大数据分析论文范文第1篇
摘 要：近年来，我国的社会经济和交通事业在不断快速发展，交通压力也变得越来越大，又随着时间的不断推移，目前存在诸多已建成完工的桥梁各方面性能也在不断下降，使得桥梁当初设计的承载力已经无法满足目前的需求，严重威胁到桥梁结构安全以及行车安全。为避免桥梁在使用期间出现安全问题，有必要对桥梁进行健康监测，并对监测数据进行分析研究，实时掌握桥梁运营情况，建立预警机制。
关键词：大数据;桥梁工程;智能监测;研究应用
桥梁作为现代公路交通系统中的关键节点，其健康情况会对公路的安全运营和服务水平等造成直接影响。如何对桥梁存在的病害隐患进行方便快捷的监测并进行科学的处理是桥梁检测与维护工作人员目前面临的一个重要难题。
一、大数据统计关联分析
在统计工作过程中取得，并能够对社会现象和国民经济进行真实反映的数字资料或是其他有关联性的资料就叫做数据统计。数据统计应用在桥梁领域内，需要科学合理的分类并汇总工程检测数据，从而得到在相同分类中的数据规律，比如对同一时期建成的桥梁中出现问题最多的部位进行统计。关联性分析也可被叫做关联挖掘，指的是在关系数据、交易数据等的载体当中，找寻存在于项目集合或对象集合之间的频繁模式、相关性或因果结构，这种分析技术比较简单，而且实用，主要目的是对大量数据之间的相关性进行挖掘，用来对同一个事物中部分属性在相同时间出现的规律进行描述[1]。比如利用大数据中的Apriori算法对桥梁工程监测数据进行分析，可以分为三步：（1）按照结构样式以及建设时间对系统里的所有桥梁数据进行分类。（2）在完成各种不同桥梁的监测数据分类后，再根据桥梁各个不同部件的所有病害类型进行统计分类处理。（3）关联和统计不同桥梁中相同部件的所有病害类型，并进行分析，从而发现部件的常见病害类型以及病害出现的频率。如图1，桥梁智能监测系统结构。
二、桥梁工程智能监测大数据中心的内容
1、智能监测系统自身产生的大量数据
健康监测系统对大桥关键结构的信息采集工作，是通过安装在桥梁上面传感器来完成，收集到大量数据后再进行数据的存储、传送及分析工作，同时将此类数据传输到数据中心，海量的实时数据最终得以产生。在目前的大数据环境中，实现数据的实时采集是进行数据分析处理的前提，将PB级别的数据处理时间缩短到秒是当前数据处理的目标，这也要求相应的数据处理工具和设备必须具备较高的性能及可扩展特性。
2、桥梁的各种资料数据信息
桥梁数据的重要组成部分主要包括桥梁的设计、定期检测、施工监控等资料，这部分数据信息可以储存在常规数据库中，可以归类为结构化数据。当前有比较多的数据分析工具和手段，属于传统数据分析，但也需要大数据分析软件来对其进行分析和对比。
3、社会数据信息
社会数据主要包括一些桥梁的设计、施工和运营等方面资料的出版书籍，这些书籍主要是由新闻报道工作者和桥梁科技专业人员来书写完成的，这些书籍中的相关有用信息可以被检索出来用于桥梁安全和健康情况的辅助判断[2]。半结构化数据和非结构化数据在社会数据中占比较大，要对这部分数据进行利用有很大的难度，也是当前研究人员关注的重点。数据挖掘算法和语义搜索引擎是大数据中对社会数据进行提取和搜索的两个主要工具。
三、大数据在桥梁工程智能监测中的作用
将大数据运用到传统信息资料库中，可以全面、高效的对桥梁建设的基本信息进行了解和掌握，为桥梁工程建设提供可靠的数据资料支持。对与桥梁建设相关的研究数据信息进行公开，也可以促进学术界之间的交流，推动建筑行业的发展和创新。在大数据库中包含着桥梁工程的重要监控数据，可以利用技术优势对其中的价值进行挖掘，有利于提升桥梁建设的施工品质，加快施工进度，施工工期缩短可以为企业节省部分成本。在大数据思维模式技术的支持下，还能对桥梁将来可能出现的问题进行准确预测，并及时采取应对措施。因此，大数据微算法应用在未来桥梁工程智能监测工作已成为必然趋势。
四、大数据微算法在桥梁工程智能监测中的应用
1、应用于系统误差处理工作中
在采集数据的过程中，系统误差是对同一个对象进行重复测量时，得出数据的误差值大小和符号均无发生变化，或者是跟随条件的变化而有规律发生改变的误差。通过对观测值的正态分布特征性进行分析，可以看出比较大的偏差出现的可能性较低。如果观测值数量比较少，误差依据小概率原理分析，正常情况下出现的可能性较小，一旦出现则说明异常值一定存在。在桥梁工程智能监测数据当中，数据既不能通过试验再现也不具备重复性，因此只能对数据从理论方面进行推导，即使用数据分析方法来对系统误差进行分析。数据分析法主要包扩残余误差观察法、秩和检验法以及计算数据比较法等，系统是否存在误差可通过此类方法来进行判别[3]。如果系统误差确实存在，可对周围环境和监测仪器进行检查，并对其他干扰因素进行排除。
2、应用于噪音消除工作中
由于外界多种因素的干扰，采集到的数据会出现一定程度失真的情况，要想接收准确有效的数据信息则必须对采集的数据进行滤波处理。为确保数据信息的真实性，可以利用数据平滑滤波法来以此消除噪声，低通滤波、中值滤波、移动平均滤波等都是比较常用到的方法[4]。其中每一种滤波方法对噪声都具有一定程度上的消除作用，在实际的应用过程中需根据工程的不同情况进行科学的选择。
3、应用于数据分析工作中
在对数据完成处理后，接下来的桥梁评判工作方可对数据进行应用。数据的相关性分析、关联分析以及趋势分析工作可以从数据挖掘的角度来进行。相关分析是进行监测数据之间存在的某种联系的分析工作，在目前的技术条件下，我们能够明确它们之间存在一定联系性就已具有很大意义，但很难做到了解和定义它们之间的关系;桥梁各种参数之间的内在联系就是关联分析，目前我国通过对监测的数据进行大量分析研究工作，得知了桥梁数据中的裂缝宽度、温度、支座变形程度以及伸缩缝位移等因素之间存在一定程度上的关联;趋势分析是在海量数据信息的基础上，通过不断的整理数据从而发现趋势线，对桥梁健康状况的发展趋势就可以通过发现的趋势线来进行分析和估计。
結语
我国的桥梁工程智能监测系统起步较晚，目前还是属于一种新的技术，通过它产生的海量数据暂无一个完全科学有效的处理方法。此外，大数据分析技术也是近年来发展起来的新型技术，对于大数据在桥梁工程智能监测中的应用前景非常广阔。大数据分析技术能够实现海量数据的有效利用，并对数据之间的关联性进行挖掘，为桥梁的养护维修工作提供了依据，有利于提高我国的桥梁监测水平和效率。
参考文献
[1] 李莉，刘昱含.大数据算法与分析技术国家工程实验室：推进人工智能与大数据的实质应用[J].科学新闻，2018，554（12）：34-36.
