移动通信金融大数据

移动通信金融大数据（精选8篇）

移动通信金融大数据 篇1

杨一夫谈到，引爆互联网金融风暴的余额宝本质上是理财产品在销售方式上的改变，而其背后的金融原理与之前并无不同。P2P亦然。金融真正的创新在于大数据风控技术的应用。数据的记录和积累是互联网时代与以往最大的不同。互联网记录并产生了大量之前不可能产生或者无法被记录的数据。通过这些数据，我们可以更全面地分析一个人，预测他的信用行为，从而更好地控制风险。

数据的积累是长期的过程，想要充分运用数据更是面临着许多阻碍。除了本身的技术障碍以外，数据封闭的环境是阻碍大数据风控技术发展的重要原因。中国的征信体系由央行主导建立，尽管央行有心开放征信体系，但其采取的行政手段造成了征信市场化程度低。央行和大型国企对数据的封闭心态也影响了其他机构数据的开放。基于未来市场的要求，相信我国的征信体系将会进一步完善，行政、保险乃至电商和P2P接入征信系统将大大扩展数据的维度，征信市场化将得到进一步提升。届时大数据的充分应用将给金融带来本质上的创新。

移动通信金融大数据 篇2

8月15日, 中国平安集团旗下平安金融科技咨询有限公司 (平安金融科技) 在与电商平台e Bay启动战略合作时, 首次对外揭开其作为中国平安集团旗下又一“互联网金融”孵化器的神秘面纱。区别于P2P模式的上海陆家嘴国际金融资产交易市场股份有限公司 (陆金所) , 平安金融科技在整个集团中扮演的角色类似于中介, 将为陆金所在内的其他平安集团子公司提供数据分析挖掘的增值服务。

类似其他银行与电商平台的合作, e Bay卖家将授权e Bay向平安银行提供自己的商品、交易流水等经营状况的信息, 平安银行会根据这些信息对商户的经营状况和还款能力进行评估, 并给予卖家一定的授信额度。不过, 与其他银行不同的是, 平安集团将银行与电商平台一对一的合作扩展为“三方合作”, 在平安银行与e Bay之间, 新加入平安金融科技来负责数据的对接。

点评:金融机构在互联网金融冲击波下正探索各种模式, 但像平安集团特地打造一家专门挖掘金融数据的中介公司的案例不多见, 其核心是对客户的交易数据进行分析, 准确预测客户未来短时间内的消费和交易需求, 从而精准掌握客户的信贷需求和其他金融服务的需求。除了为平安银行提供数据服务, 平安金融科技还为平安集团其他子公司提供类似的数据对接和数据分析服务, 这是相比其他银行最进步的一点。

大数据金融时代 篇3

在这场与传统金融的赛跑中，首轮就慢半拍的银行，这次又慢了——至少采访中，没有银行给出过清晰的应对策略。好在，大数据与金融，还存在着同生共荣的竞合关系。

亦敌亦友的新一轮冲击，究竟将如何重塑两者的竞合关系？又将如何考验监管层的技巧和耐心？而其中被忽略的主角——被记录和分析的普罗大众，又是否真正愿意自己的隐私被赤裸裸地置于灯光之下？

带着前述问题，《财经国家周刊》记者赴杭州、上海、深圳、北京四地，对21家大数据金融公司，10多家银行和保险公司，以及一行三会、工信部、国税局等机构，进行深入调研。

用户全画像

“金融行业始终在关注新技术，但大多是隔靴搔痒，只有大数据让人眼前一亮。”正德人寿保险公司CIO裴兆旭说，大数据金融才是那只伸到靴子里的手。

眼下，尚无大数据金融的准确定义。亿赞普科技副总裁黄苏支认为，实战中的大数据金融，就是将传统金融无法收集的线上线下信息，基于大数据原理进行建模和运算，用以精准营销、信用评级或风险识别。其信息相对于传统征信，更加丰满、准确。

在阿里小微金融服务集团副总裁俞胜法看来，大数据意味着无极限：于个人，是细微行为的全画像；于企业，是现金流、贸易流、订单流等的全维度掌控。“所有看似毫无关联的数据，都可用作信用和风险评估”。

针对个人，除基本信息外，大数据系统还会从社交平台、同学录等获取个人大事记、信用卡限额、诉讼信息、朋友圈甚至既往病史，等等。

“别以为基本信息就限于姓名、性别之类。”阿里原安全部技术总监蒋韬透露，在大数据公司，每位客户的工作和教育经历、婚姻状况、购物和投资偏好、配偶和担保人、个人和家庭年收入等才算基本信息。

