金融為什麼會依賴大資料，大資料的實用性，比如大資料可以蒐集每個人的消費情況、資產情況、一些平時的消費習慣和收入情況以及你的家庭情況，這些都被大資料捕捉到，提供個金融公司，而金融公司只需要付一部分的授權費就可以拿到這些資料，大大的降低了一家公司找精準客戶的時間和成本，從而提高效率和競爭力.比如央行的徵信也是一種大資料，你只要看懂了徵信就可以瞭解一個人的資產情況，所以建議所有要結婚的姑娘們先去要一份男朋友的徵信，哈哈開個玩笑.

說到大資料影響金融，那我就說個大家不知道的賺錢方式，利用大資料，客戶完全判定出外匯黃金期貨操盤的投資者的盈利和操盤習慣，然後就是最精彩的大資料上場了，國外會抓去那些賠錢的"優秀人才"，你買別人就賣，你賣別人就買，俗稱“反向跟單”，大家都知道一個道理就是金融是零和遊戲，你賠的肯定有人賺去了，很不幸，"二八現象"中我們是那八成賠錢的，說到這裡你知道大資料的作用了，它在默默地搜尋中

長期從事於網際網路及涉及電商行業資料分析，我先從大資料層面講一些案例，大概有助於理解。

我所在的領域專注做零售資料分析、客戶忠誠度體系建設及近智慧化營銷，作為新零售特別重要的一塊兒電商客戶行為分析管理細分領悟龍頭，佔據超3成市場份額，特別是超大型零售品牌集團（這個資料是透過交易額來看的），年產生交易訂單量20餘億，涉及100餘個類目，多年積累近千億資料（含物流評價等衍生資料），幾乎涵蓋日常衣食住行類目，從技術服務商來講，只要能夠在法律範疇內確保資訊保安的前提下，是可以透過足夠多日常交易行為資料及衍生資料分析消費者基礎資訊並進一步的消費力、消費偏好、人群分類、價值趨勢、消費力趨勢、還有部分社會屬性及類目相關性等等超細度挖掘，再透過演算法模型評估形成客戶畫像，進而進行個性化近精準智慧化營銷，獲取高轉化，透過精細化管理降低獲客成本。

同比回到問題主題，透過上例至少告訴我們以下關鍵資訊：

1.足夠大資料採集量，且活躍度高，不斷迭代累積；

2.超細維度；

3.行為偏好；

4.交易行為；

5.資金流動頻繁，累積金額足夠大。

基於以上我們再來看看金融和大資料的關係，提到大資料影響金融，那我們先看看一些核心屬性：貨幣，流通，金融主體，信貸，融資等，實際上會有更多參與主體，為了簡化理解，大家可以理解為 1.貨幣在貿易過程中流通 2.貨幣透過信貸方式參與生活生產進而流通。那麼無論是企業還是國家在整個社會發展的過程中不斷會放大資金量，同時也不斷擴大了流通，而發展往往是先於實際需求，因此產生了提前預支，因此就有了信貸，而融資同樣也是為了擴大生產或提升市場地位，這裡就不再贅述，整個過程中日常聽到的很多透過緊縮、通貨膨脹，負債率，降息降準，證券 股市 債權等等都是這個過程中衍生出來的現象或手段，這裡不再贅述（感興趣的可以關注交流）。回到主題，那麼這裡面我們就著重講一個關鍵點，信貸或融資。信貸顧名思義透過信用預支貨幣，說不嚴謹一些，就是空手套白狼提前畫藍圖讓金融主體機構銀行或其他機構借款給你，那就引發了風險控制機制，借款人承擔著還不上的風險啊，那怎麼辦呢？靠既往行為評估來判斷還款能力，這便是信用。那問題來了，網際網路大資料技術應用前，資料流通不充分不及時不全面，金融機構只能靠人調查，靠企業或個人提供的資訊及央行徵信來進行有限評估，所以整個瞭解過程不充分不透明很有效，隨之而來的就是潛在風險，所以更注重權威，更注重眼見為實的已有資產來放貸，這造成了一個結果，絕大多數個人很難借貸或借貸成本很高，想必10年前每個人都深有體會，普通老百姓小額借款一兩萬都很難，借給小企業吧，經營資訊不夠及時也容易出壞賬，因為壞賬率高同時也是核心考核指標，所以不敢借不想借。那麼再看看今天，以支付寶為首的巨型集團層出不窮，借款秒到賬，那麼這類金融為什麼就敢借且手續極其簡單呢？問題的主角登場了，那便是大資料風控模型下支撐起的網際網路金融。如果大家注意分析，會發現市場主體網際網路金融機構除了傳統金融機構衍生之外，電商行業 地產行業衍生的行業金融為主，那為什麼呢？他們有著交易的特徵，要麼是高頻交易產生的鉅額資金流，要麼是大額交易產生的鉅額資金流，這可都是切切實實的現金流，他們同樣面向高頻借貸需求的個人或特定行業小微企業，為什麼傳統金融機構不敢放貸的絕大多數個體這些新興金融機構敢放呢，而且還這麼高效？再深入來看看背後發生了什麼，以電商金融機構螞蟻金服為例，承載它的關鍵就在長年累月的超高頻交易和背後產生的鉅額資金流及其背後非常豐富（上文提到的大資料探勘形成的幾百上千個有價值的客戶維度）的使用者畫像，這一系列資料採集和分析維度及實時性在傳統金融幾乎難以想象，這便形成了基礎的風險評估風險控制模型，由此便直接產生了便利的網際網路金融（花唄，借唄 等每個人便產生了初始額度，芝麻信用又是關鍵基礎），由此巨大且深遠的影響到了金融，這還沒完，因為你有了額度，便極有可能發生信貸，便又產生新的資料 如還款偏好 還款及時性 違約情況 延期 分期偏好 進而消費傾向等等便形成了資料良性迴圈，用技術的術語就是給機器學習提供了大量源源不斷的知識資料，不斷完善信用及風控模型，這也就解釋了為什麼網際網路金融的如此便利快捷且目前來看壞賬率還遠低於傳統金融，從理論角度隨著資料週期拉長資料量足夠大及資料維度的不斷擴充風控模型會更加完善精確，金融的便利又進而促進了消費的便利提升了貨幣的高頻流動，當然也促進了人們對非必需品的消費。關於巨頭企業為什麼對金融樂此不彼，限於篇幅在後續文章講解，歡迎關注（注：以下統計資料來源於公開資料整理）