大数据分析论文范文第2篇
摘要：随着国际形势的发展，云计算、人工智能成为引领世界前进的动力，而大数据在其中发挥的作用不容小觑。本文基于大数据的发展，深入探讨其在金融行业中的应用范围、应用模式、应用场景等。研究显示，在大数据时代，大数据技术扩宽了数据来源渠道，完善了数据分析方式，以多种模式应用在传统金融和新金融业态中，在金融资源配置、精准营销、风险管控和创新方面有重要的应用意义。但数据安全度低、技术人才缺乏、技术创新难度大、数据开放度不足、产业环境差等成为制约大数据产业发展的重大问题。本文建议加强人才培养，建立数据监管机构和共享平台，扩大资金支持和技术创新，完善大数据产业环境以保障大数据持续、稳定发展，更高效、安全地为金融行业提供服务。
关键词：大数据 金融 应用
一、引言
近年来，随着大数据的提出及我国对大数据产业的重视，大数据发展已取得一定成果，并且参与到数据密集行业的分析研究与决策中。据中商产业研究院发布的《2018-2023年中国大数据产业市场前景及投资机会研究报告》的数据显示，2017年我国大数据产业规模达到4700亿元，重要软硬件企业已陆续推出大数据相关产品[1]。这些产品通过多种渠道海量收集政府和行业商业类数据，利用特定数据分析技术，得出的结果对管理决策产业发展的辅助作用已越来越显现。
金融作为数据密集型行业，利用大数据进行分析研究是金融行业发展的未来趋势。在大数据与金融的相关研究中，韦雨声（2017）[2]以应用范围为研究对象，认为大数据已经融入银行、保险、证券和金融监管机构。万昊戈（2018）[3]认为大数据在风险评估、精准营销、优化运营等方面起着不可估量的作用。庄旭东（2019）[4]认为大数据可以实现金融风险管控，也可以应用在金融创新和监管方面。兰虹（2019）[5]、李薇（2019）[6]以互联网金融为研究对象，认为大数据技术使第三方支付、P2P等不断国际化和合规化，并从大数据的角度对互联网金融发展存在的问题提出解决办法。唐彬（2017）[7]认为数据安全是实施大数据战略的重要保障，建议建设安全制度，加强安全防护意识，全力提高数据安全。
随着我国金融的深入发展，有众多金融模式如供应链金融、消费金融、网络借贷等逐渐出现在大家的生活中。而现有研究文献仅针对传统金融或某种新金融模式展开研究，缺乏对金融行业系统、全面的应用研究;其次，多以海量数据为基础进行研究，缺乏技术层面的深入探索。所以，本文从应用范围、应用模式、应用场景等不同方面探索大数据在金融行业中的应用，从中挖掘潜在问题，并提出对策建议以更好的应用于金融行业。
二、大数据产业发展背景
大数据是指数据的容量、数据的获取速度或者数据的表示限制了使用传统关系方法对数据的分析处理能力，需要使用水平扩展的机制以提高处理效率[5]。根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大领域潜力最高。虽然金融行业，尤其是证券行业发展起步较晚，但不少银行及证券公司开始尝试通过大数据平台驱动业务运营，如英国对冲基金Derwent Capital Markets通过分析Twitter的数据内容指导投资决策并实现盈利等，大数据在金融行业的应用成果有目共睹。
大数据于2013年真正开始在我国发展。由于互联网和信息行业的发展及国际趋势，人们逐渐意识到数据的重要性并开始构建大数据平台。2016年，“大数据”上升为国家战略，全国各省市政府相继出台大数据研究及发展行动计划，并制定相关政策，推进大数据平台建设。2017年，大数据渗透到各行各业。
金融业作为数据密集型行業，利用大数据进行分析研究是大数据产业发展的趋势。目前，银行、保险、证券及互联网金融都积极利用大数据进行业务拓展，广州、武汉、南京、重庆等地已规划建设金融大数据云平台，河南建成信用大数据金融服务平台并开始上线运营。金融企业利用大数据，通过用户分析、风险信贷评估、交易欺诈识别等方法能实现精准营销、提高风险管控能力等，对金融业发展起着不可估量的作用。
三、大数据在金融行业的应用现状
在传统数据时代，金融行业的数据主要通过机构内部和政府相关部门渠道进行收集。由于无法对样本进行实时跟踪，仅利用静态数据进行分析研究与现实存在一定的偏差。随着大数据时代的来临，这一问题逐渐开始缓解。目前，金融行业除了利用传统收集渠道之外，还可以使用Linux、Docker等技术通过云计算、大数据基础设施或产品、App等收集互联网数据，可以实时洞察用户变化。海量、实时数据不仅可以全面反映金融行业内部发展，还可以完善具体分析方法，全面应用于传统金融与新金融模式中，增强风险管控，实现金融创新。
（一）应用广泛，传统与新金融齐头并进
大数据在金融行业中应用广泛，传统金融与新金融齐头并进。在传统金融中，大数据不仅可以根据其不同的数据类型为银行、保险业提供精准营销服务、完善股票的分析方法，还能有效增强金融风险的管控能力。构建金融大数据平台，从机构内部、政府部门等多渠道收集用户数据，根据画像特征及基础标签形成用户画像，为用户提供精准的银行产品及保险服务;根据征信数据建立信贷模型、反欺诈模型等，实时跟踪用户的还款能力及行为模式，提高银行的信贷风险管控能力;根据股票数据及市场数据，通过聚类分析等方法完善股票的基本面分析。
同时，大数据也应用在供应链金融、消费金融等新金融模式中，其典型实例是京东金融、芝麻信用。京东作为我国最大的自营式电商企业，拥有完整的产业链条，依托对上下游企业的交易数据、企业数据等庞大的数据库资源而建立金融大数据平台——京东金融，可以为其上下游企业提供融资需求。芝麻信用通过对金融系统、政府、支付宝等海量信息数据综合处理得到用户的信用评估，为消费金融公司提供信用服务。
（二）模式多样，平台与供应链相结合
以大数据在金融行业的应用模式看，现有的应用模式有平台模式和供应链模式。平台模式是指平台企业利用自身掌握的大数据，通过互联网、云计算等信息处理方式对数据进行专业挖掘，再与传统金融服务相结合，为平台企业提供资金的融通、结算等服务[8]，如阿里小贷。阿里小贷是基于电商平台的交易数据、消费者的购物习惯等大数据通过分析处理形成信用数据，利用信用评级及风险模型等向阿里巴巴商户发放订单贷款或信用贷款。供应链模式是指供应链条中的核心企业依托自己的产业优势地位，通过对上下游企业的现金流、订单、购销流水等大数据的掌控，利用自有资金或者与金融机构合作，对上下游企业提供金融服务[8]。其典型案例是京东金融。