蒋韬透露，个人用户的某一方面评级，就至少用到几千个变量，银行等贷款机构会购买数据用以评分，进而确定贷款细节。

此外，一些大数据公司会利用个人浏览器中的Cookie，发现浏览足迹和生活习惯，甚至能够为其描绘出一幅包括社会关系、网络关系和企业关系的全图谱。

不同于传统征信大多关注还款、负债、抵押等资金流动信息，大数据金融对个人细微行为的刻画，已经无孔不入。

例如，小贷领域的大数据金融系统，就如同科幻电影中的中央超核，接入各种渠道的巨量数据，包括企业B2B数据、消费者数据、电商平台数据等，然后经模型和人员分析后输出决策。这些决策中，会明确给出贷款客户的准入、授信、定价和反欺诈评分，以及不同贷款额度对应的风险系数，其中包括对贷款可能造成的客户成长、流失的预判，以及该客户的扶持价值。

“一旦数据有蛛丝马迹的异动，就会立即暴露。”金电联行（北京）信息技术有限公司董事长范晓忻说，传统的财务信息，订单、库存以及联保、互保等1000多个维度信息，统统都会有用。比如，一笔订单确认慢了，他们会立即生成风险提示，并密切关注其联保、互保企业。“传统银行是事后降低不良率，大数据金融则讲究风险抑制率”。

“全产业链”

有人说，当时代大潮涌来，100个所谓专业人士中，只有2人真正懂行，其余都是噪音。

综合多方调研情况，《财经国家周刊》记者将大数据金融目前的业态，区分为产业链前端的精准营销、理财推荐，中端的信用和征信体系建设，及后端风控。

三种业态对应三大模式，大量企业星罗棋布，各自又与银行、P2P机构、基金公司、第三方支付以及“BAT”等互联网平台觥筹交错，蔚为大观。

邦信惠融战略发展部总经理张唯聪表示，他们对大数据最多的应用就是获客，做到精准营销。“我们的小贷公司八成客户需要高成本从线下获取。采用大数据模型后，系统能自动推荐有需求且符合要求的新客户，成功率很高”。

在风控领域，大数据的应用更为广泛。

蒋韬介绍，这几年已经产生了大批从事身份识别、地理位置分析、信用卡诈骗分析等大数据公司，一步步围拢整个金融圈。

例如，全球规模庞大的信息泄露关联产业，拥有从盗取个人信息到系统自动对各大金融机构和电商网站的账号密码进行“撞库”，再到挪走资金、非法支付和敲诈勒索等一系列黑市勾当。

“用大数据来反欺诈，精准及时。”蒋韬说，他们会从各种黑客论坛、贴吧上地毯式收集数据，形成整个风险体系的联防联控。目前，一些P2P网站就与阿里建立起欺诈事实数据分享的机制，一方面采用阿里的反欺诈模型，另一方面不断提供事实类数据，修正并完善模型效果。

大数据在信用、征信领域的应用，则更加普遍和成熟。

裴兆旭告诉《财经国家周刊》记者，物美价廉原则同样适用于金融行业，尤其保险业产品要薄利多销，就必须在产品成本尤其信用体系上下功夫。

同样，億赞普集团副总裁黄苏支也介绍，他们主要针对外贸企业进行“全画像”。企业结汇过程中，银行只能靠物流单、发票、合同单等基础数据，且各家银行信息割裂，导致虚假贸易横生、热钱恣意流动等严重问题。

如果将企业产品的受欢迎程度、周交易量、真实发货量及发货去向等离散信息纳入统计，则可形成全方位评估。“有些企业拥有稳定客源，只需物流单据即可贷款。”黄苏支说，一些企业客户沉淀不够，回头客寥寥无几，则需要格外小心。

“银行最初不太认可，现在逐步接受了。”范晓忻说，一些大数据公司目标直指银行的贷前审查和贷后管理，银行逐渐发现了技术外包的甜头，何乐而不为？

移动通信金融大数据 篇4

数据

来源： 虎嗅 B哥小白

一年一度的春晚已经成为了一种新民俗，春晚广告也可视为中国经济的晴雨表。今年春晚突然杀出了一票互联网公司，哪些公司在春晚做巨额投放，哪些公司在春晚受到关注，基本可将其视为新一年的相关细分行业领跑者的最有力争夺者。

