中國當前的金融體系制造了世界上獨一無二的“二元圍墻體系”，金融圍墻內的主體坐享巨量金融資源而難以投放到實體經濟最為需要的地方；而圍墻外的中小企業卻得不到普惠金融，發展受限。隨著當前中國經濟處于下行空間，中國急需一場金融改革--在傳統主要服務于大型優質企業的傳統商業銀行體系之外，還更加需要有服務于中小企業的金融機構。目前P2P等各類互聯網金融企業已經為此創造了一個良好的開局，但仍不足夠，在缺乏普惠金融的環境下，“互聯網＋”將難以真正壯大起來。中國目前已經悄然開展而在未來將會越演越烈的金融改革，本質目標就是改變上述的扭曲金融體制，實現普惠金融，一方面讓有活力與創造力的中小企業為實體經濟重新帶來活力，另一方面通過投資渠道的拓展，讓投資端的個人也能享受到更好的財富增值，實現藏富于民。而普惠金融將與“互聯網+”一起，成為中國經濟轉型的重要引擎之一。

    所謂的普惠金融，就是以可負擔的成本為有金融服務需求的社會各階層和群體提供適當的、有效的金融服務。其變革的內涵首先第一個層面是普惠于有創造力的兩小企業，而第二個層面是據此擴充投資端個人的投資渠道，使得普通居民能享受到更多優質的金融服務。

    而綜合目前整體國內金融市場現狀，最有可能帶來中國普惠金融，或者退一步說為實現普惠金融創造關鍵條件的無疑是金融大數據。如普惠金融實現的焦點問題之一，是如何服務這些缺乏征信記錄、難以深入了解導致傳統銀行不愿意授信的兩小企業？短期內建立起西方用了上百年建立的完善金融征信、授信體系并不可行，為今之計是通過金融大數據，建立基于大數據的深度覆蓋征信體系、提升風險控制水平，進而賦予新型金融機構服務于更多兩小企業的能力，其成功的概率最大。

普惠金融將為中國金融體系帶來創新的動力（來源：亞信大數據）

    正因如此，金融大數據的風口在于圍繞普惠金融的兩個卡口：一、資金流向普惠化。利用金融大數據提升征信、風險控制能力及授信評估機制，扭轉資金流向困境，為有創新和效率的兩小企業注入更多血液，也為“互聯網+”的發展創造社會資金環境；二、投資普惠化。如通過金融大數據的場景識別，結合互聯網平臺為個人資金找到更好的投資渠道，并取得風險與收益的較佳平衡點，余額寶是一項成功的嘗試，而相信在以后隨著普惠金融的發展，將有更多的互聯網金融產品為個人帶來更好的資金保值增值渠道。

    而就目前中國金融環境而言，如何借助金融大數據去較快地推動資金流量普惠化是更為迫切的任務。

    最后，從金融大數據的應用主體上， 我們也能預見到，對于傳統的大型國有銀行，其政策紅利最深，也最不愿意走到圍墻之外，金融大數據對其吸引力實際有限，應用上也許更多圍繞利用大數據技術降低整行的IT運維成本；而真正積極擁抱金融大數據、愿意為兩小企業提供服務及實現普惠金融的，實際上是在圍墻里夾在大行之間生存的中小型股份制銀行、城/農商行，以及新興的民營銀行和性質迥異的各類互聯網金融機構。

    （三）綻放的金融大數據生態圈

    講起基于大數據的普惠金融，不能不提的無疑是阿里小貸。阿里小貸之所以成功的根本原因，在于阿里巴巴帝國的龐大生態圈，在這個生態圈的內部，阿里小貸能獲得大量貸款人的數據，比如其在阿里系內的交易數據、現金流情況、客戶評價度數據、物流貨運數據、存貨周轉情況等數據，同時基于阿里系的資源也引進了一批外部的數據，有了這些豐富的數據，通過阿里獨特的量化分析模型，能將貸款逾期率控制在傳統銀行為這些客戶做相同貸款的逾期率之下，因此阿里小貸在服務阿里內部客戶的融資服務相比傳統銀行才具備了比較優勢。但值得注意的是，阿里小貸并非一個通用的商業模式，因為其建立在阿里生態圈內部的大數據環境，而阿里巴巴只有一個。

    其他金融機構要通過普惠金融更好服務于兩小企業，尤其是“互聯網+”下即將發揮新生命力的創新企業，則缺乏上述阿里小貸的成功基石--與資金資源同樣珍貴的數據資源。在缺乏有效金融大數據的情況下，要做兩小貸款的難度非常的大，如民生銀行是國內銀行中涉足兩小貸款最早的傳統銀行，其小微貸款模式主要還是傳統銀行的線下信貸調研，依靠大量的小微信貸專員發放各類帶抵押或擔保的小額信貸，在經歷了2010~2011年高速發展之后，近年來民生銀行小微貸款遇到了增速下滑，而不良率迅速上升的尷尬。

