近年來，隨著大數據、云計算、區塊鏈、人工智能等新技術的快速發展，這些新技術與金融業務深度融合，釋放出了金融創新活力和應用潛能，這大大推動了我國金融業轉型升級，助力金融更好地服務實體經濟，有效促進了金融業整體發展。在這一發展過程中，又以大數據技術發展最為成熟、應用最為廣泛。從發展特點和趨勢來看，“金融云”快速建設落地奠定了金融大數據的應用基礎，金融數據與其他跨領域數據的融合應用不斷強化，人工智能正在成為金融大數據應用的新方向，金融行業數據的整合、共享和開放正在成為趨勢，給金融行業帶來了新的發展機遇和巨大的發展動力。

    大數據涉及的行業過于廣泛，除金融外，還包括政治、教育、傳媒、醫學、商業、工業、農業、互聯網等多個方面。在大數據應用綜合價值潛力方面，信息技術、金融保險、政府及批發貿易四大行業潛力最高高。具體到行業內每家公司的數據量來看，信息、金融保險、計算機及電子設備、公用事業四類的數據量最大。可以看出，無論是投資規模和應用潛力，信息行業（互聯網和電信）和金融行業都是大數據應用的重點行業。

    一、金融信息系統建設

    1、資管新規重構“大資管”業態，系統建設市場空間超14億元

    資管新規及其配套重要文件基本全部落地，進入系統建設期。2017年11月一行三會就《關于規范金融機構資產管理業務的指導意見》（簡稱“資管新規”）公開征求意見，2018年4月，資管新規正式落地。7月，央行發布《關于進一步明確規范金融機構資產管理業務指導意見有關事項的通知》；當天銀保監會、證監會接連出臺配套細則文件的征求意見稿。9月，銀保監會發布《商業銀行理財業務監督管理辦法》（簡稱“理財新規”）；10月，證監會發布《證券期貨經營機構私募資產管理業務管理辦法》（簡稱“資管細則”）；12月，銀保監會發布《商業銀行理財子公司管理辦法》（簡稱“理財子公司管理辦法”）。至此，資管新規及其配套重要文件基本全部落地。資管新規總體基調為去嵌套、去通道、去杠桿、去資金池、打破剛兌；主要要求是產品凈值管理、單獨建賬、單獨核算；同時按照產品類型進行統一監管與信息報送，實現穿透式監管。新規給“大資管”業態帶來了深刻變革，其過渡期為2020年12月31日之前，相關IT系統已經開始進入建設期。

資管新規對金融機構的影響

數據來源：公開資料整理

    相關報告：智研咨詢發布的《2019-2025年中國信息安全行業市場競爭格局及投資戰略咨詢報告》

    銀行系統改造：預計約500家銀行將進行理財相關系統改造，改造空間7.27億元。截至2018年6月全國共有各類銀行金融機構3971家；截至2017年底，共有562家銀行有存續的理財產品，其中近400家為農商行。除新設子公司（60家）外，假設有100家銀行會繼續在本行內發行理財產品，有400家銀行只開展理財產品代銷業務。對于發行理財產品的銀行，需要改造其銷售產品線和資管產品線；對于只代銷產品的銀行則僅需改造銷售產品線。除此之外，27家托管行也需要進行托管系統改造，改造空間共計7.27億元。

理財新規銀行改造系統空間

數據來源：公開資料整理

    資管新規下非銀機構需要改動的業務環節相對較少，對券商來說主要是禁止通道業務，對基金來說主要是限制發行分級產品；同時對各類資管產品的投資者管理、產品分類、投資范圍、估值、風險管理、托管提出了更為細致的要求。

    2、滬倫通落地在即，系統建設市場空間約3億

    滬倫通在2015年9月中英第七次經濟財金對話上首次提出，2018年10月12日，證監會正式發布《上海與倫敦證券市場互聯互通存托憑證業務監管規定》，同日上交所和中國證券登記結算有限公司發布了一系列相關配套業務規則征求意見稿，預示著滬倫通落地已基本得到確認。12月上旬滬倫通經紀業務進行通關測試，測試完成后業務隨時可以正式上線，目前各券商正緊鑼密鼓籌備滬倫通相關工作。滬倫通即上交所與倫交所互聯互通機制，是指符合條件的兩地上市公司，依照對方市場的法律法規，發行存托憑證并在對方市場上市交易。同時，通過存托憑證與基礎證券之間的跨境轉換機制安排，實現兩地市場的互聯互通。滬倫通包括東、西兩個業務方向。東向業務是指倫交所上市公司在上交所掛牌中國存托憑證（CDR），西向業務是指上交所A股上市公司在倫交所掛牌全球存托憑證（GDR）。

    滬倫通新增的業務需求包括境外購買基礎證券，滬倫通跨境轉換，滬倫通做市，滬倫通投資交易等。其中跨境轉換業務以及做市業務是最核心的業務。跨境轉換業務是指倫交所基礎股票與CDR的轉換，涉及到境內的存托人，境外的托管人及境內外交易所，同時還包括境內做市商CDR份額的創設生成、兌回等流程。做市業務是指為防止首批CDR產品被市場爆炒，同時為了控制CDR與基礎證券之間的價差，監管層引入做市商交易的方式，券商自有資金參與滬倫通的做市業務。