从春晚广告中收益最大的该是1996年的标王秦池，6666万广告费的投入让秦池一举跻身中国白酒第一阵营。后来获得高收益的案例还有1998年的爱多VCD，2004年的蒙牛乳业，连续三年冠名春晚的洋河梦之蓝„„到了2014年的马年春晚，这些传统行业的公司好像突然低调起来，我们看到的更多是京东、小米、360、赶集、腾讯（移动安全）、阿里（马云植入）、百度（新闻联播）、苏宁这样的互联网公司，由此可推今年还会有更多的传统企业为“互联网思维”这个热词买单。

春晚广告寸秒寸金，互联网公司舍得为旗下单一产品投下重金广告则也意味着这将是其新一年的战略重点。在今年的春晚广告的BAT中，百度投放手机百度，腾讯分别投了微信和手机腾讯管家，阿里虽然米没投放广告但马云露面了„„这些信号在说明以下这些领域将势必成为今年互联网的竞争焦点。

一，移动安全领域的3Q大战 在腾讯如此众多的产品中，偏偏为腾讯手机管家砸下了重金，并且邀请明星情侣刘诗诗和吴奇隆代言，想来费用绝对不菲，这也表明了腾讯在2014年在手机安全领域的侧重。与此同时，360也在春晚打出“360免费”广告，并且将视频进行了剪辑，在新浪微博做了病毒式推广，也意在2014年下更大的力气来推。

目前腾讯在移动领域依托安卓微信开始推广其安卓分发市场应用宝，并且将“腾讯手机管家PC版”更名为“应用宝”，打算利用微信横向切入该领域。而360方面则依然保持着旺盛的战斗力，从不错过任何渠道的机会给来增加用户。

战争未开，狼烟已至。在3Q外，手机百度今年也做了春晚投放，去年在户外、电视、网络做了千万级广告投放的百度手机安全卫士也不会缺席。移动安全在新年绝对会有一场精彩的混战。

二，电商领域，猫狗谁先IPO

京东，苏宁，国美三家都在今年的春晚做了投放，而京东更是在大年三十晚上春晚直播期间爆出已经向SEC递交了赴美上市申请的重磅消息，加上因为合伙人制度等问题在13年未能成功上市而今年必须上市的阿里，今年电商真是想消停都不可能了。

阿里在今年春晚并没有投入任何广告，只是马云在开场露了一面。不过，似乎马云当下的更关心移动以及更好的故事，正在不遗余力强推来往。

三，移动支付，珍珠港被偷袭后还将发生什么

过去一年，腾讯为推广微信支付做了特别多的工作，在春晚这个量级的舞台也投下了广告。无心插柳的是，引爆TMT圈使用微信支付的竟然是一个临时开发叫做微信新年红包的小产品，因为流程简化的可怕，在这几天特俗时间各个互联网群里都在运行着这款《人民币OnLine》的游戏，它无情地碾压了微博红包和支付宝红包，大大加速了用户微信银行卡的绑定。这个微信新年红包被马云誉为珍珠港偷袭事件，潜台词就是微信支付已经对支付宝造成了较大威胁。不过后来官方公布的微信红包数据显示，在除夕当晚，微信红包的游戏人数才达到482万，显然跟支付宝还差着几个量级，正应了前两天马云总结这次被微信“偷袭”教训时说的那句“好在春节很快会过去，未来的路还很长”。

路长归长，这种不同场景不同维度的战争才是支付宝该正视的。如果把支付当作后端，那腾讯与阿里的打车APP大战则是场面上的竞争，嘀嘀和快的在新一年的前半年甚至还可能会出台更令人发指的优惠政策，帮助各自身后公司加速圈定移动支付用户。

四，山重水复寻新路，BAT开挖大数据

大数据是最近几年信息技术领域最时髦的词汇，不过虚无缥缈的多落到实处的少，原因主要是成本太高而产品价值不够高。苹果的icloud服务在中国普及并不能说得上成功，谷歌被墙，亚马逊云计算业务大举入华，在中国大家现在更会关心BAT是怎么做的，因为也只有这三家有这数据规模和处理能力来做这件事。

在除夕前夜，百度与《新闻联播》合作介绍百度迁徙这个大数据可视化产品（qianxi.baidu.com），首次将产品本身与春运热点相结合，通过人口流动来展现中国人在这个特殊节日的行程线路。数据显示，京津冀，长三角，珠三角不仅是春运客流最热的流出区域，同时流入人口也排名前列，走的多，来的也多，这种情况在近两年愈发明显。很多子女无法回家，便导致父母去北上广看望子女，这就形成了春节逆向迁徙。

