仅充当“消防员”的角色,而是应当围绕建设客户中心型的信息化银行这个目标做出变革。

在“互联网+”时代,全社会的经商环境更加信息化,这就要求必须尽快建成全面信息化的银行。也就是,IT部门除了要负责领导银行的信息化和系统运维之外,还要拟定信息科技发展战略,将商业银行信息科技的发展作为全行发展的战略任务。同时当好银行的“智囊”,承担传统信息科技技术职能和决策支持部门的职能。

IT部门的职能应当符合目前金融信息化的战略目标,科学划分各职能之间的界限,缩小部门间由于信息传递损失导致的沟通不畅。按照信息科技部门作为我国商业银行决策支持部门的定位,应当将承担传统信息科技技术职能和决策支持部门的职能划分为:(1)IT系统基础设施的运营与维护;(2)维护IT系统数据库;(3)规划IT系统总体功能结构;(4)为企业决策提供IT支持;(5)规范与标准化相关技术标准;(6)企业职员信息化培训;(7)制定、完成企业信息化战略;(8)领导企业信息化工作,再造企业工作流程,推动企业变革。

3. 信息技术建设。“以客户为中心”是银行开展业务的出发点和归宿。我国商业银行要想从日益加剧的市场竞争中获得比较优势,营销理念就必须从传统的关系营销向现代的服务营销转变。随着金融服务业的外延不短扩展,金融机构内部的界限也逐渐模糊,银行业金融机构也逐渐向横管银行、证券、保险行业的综合性金融服务机构发展。在传统金融业面临着具有较低成本优势的的互联网金融的冲击,金融业日益开放的背景下,完善客户关系管理系统,运用大数据技术,拓宽客户服务渠道,必将成为IT部门信息技术建设的重点。

(1)建设科学高效的客户关系管理系统。客户是银行最重要的资源,在日益激烈的市场环境中,商业银行越发重视市场拓展与维护,相应的,识别客户贡献度、吸引有价值的客户并维护好客户管理就成为银行利润最大化的必由之路。因此,开发包括分析型客户关系管理(ACRM)系统和分析型客户关系管理系统(OCRM)在内的客户关系管理系统,利用现代信息技术的手段对客户数据整理、分析并用其做出响应的决策,开展相关业务就势在必行。一个具有完备功能的客户关系管理系统通常在以下几方面能够帮助商业银行进行客户关系管理:①促进银行产品创新、再造工作流程、提升营销服务水平;②批量处理、分析客户相关信息;③根据不同需要从数据库中提取数据进行分析;④整合分散在各独立系统中的数据资源,实现数据共享;⑤通过多渠道综合比对分析形成统一客户视图。

①客户关系管理系统与数据整合。客户关系管理系统将各独立交易系统中的数据以合意的方式整理、加工、保存、更新,使得各个信息系统的协同运作成为可能。

②客户关系管理系统与流程再造。CRM的理念就是要以“客户为中心”,客户关系管理系统从运营、决策等多方面再造流程,对工作方式产生了根本性变革。

③客户关系管理系统与服务创新。客户关系管理系统使得企业可以根据客户的行为习惯、偏好、运营特点等有针对性的提供差异化服务。

(2)充分运用大数据技术。大数据、云计算等新技术有利于银行更好地服务客户,进一步拓展银行业务的价值链。不少著名的跨国银行已经将大数据技术应用至风险评估、产品创新、决策支持、差异化营销等多个领域。①风险评估。银行可以利用大数据增加信用风险输入维度,提高信用风险管理水平,动态管理客户的信用风险,降低违约概率,同时预防信用欺诈。②差异化营销。银行可以依据大数据分析,预知企业客户未来资金需求,提前进行预约,提高客户体验。可以依据大数据分析报告,进行差异化营销,提高客户满意度。③需求分析和服务创新。可以利用整体样本数据,如从客户行业,收入,所在地,行业,资产,信用等各个方面对客户进行分类,依据其他的数据输入维度来确定客户的需求来定制产品。④运营效率提升。大数据可以展现不同产品线的实际收入和成本,帮助银行进行产品管理。还可以帮助市场部门有效监测营销方案和市场推广情况,提高营销精度,降低营销费用。⑤决策支持。大数据可以帮助商业银行为即将实施的决策提供数据支撑,同时也可以依据大数据分析归纳出规律,进一步演绎出新的决策。

