国家政策扶持助力大数据行业快速成长。
2023年6月26日，由中国通信标准化协会和中国信息通信研究院联合主办的“2023大数 据产业发展大会” 在京召开。中国信息通信研究院副院长王志勤在致辞中表示中国信息通信 研究院在工业和信息化部指导下，与大数据产业同频共振，持续围绕大数据技术、产业、应用 深入研究，构建了“可信大数据”、“可信数据流通”、“可信数安”等评估评测体系，积极推动 我国大数据产业发展。 大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中 发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。在国家政策的大力支持 下，大数据市场空间广阔，我国高度重视大数据在推进经济社会发展中的地位和作用，陆续出 台了多项政策，鼓励大数据行业发展与创新，如《“十四五”数字经济发展规划》《“十四五”大 数据产业发展规划》等。
随着数字化转型深入推进，各个领域对于大数据技术和解决方案的需求将进一步扩大和 深化。尤其是在金融、医疗健康、教育培训、交通物流等领域，基于大数据分析与挖掘的智能 决策支持系统将发挥重要作用。 大数据技术的应用提升了金融行业的资源配置效率，强化了风险管控能力，有效促进了 金融业务的创新发展。金融大数据在银行业、证券行业、保险行业、支付清算行业和互联网金 融行业都得到广泛的应用。金融大数据应用已经成为行业热点趋势，在交易欺诈识别、精准营 销、黑产防范、消费信贷、信贷风险评估、供应链金融、股市行情预测、股价预测、智能投顾、 骗保识别、风险定价等涉及银行、证券、保险、支付清算和互联网金融等多领域的具体业务中， 得到广泛应用。
大数据技术的应用已经逐渐深入我们的日常生活，比如支付服务，支付服务操作十分便 捷，客户已经可以做到随时随地进行转账操作，而面对盗刷和金融诈骗案件频发的现状，支付 清算企业交易诈骗识别挑战巨大。大数据可以利用账户基本信息、交易历史、位置历史、历史 行为模式、正在发生行为模式等，结合智能规则引擎进行实时的交易反欺诈分析。整个技术实 现流程为实时采集行为日志、实时计算行为特征、实时判断欺诈等级、实时触发风控决策、案 件归并形成闭环，以保证支付服务的可靠性。
金融数据是整个金融信息行业的核心，随着数据生产要素地位的确立及大数据、人工智 能等技术的应用，金融数据的重要性更加凸显。深挖数据价值、释放数据潜能的同时，金融数 据泄露、滥用、窃取、篡改等安全风险及事件与日俱增，影响范围也逐步从单个机构扩大至行业间、行业外，甚至影响国家安全与金融秩序。近年来，在立法方面，《中华人民共和国数据安 全法》（简称《数据安全法》）、《中华人民共和国个人信息保护法》（简称《个人信息保护法》） 等数据安全基础性法律不断出台，数据安全与个人信息保护制度趋于完善；监管方面，相关主 管部门从个人金融信息保护、金融数据出境安全、APP违法违规治理等方面，对金融科技产业 数据合规问题进行穿透监管；消费者方面，全社会对个人信息保护的关注度与日俱增，消费者 在享有金融产品和服务的过程中，越来越关注自身的金融信息安全，力求保障个人合法权益。 金融数据重要性凸显，数据法网愈发严密，责任体系日臻完善，金融数据合规管理体系日趋健 全。 在整个金融数据合规体系中可分为基础性、主要性、辅助性三个面向。基础性面向源自其 作用范围的普遍性，如保密、资质及关键信息基础设施保护，影响金融数据合规的各个环节和 方面；主要性面向直接决定金融业机构数据管理是否合规及合规风险大小，由个人金融信息保 护及重要数据安全两个重要方面构成；辅助性面向是金融数据合规有效性的保障，采取技术 措施、形成全流程管理制度、开展教育培训、加强风险监测等要求，这些要求也是金融数据全 面合规的重要组成部分。
大数据的深入应用可以帮助金融科技公司设定切合实际的目标。通过数据分析，金融科 技公司将能够从历史趋势和过去的活动中收集数据，以辅助公司管理者作出正确的决定。当某 些目标无法实现时，也可根据大数据汇总的图表、指标等数据发现问题原因，进而改变公司发 展规划。 大数据分析有助于提高客户留存率。客户是任何企业所依赖的最重要的资产。如果没有 建立强大的客户基础，任何公司都无法宣称成功。然而，即使拥有庞大的客户群，企业也不能 忽视激烈的竞争。大数据的使用让企业能够观察各种与客户相关的模式和趋势，观察客户行为 对于触发忠诚度至关重要，从理论上讲，公司收集的客户数据越多，企业能够识别的方式和趋 势就越多。
大数据帮助企业提高服务水平。数据分析可以让企业预测他们满足客户需求的能力。不 同用户会有各种不同特求，大数据会根据不同地区、不同性别、不同年龄、不同爱好偏向等等 标签做统一梳理，展示，运营人员针对不同的分类制定不同的话术、推荐、供货商、快递渠道等等，让公司与用户沟通更加顺畅。 大数据分析有助于决策。虽然决策者的直觉和经验很有价值，但企业必须依赖数据去做 决策。如果没有数据分析，金融科技公司将无法对定价策略和其他业务因素做出合理的决策。 即使在招聘人员方面，数据分析也可以帮助金融科技公司评估要雇用多少人、预计多少人力开 销等。 大数据分析有利于金融企业降低成本。无论企业的规模有多大，成本都是任何企业的重 要因素之一。大数据分析可以帮助金融科技公司确定正确的策略，以便金融科技公司可以在正 确的时间投入合适的劳动力、设备等资源。这最大限度地降低了成本开销的风险，并在数据分 析的帮助下更好地利用资源以获取最高的投资回报率。
一个公司是否为一个成功企业，首先要看是否能够提供满足客户需求的产品。客户喜欢和 不喜欢根据需要而变化。历史金融大数据可帮助企业审查不断变化的客户行为，使他们能够做 出满意的产品并提供优质的服务，从而简化金融科技公司流程。 大数据针对客户反馈可以更好了解客户的想法。大数据根据调查结果评估客户满意度。例 如，它可以帮助金融机构确定客户流失的速度和原因，帮助他们设计新的方法来保持受众对其 服务的兴趣。此外，它还被用于管理产品和功能请求，以及分析客户支持的趋势。 信用评级依托于大数据。金融公司可以根据用户的工作职级、借款频次、还款行为、消费 场景、客户逾期的次数等综合评估信用评级。 大数据可识别欺诈行为。金融服务将大数据与机器学习等数字技术相结合，已经证明在 检测可疑活动方面卓有成效。它们可以防止各种类型的复杂欺诈和精心策划的黑客攻击。 管理者可通过提供出色的客户体验来衡量投资回报率。借助大数据的洞察力，金融科技 公司可以衡量他们为提供积极的客户体验所做的努力是否成功，通过衡量投资回报率，确定需 要改进的地方和关注的重点。 毫无疑问，大数据是彻底改变金融科技行业的一种技术进步。它允许访问大量数据，这些 数据可用于改善客户在零售银行、在线交易和其他金融流程中的用户体验。
