網際網路金融的發展依託大資料，那麼大資料的特徵有哪些？優勢在什麼地方？它給傳統金融機構帶來了哪些機遇與挑戰？
張曉蕾（渣打銀行（中國）有限公司副行政總裁）：傳統商業銀行也有廣泛使用大資料技術，但對技術的依賴程度是一個值得研究的課題。
舉個簡單的例子，渣打銀行的程式性借貸（其中也包括個人借貸）是通過蒐集大資料，並設定引數，這是一個自動撮合的過程。整個借貸流程非常快速，以新加坡為例，兩個小時就可以完成審批。產品本身非常好，快速、高效，且成本低廉。但是其發展速度受到一定限制。經過多年的摸索，我們發現，這個業務的增長速度與其壞賬增長並不呈現為線性關係，在飛速增長達到臨界點後，其壞賬明顯增加。當然這與地域有一定關係。
商業銀行為什麼需要不斷調整自身使用的模型？因為這些模型本身就是風險的來源，調整模型意味著對風險的控制，這也是新的第三方機構需要累積的經驗。比如證券界流行的量化策略，實際上是應用歷史資料和概率進行投資策略的模型。根據這個理論制定策略，我們卻發現黑天鵝事件導致了機構的倒閉，這就是系統之外的突發性風險。
傳統商業銀行不能忽視大資料時代的到來，這意味著成本的大幅度下降。如果我們不能面對這樣的轉變，未來我們可能在很多領域都要讓位於在大資料方面有很大優勢的新進者。
從另外一個角度來講，新進者在提供金融服務時，必須要考量傳統金融行業行之有效的風控。為什麼銀行要花這麼高的成本去做風控及信貸審批，特別是中型以上的金融機構，基本還是以人為考量標準，如果不能面對面看到貸款方，很難做出重大決策。
武劍（中國光大銀行專職董事）：銀行對網際網路金融的關注始於餘額寶，他們一開始並沒有正視這個問題，對餘額寶的影響估計不足。現在大家都在逐漸適應的過程中，目前尚存在監管的盲區，有一定套利的空間，但它不會是長期問題。我們更關注的是網際網路金融的深層次影響，由於近年來移動網際網路的飛速發展，導致資料量激增，形成大資料現象。IBM的研究顯示，近兩年全球產生的資料量，相當於整個人類有記錄以來資料量的90%以上，而且還在以幾何倍數的速度上升。並且這些大資料不光是海量，而且主要是非結構化的。以前銀行處理的資料都是結構化的，比較規範、標準，這方面的經驗比較多。而現在各種渠道獲得的資料，有音訊、影像、視訊等各種各樣形式，我們不知道應該如何應對。另外，大資料還有一個特點是實時線上。傳統資料的生產、儲存以及呼叫是分割的，很多資料在採集之前就已經經過了人腦有意識處理，如市場調查產生的資料，而大資料的產生和捕獲都是在人們無意識地正常生產經營活動中進行，做到了反映真實，並一直線上，再借助以雲端計算為代表的新型處理方法，就能將線上的大資料實時進行分析，並將分析結果隨時呼叫。
從戰略層面而言，將來銀行的業務都會搬到線上，所有金融機構的競爭將在資訊平臺上展開，從這個角度來講，簡單概括成一句話就是“資料為王”。將來誰掌握大資料資源，誰就掌握了風險定價的主動權，也就可以獲得準確、高額的風險收益，最終獲得競爭優勢。
銀行做風險評估模型的時候用的主要是結構化資料，往往是滯後的，比如財務報表是上一年度的，很多資料是靜態的、區域性的，而且是容易被粉飾和摻水的。採用這種資料做前瞻性預測效果可想而知。從目前情況看，五大行的內部評級模型都已經通過了銀監會最近的驗證，但是這些資料和模型準確性還是令人疑慮。現在的資料庫是過去5-7年的，是在經濟繁榮時期積累下來的，沒有經過一個完整的經濟週期，將來一旦系統性風險爆發，再回頭看這些資料很可能低估了潛在的風險。
應用大資料思維，銀行可以根據納稅記錄、刷卡記錄、存貨變動等動態資料進行信用觀察，只要觀測流量達到標準，就可以發放貸款，採用這種評估方式發放的貸款違約率很低，這就是大資料的作用——各種不同型別、不規範的資料都可能是有價值的。
大資料不光能夠改進風險管理的技術，還能促進商業銀行的業務轉型。商業銀行的轉型已經開始幾年了，但目前的效果並不理想。其中一個重要的原因是商業銀行的嚴重同質化，一窩蜂式地開展業務，要麼都發理財，要麼都做小微，要麼都做社群銀行。由於沒有資料支援，銀行對自身的業務結構瞭解並不透徹，往往只是依靠管理層的主觀判斷來調整銀行轉型的發展方向。