（三）全面提升资源配置效率
较传统数据时代而言，大数据技术从数据的采集、处理、分析等不同环节提高了对数据的应用能力及速度，使得风险预警平台能够及时防范信贷风险并发出预警信号、扶贫大数据平台能够实现精准扶贫，提升金融资源的配置效率。
在数据采集方面，ETL技术、mysql、爬虫技术等采集日志数据，有效拓宽数据来源渠道;在数据处理方面，Hadoop、SparkStreaming在实现高效、可伸缩处理时，可以有效处理半结构化数据和非结构化数据;在数据存储方面，具备hbase、hive、Spark技术的云存储具有较高的存储分析能力;在数据分析方面，图像识别、机器学习等方法完善了信用指数、偏好分析、SPSS、Eviews等传统分析方式。进一步，根据不同数据选取不同的分析方法，不仅能够快速并精准分析和预测客户行为及信用，还能实现动态监管市场风险和企业风险，使金融资源安全有序的流动。
为防范金融风险，维护金融生态环境，苏州市于2018年建立金融风险大数据预警平台并开始上线运营，对全市1.9万余家投资理财类企业实现系统化监测，当企业风险分值出现异常时，平台将其列为重点监测对象并采取一定措施严厉打击非法集资，防范金融风险。2018年，卢氏县推出金融扶贫大数据平台，实现了金融扶贫的精准对接，使得金融资源物尽其用。
（四）量化用户，实现精准营销服务
将行为数据与营销服务有效结合，通过用户偏好分析可实现精准营销服务。首先，在机构内部收集客户的信用卡还款记录、转账记录、风险偏好、对金融产品的购买及浏览记录等行为数据;其次，使用特定技术系统清洗、划分与识别数据，使用专业方法，如聚类分析、差异化行为分析和客户需求预测等，形成用户画像;最后，对不同的客户需求进行精确的市场细分与定位，采取不同的市场营销手段，通过微博、微信等多渠道进行定向信息推送，将合适的金融产品在适当的时间通过适当的营销手段销售给有需求的客户群体，实现精准营销。
目前，掌众金融、网易金融、花旗等都依据各自商业模式利用大数据推出精准服务。网易、掌众金融等企业依托内部数据开发中心深度加工用户数据，并制定画像特征和标签体系，以此对用户进行全方位量化并形成用户画像，为合作平台提供精准用户推荐，也可以为场景化用户研发和搭建定制化的互联网金融产品提供可靠的数据支撑。花旗与联通合作，为花旗用户量身定制全球化的金融资产配置计划，在花旗银行大数据分析的基础上，利用上海联通大数据机器学习建模能力、人工智能分析能力，为用户提供精准的全球资产配置、境外理财、金融保险等金融服务。
（五）建立模型和系统，增强风险管控能力
在企业内部成立专业的金融大数据风控团队，建立信用管理系统及风控平台，通过收集用户征信数据，建立企业信用指数、风险指数、反欺诈模型等量化企业及个人的信用额度及风险水平，根据计算结果实时监测企业行为模式，从贷前、贷中、贷后全方位防范风险，增強金融风险的管控能力。
众多金融公司根据自身业务特点开发自己的数据体系，并利用大数据打造风控平台。掌众金融、京东金融、网易金融等依据自己的数据库建立反欺诈模型、交易行为风险模型等多种模型，构建大数据风控体系和平台，对平台企业进行智能风控和贷后管理，以解决信贷欺诈。
同时，各地方政府也积极建立大数据金融风控平台。贵阳、苏州、广东等地联合市金融办、联通、电信等建立金融风险监测预警平台，包括用户信用画像、平台业务管理、融资担保管理、小额信贷管理和平台综合管理等多种系统，实现对相关企业的分级监管和预警处理，对加强地区金融风险防控有积极意义。
（六）多方面实现金融创新
基于以上分析，金融行业可以利用大数据实现精准营销、增强风险管控和监管能力，以此提高资源配置效率。事实上，精准营销和风险管控等本身就是金融创新，其次，利用客户需求、风险数据及精准营销分析报告也可实现金融产品、业务创新。各金融机构利用客户需求、风险数据制定客户需求报告，结合自身经营特点及年度营销趋势分析，不仅能为客户推出合适的金融产品服务，还能提高客户粘性，实现金融机构的差异化竞争。
为实现多方面金融创新，上海联合高校、企业及政府相关部门于2017年建成大数据金融创新中心，致力于实现金融工具、业务及技术的创新。为建成小康社会，卢氏县将大数据运用到精准扶贫中，利用金融扶贫大数据平台实现金融扶贫的精准对接，在解决精准扶贫的信息共享问题上取得了重大突破。
四、大数据在金融行业应用中存在的问题
（一）大数据人才储备不足
由于大数据与云计算、人工智能等深度融合发展可以释放巨大能量，成为引领经济发展的强劲动力。人才在发展大数据产业中扮演着越来越重要的角色，但我国大数据人才储备明显不足，甚至出现缺口。2017年11月发布的《中国经济的数字化转型：人才与就业》报告显示，我国目前大数据领域人才出现缺口，达到150万，预计2025年将达到200万。我国大数据人才储备仅46万，若近几年内不制定人才培养方案，不加大人才培养，将严重影响未来大数据产业发展。
（二）数据信息安全度低
在大数据时代，社会、政府、黑客及互联网发展等多方面因素使数据信息处于危险状态。首先，数据信息的敏感性使得黑客对数据“虎视眈眈”;其次，互联网的快速传播及大数据随时可被应用到黑客攻击中，这更加快了黑客攻击的速度;最后，群众对数据信息安全认识不高、政府保障数据安全措施乏力等综合因素使数据安全问题形势严峻。数据造假、数据泄露、数据买卖、数据欺诈等现象屡屡发生。2017年，京东员工与黑客勾结，为黑客提供用户交易信息和个人身份信息等50亿条;2018年，多家外卖平台的用户信息发生泄露，对受害者的日常生活造成诸多不良影响。
如果数据安全问题不能有效解决，不仅会制约大数据产业本身发展，严重影响其应用领域，还会造成诸多社会问题。所以，保障数据安全是实现产业持续健康发展、保持社会稳定的重要前提。
（三）大数据共享与开放度不足
造成大数据信息不流通，开放度低的原因有两个：一个是大数据来源渠道多，各渠道掌握的数据信息不尽相同，且保存在不同部门，各金融机构、政府及平台内部利用自身数据获取及分析优势建立并使用自己的数据库，将数据信息视为“自己”的数据并获取利益，导致政府、企业等不愿意共享数据;另一个原因是数据安全度低，若直接将大数据暴露在社会公众中，会对用户自身安全造成极其严重的后果。所以，诸多原因导致掌握数据的部门不愿公开、不能公开和不敢公开数据。实现数据共享不仅能够节省数据储存空间，使企业、政府专注于研发数据分析技术，突破大数据产业现有难题，还有助于形成良好的数据使用氛围，充分发挥数据资源整合的优质效应。