将大数据本身与民生热点结合，用接地气的呈现方式，这是很好的自我宣传手段。天猫双十一时在阿里总部园区会议室内布置了巨型电子屏幕，实时公布交易额、订单笔数及分布、全国物流路况等信息，不断跳跃的数字和粗细变幻的线条都在刺激着网民的神经。略显牵强的更著名案例还有天猫蹩脚的微博内裤门，以及每到年底的淘宝这一年。

以下图文为罗超总结的三巨头大数据的优势与策略：

百度拥有两种类型的大数据：用户搜索表征的需求数据；爬虫和阿拉丁获取的公共web数据。

阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。

移动通信金融大数据 篇5

目前国内汽车金融正方兴未艾，俨然成为金融领域的新风口，汽车金融市场规模2020年预计突破2万亿。汽车金融机遇与风险并存，在P2P行业合规整改的大环境下，车贷资产成为诸多平台新业务支撑，资产争夺势必愈演愈烈。由于汽车金融平台自身风控意识和能力普遍薄弱，导致行业间欺诈乱象频出，因此拥有良好品牌以及风控实力的平台将占据绝大多数市场份额。

《中国汽车互联网金融发展报告2017》白皮书指出中国汽车互联网金融的市场空间将爆发出巨大潜力，预计2017年P2P车贷规模达到3500亿元以上。随着更多互联网巨头进入，行业将进入深水区，未来大数据将助力汽车互联网金融匹配个性化的金融体验。

在互联网时代，大数据对汽车金融服务的渗透越来越深入。作为浙江省大数据科技协会理事会成员，仁润股份扎根大数据领域，致力于互联网金融风控领域研究，运用大数据驱动的贷前、贷中、贷后风控管理解决互联网金融骗贷、恶意拖欠等难题。

万亿汽车金融市场迎考验，仁润汽车贷款管理系统为平台安全运作保驾护航。系统通过大数据、云服务在反欺诈、身份识别、贷前贷后追踪、用户画像等层面给汽车金融机构带来实质性保障，改善用户体验、实现资产精准投放的同时，更完善风控体系，提升风控效能。

贷前，仁润汽车贷款管理系统对借款人进行征信评估，提供人脸识别、身份证识别、身份证认证、黑名单查询、短信认证等数据接口服务，快速判断借款人信用情况。此外，对借款人的抵押物进行信用查询，一键输入车架号信息，车辆估价、违章、维修记录等信息一目了然。目前仁润已推出“仁润云风控”服务和人查宝、车信用app征服工具服务，移动端操作，方便快捷。

贷中，系统集成车辆GPS定位追踪系统，只要在系统内输入安装在抵押车辆上的GPS系统的设备号，就可以不出门直接在系统内一键对抵押车辆进行定位追踪，动态显示车辆的地理位置，运行状况和时间信息等。此外，合同电子化、签约视频监控更进一步增强汽车金融系统风控管理能力。

贷后，系统拥有成熟的贷后管理、处置体系，对逾期未还者进行多渠道催收，从最开始的提前7天预警，到系统短信直发，再到直接系统点击电话拨打，皆能以日志的形式将催收跟踪情况进行详细记录，支持微信助手实时提醒。

移动通信金融大数据 篇6

数据一直是信息时代的象征。2011年5月麦肯锡全球研究院发布了报告《大数据：创新、竞争和生产力的下一个新领域》后，大数据的概念备受关注。金融业是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是数据来源。金融业也高度依赖信息技术，是典型的数据驱动行业。1．研究内容

（1）大数据分析在金融领域的应用和创新。如依托大数据分析促进高频交易、风险管理、客户交叉行为分析、客户关系管理等。

（2）互联网金融的架构和发展模式及发展方向。按照二八法则定律来看，80%的金融产品将通过互联网、移动终端等技术走向标准化、大众化、规模化道路。例如，信用卡消费记录中早就包含消费时的位置信息，现在就可以被互联网金融利用。

（3）金融行业客户行为分析。通过大数据分析客户行为，实现个性化和精准化客户服务，有助于企业在创新经营模式时更加贴近、深刻理解客户需求并做出预判，从而改善经营水平、提升经营效率。2.关键技术点

