【独家】民生证券颜阳：大数据走近证券业

　　【中国信息主管网独家】企业的数据就像是新时代尚未开采的石油，具有极高价值。在国外，大数据的实际应用已见诸报端——美国印地安那大学和英国曼彻斯特大学的学者通过提取Twitter上的关键词分析公众情绪，再将情绪曲线与道琼斯工业指数进行对照分析，发现可以提前3-4天预测股市大盘走势。基于此，他们已经推出了欧洲第一只基于社交媒体的对冲基金。

　　反观国内，研究大数据的热潮已掀起。映射到IT发展的前沿阵地——金融行业，国内证券公司如何理解大数据?大数据应用在证券行业落地需做好哪些准备?在中国信息主管网举办的“创新时代下金融信息安全之道”主题研讨会上，民生证券技术总监颜阳发表了“大数据战略与金融企业IT属性”主题演讲，分享了大数据时代证券行业的IT策略演进。

　　证券业创新提速

　　2012年5月，中国证券业创新大会召开，证券业监管松绑，开始进入全面创新时代，很多新业务纷涌而出，同时竞争加剧。尽管证券行业也在探索零售业务、私人业务、机构业务的创新之道，但实现难度还是较大，整体市场形势并不乐观。

　　而相较于之前证券行业必须以服务带动业务发展的情况而言，目前证券行业可以通过投顾业务的推出，对产品的创新和管理做更多有益探索，需要针对这个产品，从需求分析、需求整合、产品设计、产品生产、产品组合、产品销售，到服务及跟踪进行全生命周期的管理。在这一过程中，客户的生命周期也需要关注。客户的退出也有有助于我们服务体系管理更好的完善，客户为何退出?客户选择其他公司的原因是什么?我们需要将产品的生命周期与客户的生命周期做一个结合，这样会产生更多数据，作为我们分析的基础。

　　从企业级数据中心向社会化数据中心演变

　　两年前，证券业逐步在进行业务整合，并建立自己的企业级数据中心，这里的数据中心是指数据仓库。整个行业里面在做的数据中心现在来讲有多种选择，商用的和开源的都有，在这个行业的数据中心里面的话有很多的技术策略，包括整个的金融数据模型，实际上证券行业也在学银行，金融数据模型也非常重要。

　　举两个例子，以前的系统都是基于应用来建立数据中心，这存在两个问题，一是如果在模型中把我们的用户定义为客户，那么我们的潜在用户则没办法加入到系统里面去。因此系统一定要有可扩展性，不同的数据要进行治理。二是如何通过一些方式来提升客户体验，我们可以从原数据到ODS以及到我们的仓库里面都做一些控制，并应用工具，来进行数据智能分析。

　　在这个时代，仅仅建立企业的数据中心远远不够，在开放的环境中，必须进行产业升级，既要将现在企业级的数据中心向社会化的数据中心演变，因为以前简单的交易为导向的服务体系，已经远远支撑不了我们的创新发展。我们必须把互联网上提供给我们的公共数据信息加进去，成为一个社会化的数据中心。

　　大数据策略应关注两个方面

　　首先，大数据的处理，一定要有一个好的技术架构来支撑。关于这点，我们以上海的路牌为例，实际上是一个分级的处理方式，你看到一个路牌，你看左边和右边是不同的数字标示，如果街道较多的话，你可以直接找到你的目的街道。因此，整个技术架构中，以节点的方式做一些分布处理，也是大数据中用的较多的。

　　其次，大数据的处理流程，一是要考虑是否所有数据都有必要存储，或者只需要把路径存下来就可以。二是因安全性考虑，对数据进行分层，三是对数据进行预处理，通过规格区分有效信息和垃圾信息，四是进行建模和分析。比如说我们在评级的时候可以把人们的评价分成三到五级不等，这个评级以后可以用一些很普通统计方式，如用标准差来计算它的分期，从而建立一些信心指数，最后可以发布到网络或是移动终端上，这样也可以打包变成我们的同步服务产品，提供给客户。
(本文不涉密)
责任编辑：

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。