（四）技术创新难度大
大数据产业发展要有足够充分的数据挖掘和数据分析技术，加之大数据在金融领域风控、监管、创新的应用，未来对大数据技术的要求不仅仅在数据安全、共享等技术层面，更多的是跨领域的综合技术。然而，金融机构原有的数据系统较复杂，涉及平台及供应商较多，技术改造及创新难度较大。目前，大数据在金融行业中的应用仍处于起步阶段，在众多应用模式中仍需要经过大量的调研与试错方可进入使用阶段，所以，金融与大数据复杂的发展背景一定程度上制约了大数据在金融行业发展的进度，可能影响企业对未来发展的积极性。
（五）基础环境不健全
据2018年发布的《中国大数据产业发展评估报告》显示，在行业大数据基础环境评估指数中，金融的评估结果为8.04，在十大行业中排名第五。作为大数据应用的领军行业，其发展环境并不理想，具体表现为缺乏行业政策及基础设施。在我国目前的法律体系下，金融大数据在保障信息安全方面有较多的法律法规，但在大数据融合发展推动产业升级之际，中西部地区缺乏完整的技术、投融资、人才培养与引进等政策体系，缺乏大数据产业基地等设施，致使我国金融大数据的发展环境不够健全。
五、对策建议
（一）加强大数据人才培养
各地区建立完善的大数据人才培养计划及系统，整合高校、企业和社会资源，在5-10年内为国家大数据产业发展提供强有力的人才和技术支撑。在各地高校设立大数据专业，通过政策吸引或高薪聘请大数据专业人才开设相关技术课程，成立大数据研究实验室，并培训一批专业团队到各地高校进行招生演讲，以扩大大数据人才培养规模。同时，高校主动与大数据企业和政府合作建立大数据人才培养基地，充分利用社会和政府资源为大数据人才提供实践机会，提高技术能力并实现创新。
（二）建立第三方数据监管机构
为防止大数据平台和企业进行内部非法交易发生数据安全事故，建立第三方数据监管机构，将所有大数据平台及平台企业纳入监管对象，并建立监管机制全面保障数据安全。监管机构聘请专家团队选定考核指标并赋予权重，如领导重视情况、数据交易情况、用户安全满意度调查、特色加分项等，建立全面、系统的考核指标体系，以季度或半年为周期制定定期检查机制，对大数据平台及平台企业交易情况严格考核。第三方监管机构将考核结果不及格的大数据平台处以警告并纳入重点监管对象，一旦发现数据非法交易现象则立马报警。同时，第三方监管机构建立健全激励机制，对连续三年考核结果特别优秀的大数据平台进行表彰、嘉奖，以提高大数据平台内部搞好数据安全工作的积极性。
（三）加大资金支持力度
在大力发展大数据产业的各个环节中，如研发大数据技术、培养大数据人才、建立数据监管机构等都离不开资金支持，足够的资金支持是确保大数据产业各环节稳定有序发展的重要条件。在大数据人才培养过程中，全力支持高校购买技术设备，聘请专家开展大数据专题讲座等;在大数据研发过程中，政府出台大数据政策，在为大数据初创企业提供融资条件的同时，对大数据企业所承担的重大项目和高校培养的优秀人才，根据发挥的作用给予团队和教师一定程度的奖励，以此提高大数據企业与教师的积极性。
（四）建立数据共享平台
各地方政府出台数据共享政策，聘请专家或相关机构完善数据共享平台的具体建设方案，以平台形式保障数据共享的安全性和有效性。该平台整合政府、金融机构及企业数据资源，设置应用层及服务层，有数据及服务需求的用户需完善身份信息并同意数据保密协议，方可进入平台购买和使用相关数据。同时，该平台需完善项目标准建设，如管理制度、数据标准、规范索引和安全保障等，要求数据双方严格遵守平台规则，一旦出现信息泄露、违法交易等现象，经查明后禁止该用户使用数据共享平台，从而全方位保障数据共享平台安全有效地运营。
（五）完善大数据产业环境
依据国家发布的金融大数据发展规划等相关政策，各地区结合自身发展优势，推出金融大数据具体规划及系统整合共享实施方案，尤其是人才培养与引进、技术创新、投融资、数据安全、共享、监管资金支持等方案。同时，结合大数据企业建立金融大数据产业基地，打造金融大数据中心，积极贯彻落实相关政策，整合周边资源，整治产业环境，提高产业基地的吸引力及承载力，为本地金融大数据发展提供良好的产业环境，并进一步培养龙头企业发挥带动引领作用。
（六）加大技术创新
各地方政府针对目前大数据在金融行业应用中面临的技术难题，加大投资力度，建设龙头企业，突破技术瓶颈，努力实现技术创新。大数据企业根据大数据产业发展规划，重点发展跨学科、跨领域等交叉融合技术，全力突破大数据关键技术，发表大数据核心技术专利，提高企业的技术含量，努力建设龙头企业。进一步，政府与龙头企业密切配合，针对金融行业突破技术瓶颈，加强金融行业先进技术、前沿技术的跟踪、引进和研究，提升地区大数据产业及企业核心竞争力，实现大数据技术改造及创新。
六、总结
本文介绍了大数据的概念及发展情况，着重研究大数据在金融行业的应用现状，并针对问题提出对策建议。研究发现，大数据以平台及供应链模式广泛应用在传统金融及新金融中，在金融资源配置效率、精准营销、风险管控和创新等方面具有重要的应用意义。但是，数据安全度低、数据人才储备不足、数据开放度不足、技术创新难度大、产业环境差成为制约大数据发展的重要因素，通过整合政府、高校及社会资源，加强大数据人才培养、加大资金支持力度和技術创新、建立第三方数据监管机构和共享平台、完善大数据产业环境等措施使大数据产业健康稳定发展，从而提升大数据在金融领域中的应用效率和质量。
参考文献：
[1]茶洪旺，郑婷婷.中国大数据产业发展研究[J].中州学刊，2018，No.256（04）：25-31.
[2]韦雨声.大数据在金融行业的应用和发展[J].现代经济信息，2017（24）：320.
[3]万昊戈.大数据在金融领域中的应用现状[J].通讯世界，2018，25（12）：61-62.
[4]庄旭东.大数据在金融领域的应用及影响[J].金融科技时代，2019（02）：29-32.
[5]兰虹，熊雪朋，胡颖洁.大数据背景下互联网金融发展问题及创新监管研究[J].西南金融，2019（03）：809.
[6]李薇.大数据时代互联网金融创新及风险防控[J].人民论坛，2019（05）：76-77.
[7]唐彬，吴晓光.金融业大数据安全问题[J].中国金融，2017（23）：77-78.
[8]何平平，车云月编著.大数据金融与征信[M].清华大学出版社.