民生銀行2010~2014小微貸款增速及不良率走勢（來源：平安證券研究所）

    而同樣愿景于服務中小企業的廣發銀行，則注重金融大數據的獲取與應用。如廣發銀行的大數據零售商業智能決策平臺整合了征信系統，各個專業市場數據庫、22萬個共覆蓋4億多人口的居民社區數據庫、各商會和產業鏈數據庫等，也跟外部如工商總局個體戶等小微企業信息聯網。在外部互聯網數據上，廣發銀行先后與阿里、騰訊、京東、百度、網易等互聯網企業合作，借助他們的地圖、游戲、支付等平臺捕獲新鮮數據。

    金融底層大數據資源的獲取，對于推動中國普惠金融有重要的意義，比如供應鏈金融數據、運營商數據、各類互聯網數據源等。然而現在這些數據散落在不同的角落里面，無論傳統銀行還是互聯網金融企業要獲取到可用于優化征信授信的相對完整數據難度很大。這無疑為中國的普惠金融發展中的一個重大阻力，尤其在當前中國金融體系急需改革、為實體經濟甚至“互聯網+”注入更多活力的環境下。

    或者一個有效的做法，是在有關部門聯合一批金融機構、大數據技術提供方建立一個致力于推動普惠金融的公共金融大數據交易市場，使得各個會員機構均能夠獲取到足夠的數據，并利用行政力量解決比如數據隱私、產權轉移等難題。畢竟要實現金融普惠，首當其沖的是先要實現金融數據普惠，讓每個金融主體都能平等獲取到數據，而競爭的舞臺則是在如何更好使用這些數據上。

    金融數據普惠是金融大數據生態圈中的第一個也是最為關鍵的挑戰。要迅速跨過，需要聯合整體行政與行業、技術力量的去推動。

    金融大數據生態圈中第二個挑戰是數據的管理。相比其他行業，金融大數據更加有顯著的來源異構、類型繁多、總量巨大的4V特征，而金融行業對數據的準確性、規范性要求卻極高。如何科學地管理這些金融數據資產則是另外一個挑戰，尤其是在數據普惠后，考驗各個金融大數據主體的是應用這些數據的效率。因此，金融大數據資產的標準化質量管理、數據溯源、安全管理、主數據管理，以及非結構化數據處理（語義分析、自然語言處理）、數據可視化、分發管理等，如何做到低成本高效率管理，是金融大數據應用的關鍵。

    金融大數據生態圈中第三個挑戰是數據的應用建模。如包括大數據征信、風控、反欺詐偵測、基于大數據的貸后服務與風險管理等，這些應用均涉及到大量的數據量化分析模型，如何保障這些模型的有效、穩健是一項重要的議題。另外，華爾街的量化交易基金歷史經驗告訴我們，量化模型往往難以考慮到系統性風險，比如一個模型認為無論是資產實力、還款能力、品德都俱佳的貸款者，在面對經濟下行的系統性風險仍然會有極大的逾期風險。而量化模型基本難以預測到系統性風險，如篤信精密量化分析模型的長期資本管理公司，死在了模型無法預料的俄羅斯金融風暴之中。如何處理好系統風險與量化模型的平衡，是金融大數據應用建模的藝術。

    最后，構建金融大數據場景與入口。所謂的普惠金融，就是為社會各階層和群體提供適當的、有效的金融服務，如為一名好學上進的務工人員提供上夜校的社會助學貸款，社會中不乏各種金融服務的需求場景，我們需要做的是前瞻地發現他們，快速響應，對貸款人做出快速的審核甚至設計個性化的金融服務。這樣普惠金融將會走到社會每個角落，在金融場景識別與服務商，互聯網金融有先天的優勢，而傳統銀行的互聯網化也將進一步推動這點，正如互聯網給我們的啟示一樣，金融大數據到了最后，將演進為對場景與入口的爭奪。

    （四）后記

    金融大數據，有別于其他行業的大數據應用，除了是行業自身的數據技術升級外，還將在中國經濟轉型與金融改革中被賦予更多的使命，在未來幾年預期將迎來一股噴井式爆發。其中首先來臨的，是金融大數據的獲取與數據普惠，如最近如大智慧、同花順、東方財富網等金融數據提供企業的股價飛漲依稀印證了這點；而金融大數據資產管理、應用建模則是隨之而來的機遇，而場景與入口之爭，也將是這一輪金融變革的最終競爭模式。