(3)增加客户服务的渠道。对于银行业来说,电子银行服务能够在提升服务效率的同时,提升客户体验,有效降低服务单位客户的成本,是实现多渠道客户服务的重要手段。

电子银行业务较之于传统柜面业务有如下特点:①互联网技术的广泛应用。电子银行突破了物理条件对银行服务时间、服务地点和服务能力的限制,使得大量银行业务的办理脱离了银行网点,从面对面的服务方式改为用户通过事先获得的电子证书获得更为便捷、高效的金融服务。②用户的便捷自助操作。电子银行业务将商业银行从大量的固定资产与人力成本中解放出来,降低了商业银行提供金融服务的成本。从客户角度来看,电子银行业务优化了业务办理流程,通过电子渠道,客户可以自主办理金融业务,提升了金融服务的便捷性。同时,电子银行服务使得客户摆脱了时间和空间对办理业务的限制,解决了全球一体化下金融交易可以全天进行,而金融机构还处在8小时工作制下的茅盾。③科技含量的投入使得边际成本低。对于电子银行来说,所能提供的服务种类和服务功能越多,所提供的服务越安全和便捷,客户黏性就越大,所能吸引到的客户就越多,因而为单个客户提供服务的成本随着客户规模的扩大也逐渐趋于零,形成正反馈。④电子银行的发展提升了对复合型人才的需求。互联网时代,商业银行之间竞争的关键在于人才,而电子银行是信息科技与银行业务结合的产物,因而随着电子银行业务的发展,更加需要既懂金融业务,又懂IT业务的复合型人才。

三、 我国商业银行客户服务与管理创新IT支持体系的实现路径

当前,根据我国商业银行的实际情况,构建科学高效的客户服务与管理创新的IT支持体系,应该通过以下路径来实现:

1. 建设一支高素质、复合型IT人员队伍。(1)培养一支高素质、懂银行业务、IT技术能力强的复合型人才队伍,在前台业务部门、风险控制部门以及一些关键岗位配置信息科技部门人员。(2)完善信息科技人员业绩激励机制,拓宽信息科技人员发展空间。建立职务、职级与职称并行的薪酬体系,打破信息科技人员晋升的“天花板”。(3)明确核心能力发展要求,完善人才培养机制。基于信息科技发展战略明确信息科技人员核心能力要求,科学制定信息科技人才培养方案。做好需求管理,加强专家级领军人才的内部培养与外部引进。(4)针对不同岗位的需求,制定更为细分和差异化的培训目标,建立涵盖入职与履职全方位、立体的培训体系。并结合业界最新变化调整培训方案与培训目标。

2. 向首席信息官制度过渡,提高我国商业银行信息化水平。当前,我国商业银行信息科技部门已经可以满足内部客户和外部客户的绝大多数需求,正处于从“单项应用”阶段到“跨部门整合”阶段的过渡期。为了提升我国商业银行的信息化水平,实现银行业务向信息驱动模式转换,适应“互联网+”时代的客户需求新变化,继续保持在国内外金融市场的优势,应当考虑建立起首席信息官制度,负责领导IT部门制定、完成企业的信息化战略。

增设一名高层管理人员涉及很多需要考虑的因素,同时还要履行相关的组织程序和法律程序,审批流程所需时间较长。因此,可采取渐进式方式向首席信息官制度过渡:例如,设立银行信息科技委员会(领导小组),由商业银行主要负责人或分管领导任委员会(领导小组)主任(组长),由委员会(领导小组)领导信息科技工作。

3. 明确IT部门的定位,构建能够动态满足客户主要需求的组织架构。本质上来说,企业信息化的程度要与企业信息科技部门的定位相匹配。企业信息化程度与信息科技部门的不匹配会造成企业资源的错配,降低了企业资金运用效率与企业的工作效率,对企业信息化发展无益,因此应合理调整IT部门在银行业务与经营中的定位。在信息技术飞速发展的今天,IT部门的定位不应当只是“救火队员”的角色。IT部门在加强管理信息系统建设的同时,必须更多地了解业务部门的状况,积极疏通业务部门进行信息化整合后的业务流程,为各个业务部门提供一个共享的数据与信息平台。除了保障基本业务正常运行外,银行业务流程和客户关系管理再造也应该作为IT部门的一个重要任务。同时还应优化信息科技组织定位,根据银行业务部门的发展需要明确信息科技发展策略,依据内部控制与合规性的要求,建立涵盖IT风险管理、IT审计、IT专业技术的职能部门。提升信息科技的业务支持和决策支持功能。