（张晓露为成都信息工程大学应用经济学硕士研究生;马先仙为成都信息工程大学统计学院教授，博士）
大数据分析论文范文第3篇
摘要：电力能源是我国经济建设以及社会发展的最基础能源。生产以及生活等各个方面都涉及电能的使用。但这同时也增加了电力企业的服务压力，怎样更好的拓展电力营销也成了时下研究的热门。大数据技术能够支持企业完成对海量数据的分析，继而为企业决议等提供更为科学的数据支持。因此，推动大数据技术和电力营销的融合，无疑可以大大提升电力营销的品质。故本文就此展开研究，希望对相关单位有所借鉴和帮助。
关键词：电力营销;大数据;融合
引言
结合时下社会发展态势，电力营销工作尚存在着一定的问题。从其营销模式分析，相对滞后，未有和社会形成同步，有关营销质量也并不理想。互联网背景下，社会对于消费的诉求越来越多元，也更具个性化。电力营销也应当意识到这一点，尝试着和互联网进行融合，结合新型的大数据技术帮助企业进行用户分析，从而支持营销模式的不断的精进、完善，提升企业服务品质的同时，也为企业增创更多的效益空间，确保企业能够可持续、健康、稳定的发展。
1.大数据概述
大数据即于特定的时间之中结合特殊的应用予以信息的采集、处理以及研究，诉求更为前沿的数据处理机制方能够确保数据内容更具可靠性、精准性以及有效性。大数据技术的主要应用优势包括下述几个方面：首先，结合大数据予以舆情的分析、监控以及跟踪行业的热门和关注热点，继而切实帮助提升研究分析的质量水平;其次，结合大数据企业可根据个人于网络中的交易习惯以及具体行为得到大量的关联信息，由此开展更为精确的营销活动;第三，大数据也能够支持企业完成客户群体的消费分析，依次为引导对其产品的开发以及推出提供参照;最后，对于有着核心数据的企业而言，可以据此完成数据的分析，继而得到相应的趋势图，对企业的重大决议等有着重要意义。
对于现代电力企业而言，大数据于发配电、输变电等方面都有着重要作用，可以引导各项工作的科学性开展。此外，合理应用大数据技术也可以为企业电力营销工作开展提供关键的数据支持，一方面可以大大提升电力营销工作的有效性，另一方面则可以切实保证电力营销的质量，合理管控成本，并提高服务的质量。
2.大数据应用意义
随着经济的发展，电力行业的用户也越来越多。对电力企业而言，怎样更好的提升工作质量，提高电力营销的质量，维稳企业发展则成了关注的重点。大数据无疑是电力营销的重点，基于大数据激素可以支持企业挖掘企业此前无法得到的各项信息，并且可以帮助企业会计处理冗杂的数据等。不但如此，基于大数据技术大会数据技术的合理应用也可以为企业营销策略的制定给予更为关键的有效的数据支持，为企业发展指明方向。由此可见，大数据技术和电力企业的融合，对于电企的健康发展有着重要价值。
3.大数据和电力营销的融合策略
对于现代电力行业而言，应当关注电网的智能化发展，深度加强和用户之间的互动，以信息系统为核心，建立起更为科学以及高效的电力网络。而大数据技术的出现和应用，无疑为这一目标的实现奠定了重要基础。
3.1基于消费市场 锁定潜在客户
实际消费市场的潜在诉求，均隐匿于庞大的数据之中。结合大数据技术的应用，可以快速锁定消费市场的隐匿诉求，继而为电力营销工作的开展提供更为有力的支持，帮助完善合理的营销体系，进一步提升企业的市场份额。通过大数据可以挖掘用户诉求，其能够站在用户的维度，对其个人消费行为及其特点予以分析，由此形成完整的用户画面，继而帮助电力营销工作落实，提升用户的认可度。
3.2个性化电力营销
近年来，社会发展不断深入，经济发展越来越快。由此催生了大量的不同的电力用户群体。包括环境、行业、经济水平等多方面的不同，会导致不同的电力用户对于用电有着不同的诉求。新形势下，传统的电力营销模式也越来越不符合用户的这种个性化诉求，这同时也是社会对于电力行业的发展诉求。为此，作为重要的生活和工作必备能源，提升电力服务营销质量显得尤为关键。大数据技术的使用可以极大的帮助提升电力营销的附加质量，继而为电力营销活动的开展给予海量数据支撑，帮助企业准确的识别不同用户群体的消费诉求以及当前电力营销潜在的问题，继而对各个用户群体予以细分，并针对性的制定个性化的营销方案。
3.3拓展市场，完善产品市场战略
毫无疑问，大数据为营销战略制定的重要基础，在帮助企业拓展市场，实现更高质量的发展方面有着重要意义。查阅有关数据不难发现，类似百度、阿里以及腾讯等大型企业早已开展了大数据的研究，并将其应用于企业的日常经营管理之中。同时该技术也是企业实现不断发展，巩固其市场地位的关键手段。因此，大数据对于各个行业而言都有着重要意义，对于电力行业也是如此。引入大数据分析技术，支持电力企业不断的寻求新的市场，已然是现代电企研究的重要内容，也是其实现发展的重要途径。如若希望超前于同行，抢占市场，则诉求电力企业在推出营销产品前期就开展全面的、系统性的大数据分析，切实拓展产品市场可行性研究，由此制定更切合实际的、个性化的产品战略。
4.大数据背景下电力企业发展趋势
首先，构建完善的电力大数据系统。为更好的支持电力行业的发展，满足社会的发展需要，相关电力企业应当高度关注电力营销的工作创新型以及科学性。对此，一方面应当高度关注大数据技术的引入，对电力产业的各个流程予以数据整合，推动跨部门以及跨业务的建立联系;另一层面，需要完善电力大数据，实现电力营销、资产寿命筑起管控以及供配电数据等的系统性管控，资源的合理配置，由此提升电力行业的运行质量，提高企业的营销管理品质。其次，积极搭建城市配网数据库，结合GIS技术，保障地理信息全面性以及精准性，由此实现各个地图数据的数字化转换，从而便于对用户配网、接户线资产等予以全面的管控，极大的降低电力营销的风险性，并提高电力营销服务品质。最后，全面提升市场管控。电力行业对于国内经济建设有着重要意义，大数据背景下，相关电企也应当顺应时代发展，不断的提升国际竞争水平，切实提高电力营销的质量。结合科学的、合理的电力服务，给予用户最为高品质的体验。此外，还应当关注市场的管理，扩大品牌影响力，和用户建立起以大数据为基础的新型供用電关系，维系企业良好的形象，不断提升企业市场信誉度，由此保证企业的经济效益水平。
5.结束语
综上所述，大数据技术的出现和使用，对于传统的电力行业而言有着重要意义。不但可以帮助企业规避电力营销期间方向不明确、成本过高等问题，此外也能够为企业各项决议的制定提供可靠的数据支持，大大提升了企业的经营效率以及工作质量。未来，随着用户诉求不断提升，对于电力要求也越来越高，相关单位应当认识到电力行业的发展趋势，正确对待大数据技术，合理应用，助力企业实现健康、稳定、高质量发展。
参考文献
[1] 马梦挺. 基于国民经济核算体系的剩余价值率计算：理论与中国经验[J]. 世界经济， 2019（7）：21.
[2] 赵波. 电力营销大数据在反窃电检查中的应用探讨[J]. 科技风， 2019（31）：1.
[3] 鲁靖华， 赵宇航， 王悦，等. 解读：大数据技术在电力招标采购中如何应用[J]. 营销界， 2019（26）：2.
[4] 徐家旭. 大数据环境下的电力营销信息化建设探讨[J]. 百科论坛电子杂志， 2019.
