期刊问答网 论文发表 期刊发表 期刊问答

大数据在互联网金融领域应用的论文10000字题目有哪些

大数据在互联网金融领域应用的论文10000字题目大全 大数据在互联网金融领域应用的论文10000字题目有哪些

  • 回答数

    6

  • 浏览数

    91

回答 关注
jieliqingjie
首页 > 期刊问答网 > 期刊问答 > 大数据在互联网金融领域应用的论文10000字题目有哪些

6个回答 默认排序1
  • 默认排序
  • 按时间排序

达瓦地外

已采纳
您好金融学本科我给你吧

大数据在互联网金融领域应用的论文10000字题目有哪些
337 评论（8）

hqk0529

杨帅（2016）按照共享经济主体方面之间的差异来进行分类的，与此同时，杨帅还提出了包含消费及生产领域的可以实现对参与主体进行划分的框架。该框架是一个比较具体化的框架，主要包括以下几点：第一，企业-个人类型。这种类型指的是企业借助第三方网络平台或相关联的企业进行其闲置资源利用渠道的拓宽。其中，最为经典的案例就是首钢创客空间。第二，个人-企业类型，这种类型也被称为临时工代表性经济形式。简单来说就是那些拥有时间、资源、技能的个人借助网络平台中的相关众包平台，满足企业临时性的服务需求。在这一过程中，个人为企业提供服务并收取适当的报酬。通过这种方式，企业能够用较低的成本来解决其内部问题而且个人也能够在为企业提供服务的过程中得到相应的报酬。第三，个人-个人类型，在这种模式中交易的主体为个人。个人能够借助第三方网络平台来实现个人需求与共计之间的协调，该网络平台作为媒介其主要的作用就是为双方提供信息。比如：滴滴出行。通过该平台，双方的利益都能够得到满足，且经济效益也能够得到增加。最后一种是企业-企业类型，通过对互联网的合理应用，企业中的闲置资本能够得到有效的利用。通过资源的充分利用，企业内部生产领域的结构性问题也能够得到很好的解决。例如：阿里巴巴淘工厂。阿里巴巴淘工厂将线下供给能力与线上市场需求之间进行了结合，以此来带动其供给与需求之间的最优配置，进而提升其企业资源配置的合理性。吴晓隽和杨天波（2015）的观点中，共享经济是能够在IT软硬件生产、无线网络、信息终端以及新型消费及生产模式的构建过程中都有十分重要的作用。也就是说，共享经济的影响范围不仅局限于互联网及相关产业中，还包括对于企业经营管理、消费模式、生产模式的影响。郑志来（2016）在对共享经济这一问题进行研究的过程中，首先对供给侧改革的相关内容进行了分析。随后，郑志来表示，共享经济能够有效的改善经济失衡的状况并能够成为供给侧机构性变革过程中一个十分重要的补充部分。共享经济与供给侧结构性改革之间是存在着一定的联系的，且共享经济是一种实现经济方式转变的有效手段。二、共享经济相关理论（一）共享经济的概念最早提出共享经济这一概念的学者是马科斯·费尔逊和琼·斯潘思，在其代表作《社区结构和协同消费：常规活动的方法 》中有对这一概念的详细解释。近几年，伴随着我国经济发展水平的不断提升，共享经济这一概念逐渐被人们所了解。当下，我国对于共享经济的定义为：借助互联网信息技术等一系列相关的科学技术，对海量的、分散的资源进行合理有效的整合并能够满足多样化需求的经济活动的总称。共享经济的主要特征为使用权限，是一种合作经济。共享经济的目的就是为了进行交易成本的压缩，进而带来经济效益的提升。共享经济的主要作用包括以下两点：首先，共享平台的性质是中间媒介，能够带动双方交易成本的降低。与此同时，借助这一共享平台双方能够得到更多的资源和信息，并且其监督成本较低。其次，在共享平中，原本不能够加入到大交易环节中的物品也能够进行交易。这就使交易的范围得到了扩大，且资源的利用效率得到了提升。伴随着经济的不断发展和进步，产生了一种新型的经济形态—基于 O2O 的共享经济。这种经济活动其实在很久之前就已经产生了，不过都没有得到人们的重视。近几年，基于O2O的共享经济逐渐被人们所了解、重视并且不断的发展起来。这种新型经济形态产生的根本原因是互联网信息技术的不断发展，使得传统的交易区域、空间被打破，市场规模得到了扩张。在这种形势下，每个人都是需求者和供给者。在新型经济形态中，物品的使用权、所有权之间处于分离的状态，且相关的交易内容也被赋予了新的意义。与此同时，人们在获取物品的过程中其目的也发生了改变。人们的关注点转移到了物品的实际使用权利上，这就使得物品的使用效率得到了明显的提升。对于消费者来说，用更加低廉的价格就能够租用到你需要使用的物品，这种方式既能够满足消费者使用物品的需求还能够减少消费者的支出。而且，限制资源在这一过程中也能够得到更加合理、有效的利用。