4. 全面建立分析型客户关系管理系统。当前,我国商业银行以使用操作型客户关系管理系统为主,多个系统间的数据形成了信息孤岛,数据价值没有得到充分挖掘。因此,应当全面使用能够对数据价值深度挖掘的分析型客户关系管理系统(ACRM),为业务运营和决策提供支持。

在统一的系统下建立相互联系的子系统模块,模块之间既有相对的独立性,又在统一系统下共享数据相互联系。建立数据仓库,为识别客户贡献度,细分客户类型,管理层决策储备相关数据。同时参照国际通行模型开发符合本行情况的客户贡献度模型,综合考虑与收入成本相关的多个因子,为提升决策水平、开展营销服务提供依据。

5. 运用大数据技术强化我国商业银行的IT服务能力。利用大数据技术提升营销服务水平。一是拓展客户资源。通过对大数据的获取与处理,我国商业银行可有效扩展客户信息接触面,获得更多市场机会;二是获取全面的客户画像,真实呈现客户身份、资产、喜好、情绪、行为、社会关系等“立体视图”。三是开展精准营销。

利用大数据技术强化风险管理能力,通过对大量数据信息的深度挖掘,可以有效识别授信人风险,提升整体的风险防控能力。利用大数据技术优化运营管理模式,可以利用大数据提高决策效率、优化处理流程、提高对市场的反应速度。

6. 强化电子银行渠道,为客户提供更好的安全便捷服务。(1)提高呼叫响应系统的服务质量。在未来我国商业银行电话呼叫中心和网络平台咨询服务体系应拓展为跨多种终端设备的交互系统,能够向电话、PC和移动端等多种终端设备提供咨询投诉等服务;(2)提升电子银行的客户吸引力。随着客户对全能银行服务的要求提升,银行业金融机构所能提供服务数量和质量都会影响资金的沉淀量。因此,银行信息科技部门需要与业务部门共同努力丰富网上银行所能提供的产品和服务,使商业银行能够提供更多元的电子金融服务。

参考文献:

[1] 雷陈光,陈运娟.大数据时代下商业银行客户关系管理思维变革[J].金融与经济,2015,(4).

[2] 侯敬文,程功勋.大数据时代我国金融数据的服务创新.财经科学,2015,(10).

[3] 周林洁.金融集团信息科技机构组织设计与管理模式研究――以平安集团、花旗银行和汇丰银行为例.南方金融,2014,(9).

[4] 骆鹏.成都银行IT治理研究[D].成都:西南财经大学学位论文,2010.

篇11

[中图分类号]D630.9 [文献标识码]A [文章编号]1673-0194(2017)02-000-02

官员财产申报制度是预防腐败的一项重要制度,是实现党的十以来全面治党反腐倡廉“不敢腐、不想腐、不能腐”目标的关键一环。近年来,财产申报制度正逐步确立并取得了一定的成绩,但官员申报意愿低、核查难度大、预警效果差一直困扰其发展。官员财产申报,关键是“财产”,管住了财产的流向与路径,降低其来路与去向的隐秘性,财产申报制度才能真正有效果。大数据时代,人人都会留下自己的“数据足迹”,以官员“财产”异动为切入点,引入大数据思维,利用云计算等新技术、新方法,就能从无数的“数据足迹”中了解申报者的状况,从而起到全面核查、自动预警的效果。当前的官员财产申报,不仅需要理论突破,更需要技术创新,基于大数据思维技术将为官员财产申报制度创新开辟一条全新的路径。

1 国外研究综述

“大数据”(Big data)是指“无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理,并整理成为帮助企业经营决策更积极目的的信息。”这个概念由Nature杂志于2008年最早提出,随后Science杂志于2011年阐述了大数据在科学研究领域的重要性,同年6月,麦肯锡全球研究所首次论述了“大数据时代”,并将大数据方法引入社会问题领域。维克托・迈尔-舍恩伯格教授与肯尼思・库克耶是大数据社会问题研究领域的杰出代表,2012年他们合著的《大数据时代:生活、工作与思维的大变革》通过对比大数据思维与传统小数据思维的异同,阐述了“大数据时代”对人们的生活、工作带来革命性的影响。

现在,大数据广泛应用于社会各领域。在商业领域,沃尔玛利用大数据,可以清晰掌握全球27个国家11 457家门店近700万种商品任一时段的销售数据和销售细节,并据此预测顾客需求。在公共行政领域,美国是首个将“大数据”全面引入行政领域的国家。2009年,奥巴马政府《开放政府指令》,建设Data.gov公共数据开放网站;2012年3月,美国政府启动了“大数据发展计划”,同年5月,联邦政府《数字政府战略》。大数据战略有利于公众更好地获取并利用政府大数据,同时也极大提升了政府效能。