大数据分析论文范文第4篇
关键词：大数据;税收遵从;税收征管
一、引言
税收收入作为国家公共财政最主要的收入形式和来源，其稳定性在一定程度上是保证国家经济有序运行的必要条件，而税收收入的稳定则与税收遵从度息息相关。互联网技术的发展为稅收遵从的提高带来了新的机遇。然而在税收征管过程中，税收不遵从现象仍有发生，减少了国家财政收入，不利于国家基础设施的建设和公共事业的发展。因此，提高税收遵从度对依法治税，提高税收征管水平，降低税收成本，保障国家财政收入都具有重要意义。
二、税收遵从的内涵
一般来说，税收遵从有广义和狭义之分：广义的税收遵从认为税收征纳是征税人与纳税人相互作用的过程，因此税收遵从应当包括纳税人的税收遵从和征税人的税收遵从;狭义的税收遵从则仅指纳税人的税收遵从。本文主要从狭义的角度研究纳税人的税收遵从问题。纳税人的税收遵从是指纳税人按照税收法律法规和相关税收政策要求依法履行纳税义务，并服从税务部门及税务执法人员合规管理的行为。它是纳税人基于对国家税法价值的认同或自身利益的权衡而表现出的主动服从税法的程度。
三、税收遵从的现状
(一)互联网技术的深入应用降低税收遵从成本
近年来，互联网技术和税务工作联系越来越紧密。“互联网+税务”的提出，使得大数据、云计算、区块链、人工智能等互联网技术在税收征管、纳税服务、税务稽查等领域得到了充分应用。电子税务局的推广实现了绝大部分涉税缴费事项网上办，涉税业务的一站式办理避免了纳税人多头找、来回跑的问题，节省了纳税人的时间成本。互联网技术的应用将原本复杂繁冗的办税流程简化，也为纳税人提供了更多的信息获取渠道，让信息的接收更便捷。
(二)税务部门风险应对能力的提升促进税收遵从
随着互联网技术在税务领域的深入应用，税务部门掌握了大量涉税数据，为风险应对和大数据稽查提供了数据基础。大数据背景下将税务登记、纳税申报、入库税款等多方信息汇总整理，使税务部门的信息捕捉更及时，风险定位更精准，提高了风险防控能力和应对质效，加强了税收执法的威慑性，有利于强制性税收遵从的提高。通过扎实开展税收风险应对，把握税收风险发生规律，减少了税款流失，提高了税收征管效率。
(三)税企合作的不断强化丰富税收遵从新形态
随着税收营商环境的不断改善，税企合作的不断强化，税务部门和纳税人逐渐建立相互信任、合作共赢的征纳关系。大部分税收减免由审批制改为备案制，简化了办事程序和申请资料，进一步减轻纳税人办税负担，充分体现了税务机关由事前监管向事中、事后监管转变的思路。通过税企座谈会、走访帮扶企业等形式，畅通了税企之间的沟通渠道，形成良性互动，实现了税企合作的“双赢”局面。
四、产生税收不遵从的主要原因
(一)税收法律法规不健全、税收政策较复杂
我国现行税法中部分税收条例内容不够规范，规定不够明确，可操作空间较大，容易导致纳税人钻空子，产生偷漏税行为。另外，我国的税收政策在内容上相对比较复杂，税种较多，对于大部分的纳税人而言，税收政策晦涩难懂，很难理解到位，这种现象的存在会使纳税人对依法纳税产生排斥感，导致税收不遵从行为的发生。
(二)税收违法成本不高、处罚力度不够
对税收违法行为采取处罚措施可以起到一定的震慑作用，但就税收征管法及相关法律法规的规定来看，我国对税收违法行为主要采取以罚款为主的经济制裁。例如《税收征管法》第六十四条规定：纳税人不进行纳税申报，不缴或者少缴应纳税款的，由税务机关追缴其不缴或者少缴的税款、滞纳金，并处不缴或者少缴的税款百分之五十以上五倍以下的罚款。这种以罚款为主、不涉及纳税人个人利益的惩戒措施在处罚力度和方式上都存在不足，税收违法成本较低，不足以对纳税人的税收违法行为产生震慑。
(三)税务信用体系建设不完善
对税务部门而言，纳税信用等级评定工作才刚刚起步，仍处于摸着石头过河的阶段。目前的纳税信用管理办法在评定主体、评定标准、评定程序、等级待遇、等级升降等方面仍存在一些不足。纳税信用等级评定采取统一的评价指标体系，对不同规模的企业，不论业务量多少，纳税金额大小，均采取统一的评价指标，容易造成评价结果不准确。比如因为目前评价方法采用扣分法，企业的业务量多，经营情况复杂，出现错误的概率也就越高，得评总分自然较低。
(四)税务代理行业发展不规范、企业财务人员素质不高
税务代理是税收征管过程中的重要力量，有利于促进纳税人的税收遵从。但目前来看，我国的税收代理行业发展并不完善，税收代理机构数量虽然日渐增多，但不同代理机构之间的业务水平、规范程度却参差不齐、相差甚远。我国税务代理行业存在自身建设不规范、制度保障缺乏、区域发展不平衡等一系列问题，致使不能对税收遵从起到很好的促进作用。另外，我国对企业财务人员的考核机制不健全，财务人员整体素质不高、专业水平良莠不齐，容易导致对税收政策理解不准确，从而产生税收不遵从行为。
(五)纳税人存在税收不公平感
对于纳税人来说，只有税收政策公平合理，才能促使他们自觉缴纳税款，履行纳税义务。目前，由于税制设计不合理，税收监管不到位等原因，我国不同地区的纳税人之间，同一地区不同纳税人之间，同一规模的不同纳税人之间都存在税收负担不均衡、不平等的问题，导致部分纳税人的纳税成本增加，税感较重，从而产生税收不公平感，税收不公平感的存在就容易诱发税收不遵从行为。
五、促进税收遵从的建议
(一)健全税收法律法规，完善税收制度
一是要精准实施税收政策的解读工作，将晦涩难懂的税收条例以直白、简介的语言解释清楚，便于纳税人理解和学习。二是要完善税收征管法，使其与税收征管现代化相适应，有利于推进新型办税模式的形成，提高税收征管效率。三是要以“统一税法、公平税负”为目标，完善税收制度合理性，做到税收负担公平合理，消除纳税人的税收不公平感。
(二)加强警示教育，提高税收违法成本
提取税收违法的典型案例，对因恶意欠税、偷逃税款等税收违法行为受到法律惩处，承担刑事责任的典型案例进行大力宣传，以此对欠税企业起到警示和教育作用，让纳税人意识到税收不遵从仅是短期的利己行为，从长远来看弊大于利，从而提高税收遵从度。同时，税务部门应当对税收处罚标准进行调整和修改，改变目前处罚标准偏低的状况，加大对税收违法行为的惩处力度，在经济处罚的基础上，增加与个人利益相关的惩戒措施，例如将诚信纳税与个人征信挂钩，建立税收黑名单，与其他政府部门合作，对税收老赖的其他行为加以限制，促进强制性税收遵从。
(三)构建信息共享平台，加强跨部门合作