（1）数据搜集。收集客户信息，对客户的基本信息及行为信息进行分析，依托平台细分客户。

（2）客户的行为分析。建立数学模型，对客户的交易行为进行精准化分析，以及参数的设定。

移动通信金融大数据 篇7

并不是大数据中所有的数据信息都有价值,我们把其中有价值的部分称为数据资产,数据资产又可以细分为医疗数据、金融数据、天文数据、地理数据、化学数据、物理数据、探测数据等等。 本文只探讨国内金融数据资产的特征及价值评估。

一、金融数据资产的涵义及特征

金融数据资产是指与金融活动有关的一切结构化和非结构化数据,经过收集、整理、筛选、分析预期能为机构和个人带来价值的资源。 在大数据时代,随着数据形式的多样、来源的复杂、数量的剧增,收集、整理、筛选、分析数据并非易事,这时专业的非结构化金融数据库应需而生。 这些金融数据库是由专业的高新信息技术公司研发出的软件终端,我们把这些高新信息技术公司称为金融数据资产的拥有者,把使用数据库终端获取数据的用户称为金融数据资产的使用者。 金融数据资产的拥有者可以通过销售金融数据资产(数据库终端使用权)获得收益;金融数据资产的使用者可以利用数据资产进行分析,使其发挥应有的价值。 使用者通过支付一定费用可以拥有数据库终端一段时间的使用权限,在使用权限的有效期内,用户可以无限制的下载自己所需的数据。 金融数据资产是特殊的无形资产, 它具有一般无形资产的共性,也具有其自身的特殊性,其特征表现为以下几方面:

(一)无实体性

金融数据资产没有物质实体形态, 是隐性存在的资产, 它以金融数据库终端使用权为持有形式,以使用权为销售形式的资产。 使用者在网站可以下载数据库终端,向数据库终端拥有者支付一定的使用权费用后, 获取一个账号和密码, 然后就可以登录数据库终端获取所需的数据。

(二)高效性

金融数据资产的高效性体现在它能为数据库终端拥有者带来超额利润,数据库终端以科学技术为核心,不断进步的技术进步使数据库终端的维护成本减少。 在大数据时代, 金融数据资产的应用前景很广阔,市场才刚刚打开,有更多潜在的使用者可以发掘,会为企业带来越来越多的收入。

(三)风险性

金融数据资产的风险性主要包括研发风险和收益风险, 研发风险是指数据库终端是在经历一系列研发失败之后的阶段性成果,研发失败的支出作为费用化处理,账面的资产价值与研发成本具有弱对应性。 金融数据资产的收益风险是指数据库终端的经济寿命受技术进步和市场不确定性因素的影响较大,竞争对手新开发或升级的数据库终端有可能使得企业持有的该项资产价值一落千丈。

(四)共益性

金融数据资产的共益性是指数据库终端可以在同一时间不同地点由不同的主体同时使用, 数据库终端有不同的账号和密码,不同的个人账号和密码可以同时登陆使用,机构的同一个账号和密码也可以同时由机构内不同人员登陆使用。

(五)难量化

对于金融数据资产的使用者来说,金融数据资产具有极大的价值,例如学术研究价值、市场监管价值、投资行情预测价值等,但是这些价值难以用货币衡量。 对于金融数据资产的拥有者来说, 在市场中难以找到类似无形资产的详细交易信息,即使有这类信息,也具有明确差异,不能直接参考借鉴。

二、金融数据资产的应用价值

从金融数据资产的使用者的角度看,金融数据资产的应用价值主要体现在三方面:学术研究价值、市场监管价值和行情预测价值。

(一)学术研究价值

金融数据库终端采用预先编制的统一算法对搜集的原始数据进行了预处理和平滑处理,使得输出的数据更加标准和精确,而且查询、筛选、输出速度快效率高,是现代学术研究的坚实基础。 学术研究机构(高校、研究所)的学术研究者根据研究数据,可以分析宏观经济形势、行业发展、上市公司经营状况等,进而为其更好更快的发展提供合理建议。 这样的金融数据资产有同花顺i Find金融数据终端,CSMAR数据库,Wind资讯经济数据终端,Wind资讯金融终端, 聚源数据库、锐思数据库、巨潮数据库等,研究者可以根据自己喜好任选其一使用。 根据获取的数据,可以研究财务指标与财务状况的影响;分析治理结构与盈余管理的关系;验证内部控制与会计信息质量的关系; 探究政策改革对企业税务的影响; 对比新旧会计准则对企业账务处理的影响;找出影响企业成本管理的因素;分析影响公司股票市盈率的因素;对比不同行业企业各类风险的水平;探究不同经济形势下企业的战略变动等。 根据分析得出的结果,给出相关发展和控制建议,进一步完善和促进经济、行业和企业的发展进步。

