问：互联网金融的发展离不开大数据，那么大数据有哪些特点？优势在哪里？给传统金融机构带来哪些机遇和挑战？张晓蕾（渣打银行（中国）有限公司副首席执行官）：传统商业银行也广泛使用大数据技术，但对技术的依赖程度是一个值得研究的课题。举个简单的例子，渣打银行的程序化借贷（包括个人借贷）收集大数据，设置参数，这是一个自动撮合的过程。整个贷款过程非常快。以新加坡为例，两小时内即可完成审批。产品本身非常好，快速，高效且便宜。但其发展速度有限。经过多年探索，我们发现该业务的增速与坏账增长并不呈线性关系。高速增长达到临界点后，其坏账大幅增加。当然，这与地域有一定的关系。为什么商业银行需要不断调整所使用的模型？因为这些模型本身就是风险的来源，调整模型就意味着控制风险，这也是新的第三方机构需要积累的经验。比如证券行业流行的量化策略，其实就是利用历史数据和概率来进行投资策略的模型。根据这个理论，我们制定了策略，但我们发现黑天鹅事件导致制度失灵，是制度外的突发性风险。传统商业银行不能忽视大数据时代的到来，这意味着成本的大幅降低。如果不能面对这样的转型，未来可能要让位给在很多领域大数据有很大优势的新进入者。从另一个角度来看，新进入者在提供金融服务时，必须考虑传统金融行业的有效风险控制。为什么银行要花那么高的成本在风控和授信审批上，尤其是中等以上的金融机构，基本上都是人性化的考虑。如果您不能与贷方面对面，就很难做出重大决定。吴健（光大银行专职董事）：银行对互联网金融的关注，是从余额宝开始的。他们一开始没有正视这个问题，对余额宝的影响被低估了。现在大家都在逐渐适应的过程中。目前监管还存在盲区，存在套利空间，但不会是长期问题。我们更关注的是互联网金融的深层次影响。由于近年来移动互联网的快速发展，数据量急剧增加，形成了大数据现象。IBM的研究表明，过去两年全球产生的数据量相当于整个人类记录数据量的90%以上，并且还在以几何倍数增长。而这些大数据不仅海量，而且以非结构化为主。过去，银行处理的数据都是结构化、规范化、规范化的，他们在这方面有很多经验。但是现在各种渠道获取的数据以音频、图像、视频等多种形式出现，我们却不知道该如何处理。此外，大数据的另一个特点是实时在线。传统数据的生产、存储、调用是分块的。许多数据在收集之前已经被人脑有意识地处理过，例如市场研究产生的数据。大数据的产生和获取，都是人们在正常的生产经营活动中不自觉地进行的。借助以云计算为代表的新型处理方式，可以对在线大数据进行实时分析，并随时调用分析结果。从战略上看，未来银行的业务都将线上化，所有金融机构的竞争都将在信息化平台上展开。从这个角度来看，可以用一句话简单概括为“数据为王”。未来，谁掌握了大数据资源，谁就掌握了风险定价的主动权，并能获得准确、高风险的回报，最终获得竞争优势。银行在做风险评估模型时，主要使用结构化数据，往往滞后。比如财务报表是上一年的，很多数据是静态的、片面的，很容易被粉饰、淡化。利用这种数据进行前瞻性预测的效果可想而知。从目前的情况来看，五大行的内部评级模型均已通过近期银监会的验证，但这些数据和模型的准确性仍存疑。当前数据库来自过去5-7年。它是在经济繁荣时期积累的，并没有经历一个完整的经济周期。一旦未来爆发系统性风险，回顾这些数据很可能低估了潜在风险。应用大数据思维，银行可以根据纳税记录、刷卡记录、库存变化等动态数据进行征信观察。只要观察到的流量达标，他们就可以发放贷款。使用这种评估方法发放的贷款违约率很低。数据的作用——各种不同类型的非标准数据都可能是有价值的。大数据不仅可以提高风险管理的技术水平，还可以促进商业银行的业务转型。商业银行的转型已经启动了几年，但目前的效果并不理想。一个重要原因是商业银行同质化严重，一窝蜂地做，或者都做理财，或者都做小微，或者都做社区银行。由于缺乏数据支持，银行对自身业务结构了解不透彻，往往仅依靠管理层的主观判断来调整银行转型的发展方向。进入大数据时代，我们要学会用数据说话。