（二）共享经济的特点1、价值增值价值增值过程属于西方经济学领域，其被定义为是劳动力价值的补偿，而其在共享经济的商业模式下，其又被赋予了新的意义与和内涵，因为共享经济对于价值进行了全新的定义，即只有在有需求的人手里，物品才能体现其价值，因而这一价值增值过程就成为了将闲置的物品转移到对其存在需求的人手里的过程。卖家通过售卖闲置的物品，在清理自己的生活空间的同时还可以回收到相当于物品原价格中的一定资金的回报，而限于经济原因而无法入手想要商品的买家也可以经由购买这些出售的闲置商品来满足自身的强烈渴望。2、充分利用闲置资源对于闲置资源的充分利用也是共享经济特点中的一种，其能够提高资源的利用率甚至保护环境。正是由于社会经济的不断发展与科技的飞速进步使得一部分人在追求最新科技的同时对于其拥有的尚且完好的高科技产品进行不断的淘汰，这正是由于城市生活集约化的进一步发展和居民个人生活水平的不断提高同时伴随在社会产能过剩的背景下个人对于产品拥有的越来越少的可使用空间所导致的。而那些所淘汰下来的产品又会对个人的生活空间产生占据，由此甚至还需要个人来负担养护和维修的开销，同时产品没有得到充分利用也是一种资源的浪费，违背了绿色发展的理念。其实在社会生活中，共享经济无处不在，例如在交通领域，其传统的公交飞机地铁火车就能够极大的的便利许多乘客的交通出行，它就属于一种共享经济。而新开发出来的滴滴打车也对众多用户的出行起到了很大的便利。将使用交通产品的时间段错开以实现对于车辆的使用率的显著提升，这在降低物品闲置时间，提高资源的利用效率的同时还能实现对于在自身生活成本上的降低，符合绿色发展的理念3、网络易访性随着互联网那个大时代的到来，人们可以更加方便的经由网络来实现自身的生活方式上的便捷化，这点也体现在了共享经济中的闲置物品交易上，买家和卖家双方都能够在网上实现顺畅的交流，这也使得卖家更容易对用户的需求实现掌握，互联网所提供的强大的图文功能可以让买家更好的了解卖家的产品，也更便于卖家对自己的产品进行更好的展示以吸引客客户。O2O网站是一种个人对个人的网络销售方式，正适合闲置物品的买卖，其提供的功能可以降低卖家进行宣传推广的成本，而对于卖家来说也是省去了去线下进行了解的精力，使其通过网络就能实现对产品的全方位了解，因而共享商业模式的实现离不开网络的易访性，正是其为买家与卖家之间提供了便利且成熟的用以双方交流的平台来实现了对于共享商业的促进作用。4、社群共享社群共享是消费者在消费过程中，寻找的具有相同消费需求的群体，为了节省一定的消费费用而采用团购或拼团的方式进行消费。例如拼多多和美团就是针对具有相同购物需求的的消费者群体而建立的；58同城、安客居是将有共同的居住需求的人们聚在一起；51job以及智联招聘则是构建了一个用人单位和求职者之间的沟通交流搭建了桥梁；天猫、淘宝以及聚美优品则是找准自己的市场定位，主要对自己的强项进行经营。通过众多的APP我们可以看出，社群共享产生了一种新的消费模式。5、所有权需求下降在以前那个物资匮乏的年代，只有拥有了该商品的所有权才能心安理得地使用。不过现在人们生活水平的大大提高，对产品的消费观念也发生转变，人们在进行商品购买时更突出获得商品的使用权而不是所有权，商品只有对自己有用才具有价值。在这种消费观念下，共享经济应运而生。一辆共享单车可以在一天内满足十几个人的出行需求，一份学术资料可以供几百位学者学习借鉴，如何在最小的代价下最大程度上满足市场需求，是在共享经济发展模式下需要思考的主要问题。共享经济的发展在一定程度上满足了更多人的消费需求，并且被更多的人认可和接受。三、我国共享经济存在的问题分析（一）现有法律法规无法适应共享经济的发展由于我国的法律条文大部分是在上世纪制定的，所以在我国当下实行的法律体系中，对于新出现的共享经济并没有制定明确的法律规定，而且共享经济依托于互联网的发展而发展，并且在多个领域均有涉及，所以没有一个行业的法律能够直接套用到共享经济的发展之中，对于共享经济从业人员的待遇问题、电商平台的税收问题等层出不穷的新问题都有待解决。一些陈旧的法律条文并不能适应当下经济发展的需要，如果从旧时代的法律角度来看新时代的经济发展，共享经济中有许多创新企业都涉嫌违规或在濒临违规的边界，部分法律并不能对共享经济的发展起到相应的监管，反而具有一定的阻碍作用。共享经济的准入门槛较低，服务质量良莠不齐，并且在对共享经济的发展中缺少有效的市场监管，消费者利益得不到保障。因此，我国要不断完善关于共享经济的法律体系，建立相关的监管部门保障行业稳定发展，并通过相应的激励机制促进创新企业的发展，使共享经济能为我国的国民经济发展做出更大的贡献。
146 评论（13）