长期以来，纳税人的涉税信息分散在各个政府部门，大量数据处于“信息孤岛”的状态，信息利用程度低，信息共享无法有效实现。互联网技术的发展为信息共享平台的构建提供了技术支持。各行政部门之间应当加强协作与配合，积极推动信息共享平台的建设，将税务、工商、社保、法院、环保等各部门的涉税信息汇总到一起，形成一个大数据库，各部门的涉税信息实时更新，开放共享，形成跨部门信息联动机制。一方面，通过信息共享，税务机关可以实时捕捉纳税人动态，一旦存在涉税风险，可以及时采取措施，防范税收不遵从行为。另一方面，税务机关可以即时获取纳税人在其他部门的信息，从根本上解决纳税人两头跑的问题，降低税收遵从成本。
(四)完善信用管理机制，建立纳税人分级分类评价体系
许多研究表明，惩戒措施对税收遵从度的影响是有限的，对纳税人来说，奖励往往比处罚更有效。因此，只有实施奖惩结合的政策才能从根本上全面促进税收遵从。目前的信用等级评价办法采用单一的扣分法，在此基础上，可以加入激励机制，对于表现较好的纳税人进行适当加分。与惩罚性措施相比，加入激励措施的信用等级评价制度更加人性化，更为柔和。另外，税务部门可以运用“互联网+税收监管”创新技术，对企业实行分级分类的差异化管理，比如运用税收大数据、外部第三方平台，结合日常风险推送、信用等级评价结果等多项指标，引入办税人员信用管理机制，探索办税人员与企业信用联动机制，创建企业评价体系，根据评定结果给予针对性的纳税辅导，提高纳税人的满意度，从而提高自愿性税收遵从。
(五)提高纳税服务质量，提供个性化纳税服务
优质的纳税服务有助于增强纳税人的纳税意识，引导纳税人自觉履行纳税义务。税务机关要致力于提高纳税服务质量，大力推行服务承诺制、限时办结制、容缺办理制等措施，提高纳税人的地位，营造服务纳税人的办税氛围，使纳税人在依法纳税的同时产生一种社会责任感，自觉维护国家利益。税务机关可以提取纳税人的历史行为、信用记录、实时动态等信息，利用大数据分析纳税人的行为轨迹，了解其潜在需求，为纳税人提供个性化税收服务，根据纳税人需求提供税收政策订阅服务，精准推送相应的税收政策，增强纳税人的体验感和获得感，从而提高税收遵从意愿。
六、结语
法律法规的完善、警示教育的加强、违法成本的提高等措施可以为促进强制性税收遵从提供基本保障，而要从根本上解决税收不遵从问题，还是要依靠柔性的税收治理模式。简便的办税程序、透明的税收信息以及优质的纳税服务能够加强纳税人对税务机关的信任感，促进和谐税收征纳关系的形成，从而提高纳税人的自愿性税收遵从。只有内心的遵从，从纳税人、税务部门、其他政府部门等多角度来共同实现纳税人的税收遵从，才能真正建立社会主义法治国家，实现依法纳税，培养和提高公民的赋税法制观念，增强依法征纳意识。
参考文献：
[1]李建英，周欢欢，钮佳佳.基于博弈论的税收遵从问题研究[J].税收经济研究，2015(2).
[2]袁延文.我国税收遵从问题研究——基于税收遵从影响因素的分析[D].云南财经大学，2015.
[3]杨杨，杜剑.“互联网+”背景下税收合作性遵从实现的路径分析[J].税务研究，2016(5).
[4]朱明慧.纳税遵从度的影响因素分析及其对策研究[J].当代经济，2017(7).
[5]唐博，張凌枫.税收信息化建设对企业纳税遵从度的影响研究[J].税务研究，2019(7).
[6]王玺，刘萌.“互联网+”背景下税收遵从的提高：挑战与对策[J].税务研究，2020(7).
[7]马海.税收遵从、纳税服务与我国税收征管的效率优化[J].纳税，2020(21).
大数据分析论文范文第5篇
大数据时代，数据价值充分释放，人类社会能够享受到大数据应用的发展红利，当数据安全成为金融行业极为宝贵的城池营垒时，一旦被攻破就如同打开了潘多拉的盒子，为金融增添了几分风险。
未来的“新石油”
美国的一家Farecast公司，在美国商业航空产业建立了一个机票的预订数据库，根据每一条航线上每一架飞机内的每一个座位一年内的综合票价记录而得出结果。通过预测机票价格的走势以及增降幅度，票价预测工具能帮助消费者抓住最佳购买时机。据了解，Farecast票价预测的准确度可以高达75%，使用该票价预测工具购买机票的旅客，平均每张机票可节省50美元。
“很多人还没搞清PC时代的时候，移动互联网来了，还没搞清移动互联网的时候，大数据时代来了”，马云不止一次地在公开场合谈到大数据。
所谓大数据，首先要强调“大”，数据量要非常多;其次数据来自多种数据源，局限于单个领域，也不能称之为大数据。
当你越来越习惯购物网站通过搜索记录准确推荐心中所需的商品时，恭喜你已经感受到大数据时代的来临。
凡普金科创始合伙人、爱钱进CEO杨帆在接受《经济》记者采访时表示，金融机构最常使用的大数据应用场景为精准营销、实时风控、交易预警和反欺诈等业务。“大数据分析平台可以对金融企业已有客户和部分优质潜在客户进行覆盖，对客户进行画像和实时动态监控，用以构建主动、高效、智能的营销和风险管控体系。”
大数据算法在风控领域的应用实践最为丰富，也是目前许多互联网金融机构的发力点。杨帆介绍，建立在大数据、人工智能等新技术之上的大数据动态风控系统，不仅能对传统风控需要采集的数据进行分析，还可以通过整合非传统交易类征信数据，将知识图谱和深度学习相结合，自动发现隐藏在复杂关系里的风险点，挖掘潜在的欺诈行为。
如今越来越多的政府和企业，已经逐步意识到隐藏在数据山脉中的“金矿”，数据分析能力正成为各类机构的核心竞争力。2012年美国投资2亿美元拉动大数据相关产业发展，将“大数据战略”上升为国家战略，甚至将大数据定义为“未来的新石油”。
美国市场研究公司IDC发布的关于中国大数据技术和服务市场的首份报告《中国大数据技术与服务市场2012-2016年预测与分析》中显示，我国的大数据应用处在强劲增长阶段。中国大数据技术和服务市场未来5年的复合增长率将达51.4%，大数据市场的增速将达到同期整个信息和通信技术领域增速的7倍。
拥抱还是警惕
自2015年国务院颁布《促进大数据发展行动纲要》以来，全国各省区市都在积极探索大数据的巨大应用价值，而金融领域天然是以数据为发展基础的行业，率先成为积极试水的先行者，政府陆续发布了一系列的促进政策。
“金融科技涵盖了大数据、云计算、人工智能、物联网和区块链等多种创新技术的应用，由于金融领域的各业务环节均涉及各种类型数据，金融与大数据的融合成为目前各家尝试创新的突破口。”信数金服CEO徐进在接受《经济》记者采访时这样表示。
金融大数据的应用场景贯穿了各金融企业的业务全链条，从市场营销、产品配置、内部流转、风控管理至研发创新全过程。其中应用较多的包括银行、保险、证券、互联网金融、第三方支付等细分领域。