(二)市场监管价值

理论上来讲,证券市场是公平的,但是在现实中总有不遵循市场规则的机构和个人,通过不正当的手段来影响或操纵证券市场。 为了维护证券市场秩序,保障其合法运行,保护中小投资者的利益,市场监管显得尤其重要。 金融数据资产包括上市公司IPO上市资料、发行股票资料、 管理层持股变动信息、影响股价变化的重大事项等,监管机构可以通过金融数据库获得及时准确的数据。 根据获得的数据,监管机构可以对上市公司发行股票的条件进行审查,防止不具备条件的公司为圈钱而欺骗投资者;可以对证券交易进行监管,防止内幕交易和故意操纵价格的出现;可以监督出现重大事项的公司是否及时进行信息披露; 可以监控管理层持股变动情况;可以审核募集资金的去向是否合理合法。 对于在审批和交易过程中存在问题的上市公司或者其他机构,根据相关制度对其进行处罚和特别处理,进一步肃清影响证券市场公平运行的因素。

(三)行情预测价值

投资不是盲目的,机构和个人投资者在做出投资决策之前,都会关注和了解某只股票、基金、期权期货、外汇等一段时间的价格走势,并根据市场经济条件的变化、投资的变化, 预测其未来的行情变化趋势。 但是并不是所有的投资者都会利用数据进行分析, 也不是每个投资者都能看懂分析结果, 这时金融数据资产让一切变得简单起来。 炒股指示软件有大智慧分析家、同花顺智能交易系统软件、通达信期权通、东方财富炒股软件等, 它们可以及时为用户提供股票的价格、成交量、换手率、市盈率等,及时更新投资策略分析、每日投资快报、每日行业资讯、上市公司股票以及其他金融产品的市场走势等全面的内容。 让投资者可以比较轻松地看懂分析结果,选择性地听取投资建议,根据自己的风险喜好,选择比较偏好的股票、基金、期权期货等。

三、金融数据资产的价值评估方法

金融数据资产是无形资产的一种,在进行金融数据资产价值评估方法的选择上参考无形资产。 无形资产在价值评估的过程中常用的方法有收益法、市场法和成本法,三种方法适用范围不同。

收益法是指通过估算被无形资产的未来预期收益并将其折算成现值,进而确定被评估资产价值的一种资产评估方法。 收益法根据转让形式的不同,又可分为收益现值法、绝对值计价法、相对值计价法。 收益现值法根据无形资产是否独立转让或投资来确定预期超额收益;绝对值计价法是无形资产转让方和受让方进行谈判确定出无形资产的转让价格,该转让价格就是无形资产的价值,该转让是一次性转让与无形资产有关的全部权利;相对值计价法是在绝对值计价法的基础上确定的,转让的是滚动技术在未来可多次发生。 金融数据资产是由高新信息技术公司保留著作权,只转让使用权的一种无形资产,该无形资产的价值难以用货币衡量,预期超额收益无法确定,所以收益法不适用于金融数据资产的评估。

市场法的应用前提是在市场上能找到相似的无形资产交易,获得详细交易信息,根据可参照无形资产的价值,找出被评估对象与其之间存在的差异进行调整,得出的调整结果就是无形资产的价值。 金融数据资产是新兴的无形资产,虽然在市场上有多家高新信息技术公司拥有此类资产,但是由于用户的特殊性,金融数据资产使用权的交易价格在确定时由谈判确定,在成本允许的范围内带有一定的主观性。 而且各个高新信息技术公司在开发金融数据资产时,支出项目和数额有较大差别,没有统一的可比性,因此市场法也不适于进行金融数据资产价值评估。

成本法是根据计算或重置无形资产所需的成本来确定无形资产价值的方法,按无形资产的取得方式分为自创无形资产和外购无形资产。 自创无形资产的重置成本是指企业为研发创制一项无形资产所耗费的(包括研发、持有期间)全部物化、活化的货币支出;外购无形资产的重置成本是指重新购置该项无形资产所需的货币支出。 该方法适用于当无形资产确实具有现实或潜在的获利能力,但是获利能力不易被量化的情况,金融数据资产确实是一种可以获利但是不易量化的自制企业无形资产,所以成本法适合用于金融数据资产价值评估。 金融数据资产的评估价值表达式见公式(1)。 金融数据资产属于高新信息技术公司的自制无形资产,属于智力资本密集型的技术型无形资产,具有科研劳动的高风险性和复杂性,在计算重置成本时要运用倍加系数法,见公式(2)。 两个公式中,符号所表示的内容及具体备注见下表1。