美国是官员财产申报制度最为完善的国家,而大数据在此功不可没。依托大数据,整合了税务、金融、国土及司法等部门信息,以国家征信系统为载体,核查部门可以轻松监控政府公职人员财产的异动,快速发现问题并作出回应。

国外在大数据运用有许多地方值得我国学习和借鉴,新的思维方式与新的技术革新将带来社会生产方式的巨大变革。顺应潮流发展,引入大数据思维,将是对官员财产申报制度创新的重要尝试。我国大数据还刚刚起步,数据碎片化、信息孤岛、部门条块分割、公民信息意识较为淡薄及国家整体信息安全威胁等都影响着大数据的发展。因此,借鉴必须结合国情,才能闯出一条新路。

2 国内研究综述

国内关于官员财产申报的研究非常多,但重点主要围绕以下几个方面展开。一是域外财产申报制度介绍及比较研究。郇天莹、荣俊 等重点介绍并对比了美国、韩国、新加坡等国家财产申报制度的异同及对我国的启示。二是我国官员财产申报制度存在的困境与影响因素研究。主要从官员抵触心理、隐私保护冲突、配套设施不完善等三个方面进行影响分析。王高贺、郭文亮认为存在藏富、保护隐私、担心收入减少、害怕腐败行为暴露心理、推行时机不成熟等心理。屠振宇提出了申报人隐私权保护问题。韩珍珍则认为当前官员认同度不高、缺乏法律制度的支撑以及配套制度不健全等是财产申报的困境。三是实现官员财产申报制度的方法与路径研究。梁平支持“自上而下”的路径。廖晓明则支持“自下而上”路径。从实际情况来看,“自下而上”是当前探索主要模式,但从国外实施的成功经验来看,只有“自上而下”才有可能真正全面实现财产申报。

近两年来,将大数据思维、技术运用于腐败预防和惩治成为研究的热点。徐浩程提出利用大稻菅罢腋败;张硕、高九江探讨了大数据技术在腐败防治机制中的应用;刘筱勤则强调应用大数据对当前的廉政制度进行创新;廖晓明、魏永平、罗文剑基于大数据技术阐述了预防腐败的方法、框架以及面临的挑战。在实践领域,江苏昆山、北京市检察院、广东肇庆、上海奉贤区纪委探索了“大数据反腐”新模式,在利用大数据科技反腐方面取得了较好的成效。

综上所述,随着“大数据时代”到来,基于大数据思维的反腐败研究成为热点,为反腐败开辟了新的研究思路,值得肯定与借鉴。当然,这些研究更多针对腐败这一宏观领域展开,在大数据技术具体运用过程中因为缺少具体载体而无法聚焦。再加上廉政数据收集难、数据挖掘分析专业人员严重不足等因素,其真正运用还有很长的一段路要走。

3 大数据思维下的官员财产申报模式探索

运用大数据思维,从技术方法层面对官员财产申报制度进行创新研究,能给官员财产申报制度研究以一个全新的视域,从而开辟出一条新路径规避或突破当前的层层阻碍。从应用价值来看,基于大数据思维的新方法与新技术,通过构建三位一体的“数据收集―挖掘分析―数据运用”新机制,能有效解决虚假申报、抽查比例低、核查难度大及公众参与难等问题,有利于现有条件下快速提升官员财产申报制度的绩效。大数据财产申报模式,如图1所示。

大数据的基石是数据源,通过对官员财产申报信息的梳理,可以把大数据信息源的类型分为三类:结构型数据、半结构型数据、非结构性数据。其中结构性数据主要是通过组织部门提供信息,主要涉及与官员财产相关的银行、税务、公安、房产、金融与国土,这类信息的结构相对稳定,格式相对清晰。而半结构型数据与非结构性数据主要是指由公民个人在社交过程中留下的“数据足迹”和公众参与而来的“数据反馈”,它们一般是通过微博、微信、QQ、论坛与贴吧等社交网络信息出现。之所以将其划归为半结构或非结构数据,主要是由于这类信息并不是传统意义上的可格式化信息,它们没有固定的结构,可能是一张图片、一段语音视频等信息。

