中国职称论文咨询网,正规可靠专业的中高级职称论文发表机构!

400-6800-558

服务热线
当前位置:首页 > 论文范文 > 职称论文范文 > 金融大数据的特点以及价值链模型

金融大数据的特点以及价值链模型

来源:中国职称论文咨询网作者:kaiting时间:2019-01-16 10:44

  这篇大数据论文发表了金融大数据的特点以及价值链模型,论文分析金融大数据的主要特点,明确金融大数据价值链模型,提出大数据对金融数据的运用途径,发挥出大数据的作用,并为相关研究人员提供一定的借鉴和帮助。

  关键词:大数据论文,信息时代;大数据;金融数据

大数据论文

  一、引言

  在信息爆炸时代下,互联网技术迅速发展,大数据是互联网技术发展成熟的产物,应用到各个领域中,带来即为显著的成效。大数据应用到金融业后,推动了金融业的现代化发展,使得金融业成为提高我国国民经济的重要支撑。金融数据在金融业发展中占有核心地位,利用大数据技术手段,可以提高金融数据处理效率,使得金融业务发展与时俱进。对此,在信息爆炸时代下,要根据金融数据处理需求,引入大数据,通过大数据进行数据搜集、数据整理和数据分析,发挥出金融数据的价值,为金融服务的创新和金融业的长效发展奠定坚实的基础。在这样的环境背景下,探究信息爆炸时代下大数据对金融数据的运用解析具有非常重要的现实意义。

  二、金融大数据的主要特点

  大数据是基于信息爆炸时代下的大量数据,依靠大数据技术来处理海量信息,提炼价值信息,提高信息利用效率。在金融领域中,大数据具有以下特征。

  (一)数量化。在互联网浪潮掀起之前,金融行业主要以传统信息技术为主要支撑,依托于企业区域网,为金融客户提供服务,包括生产系统、风险控制系统、信贷管理系统以及绩效管理系统,为企业可持续发展提供重要支撑。金融大数据的数量较大,但数据结构基本单一化。在大数据技术引入后,金融行业发展规模迅速扩展,在互联网技术和大数据技术的支持下,各类新型的金融服务不断推出,以渠道、电子银行为主要代表,数据量成倍增长,但由于金融行业属性,金融系统仍是封闭化闭环,数据多以结构化数据为主。

  (二)价值化。金融行业直接决定着我国经济命脉,借助推动数据流动来实现经济价值的创造,特别是在信息爆炸时代下,金融行业对数据质量有着极高的要求,主要涉及客户存贷数据、资产数据、负债数据等,影响范围较广,包括个体和企业,不能出现任何漏洞和差错。也正是因为这一原因,金融大数据的数据质量较高,并对金融机构自身管理体系和产品体系的优化十分重要,在长期的积累下,金融大数据的数据价值巨大,具备价值化特征。

  (三)复杂化。在我国经济快速发展下,随着信息爆炸时代的到来,金融行业获利效果较为明显,使得各个金融机构规模迅速扩大,无论是金融业务还是金融产品都得到了有效的创新,业务条线朝着持续增长的方向发展。同时,在互联网技术的支持下,扩展了金融服务渠道,由传统渠道转变成“线上+线下”多元化服务渠道,渠道宽度与深度都在逐步延伸中,推动着金融行业的信息化建设。考虑到金融行业的特殊性,各个管理系统数据间的关系紧密,内部数据结构复杂多变,数据间关系无法快速追溯,不利于后期数据的利用和处理。

  三、金融大数据价值链模型分析

  美国学者迈克尔·波特最早提出价值链理论,随后国内外相关学者纷纷开展对价值链理论的研究,这对金融行业发展中价值最大化的追求意义重大。

  (一)价值网络。金融大数据的价值网络主要是和金融企业相关的产业价值链融合交织形成的,以此理论为重要依托,结合金融行业运行特征和服务实体经济发展的目标,获得和金融企业相关联的利益方包括国家金融监管机构、金融企业股东、员工以及服务对象,在整个价值网络中,各个利益相关者以获取价值最大化为核心进行渠道组合,获得有形服务或是无形服务,以价值体现为主要的表现形式。其中,各个利益相关者逻辑关系为:在国家金融监管机构的指导下,金融企业管理者根据相关法律法规,引导员工为客户提供高质量金融服务,最终实现社会价值的创造。而在创造价值的过程中,各个利益相关者的主要职责:国家金融监管机构主要保证金融企业在国家经济发展中的价值发挥,从宏观角度上进行金融政策指导,以帮助金融企业的金融服务迅速增值:金融企业管理者是遵循相关法律法规,保证金融企业快速发展,创造财务价值和无形价值;企业员工则是根据领导者的指示,做好岗位本职工作,实现工作价值最大化,通过这种利益价值链,构成无向交叉的价值网络。