進入大資料時代，要學會用資料說話，通過大規模資料探勘，我們才能深入瞭解銀行自己的客戶需求和市場結構，從而進一步確定差異化的轉型方向。只有這樣，整個中國金融體系才能避免高度同質化，才能真正活躍起來。從這個角度來講，大資料既可以做商業銀行擴充套件市場的“矛”，也可以做防範風險的“盾”。大資料在促進銀行發展方面的作用還有待我們繼續深入探索。
雷濤（天雲融創資料科技有限公司執行長）：我從產業角度談談大資料如何作為工具和推動力落地。
首先，大資料作為Tools，改良優化已有金融業務。先回應剛才提及的一個問題，大資料規模化處理資料，但能否做一些個性化的智慧業務？事實上，對資料業務的理解已經經歷了幾十年的歷程。早先機器輔助參考決策系統，比如BI系統、商業智慧系統是面向人類來做決策的，系統面向有限商品有限資料集，在此之中我們人會基於機器中間狀態資料結果，生成相對於的的規則。人的智商以及我們的經驗和判斷去做有限的商業策略，以面向有限的服務包和有限人群，所以我們可以在電信運營商裡做各種套餐，在金融裡做各種產品。而現在的大資料集合裡，受眾的需求越來越多且碎片化了，我們的產品可能不能定製為一個標準化的產品，而很可能是根據使用者訪問的行為隨機觸發的動作，比如阿里推薦一個產品，9億個商品，不可能像沃爾瑪超市那樣能夠全部平鋪擺開。在使用者點選的過程中，如何傳送一個合適的商品給受眾，不是依靠報表系統，而是自動化觸發的系統。自動化觸發的系統更客觀地把很多需求定製化和差異化。大資料和以前的BI、資料倉儲本質差異就在於，大資料生成的不僅是一個面向決策報表系統，更多是一個自動化可執行的系統，這個系統可以幫助我們做很多差異型的，個性化的、定量的動作匹配。
同時對於大資料，我們不要看它不能做什麼，而是先嚐試它能做什麼。大家提到了對獲取外部資料的挑戰，其實銀行業不必急於獲取外部的資產資料，比如工商、房車資產購買記錄或者社交行為等等，這些價值稀疏資料還涉及到資料治理的複雜問題，實施利用都需要持續演講的路線圖支撐。其實我們看到，現在很多金融自身資料還沒有價值化，比如現在的賬戶資料都是結構化的，都是以個體為核心來描述，或是兩兩之間的債務資金關係，還有大企業的資產負債表、資產損益表等等。這些資料受限於傳統以表為結構的資料組織方式，缺乏全域性視野，而我們做定量分析時，需要有一個公共參照體系，像一個米尺一樣來衡量今天在座所有人的身高，而不是表達兩兩之間的高低；像元素週期表一樣用標準參照體系描述所有物種。這個公共參照體系是從全量的金融實體以及它們之間的交易行為抽取出來的模型。每一個帳戶實體在參照系上都會獲得一個定量的評估，即使缺少個體資料（例如小微企業），也可以通過其它實體和交易行為量化傳遞評估。比如以節點的形式，將每一個金融實體的交易方式做成一個很大的複雜網路。這些過程能把金融實體用以前結構化的賬戶資料用大資料技術構建新的基礎資料平臺，這個基礎資料平臺可以完成很多事情，比如徵信、置信、基於社團發現的供應鏈的挖掘，完全可以線上上實現而不再依靠垂直行業經驗，還有卡業務欺詐與異常交易，很多識別都可以基於金融帳戶的結構化資料實現。因此，大資料可以作為Tools，利用已有資料資源，優化提升已有業務。
大資料真正創新的是推動力，即破壞型創新驅動金融去擴充零消費市場的新業務。傳統金融是基於資本獲得盈利的，現在金融也可以基於資料實現盈利。亞當.斯密定義了土地、資本和勞動力締造財富，現在資料本身也可以作為新的生產資料，用於開拓新的業務。比如許總提到的支付平臺模式，可以考慮深入下去，利用資料延展為商戶CRM。我們嘗試過基於POS支付做商圈推薦和識別，也就是說，基於複雜的網路結構，具有相同社會屬性的客戶訪問不同的商家，可以統一置信或交叉推薦，我們可以做很多O2O服務。金融同時也是一個的服務行業，服務中聚集了人群、產品和服務以後，會留下很多電子化的行為痕跡，資料本身隨著生產經營開始形成一個新的生產資料。同時對資本市場而言，評估傳統金融資本項和評估網際網路企業的使用者流量，將在未來交織形成新金融實體的評估體系。資料資源將與資本資源同等重要，成為未來資本市場評估的新考核體系和重要指標，大資料的推動力驅動和締造新的財富。