在数据收集阶段,对应的是财产申报制度的申报与公示环节。主要是对数据源产生的数据进行整合与采集。其中申报阶段重在申报数据与组织部门数据的整合比对,而公示阶段则更多的是侧重于公众参与之后产生的数据信息采集。对于结构型数据主要进行数据的整合,由于不同部门间的数据存储格式不一,所以在具体的数据收集过程中需要进行有效的整合。而对于半结构与非结构数据,则主要是数据采集。对于整合后的数据源与采集到的数据源,两者之间需要进行相关性关联,例如:最常见的关联可以以个人身份证号为索引进行关联,对于关联后的数据进行数据存储处理。

数据分析处理阶段主要通过内部程序完成。对于已经完成关联性的存储数据,依托传统的数据分析技术(如数据挖掘、数理统计、智能算法)和云计算技术,可以快速分析出申报主体的申报信息是否真实,对于虚假申报情况进行有效预警,同时依据海量大数据还可以对整个申报区域内有关信息进行预测,进而为下一步的财产申报制度改进提供决策支撑。

数据运用主要涉及财产申报制度的核查与惩处环节。在核查环节,大数据改变了传统的以人工为主的核查方式,改由系统自动核查,这样不仅提高了核查的效率,扩大了核查的覆盖面,还节约了行政成本。原来的抽查将变成全方位的普查。同时,通过大数据分析也可以发现一些申报群体的共性以及部分申报主体的个性偏好,便于整个申报制度的及时改进。此外,大数据信息预警给惩处环节也提供数据支撑,使惩处环节更加科学高效。

主要参考文献

[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・迈尔-舍恩伯格,肯尼思・库克耶.大数据时代:生活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013.

[5]郇天莹.美国官员财产申报制度构建的路径分析与启示[J].中国行政管理,2009(2).

[6]荣俊.新加坡和中国的官员财产申报制度比较研究[J].理论与改革,2015(1).

[7]王高贺,郭文亮.当前我国推行官员财产申报制度的心理障碍及其治理[J]. 理论与改革,2010(5).

[8]屠振宇.财产申报制度中的隐私权保护[J].法商研究,2011(1).

[9]韩珍珍,韩兆柱.官员财产申报制度建设:困境与策略[J].燕山大学学报:哲学社会科学版,2015(1).

[10]梁平,于子洁.中国官员财产申报制度构建趋向及实现路径――从韩德云7次议案及其官方回应谈起[J].廉政文化研究,2012(5).

[11]徐浩程.用大数据寻找腐败[J].廉政t望,2014(1).

篇12

关键词 :大数据;会计专业教学;创新研究

中图分类号:G71文献标志码:A文章编号:1000-8772(2015)25-0193-02

创新是一个国家发展的源泉与动力,“提高自主创新能力,建设创业型国家”也是我国发展战略的关键。因此,在新的历史发展时期,要求高职会计教师必须与时俱进,不断探讨新的教学方法,借鉴国外先进的教学理念,并结合高职会计专业的教育实际与市场发展趋势,对高职会计创新教学进行最优化设想。同时,随着信息技术的推广使用,大数据技术也快速进入各行业并在财务领域得到广泛应用,会计人才的数据收集、整理能力显得十分必要。因此,适应大数据时代的发展趋势,不断创新会计专业教学模式,对培养会计人才意义重大。

一、大数据在会计职业中的应用趋势

大数据时代开始于2013年,是从网络科技行业开始的新技术革命时代。大数据是现今社会经济发展的一大必然趋势,因此,会计专业所面向的诸如金融业、建筑业、快消业、快递业等行业也需要面临大数据的应用。各行各业的会计人员需要对处理和运用大数据进行相应的学习和研究,会计专业的教学也要紧跟职业和行业的发展趋势,对大数据背景下的会计教学进行创新。

在“大数据时代”背景下,公司在战略选择时越来越注重对市场进行数据分析,用客观的有依据的数据来作为判断基础,减少无数据支持的、不科学的臆断的决策。在所依据的决策数据中,会计对本企业和相关市场的数据统计和分析信息,尤其是其中隐藏的资本运动趋势和行业前景趋势的数据,就是决策最重要的依据之一。因此,会计对管理、决策的辅助职能将越发重要。高水平的、应用型的会计人才就是企业急缺的,会计专业教育也应该符合市场经济需要,创新教学的基本理念和模式方法,培养符合大数据工作要求的专业人才。