北京卫达信息技术有限公司CEO张长河告诉《经济》记者，大数据的应用给金融科技带来了更大的机会，可以更好地提高平台服务质量，降低运营成本。“我们在与中国农业银行数据中心合作中发现，由于大数据的采用，数据被聚集在一起，传统金融架构下数据分散存放，黑客获取难度变大，现在数据统一存放，只需攻破一点就可以获取大部分数据。”
随着互联网金融、传统金融机构的快速成长，直接促使信贷后端的征信、风控成为刚需。张长河表示，目前行业内未形成垄断巨头，金融大数据服务的市场潜力巨大。
风险与挑战并存
大数据时代，金融底层技术的创新带来服务模式和金融行为的改变，数据规模越来越庞大，接触数据的用户越来越多，数据使用的越来越频繁，数据种类越来越多样，数据模型越来越复杂，内网数据和外网数据在很多场景下需要实时交互，对数据安全带来了更严峻的挑战。
有专家表示，金融领域的大数据风险在机构划分中可见端倪。为了保证金融行业的顺利发展，国家对该行业的监管方式以及开放程度都做出了一定的调整，同时由于大数据技术的影响，非金融机构也开始进入到了金融行业之中，直接对传统金融机构的市场占比造成了冲击，由于非金融机构有着较为显著的技术优势，相关部门对其实施监管难度相对较大，致使金融市场竞争更加激烈，导致传统金融机构不得不加大自身改革力度，以应对这一困境。
徐进表示，大数据金融面临着数据泄露、技术创新和市场竞争三大风险。
在金融行业进行各种大数据融合创新的过程中，已经出现了个人隐私数据泄露引起的各种诈骗、违法犯罪活动，对行业造成社会负面影响，如果不加以监管，甚至危害国家安全战略。
在技术创新方面，徐进解释，金融与大数据技术融合在各金融机构都是积极探索的状态，金融机构希望多尝试技术创新，以此来建立自身的行业壁垒。基于这个出发点，难免出现技术可行性研究不够充分的情况，导致技术平台匆忙上线，而金融大数据相比其他行业来说，具有数据种类更复杂，实时性要求更高，数据准确度要求更严格，交叉数据应用更频繁等特点，这些更加剧了技术创新的风险，金融机构出现各种经济损失和负面的社会影响屡见不鲜。
在激烈的市场竞争环境中，由于监管机制的滞后和不完善，出现了一些企业采用灰色或非法的手段恶性竞争，导致个人数据泄露、网络诈骗、携款潜逃和非法集资等各类违法犯罪事件的发生，对于利用金融大数据进行业务创新的整体市场环境来说，造成负面影响，阻碍了行业的健康发展。
如何解决技术创新的风险?大数据金融行业参与者站在了多条分叉路口上。
风险防范贯穿
整个产业链
“任何创新都会伴随着风险，大数据在金融领域的应用，这把‘双刃剑’发挥怎样的效用，关键在于哪一方对大数据的应用和技术掌握得更好。”中国政法大学互联网金融法律研究院院长、大数据与法制研究中心主任李爱君这样向《经济》记者解释大数据金融的风险防范。
大数据时代已经到来，金融行业想要更好地发展，就需要对大数据金融模式进行全面性研究，大数据金融的风险防范多少有些“以子之矛，攻子之盾”的意味。
对企业而言，防范大数据金融风险可以从技术完善、合规经营的角度着眼。张长河表示，金融机构都拥有自己的技术团队，为了更好地抵御网络环境带来的冲击，很多金融机构会寻求通过网络安全服务公司来提高用户的使用体验和安全保护。
李爱君表示，风险防范贯穿着整个金融产业链，防范大数据为金融发展带来的系统性风险有四大建议：
一是健全国家的数据安全、法律行政法规及技术标准，进一步细化目前法律法规中的个人信息范围，明确哪些属于个人隐私和非隐私信息。
二是提高数据应用的基础设施技术以及应用。针对数据泄露问题，需要建立政府、企业和个人的多方联动监管，利用大数据技术追溯数据流通的整个闭环。
三是金融机构在数据应用过程中加强内部管理、内部控制和内部操作，适应大数据的应用特性，进一步维护、保护客户的数据安全。
四是规范金融机构的大数据应用过程，对消费者进行数据安全的教育，金融机构要将风险详细标注，提升客户的数据风险意识，提高金融机构使用大数据的安全意识，降低国家监管的成本，让每个投资者了解并自担投资风险。
当前公众对于金融大数据安全的整体认知上，还存在较大缺失，特别需要政府部门积极引导和提升公众认知水平，大力开展各类公益宣传、权威媒体倡导，企业在为公众提供服务的时候，需要告知数据安全使用的情况。双管齐下，形成公众对于个人数据安全保障的意识，同时营造大数据安全的环境，让行业形成优胜劣汰，维护整个金融大数据应用环境的健康发展。
数据科技改变金融
现代金融行业最为典型的特点便是数据量过大，为了应对时代变化，金融机构也应按照大数据时代特点，对未来长远发展进行合理规划。
Capital One作为美国第三大信用卡发卡行和第四大汽车贷款机构，号称美国金融科技行业的“黄埔军校”，一直备受国内金融科技领域的关注。
上世纪90年代，美国已经建立了非常完善的个人征信体系，Capital One除了参考这些数据外，还充分挖掘自身累积的客户数据以及客户在其他平台的借贷行为，完善风控模型。公司每个季度会对模型的有效性进行验证，及时调整。在贷前风险识别环节，利用大数据技术将风控前置到营销环节，从而避免向高风险客户营销产品。
目前这一思路已经被国内的消费金融行业广泛应用，在核心数据缺乏的情况下，通过弱变量维度来提高风控模型的有效性。Capital One也由最初公司专注信用卡业务，通过数据搜集分析建立用户画像，进行精准营销，并逐渐将大数据经验推广到其他业务，并坚持不断创新。
“通过这个例子，不难发现，在‘产融结合’的大背景下，大数据和场景化的风控使得企业创新及发展潜力更上一层楼。”中国人民大学重阳金融研究院高级研究员董希淼在接受《经济》记者采访时这样表示。
同样在监管领域，金融监管部门可以提升对金融科技专业知识的了解并合理应用，借助金融科技提升对金融风险的监管和防范。
2008年，银监会开发了具有自主知识产权的检查分析系统，简称“EAST系统”，实现“逢查必用”，极大地提升了检查效率和监管水平。考虑到地方金融创新发展和金融监管的现状，大数据监測预警被更多地开发使用。随着打击非法集资专项整治和互联网金融风险专项整治的深入，地方政府的目标逐渐明确，利用大数据对地方金融类企业持续监测预警，提升监测预警的精准性，减少了政府的人工排查压力，实现日常监管。
董希淼表示，金融机构逐步利用RegTech(监管科技)解决方案通过自动化管理方式制定业务和发展策略，减少操作失误、加强金融犯罪侦查和欺诈监控等内部控制。例如，利用多源的相关数据更好地对客户和交易方进行信用分析以避免对方信用违约，提示录入错误信息和数据等。
看似枯燥的大数据话题，因为加入金融元素正在悄然改变生活。回顾金融发展史，不难发现，当先进的科学技术与金融紧密结合时，一场新的金融变革奔涌而来。