《大数据时代》作者、牛津大学教授维克托·迈尔·舍恩伯格曾这样描述大数据所带来的变化：通过小数据到大数据的累计，可以创造出更高质量的价值；就像拍一个人骑马，随着照片数量的增加，画面就会连续起来变成电影那样，小数据增量到大数据也是一个质变。

说到大数据应用所带来的颠覆性变革，没有一个行业比金融行业更加明显。从客户画像到精准营销，从风险管控到运营优化，几乎所有的业务环节都与大数据息息相关。不过，金融机构在寻求全面释放数据价值的过程并非一帆风顺，他们不仅缺乏在大数据治理上的经验积累，同样也缺少强有力的大数据解决方案。

在金融行业扎根多年的华为正在通过与生态伙伴的合作，试图为金融行业借助大数据应用、实现颠覆性变革提供帮助。如今，包括招商银行、交通银行等在内的多家金融机构，已构建起智慧大数据平台，进而实现智能化营销、智能化运营、智能化风控等，推动金融整体产业和运营模式的改变。

金融行业大数据应用迫在眉睫 数据管理难题凸显

美国银行的一份调查研究指出，银行每创收100万美元，会平均产生820GB的数据，业务数据量高踞各行业之首，远超紧随其后的电信、保险和能源行业。毕马威中国也在相关报告中表示，由于数据的相对高质量和行业性质，银行业已经是大数据工作涉猎最多的领域之一；展望未来，大数据将成为银行业的核心动能。

事实上，不止是数据量的增加倒逼银行业加速推进大数据应用。为了顺应监管和客户要求的变化，银行业也必须寻求通过大数据等新技术的应用，持续优化自身的运营能力、不断提升自身的服务水平。

从过去二三十年来银行业在数字化技术应用的历程看，如今全行业也已经到了全面应用大数据技术的时代。在银行开展信息化建设的阶段，银行业务数据从分散走向了集中，这为当下的大数据应用奠定了基础；同时，近年来银行业持续推进IT基础架构的云化，云计算的普及也为大数据的应用提供了土壤。

但让大数据成为银行业发展核心动能这一目标的实现并非易事，在不久前主题为“智数据 惠金融”的华为第二届股份制银行金融科技沙龙上，华为EBG中国区金融业务部副总经理单松就表示，在大数据应用上，银行业正面临以下三大挑战：

1、银行面临着优化数据收集质量的挑战——历史数据标准不统一、缺乏有效的数据治理手段、数据质量参差不齐、数据孤岛等问题仍然存在；
2、传统的银行IT系统以账户为中心，以会计为导向，缺乏收集客户账户查询、咨询、投诉等行为信息的能力，无法呈现高维度的数据价值；
3、相比互联网平台，银行缺乏与客户频繁交互的场景，在收集客户行为信息、客户之间关联信息等方面有所局限。

洞察先机 迎难而上  这些金融大数据先行者有哪些启示？

在金融科技大潮下，银行面临的不是变不变的问题，而是如何变、怎么变的问题。

作为股份制商业银行中的代表，招商银行在数字化转型上一直走在行业前列。面对未来，招行更是提出了“重塑IT架构，寻求轻资产运营；盘活沉淀数据，提升服务质量”的新要求。

为了进一步深挖银行数据资产，为业务创新和客户体验服务，自2013年以来，招商银行就携手华为构筑了大数据平台，重构了以金融大数据分析为基础的决策和服务体系。比如，在信用卡征信上，招商银行通过应用华为FusionInsight大数据解决方案，将征信相关数据整合到第二数据平面，消除数据孤岛；应用实现统一访问接口，服务化共享，减少重复建设；减少中间人工处理环节；支持多业务系统并发访问，实现实时征信访问能力。

招商银行和华为的合作更是全方位的，不仅包括底层基础设施建设，还包括上层的数据加工、应用和分析。招商银行开发主管陈志介绍，在大数据风控建设上，招商银行通过和华为成立联合创新工作小组，在2015～2017年间对风控系统进行了5次迭代，建立起覆盖从信用卡到借记卡、从事后到事中、从准实时到实时的新一代风控系统。该系统的上线，使风险案件数下降了50％以上，性能提升了10倍，每年挽回经济损失超过10亿元，业务连续性达到了99．99％。

无独有偶，交通银行早在2014年就实施了“531工程”，期望通过底层IT基础架构的整合，提升业务效率、提升客户满意度等。其中，在大数据应用上交通银行也确定了两大目标：

一是通过搭建平台构筑数据生态体系，在丰富数据来源的同时形成覆盖全集团的完整数据视图，全面支撑交通银行的大数据应用；

二是在此基础上开展数据治理工作：完善数据治理的管理制度，统一治理框架实现数据全生命周期管理，搭建数据治理平台。

以大数据平台的建设为例，交通银行与华为合作建设的大数据平台，已经应用到客户管理、风控、监管和内部管控等诸多层面。大数据平台的建设为交通银行带来了四个方面的提升：数据更全面，实现了集团视角的数据管理；时效更快捷，实现了秒级的数据同步；扩展更便捷；分析更深入。
金融大数据应用要选好伙伴  配套系统也要跟上
随着各行各业数字化转型进程的不断推进，数据正在成为一种高度关注的社会资源，数据的有无、数据量大小、质量的优劣、挖掘水平的高低、存储能力的强弱等，正成为塑造企业核心竞争力的关键。

在数据建设的过程中，许多企业积累了一大批数据，用于风险控制、绩效考核以及分析决策等，但随之而来的也有数据相关的各种问题：例如业务系统间标准不一、数据共享性差；数据质量不高影响数据应用效果；数据表和模型繁多，信息获取难；数据权限划分不明，数据安全难以保障……

面对林林总总的数据困境，如何打通数据，消除数据孤岛，做好数据治理，挖掘数据价值，更好地利用数据已经成为政府、企业数字化转型的关键。