就“大数据+金融”思维利用而言，国外金融机构有着十足丰富的体现，已经将大数据技术在风险控制、运营管理、销售支持及商业模式创新等领域进行了全面的尝试。

案例一：汇丰银行-风险管理

汇丰银行在防范信用卡和借记卡欺诈的基础上，利用SAS构建了一套全球业务网络的防欺诈管理系统，为多种业务线和渠道提供完善的欺诈防范。该系统通过收集和分析大数据，以更快的信息获取速度挖掘交易的不正当行为，并迅速启动紧急告警。

案例二：Kabbage-开辟新商业模式

Kabbage主要为网店经营提供贷款服务的金融机构。其通过大数据计算开辟了一条新的商业模式。通过对网店店主的销售、流量、评论以及商品价格、存货和信用记录数据，精确计算出是否需要贷款且贷款金额数。

然而在大数据时代，能利用大数据并获得成功的案例毕竟是少数，大部分都面临着严重的阻碍：

1、  行业竞争加剧。以阿里巴巴等数据驱动型企业在技术上抢占先机；在数据资源上占据优势；大数据的应用、推行较传统金融机构快。

2、  基础设施的挑战。目前数据以更快速度在增长，尤其是非结构化数据。而传统银行业的基础设施已无法满足对数据的处理需要。

3、  安全管理的压力。由于云计算的普及、系统复杂性的提高，造成金融机构的风险隐患家具，这也使得诸多传统金融机构仍走保守步伐。

大数据无法转化为“大价值”的原因是什么？

《2015中国大数据应用前沿调研报告》指出，数据、技术及思维的掌握决定了大数据能够创造多少商业价值。

数据方面，结构化数据、半结构化数据以及非结构化数据共存是目前众多金融机构普遍面临的数据问题。

技术方面，绝大多数传统金融机构面临新的技术难题，传统的分析方法难以适应大数据的管理需要，如非结构数据处理。企业需要更有效的数据挖掘算法。

思维方面，国外对大数据的利用大多围绕风控、运营和销售支持。国内起步较慢，市场需求细分和渠道整合价值才已得到国内金融行业的较普遍认识，大数据尚有很多待发掘的价值。

从报告提供的金融行业大数据能力需求分布来看，企业对于数据挖掘需求占首位，而查询、报告和数据可视化这两类基础性的数据工作却仍占1/3以上，这也说明了传统金融机构对数据基础利用水平的滞后。

很多银行企业都认识到这一点，纷纷利用第三方软件或自主开发那个的方式搭建数据可视化平台，完善数据化的流程管理，弥补这一方面的空缺。

案例一：某国有商业银行-大数据平台建设

在信息化建设中，该银行面临数据可视化展现、数据查询的问题，提出“获取数据，追溯数据，挖掘数据”需求目标。宗旨是整合数据、统一管理以及提高报表制作效率。

利用帆软报表打通各业务系统，整合新旧历史数据搭建数据查询平台；由于渠道经营管理机制不灵活，各网店管理成本偏高，利用报表系统连接系统实现渠道数据展现；结合Gbase、Oracle数据库将报表平台与大数据平台结合，对作业日志监控，推动大数据平台应用。

 

案例二：某城市农商行-商业智能平台建设

“数据分散、口径不统一”是该银行在数据化运营面临的主要问题。通过搭建帆软报表系统，构建了包含报表，分析，数据挖掘和业务监控的数据中心应用，以领导决策分析为向导，通过系统进行展现，为经营管理提供数据支撑。

 

从技术上来讲，金融机构在大数据利用上存在两个重要节点，一是底层基础数据的处理，包括整合、清洗以及数据统一平台的建设，这一点需要结合业务、战略去分析规划设计。二是挖掘数据背后隐藏的规律、相关关系等。

综合以上的分析和案例，银行、金融机构对于“大数据”的驾驭要从眼下痛点着手，底层基础数据方面要对数据质量，标准规范和约束性提出要求。数据分析、运营化管理结合业务需求，制定规范流程，可视化前端展现流程分析。领导层可通过BI等项目对重要指标实施监控及实时的分析。

注：部分数据、内容参考《2015中国大数据应用前沿调研报告》