  (二)价值创造。数据作为金融行业的核心要素,依托于价值链模型理论,为了实现价值网络中的价值创造目标,大数据不仅存在自身价值,还存在数据流动中的数据增值,这是金融企业获取最大效益的核心。在这一数据价值链中,在大数据技术的支持下,为传统数据价值链创造更大的提升空间,价值创造核心不断转向数据价值和数据利用效率的提升,改善用户的金融服务体验,实现金融企业创新改革中的战略资产最大化,延伸数据价值链,给金融企业创造更大的竞争优势。

  (三)价值获取。数据价值的输出端指向各个利益相关方,只有不断提高金融服务质量,才会凸显出数据价值。对此,在金融数据处理中,强调数据处理后的结果利用情况,为用户提供金融数据服务平台,发挥出金融大数据所创造的价值,促进数据价值的有效传递,满足用户的金融服务需求。

  四、信息爆炸时代下大数据对金融数据的运用路径

  (一)信用评估。在信息爆炸时代下,大数据技术无论对企业还是个人的相关身份验证、信用评估等方面都有很大的影响,除了可以分析客户静态数据,还可以挖掘动态数据,评分客户信用,构建完善的客户增信模型。例如,金融企业供应链模块上,包含订单、库存、结算、下线等生产数据,通过对这数据的合理分析,构建信用等级,根据信用等级和经营发展预测来提供响应的信用额度,提高企业信贷服务的综合质量水平。针对这一情况,阿里小贷和金融研究单位共同研发财务信用系统,从个人角度上看,在注册过程中形成静态金融数据信息,除此之外,网上投资、支付或者是购物也会形成相关数据,汇集成个体信息流,融合静态金融数据和动态金融数据,实时了解客户交易行为,通过交叉检验的方式,处理数据,构建信用评分模型,根据客户需求提供对应的产品服务。

  (二)金融营销。在金融数据中,大数据的应用改变了原有的金融营销模型,金融机构可以挖掘和处理用户个人数据信息,包括用户交易数据、支付数据以及支付行为,通过数据进行用户划分,根据用户的个体需求来通过产品服务,提高金融营销的准确性和有效性。通过相关调查得出,根据用户环境信息、生活经历、购物信息等情况,构建变量模型,利用大数据技术进行数据分析和整理,达到客户的合理分类,以便于客户关系管理和营销策略的制定。同时,以此为依据,划分客户后,投放符合客户需求的金融广告,介绍相关产品信息,不断提高金融搞营销的针对性和准确性。例如,支付宝主要利用大数据技术,全面分析客户行为,将客户群体进行合理划分,以提供所需的產品服务,达到精准性营销的效果。

  (三)数据处理。传统数据处理方式在金融数据处理中,往往会造成大量资源的浪费,包括人力、物力与财力等,数据处理方式滞后性较大,并伴随着高成本、低效率的风险,资源浪费情况明显,处理后的数据真实性与可靠性不足。对此,要将大数据技术引入到数据处理中,依托于互联网平台及时获取数据,扩展数据来源渠道,也正是数据类型丰富、数量较大,影响数据价值密度。数据处理中,通过大数据技术和云计算,有效提高数据处理能力,辅以数据库和搜索引擎等方式,根据日常工作需求进行数据检索和利用,打破原有数据处理中的局限性,构建高效低耗的数据处理平台,使得数据处理效率达到最大化水平,保证处理后的数据具有极强的可靠性和准确性。

  五、结束语

  综上所述,在信息爆炸时代下,在金融领域中,要引入大数据技术进行金融数据的处理,改元原有的数据处理方式,将大数据技术应用到信用评估、金融营销以及数据处理中,促进数据价值的有效传递,满足用户的金融服务需求。

  参考文献:

  [1]姬亚男,信息爆炸时代下大数据对金融数据的运用[J].时代金融,2018(02):57.

  [2]黄善芬,大数据背景下的银行经济预测和金融统计[J].环渤海经济嘹望,2017(12):53-54.

  [3]辜明安,王彦.大数据时代金融机构的安全保障义务与金融数据的资源配置[J].社会科学研究,2016(03):76-82.

  推荐阅读:《金融服务法评论》Financial Services Law Review(半年刊)2010年创刊,内容包括:法与金融学,新自由主义、金融危机与监管改革。



更多>>

优质职称论文发表期刊推荐