    系統方面，做市商和投資機構均需添加滬倫通模塊。系統的設計方面，滬倫通屬于一個新的業務類別，即需要在系統中需要新增加一個全局參數，所有的點都會涉及（交易系統的前臺、中臺、后臺；投資系統的登記、估值、投資、結算；輔助系統如風控系統、營銷系統等）。做市商系統方面，滬倫通系統需與交易系統綁定，所以一般情況下，券商的滬倫通系統都會采取在原交易系統上開發設立的方式。投資機構系統方面，進行滬倫通投資的買方機構需要添加滬倫通相關模塊，新增模塊也需要與投資交易管理系統綁定。恒生電子的交易系統和投資相關系統均不向客戶提供源代碼，因此沒有第三方能夠在原系統上進行功能改造，為保證與原有系統配套一致性，新的模塊均需要繼續從原供應商恒生電子處進行采購。根據之前滬港通模塊的價格，公司滬倫通模塊的價格應該也在百萬以上。

    系統改造總空間約3億元，預計公司將獲得營收增量。做市商系統方面，券商可以通過申請獲得做市商資格。做市商申請條件有：具有證券自營業務資格，具有三年以上開展國際業務的經驗，證券公司分類結果最近兩年為BBB級別及以上，以自有資金參與滬倫通做市業務，制定完備的做市業務實施方案、風險控制制度及有關內部管理制度，具備開展做市業務所需的專業人員和技術系統，過去一年內無因自營業務被采取監管措施、紀律處分或行政處罰的情形，承諾公司研究團隊對其做市CDR標的提供專門研究等。根據以上條件，有57家券商符合入圍做市商申請標準；投資系統方面，投資機構及個人投資者可通過滬倫通交易業務參與到滬倫通市場中，機構投資者需要安裝滬倫通模塊。預計系統改造總空間約3億元，公司在券商核心交易系統中市占率為48%，在投資系統中市占率超過85%，預計滬倫通將給公司帶來營收增量。系統建設節奏方面，有望拿到做市商牌照的券商會立即開始系統建設，而投資機構將根據自身投資需求陸續進行系統采購。

滬倫通系統改造家數及改造比例情況

數據來源：公開資料整理

滬倫通系統改造市場空間

數據來源：公開資料整理

    3、金融開放背景下，新籌機構數量將增加

    金融開放背景下，新籌合資機構數量將增加。2018年4月11日，在博鰲亞洲論壇上，我國進一步擴大金融業對外開放的具體措施和時間表發布，具體包括：鼓勵在信托、金融租賃、汽車金融、貨幣經紀、消費金融等銀行業金融領域引入外資；對商業銀行新發起設立的金融資產投資公司和理財公司的外資持股比例不設上限；大幅度擴大外資銀行業務范圍；不再對合資證券公司業務范圍單獨設限，內外資一致；全面取消外資保險公司設立前需開設兩年代表處要求。金融開放政策對外資參與銀行、證券、基金、期貨、保險等金融機構形成實質性利好，預計合資機構的申請數量將增加，同時監管機構的牌照發放也會提速。以證券行業為例，目前證監會新的券商牌照僅對外商投資開放，2家合資券商（野村、摩根）已進入審核階段。

 金融開放前后合資機構政策對比

數據來源：公開資料整理

    4、新增系統建設空間有望擴大。

    近幾年，監管機構每年核準設立公募基金8家左右（2018年12家），證券公司2家左右（2018年為0家），保險公司10家左右（2018年7家），發行理財產品的銀行每年新增60家左右，信托和期貨牌照已經多年未發。預計常態化需求疊加外資開放需求，未來兩年新增系統建設空間有望擴大。

各類機構新牌照數量及動態

數據來源：公開資料整理

2013-2018新增機構數量

數據來源：公開資料整理

    二、金融行業全面在線化分析

    金融行業信息化程度較高，但系統之間仍處于割裂狀態。過去20年，中國金融行業伴隨著數字化的過程逐步成長。逐漸采用了計算機、局域網、互聯網等技術，行業經歷了電子化、網絡化的發展階段，并朝著智能化方向發展，行業整體信息化程度較高。但是值得注意的是，行業信息化的早期金融機構多采用傳統的煙囪式架構，導致我國的各類金融機構系統之間仍處于互相割裂的狀態，金融機構內部、金融機構之間系統尚未打通，比如證券公司和基金公司、基金公司和交易所。托管銀行之間的系統不完全對接，每一次核對資產標的，資產方，資金方的尋找都非常困難