大数据所改变的主要是会计职业的工作对象,在相关的各个行业中,由于业务量激增,相应的数据量和信息量都大量涌入会计需要处理的数据中。以金融业为例,全民炒股的大热和互联网金融的兴起,要求会计处理更多的业务量,比如本金利息、投资收益、日成交量等等,需要会计人员运用电算化工作进行统计。会计人员还可以配合网络工程师进行相关软件和应用中具体算法的开发和校正。会计还要对大数据的工作状态进行统计和计算,辅助企业判断本公司的业绩、效果,总结企业各项业务的综合动态走势,帮助了解行业的发展趋势,辅助企业进行战略决策。这些会计业务也在处理空前巨大数据的背景下迎来新挑战。

二、大数据背景下会计专业教学创新的主要方向

大数据要求会计教学提高学习主动性。相对于对科技进步较为敏感的网络专业,会计专业的学生较为缺乏对新时代的敏感性和学习并适应新时代要求的主动性,会计专业的教学甚至科研都对大数据缺乏敏感度。在日新月异的新时代,会计教学不应只拘泥于传统的教学内容,更要培养学生的自主学习意识,帮助学生在走上工作岗位后,能够有不断更新自己、与时俱进和不断学习的习惯,才不会在发展浪潮中被淘汰。

学习的主动性来源于自主学习意识和对新知识的认知感。自主学习意识是人的主观能动作用,需要人对该事物的重要性和紧迫性有足够认知,并有足够自制力将其转化为积极主动的动力。在大数据背景下增强会计专业学生的自主学习能力,需要会计教学的教师们充实和更新教学的内容,紧跟时代步伐,到一线企业公司了解工作的实务内容和要求,将大数据的实例转化成题目或操作项目,引进到教学中来;还需要教师们创新教学手段,充分利用网络资源和数据,引进全方位、多角度的操作实践,让学生充分认识到大数据的运用与教科书上会计基本理论知识的区别,并将会计的基本原理,从课本题目的小数据,延伸到工作中的大数据中,熟练运用和操作大数据。

对新知识的认知感是青年学生的最大优势,在足够的兴趣和主动性影响下,青年学生对大数据时代新鲜事物的感知性可能是其教师们都比不上的。这时就需要教师们因势利导,充分发挥学生的认知感,认可学生的锐眼和创新想法,并组织学生进行交流,形成竞争意识,将学生对新知识的了解,转化为教学内容,并引导学生进行课内课外的主动交流,互通有无,团结协作,互相学习,研究创新。

三、大数据视角下会计专业教学的创新

目前高职院校会计专业人才培养理念拘泥于培养记账、算账甚至做账的会计从业人员。但是,会计专业学生所服务的有潜力的大中小型企业更需要会计人员在企业的战略管理方面提供服务,即需要会计管理能力,尤其是在交易量特别巨大的行业市场,需要会计人才对相关市场进行大数据的收集和分析,为企业中短期决策提供数据依据支持。

教学创新首先要做到教学理念的创新,只有理念先进了,教学改革创新才会顺利进行,否则传统势力的存在会对教学改革产生负面影响。从教学理念上看,会计专业的教学理念需要适应科技经济的社会发展需要,调整方向应该是:以核算能力的培养为基础,以会计管理能力的培养为核心,运用新的科技手段,掌握大数据的处理和分析。教师必须先从自身做起,更新自己的观念,充分体会和感受大数据对工作和生活的巨大影响。然后要对大数据在职业中的实际应用有所了解,对大数据给会计工作带来的机遇与挑战,知识的更新和创新有所了解,对社会的发展趋势紧紧把握,将最新的信息引入到教学中来。

在理念更新的基础上,会计教学要对课程计划进行创新,在传统教学的理论基础上,引进新的资源和知识体系,增强学生的实践技能和工作能力。同时,也将会计理论潜移默化地引入到大数据的要求中去,培养学生对大数据的编制能力、处理能力、运算能力、检查能力和总结能力。

从实际操作来看,会计专业教学的创新,要在保证学生拥有接入相关网络数据的、处理运算大数据能力的基础计算机硬件和软件设备的基础上进行。首先应培养学生在网络数据中挖掘有效资源的能力。教师在教学过程中应布置此类作业或实践项目,锻炼学生在网络上查找和筛选数据的能力。