harmony1020

大数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化（Capitalization）。 　　大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。 　　数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。 　　为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。 　　价值导向与内嵌式变革—BCG对大数据的理解 　　“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。 　　1成就大数据的“第四个V” 　　大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。 　　虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了大数据。 　　另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource Planning）和CRM（Customer Relationship Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。 　　“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？ 　　BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。 　　2变革中的数据运作与数据推动的内嵌式变革 　　多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？ 　　无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。 　　因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。 　　具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。 　　1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度 　　在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。 　　2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续” 　　在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而“相关关系”正在逐步获得一席之地。 　　3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛 　　大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。 　　4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化 　　在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。 　　例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动力。 　　应用场景与基础设施—纵览海内外金融机构的大数据发展实践 　　金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。 　　1大数据的金融应用场景正在逐步拓展 　　大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。 　　1海外实践：全面尝试 　　1银行是金融行业中发展大数据能力的“领军者” 　　在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应用潜力尤为可观。 　　BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。 　　银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。 　　相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本低，而且对风险评估的速度快，同时显著提升了评估的准确性。 　　银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。 　　客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。 　　在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。 　　银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。 　　BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network Max正是用来解决类似问题的工具。　　银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。
241 评论（14）

w150277

获得学位意味着被授予者的受教育程度和学术水平达到规定标准的学术称号， 经在高等学校或科学研究部门学习和研究，成绩达到有关规定，由有关部门授予并得到国家社会承认的专业知识学习资历。
148 评论（13）