在评估金融数据资产价值的过程中,转让成本分摊率按年均使用权转让收入与研发总成本的比值计算,随着时间的推移,金融数据资产年均使用权转让收入会增大,引起转让成本分摊率的增加。 转让机会成本取值为0,因为金融数据资产之转让使用权,而且可以同时多次转让,转让的次数越大, 获得的利润越大, 转让行为没有使该项资产损失其他的机会,所以取0。 科研人员创造性劳动倍加系数、科研平均风险系数和金融数据资产尚可使用的年限均按照高新信息技术公司的建议性规定取值;金融数据资产贡献率根据高新信息技术行业的特征,并借鉴高新技术类的资产贡献率。 适用的折现率计算方法采用风险报酬率模型,其计算公式如下:r=rr+β(rm-rf)+α。 金融数据资产可使用年限 ,按照高新技术其他无形资产的相关规定取20年。

摘要：在大数据时代,金融数据资产作为数据资产的一部分,是一种新兴的无形资产。从使用者的角度看,金融数据资产具有学术研究价值、市场监管价值、行情预测价值等。关于金融数据资产的价值评估,通过对比无形资产价值评估的三种常用方法的不同,决定选择成本法来评估,并确立了金融资产价值评估模型。

大数据“点金”金融业 篇8

当理赔案件发生时，可跟其他类似人群做比对。在相同的状况之下，用数据分析该案件跟别的案件相比是否存在不寻常的地方，以此发现更多欺诈的行为——引进该系统后的现代海上火灾保险公司，欺诈案件的比例下降了20%

在以网络化和数据化为特征的新经济时代，金融与大数据的交叉融合变得顺理成章且合乎情理。金融大数据旨在从海量的数据中快速获取有效信息以支持商业决策，从而进一步推动金融业发展。大数据将促进商业银行、保险等传统金融机构实现精准营销和更好的风险规避，从而带来更优的经营绩效和更高的运营效率。

新一轮革命催化剂

亚马逊通过其背后强大的大数据分析能力，能够了解客户的关注点和兴趣爱好，从而推荐了很多合适的商品；美国热播电视剧《纸牌屋》通过大数据分析，研究每个用户快进和回放的时间点等，并对导演、男主角和剧情进行合理组合，从而获得了不菲的收视率。可以说，大数据广泛应用于各行各业。

金融业本身没有类似实物的生产、物流等流程，其自身便是数据的生产、处理、仓储和传输的集合。无论是商业银行、证券公司还是保险公司，其业务交易系统每天都实时运转着巨量交易数据。不仅如此，每个个体背后都有庞大的历史数据作为分析和决策的支撑。所以大数据对金融业而言，施加的影响力更不容忽视。

大数据为金融行业带来的变革将首先体现在两个方面：精准营销。大数据改变信息结构，金融机构通过对客户数据的收集和分析，推出更有个体针对性的服务；风险管控。大数据改变风险管理模式，云计算推进最精确和最低成本的风险测算。这也进一步意味着运营效率和绩效的提升。在大数据的推动下，未来金融业将进一步从粗放式管理向精细化管理转变，从“以利润为中心”向“以客户为中心”转型，从“抵押文化”向“全面的风险管理体制”转变。

同时，大数据的发展还将推动互联网金融、移动金融等各种新业态的不断涌现。不少以技术为主导的互联网新兴企业也将参与到金融行业中来，一起分享大数据带来的饕餮盛宴。相信在未来的十年内，大数据将以更快的速度渗透到金融行业，掀起新一轮革命浪潮。

传统金融加快转型

传统金融中，大数据对银行业来说将会推动出现两大变化。

大数据增加可控风险客户的数量。过去因为各种原因，有部分本应引入的客户由于不能确定风险程度被放弃或过滤掉。而现在通过多维度的数据分析，可以更准确地评估一个人的信用程度和风险水平，确保不会“伤及无辜”。

大数据提高单位客户消费额。基于“天罗地网”的精准营销也让银行信用卡在消费额方面受益良多。有数据显示，在运用大数据技术后，部分商圈交易量提升了300%，而之前提升水平仅有10%-15%。

