3.大數(shù)據(jù)在證券業(yè)中的應(yīng)用
現(xiàn)代證券行業(yè)具有資本密集、信息密集、智力密集和技術(shù)密集的特點(diǎn)，大數(shù)據(jù)時(shí)代使得數(shù)據(jù)信息不僅在量上大大增加了，在數(shù)據(jù)的產(chǎn)生、傳播、內(nèi)容、速度、形式等方面都更加多樣、復(fù)雜，越來越呈現(xiàn)出細(xì)節(jié)化、多維化、立體化的特點(diǎn)，對(duì)業(yè)務(wù)發(fā)展的影響也越來越大。
目前，國(guó)內(nèi)外證券業(yè)的大數(shù)據(jù)應(yīng)用主要有以下三個(gè)方向：
（證券業(yè)大數(shù)據(jù)應(yīng)用）
1)大數(shù)據(jù)可以提升證券業(yè)的個(gè)性化服務(wù)水平
證券行業(yè)作為綜合類金融服務(wù)產(chǎn)品的提供者，在大數(shù)據(jù)的背景下，將有能力快速搜集高質(zhì)量的信息，以設(shè)計(jì)出更符合客戶需求的產(chǎn)品組合，并且可以根據(jù)客戶偏好的改變及時(shí)調(diào)整。同時(shí)由于中介服務(wù)的競(jìng)爭(zhēng)逐漸同質(zhì)化，爭(zhēng)奪的焦點(diǎn)將來必然落在價(jià)格上。如果標(biāo)準(zhǔn)化同質(zhì)服務(wù)不再能夠給券商帶來正常利潤(rùn)，那么券商必須轉(zhuǎn)變經(jīng)營(yíng)思路，將通道業(yè)務(wù)轉(zhuǎn)變成包含增值服務(wù)的金融服務(wù)。
大數(shù)據(jù)能夠通過對(duì)客戶消費(fèi)行為模式進(jìn)行分析，提高客戶轉(zhuǎn)化率，開發(fā)出個(gè)性化的產(chǎn)品以滿足不同客戶的需求。越來越多的證券公司開始采用數(shù)據(jù)驅(qū)動(dòng)的方法，通過一系列信息的收集、存儲(chǔ)、管理和分析，給客戶提供更好的決策，充分體現(xiàn)了以客戶為中心的服務(wù)理念。
2)大數(shù)據(jù)能夠幫助證券公司避免客戶的流失
依據(jù)客戶歷史交易行為和流失情況創(chuàng)建大數(shù)據(jù)分析模型，預(yù)測(cè)客戶流失的概率。比如海通證券自主開發(fā)的“給予數(shù)據(jù)挖掘算法的證券客戶行為特征分析技術(shù)”主要應(yīng)用在客戶深度畫像以及基于畫像的用戶流失概率預(yù)測(cè)，通過對(duì)海通100多萬樣本客戶、半年交易記錄的海量信息分析，建立了客戶分類、客戶偏好、客戶流失概率等模型。該項(xiàng)技術(shù)最大初衷是希望通過客戶行為的量化分析，來測(cè)算客戶將來可能流失的概率。
3)大數(shù)據(jù)在量化投資方面的應(yīng)用
量化投資策略在歐美發(fā)達(dá)國(guó)家的金融市場(chǎng)已經(jīng)相對(duì)成熟，由于收益巨大，是大數(shù)據(jù)最早應(yīng)用的領(lǐng)域。證券業(yè)已經(jīng)進(jìn)入了一個(gè)大數(shù)據(jù)信息時(shí)代，證券的數(shù)據(jù)模型越來越復(fù)雜多樣，數(shù)據(jù)的總量和種類都有著重大的突破。大數(shù)據(jù)在處理證券數(shù)據(jù)時(shí)，通過對(duì)主力和散戶的行為、軌跡分析，對(duì)主力資金和散戶資金的去向追蹤，對(duì)主力、散戶和市場(chǎng)之間的關(guān)系理解，能夠很好地增加投資勝率。個(gè)人投資者將能夠輕松使用大數(shù)據(jù)獲得實(shí)證支持，降低交易風(fēng)險(xiǎn)，投資能力將大幅提升。大數(shù)據(jù)也讓科技公司第一次有機(jī)會(huì)能夠挑戰(zhàn)傳統(tǒng)的金融分析師，利用對(duì)各種數(shù)據(jù)的量化、重組和整合，提供不同的交易策略，讓投資者能夠科學(xué)的分析全球投資市場(chǎng)。
4.大數(shù)據(jù)在保險(xiǎn)行業(yè)的應(yīng)用
目前，國(guó)內(nèi)保險(xiǎn)行業(yè)的大數(shù)據(jù)應(yīng)用主要集中在以下四個(gè)領(lǐng)域：
（保險(xiǎn)業(yè)大數(shù)據(jù)應(yīng)用）
1)幫助保險(xiǎn)公司減少賠付
賠付直接影響保險(xiǎn)企業(yè)的利潤(rùn)，對(duì)于賠付的管理一直是險(xiǎn)企的關(guān)注點(diǎn)。而賠付中的“異常值”(即超大額賠付)是賠付額的主要驅(qū)動(dòng)因素之一。一家領(lǐng)先的美國(guó)保險(xiǎn)集團(tuán)通過結(jié)合內(nèi)部、第三方和社交媒體數(shù)據(jù)進(jìn)行早期異常值檢測(cè)，用1.4億個(gè)數(shù)據(jù)點(diǎn)構(gòu)建預(yù)測(cè)模型，其中既包括了客戶的個(gè)人數(shù)據(jù)(健康狀況、人口特征、雇主信息等)，也包括了集團(tuán)的內(nèi)部數(shù)據(jù)(過往的理賠信息和已經(jīng)采取的醫(yī)療干預(yù)信息等)，及時(shí)采取干預(yù)措施，使平均索賠費(fèi)用下降了20%。同時(shí)，借助大數(shù)據(jù)手段，險(xiǎn)企可以識(shí)別詐騙規(guī)律，顯著提升反欺詐的準(zhǔn)確性與及時(shí)性。