2012年盛夏的某一天，美國明尼阿波利斯市郊外的一位父親，收到了一些寄來的有關養育嬰兒的優惠券,收件人是他那還讀高中的女兒。這位父親起初勃然大怒，準備同寄出這些優惠券的美國第二大零售商理論，但后來發現女兒確實不小心懷了孕。而商家正是根據這位少女在該店的購物記錄，通過“大數據”分析和判斷，準確無誤地預測到了她的預產期，于是立即啟動了個性化服務。

一個正在改變我們的生活、工作和思維方式的新浪潮正悄悄來到我們身邊，這就是大數據（Big Data）時代。

準確預測未來

大數據首先意味著海量數據。從有記錄時代開始到2003年，全球總共產生了500億字節的數據，而到了2011年，每兩天就會產生同樣數量的數據，根據預測，2013年只用10分鐘就可以了。當然，僅有海量數據還不夠，還必須具有處理海量數據的能力。對數據的記錄和處理古已有之，以數據為參考做出科學決策也一直是商家和各類機構追求的目標，只不過在模擬時代，這項工作費時費力，再加上數據有限以及技術方面的不成熟，準確性和科學性都難以把握，也因此出現不少差錯。進入數字化時代后，一切都在改變，根據IDC公司的統計，在過去60年內，計算能力增長了4萬億倍，同時，人們擁有了以云計算為基礎的更多、更強大的采集、處理和分析數據的工具，而且成本一直呈下降趨勢。

大數據時代的另外一個顯著特點是數據的形式多種多樣，谷歌的搜索、亞馬遜等電子商務網站的交易紀錄、電子郵件、傳感器上的讀數、手機GPS信號等都是大數據的先驅。特別值得一提的是,近年來最為火爆的社交媒體提供了另外一種形式的數據，如Facebook和Twitter上的短信、微信等既有文本文件，還包括音頻、視頻等多種形式,都會成為新的數據源。社交媒體將人與人之間的關系、不同人群的情緒以及經歷一網打盡，一個更加立體和生動的數據集合呈現在我們面前。

大數據還有一個重要特點就是速度快，數據的快速和實時性對于金融業來說比海量更重要。美國麻省理工大學媒體實驗室（Media Lab）的幾位研究員使用移動電話的定位數據功能,統計出黑色星期五那天在美國梅西百貨店停車場的汽車數量，并在此基礎上預測了該百貨店當日的銷售額，其結果同商店關門后的統計數字相吻合。但很明顯，時間上的超前為華爾街分析師和相關管理人員在決策方面提供了巨大的競爭優勢，換句話說，實時數據讓預測更加接近真實。

計算機技術從互聯網普及到社交媒體的風行是一個量的變化，而從數字化到數據化則是一個質的飛躍。現代社會本質上是由信息構成的，信息成為如土地、勞動力一樣的新型生產要素，如能有效利用將給社會帶來根本性變化。大數據時代將帶來一場管理革命，促使企業從一個新的視角重新審視數據戰略，商家所關心的就是如何從潛在的數據中挖掘出金礦，揭示出新的商機，為商業決策提供輔助，構建新的核心競爭力。

輔助金融決策

金融業是產生海量數據的行業，大數據正在改變著銀行的運作方式，特別是對理解和洞察市場和客戶方面正產生著深遠的影響。

金融市場價格走勢很大程度上受市場情緒的左右，社交網絡提供的情緒數據為金融交易帶來巨大機會。一些機構以社交網站為交易策略中心的平臺正為市場帶來新的活力。

目前風靡華爾街的算法交易正是讓大數據為其服務的最好案例。一些算法交易公司憑借的就是通過跟蹤全球互聯網上的頭條新聞以及微博數據等捕捉政治、經濟方面的變化對市場的影響，并將其作為股市投資的信號。一些提供專業服務的技術平臺風起云涌。MarketPsych公司和路透社合作提供了119個國家的18000多個獨立指數，如每分鐘的心情狀態——樂觀、憂郁、快樂、恐懼和生氣等，為金融機構的自動交易提供第三方服務。

信貸管理是長期困擾銀行的難題，大數據準確和有價值的信息為銀行信貸審批與決策提供了一個新的視角和工具。包括微信、微博在內的社交網站以及搜索引擎、物聯網和電子商務等平臺將人們之間的人脈關系、情緒、興趣愛好、購物習慣等生活模式以及經歷一網打盡，并將其加入到巨大的個人信息庫中。銀行利用這些更加準確和豐富的數據在信用分析和客戶評級方面做出正確判斷和決策，讓信貸決策不再僅僅憑借滯后的數據和束縛手腳的條條框框，而是從被動轉變為主動，從信用分析發展到行為分析，為信貸審批帶來全新的方式。

一些消費信貸創業公司正研究開發以社交圖譜為依據的FICO信用評分系統，利用15個變量決定其信用等級，預測單個借貸者是否會違約。一份內部研究顯示，根據物以類聚的原理，個人貸款償還可能性和其朋友償還債務可能性呈正相關。大數據從一個新的緯度提供信用分析參考，逐漸降低信貸方面的高門檻。

由于大數據可以整合更多信息，并可以更準確評估客戶風險，銀行可以為不同風險客戶提供不同價格的貸款。如果借款人與貸款人之間彼此擁有足夠信息，金融中介的作用會變得越來越模糊，正在崛起的數據銀行已對傳統商業銀行構成巨大威脅。

大數據為金融機構提供了客戶全方位信息，通過分析和挖掘客戶的交易和消費信息掌握客戶消費習慣，并準確預測客戶行為，有針對性地推銷產品和服務，滿足銀行對潛在客戶量身定制服務的需求。另外，在品牌管理和客戶服務反饋方面，大數據通過對人們在思想、情緒和通信方面的數據化情感分析，獲取并匯總顧客的反饋意見并對營銷活動效果做出準確判斷。

大數據時代出現了更多金融與商業的跨行業聯動營銷。西班牙的桑坦德銀行每周發給其分行一份可能對該行某類產品感興趣的客戶清單，其中有些就不是金融產品。花旗銀行新加坡分行在觀察客戶信用卡交易的基礎上，借機提供相關商店和餐館的折扣。信用卡公司和其他零售商也在涉足這個領域，Visa 與服裝零售店Gap聯手向在Gap店附近刷卡的持卡人發送折扣券。亞洲花旗有25位數據分析師，2012年在新加坡設立了一個新的“創新實驗室”，將數據分析師和大機構客戶與孟加拉的大型分析中心聯系在一起，如果客戶簽下服務，刷信用卡，系統可以查看任何一天客戶購物和吃飯的地點，以及偏好，如果發現該客戶喜歡意大利餐，快到午餐時，如客戶所處的位置附近有一家著名的意大利餐館，銀行可以發送短信，提供那家餐館的打折券，使得第二次交易出現。系統甚至有能力找出客戶接受這項優惠的比例。這些靈感正是借鑒從亞馬遜營銷圖書的經驗，客戶的喜好不僅僅取決于他所買到書，還取決于相同客戶買了什么書。

金融機構最為關注的是風險管理，而大數據在管理交易、信貸風險和合規方面大顯神通。許多金融機構早已采用大數據防治欺詐，保持交易方面的合規，如在龐大的數據庫中核對黑名單中的名字，區別同名同姓。信用卡公司用大數據分析客戶大規模的交易規律，大大降低了風險。

雖然大數據時代為金融業帶來的潛力和新商機還有待人們的捕捉，但毋庸置疑的是，大數據正在成為金融業運作的最有價值、最強大的決策輔助工具。