组长

事实上，所谓“大数据时代”的说法并不新鲜，早在2010年，“大数据”的概念就已由美国数据科学家维克托·迈尔·舍恩伯格系统地提出。他在 大数据时代一书中说，以前，一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了。比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时。但如今，数据已经成为一种商业资本，可以创造新的经济利益。　　数据能够成为一种资本，与移动互联网有密切关系。随着智能手机、平板电脑等移动数码产品的“白菜化”，Wi-Fi信号覆盖的无孔不入，越来越多的人不再有“在线时间”和“不在线时间”之分，只要他们愿意，便可几乎24小时一刻不停地挂在线上；在线交易、在线支付、在线注册等网络服务的普及固然方便了用户，却也让人们更加依赖网络，依赖五花八门的网上平台。　　而随着科技的进步，以往需要几盒软盘或一张光盘保存的信息，如今只需一片指甲盖大小的芯片，即可全部储存而且绰绰有余；以往需要电脑、显示器、读卡器等专门设备才能读取的数码信息载体，如今或许只需一部智能手机和一个免费下载的APP第三方应用程序，便可将数据一览无余。　　大数据时代的科技进步，让人们身上更多看似平常的东西成为“移动数据库”，如带有存储芯片的第二代银行卡、信用卡，带有芯片读取功能的新型护照、驾驶证、社保卡、图书证，等等。在一些发达国家，官方为了信息录入方便，还不断将多种“移动数据库”的功能组合成一体。　　数字化时代使得信息搜集、归纳和分析变得越来越方便，传统的随机抽样被“所有数据的汇拢”所取代，基于随机抽样而变得重要的一些属性，如抽样的精确性、逻辑思辨和推理判断能力，就变得不那么重要，尽可能汇集所有数据，并根据这些数据得出趋势和结论才至为关键。简单说，以往的思维决断模式是基于“为什么”，而在“大数据时代”，则已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此，将更精确，更有预见性。　　不过，一些学者指出，由于“大数据”理论过于依靠数据的汇集，那么一旦数据本身有问题，在“只问有什么，不问为什么”的模式下，就很可能出现“灾难性大数据”，即因为数据本身的问题，而做出错误的预测和决策。（如能帮到你，望您采纳！！谢谢！！）
301 评论（13）

萨拉热窝火柴

事实上，所谓“大数据时代”的说法并不新鲜，早在2010年，“大数据”的概念就已由美国数据科学家维克托·迈尔·舍恩伯格系统地提出。他在 大数据时代一书中说，以前，一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了。比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时。但如今，数据已经成为一种商业资本，可以创造新的经济利益。数据能够成为一种资本，与移动互联网有密切关系。随着智能手机、平板电脑等移动数码产品的“白菜化”，Wi-Fi信号覆盖的无孔不入，越来越多的人不再有“在线时间”和“不在线时间”之分，只要他们愿意，便可几乎24小时一刻不停地挂在线上；在线交易、在线支付、在线注册等网络服务的普及固然方便了用户，却也让人们更加依赖网络，依赖五花八门的网上平台。而随着科技的进步，以往需要几盒软盘或一张光盘保存的信息，如今只需一片指甲盖大小的芯片，即可全部储存而且绰绰有余；以往需要电脑、显示器、读卡器等专门设备才能读取的数码信息载体，如今或许只需一部智能手机和一个免费下载的APP第三方应用程序，便可将数据一览无余。大数据时代的科技进步，让人们身上更多看似平常的东西成为“移动数据库”，如带有存储芯片的第二代银行卡、信用卡，带有芯片读取功能的新型护照、驾驶证、社保卡、图书证，等等。在一些发达国家，官方为了信息录入方便，还不断将多种“移动数据库”的功能组合成一体。数字化时代使得信息搜集、归纳和分析变得越来越方便，传统的随机抽样被“所有数据的汇拢”所取代，基于随机抽样而变得重要的一些属性，如抽样的精确性、逻辑思辨和推理判断能力，就变得不那么重要，尽可能汇集所有数据，并根据这些数据得出趋势和结论才至为关键。简单说，以往的思维决断模式是基于“为什么”，而在“大数据时代”，则已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此，将更精确，更有预见性。不过，一些学者指出，由于“大数据”理论过于依靠数据的汇集，那么一旦数据本身有问题，在“只问有什么，不问为什么”的模式下，就很可能出现“灾难性大数据”，即因为数据本身的问题，而做出错误的预测和决策。
276 评论（14）

相关问答

文章推荐

热门文章

版权 © 期刊问答网 | 鄂ICP备bbbbbbbb号-5 | 网站地图

声明：本网站为民间交流网站,主要为考生提供报考指导服务,网站信息仅供学习交流使用,官方信息以省教育考试院、人事考试院通知为准。

本站文字及图片均来自于网络，如有异议，请联系我们，我们配合删除。