在搜集数据的基础上,在保证学生对传统会计理论知识充分掌握的前提下,教师教学生使用相关软件进行数据分析,培养学生对数据的预处理和建模创新能力,帮助学生养成管理型会计的思维方式。另外,由于大数据的工作量巨大,实际会计工作往往是由一个会计团队合作进行的。在创新的课程中,必须通过课题或项目,让学生组成项目小组进行实践操作,通过团队合作完成项目的方式,使学生能够运用会计专业的各方面知识,分担会计工作流程中的各个工作岗位的角色,培养团队意识,学会分工合作,适应未来工作需要。

在开设检索课程和统计学课程之外,需要增设数据处理软件工具的实务操作课程,在会计电算化的要求下,会计教学中必须教会学生如何熟练、巧妙地使用电算化的相关软件,如excel、用友等。在学校里,学生学习的都是基本用法,但是在实际工作中,由于行业不同、企业不同、数据性质不同、计算需要不同,会计需要自己编制一些适合的表格进行计算。那么,复杂套表的设计,公式的运用等就需要会计灵活地使用软件进行设计,满足会计实际工作中的需要。

由于大数据的规模性和系统性,并且处理的数据量巨大,一个小小的差错就可能导致结果的很大误差或错误,会计工作中的准确性和对责任感的要求都是极为严格的。教学实践中需要步步留痕,每一个步骤都是由团队中的某位成员进行的,都有据可查,在作业结果错误时,对出错的成员进行“惩罚”,以示团队对准确性的严格要求,以利于团队成员中个人责任感的提升。教学中也可以建立学分之外的奖惩机制,在项目进行的过程中和项目完成后,对优秀学生进行奖励,对出过错误的学生进行“惩罚”。

课程中还可以结合实务技能,引用互联网上的实际数据,分门别类地对各行业的大数据进行立项分析,或者从某些大型企业的公开数据中,进行数据的引用,使用这些数据进行教学训练,模拟公司会计实务操作流程,使学生能够身临其境地进行大数据的计算和分析,以总结性论文、报告或演讲的形式将结论进行汇报,通过各组的相互对比,评价立项活动的各组业绩是否正确,从而进行学分评价。

完善会计网络教学平台建设和使用。学校可以设计搭建或引进会计网络教学平台,学生平时通过平台进行课程学习、完成和提交作业、完成随堂和结课测验等功能。运用网络促进学生学习,需要进一步完善网络软硬件设施的建设,及时升级更新教学平台,引进会计的大数据资源,进行相关数据的自动或手动的实时监控收集,套用常用的建模,划分统计模块,进行项目操作。同时,教学平台还要让学生查看学习作业和随堂测试结果,教师的评语和建议,及时了解自己不懂不会的知识点。教师也能全面了解学生随堂知识的掌握情况,掌握学生学习动态数据,随时改进教学进度和教学方法。

会计教学的创新还可以与行业公司进行合作,承揽一些实际的会计工作项目,如预决算、招投标、核标、工程评估、财务报表、统计、科研调查等。这一与关联公司的互动合作是互利互惠的,既能帮助公司完成工作,也能借此锻炼学生的工作能力,促使学生将理论与实践相结合,为学生的未来工作打好基础。

四、结语

大数据时代对各行各业的会计提出了不同挑战,同时也是相同要求。作为会计工作能力培养的会计专业教学,其创新是一个前程漫漫的过程。希望各高校、科研院所的教育从业人员能够进行理论和科研创新,进行教学实践的探索,互通有无,增加沟通,不吝讨论,共同开动脑力探索出对大数据新知识、新理论、新实践更为适合的会计人才培养新方法。

参考文献:

[1]赵润杰,论高等职业学校会计教育的创新[J],教学与职业,

2008(8).

[2]农海燕,适应“2+1”模式优化高职会计专业教学[J],经济与社

会发展,2008(10).

[3]高雁,浅析高职高专会计教学模式的创新,吉林省经济管理

干部学院学报[J],2010(6)(4)于沛、綦桂芬,教、学、做合一教

学法尝试[J],吉林商业高等专科学校学报,2000(3).

[5]吴飞美,浅析高职高专复合型市场营销人才培养模式[J],福

建商业高等专科学校学报,2006(2).

[6]孙建东、李卫红、赵钧铎,对高职高专《工商企业管理[》课程

创新建设的思考[J],科技情报开发与经济,2007(29).

[7]张导成,关于我院高职高专教育实践教学改革的思考[J],科

技创新导报,2009(11).