商业银行通过大数据分析实现信用卡的精准营销是大数据金融最广泛的应用。信用卡对数据的依赖和敏感与生俱来，大数据所带来的庞大资源和信息风暴为信用卡的发展带来了很多的契机。然而，由于中国金融市场成熟度不高，信用卡市场相比于技术成熟的美国市场而言尚存在一定的差距。但是，随着业务的不断发展以及市场的日趋成熟，未来借助大数据的个性化服务会越来越明显。

至于保险，这个行业从诞生伊始就与数据息息相关，需要预测各种交通事故或者病情发生的概率以及频率，从而进行更加合理的定价。与过去主要依赖大数法则不同，保险公司在大数据时代将更多地考量单个用户的个体性以及相关因素的复杂性。大数据分析为保险行业带来的变革将会涉及产品研发、定价、营销、渠道、理赔以及服务等诸多因素，这一系列变化在国际领先的保险公司已经有所体现。

产品设计和精准营销。一些保险公司与电信公司展开合作，通过数据分析掌握客户的特殊需求，从而推出更有针对性的产品以达到精准营销的目的。

此外，无处不在的社交网络也在依照不同客户群体的兴趣爱好自发地对其进行了划分。比如，很多社交网络都有车友会，甚至可以细分到某品牌某款车的车友会。车险公司可以在针对此类网络社群的数据分析的基础上主动介入进行营销，从而达到事半功倍的效果。与大数据时代下的精准营销相比，以往由保险公司销售人员挨家挨户上门推销产品的做法不仅效率低下，而且耗费了大量的人力资源。

定价和理赔。结合移动通信，利用车载监控系统以及定位技术来捕捉实时数据将会变得越来越普及。通过安装车载监控系统，保险公司可以更好地了解驾车者的行为习惯，从而进行更加合理的定价以及理赔。

风险控制。保险诈骗一直是保险公司最头疼的问题之一。以保险业最为发达的美国为例，每年因为欺诈造成的损失即达到300-500亿美元。韩国现代海上火灾保险公司于2010年引进了SAS的欺诈防范系统（FAS），旨在减少欺诈案件的发生。该系统采取“混合式”侦测方法，运用业务规则的同时，还采取了“异常侦测”方式防范风险——当理赔案件发生时，可跟其他类似人群做比对，在相同的状况之下，用数据分析该案件跟别的案件相比是否存在不寻常的地方，以此发现更多欺诈的行为。引进该系统之后，现代海上火灾保险公司欺诈案件的比例下降了20%，取得了良好的防范效果。2013年，大数据分析公司奥浦诺为美国各州及医保医补服务中心建立了软件平台，依靠其医保索赔数据侦测领域的专业技术对交易中的可疑模式进行检测，从而有效防止了保险交易中诈骗的发生。”

值得一提的是，越来越多的国内保险公司也逐渐意识到大数据未来的潜在机遇，纷纷加强自身数据建设。

互联网金融异军突起

阿里金融之所以能走到今天的强势地位，依靠的是自身强大的平台基础和大数据的支撑。

通过平台和大数据的支持，阿里金融可以很方便地了解贷款客户的信息和信用情况，从而有效地控制风险。在数据分析模型中，阿里金融会实时不断微调各种权重，让数据分析更精准，从而确保坏账率不会上升。网络金融的客户质量良莠不齐，金融需求也不同，无法通过房产抵押等传统商业银行贷款模式来降低风险，这就需要更加高效和完善的数据做支撑，从而更好地挖掘潜在需求，进行准确的信用评价，以及有效控制风险水平。

此外，由于正规金融机构长期以来始终未能有效解决中小企业融资难的问题，而以大数据为创新驱动的金融改革具有互联网用户聚合和高速传播的特点，能够大幅降低信息不对称和交易成本，促进信息消费升级，加快民间资本对金融业的支持，从而促使资金供需双方都是个人的投融资模式成为可能。P2P模型在中国尽管发展迅猛，但还处于初级阶段，整体市场较为不成熟，不少机构最终倒闭或者卷钱跑路。这种模式尚处于灰色地带，很可能演变成高利贷和非法民间集资的手段。

无论是传统的金融公司还是崛起的互联网企业，都在迫不及待地加入大数据金融时代。但大数据的出现为金融业带来机遇的同时，带来了不少挑战。例如，交易中介失去了存在价值，尤其是虚拟信用平台的出现将加剧金融中介的消亡，而IT智能也会逐步替代传统服务中介的部分角色。更多样化的运作模式将呈现出来。金融行业竞争将更加激烈，整个行业将出现强者恒强的格局，较弱企业若不能及时展开差异化竞争，最终被市场淘汰。