通过大规模的数据挖掘，可以深入了解银行自身的客户需求和市场结构，从而进一步确定差异化转型的方向。只有这样，整个中国金融体系才能避免高度同质化，真正活跃起来。从这个角度看，大数据既可以作为商业银行拓展市场的“矛”，也可以作为防范风险的“盾牌”。大数据对银行发展的推动作用还有待进一步挖掘。雷涛（天云融创数据科技有限公司首席执行官）：我从产业的角度讲一下大数据如何作为工具和驱动力。首先，以大数据为工具，改进和优化现有的金融服务。要回答刚才提到的问题，大数据是大规模处理数据，但是它能不能做一些个性化的智能业务呢？事实上，对数据业务的认识已经经历了几十年。早期的机器辅助参考决策系统，如BI系统、商业智能系统，都是为人类做决策而设计的，这些系统面向的是有限的商品和有限的数据集。其中，我们人类会根据机器的中间状态数据的结果生成相关的规则。.人的智商和我们的经验和判断，做有限的商业策略，针对有限的服务套餐和有限的人群，所以我们可以在电信运营商做各种套餐，在金融做各种产品。在当下的大数据采集中，受众的需求越来越多，越来越碎片化。我们的产品可能不会作为标准化产品进行定制，而是可能会根据用户的访问行为随机触发。比如阿里推荐一个Products，9亿个商品，不能像沃尔玛超市那样布局。在用户点击的过程中，如何将合适的产品发送给受众，并不依赖于报表系统，而是一个自动触发的系统。自动化触发的系统可以更客观地定制和区分很多需求。大数据与以往的BI、数据仓库的本质区别在于，大数据生成的不仅仅是一个以决策为导向的报表系统，而且是一个自动化、可执行的系统。这个系统可以帮助我们做很多不同的、个性化的、量化的动作匹配。同时，对于大数据，我们不要看它不能做什么，先试试它能做什么。每个人都提到了获取外部数据的挑战。事实上，银行业并不需要急于获取外部资产数据，如工商、房车资产购买记录或社会行为等，这些价值稀疏的数据也涉及复杂的数据治理问题。需要路线图支持连续语音。事实上，我们看到很多财务数据本身还没有被估值。例如，经常账户数据以个人为核心进行结构化描述，或者两对之间的债务和资本关系，以及大型企业。资产负债表、损益表等这些数据受限于传统的表结构数据组织，缺乏全局视野。我们在做定量分析的时候，需要一个公共的参考系统，它就像一根米尺，用来测量今天在场每一个人的身高，而不是表达对之间的高低；用元素周期表等标准参照系描述所有物种。这个公共参考系统是从金融实体的全量以及它们之间的交易行为中提取的模型。每个账户实体都会在参照系中获得量化评价。即使缺乏个体数据（如小微企业），也可以通过其他实体和交易行为对评价进行量化传递。例如，以节点的形式，将各个金融实体的交易方式做成一个庞大的复杂网络。这些流程使金融实体能够利用以前结构化的账户数据，利用大数据技术构建一个新的基础数据平台。这个基础数据平台可以完成很多事情，比如征信、信任、基于社区发现的供应链挖掘等。实现在线而不是依赖垂直行业经验，以及卡业务欺诈和异常交易，很多识别都可以基于金融账户的结构化数据来实现。因此，大数据可以作为利用现有数据资源优化和改进现有业务的工具。大数据真正的创新是驱动力，即破坏性创新驱动金融在零消费市场拓展新业务。传统金融靠资本盈利，现在金融也可以靠数据盈利。亚当·斯密定义土地、资本和劳动力创造财富，现在数据本身也可以作为新的生产资料来发展新的业务。比如徐老师提到的支付平台模式，可以考虑更深一层，利用数据延伸到商户CRM。我们尝试过基于POS支付的商圈推荐和识别。也就是说，基于复杂的网络结构，具有相同社会属性的客户访问不同的业务，可以被信任或交叉推荐。我们可以做很多O2O服务。金融也是服务行业。人、产品和服务在服务中聚集后，会留下很多电子行为的痕迹。数据本身会随着生产经营而形成新的生产资料。同时，对于资本市场，传统金融资本项目的评价和互联网公司用户流量的评价将交织在一起，形成未来新金融主体的评价体系。数据资源将与资本资源一样重要，成为未来资本市场考核的新考核体系和重要指标。大数据的驱动力将带动和创造新的财富。