篇13

谢平和邹传伟(2012)是较早分析互联网金融模式的人,他们首先提出以互联网为代表的现代信息科技,特别是移动支付、社交网络、搜索引擎和云计算等,将对人类金融模式产生颠覆性影响,可能出现既不同于商业银行间接融资,也不同于资本市场直接融资的第三金融融资模式,称为互联网金融模式。他们认为以互联网为代表的现代信息技术对人类经济社会的金融模式产生根本性的影响。宫晓林(2013)则认为,互联网金融将为中小银行与大银行竞争带来机会,能有效解决中小企业及小微企业融资难的问题等等。

二、互联网金融对传统商业银行的冲击和影响

近两年,互联网金融的模式日渐成熟,尤其是成型的六大互联网金融模式,随着六大互联网金融模式的发展,对于传统的商业银行的影响也是很大的。我们查阅了大量的文献资料,主要总结出互联网金融对传统商业银行的三大冲?簟?

(一)对银行支付业务的冲击

支付业务是商业银行的传统业务,尤其是近几年以支付宝、微信等的第三方支付平台的迅猛发展。传统的商业银行的支付业务往往是需要通过支付人员到银行柜台进行支付,是支付双方的前端支付;互联网金融的发展使支付业务由前端向幕后转移,支付人员只需要通过手机客户端就可以完成网上平台的各项支付,这对商业银行的传统支付业务带来了很大的冲击。虽然我国的互联网金融对比国外起步较晚,但是我国互联网金融每年的增长率却是十分惊人的。2013年,我国的互联网支付规模已经达到了5.37万亿元,第三方的支付数量已经超过了美欧日等主要经济体的总和。在短短的这几年的发展中,虽然互联网支付在全社会支付的总额中还未占到千分之二,但是每年正在以180%的年复合增长率飞速增长。由此可以预见,互联网支付今后的发展力量是不容小觑的。

(二)对银行大数据的冲击

现代商业竞争的本质就是对信息资源的争夺。可以说,谁掌握了客户最有用的信息,谁就站在了最有利的位置。互联网金融是大数据和云计算迅猛发展下的产物,客户通过网上搜索引擎会留下大量的消费痕迹,如果对这些数据进行整理和分析,就是能够创造巨大商业价值的大数据。虽然互联网金融近两年发展迅速,但是还是无法和传统的商业银行的海量数据相企及的,传统商业银行的数据都是零散的,没有针对性的数据,而对于互联网金融来说,大数据和云计算技术的应用正通过这些信息深入挖掘顾客的消费偏好、消费能力等方面的经验规律,互联网金融拥有敏锐的“嗅觉”,能够迅速并且准确的捕捉到用户的习惯和需求,这也是传统商业银行虽然拥有足够的数据,但是仍然处于劣势的原因。

(三)对小微信贷的影响

一般的小微企业很难从传统的商业银行获得借款,而互联网金融天生就是解决长尾问题的最好办法。前几年,阿里巴巴推出了阿里小贷,这对于刚刚起步的很多小微企业而言是很大的福音。小微企业很难满足银行的贷款要求,但是阿里小贷对于贷款没有特别多的要求,企业是否具有良好的资质是知否获得贷款的条件。小微企业的发展是现在中国不能忽视的经济力量。

通过对比分析,我们可以知道,互联网金融进入支付领域影响的是商业银行的现在,而互联网金融进入小微信贷影响的就是商业银行的未来。

三、互联网金融对商业银行的启示

笔者通过研读互联网金融与传统商业银行的相关论文和文献资料,总结出传统商业银行面对互联网金融发展的威胁可以采取的几点措施。

(一)互联网金融和商业银行合作弥补相互间的劣势

互联网金融虽然在我国发展的比较迅速而且发展势头良好,但是它也存在一定的缺点,比如互联网金融存在一定的道德风险。会有人利用互联网金融筹集大量的资金,然后带着这些资金跑路,我国法律对于互联网金融这一方面尚且处于起步阶段,所以没有明确的相关法律进行保护。由此可以构建互联网金融和传统商业银行合作的平台,将用户在互联网上的相关账号和传统的商业银行绑定,依靠传统商业银行的信誉措施对互联网上的用户进行约束。互联网金融可以利用云计算等相关技术整理分析商业银行的海量数据,以供双方使用,以达到互利共赢的目的。

(二)互联网金融和商业银行合作提升用户体验

任何事物都不可能是一成不变的,尤其是对于电子信息技术,更是飞速发展,传统商业银行应该与时俱进,积极的学习互联网金融在用户体验方面的成功之处,并能灵活的运用于自身,我国的商业银行应该怎么做,可以参考Facebook和花旗银行的完美联姻。