    分割的系統現狀難以適應我國財富管理行業的發展，全面在線化將是產業終局。根據波士頓咨詢的報告，到2020年，中國財富資產管理規模將超過200萬億，成為全球第二大財富管理市場，同時是全球增速最快的市場。隨著房價增速的降低和通道、剛性兌付等偽資管產品退出歷史舞臺，未來居民的財富管理和資產配臵需求會持續增強。由于分業監管的原因，不同財富管理機構的產品比較有限或單一，但實際上每個客戶財富管理的需求又是多樣化的，只有建立開放式的產品平臺，具備多樣化金融產品的配臵能力，從提供單一產品到提供綜合化的資產配臵方案，才可能更好滿足客戶個性化的財富管理需求。這就需要一個全面在線化的系統，能夠支持全網單點接入、全網登記、全網報價、全網交易的網絡市場，從任何端口都能實現個人或機構的所有需求。分割的系統現狀難以適應我國財富管理行業的發展，未來金融機構系統將從割裂走向連接，最終達到全面在線化。

    三、我國資本市場處于成長期，行業發展空間廣闊

    1、直接融資是長期發展趨勢，帶動資本市場成長及IT需求

    社會融資結構有待優化，直接融資是長期發展趨勢。由于歷史原因形成的我國相對較高的儲蓄率以及銀行信貸為主的金融市場格局，我國的金融市場一直以間接融資為主，間接融資在當前占絕對優勢。間接融資的缺陷是一旦出現經濟周期回落，銀行資產出現壞賬率提升，更容易產生系統性風險，對政策形成反制。直接融資除了能更好的防范金融風險之外，還將資金供求雙方聯系緊密，能夠引導資金合理流動有利于資金快速合理配臵和使用效益提高，能夠對民營企業、創新企業給予更多支持，符合我國未來的經濟發展方向，是長期發展趨勢。直接融資中最常見的是股票和債券融資，對比中美融資結構，我國的人民幣貸款占比為68.85%，而美國僅為5.13%。兩國債券融資占比均為10%左右，但股票融資占比差異巨大，我國股票融資占比僅為3.6%，而美國占比為50%，我國的股票融資還有廣闊的發展空間

2018.11中國融資結構

數據來源：公開資料整理

2017美國融資結構

數據來源：公開資料整理

    股票融資發展將帶動資本市場擴張，IT支出隨之增長。隨著越來越多的企業通過IPO獲得直接融資通道，必然將帶動資本市場擴張、可投資產和流入資金增加，證券公司和資產管理機構的營收規模擴大，IT支出也將隨之增長。如果以證券化率（各類證券總市值與該國國內生產總值的比率）為指標判斷資本市場發展程度，我國證券化率只有美國的40%左右，在世界各國中也處于較低水平。

中美證券化率對比

數據來源：公開資料整理

各國股票市值（萬億）及證券化率

數據來源：公開資料整理

    2、證券基金IT的發展分析

    我國的證券基金IT大概處于美國80年代的水平。復盤美國頭部證券IT的發展歷程，可見其大致經歷了4個發展階段，從IT主要提供業務支持演進到IT和業務地位對等，成為其核心競爭力，高盛明確提出其“未來是一家科技公司”。從國內證券基金IT發展來看，我國目前大概處于其80年代的水平，IT在行業的地位仍然處于工具角色，還比較少與業務融合在一起。比如證券公司的IT人員主要是分散在各個營業部，以運維為主，基金公司的IT隊伍更薄弱。

我國證券公司人員結構

數據來源：公開資料整理

    從成本中心到利潤中心，我國金融機構IT投入占比有望擴大。當下，華泰等頭部證券公司開始建立獨立的IT研發隊伍，（但是從研發投入金額絕對值來看，現階段證券基金的研發能力與銀行、國外頭部券商相比仍然差距巨大，這與其營收體量還遠遠不及銀行、國外頭部券商相關。）根據美國的經驗，這個階段的特點是IT平臺化和系統數目迅速增加。恒生電子順應行業發展趨勢，開始進行平臺化轉型，提供更廣泛的解決方案服務，同時為金融機構自主研發提供組件，未來券商的自主研發也需要公司的“原材料”支持；而大量自主研發能力較差的中小機構，也在逐步轉變對IT的認識，希望利用IT工具來實現提供交易速度和頻率，規避潛在的風險，挖掘更多收益，從而也會加大IT投入，這部分需求將依賴公司實現。2018年12月，證監會正式發布《證券基金經營機構信息技術管理辦法》，自2019年6月1日起實施，辦法規定信息技術投入和建設納入評級體系，成為加分項，同時設立懲罰機制，該政策將進一步促進和推動證券基金經營機構的IT投入和建設。

    3、金融大數據未來市場規模分析預測

    IT行業技術的更新和迭代永無止境，新技術的發展將催生新的需求。當下，以云計算、大數據、人工智能、區塊鏈為代表的新一輪技術革命正在進行中，隨著技術的成熟和接受度的提高，長期成長空間將不斷被打開。

當前金融IT市場規模及增速

數據來源：公開資料整理

金融云市場規模及增速（億元）

數據來源：公開資料整理

金融大數據市場規模及增速（億元）

數據來源：公開資料整理

    四、大數據技術在金融行業應用前景分析

    隨著大數據技術的廣泛普及和發展成熟，金融大數據應用已經成為行業熱點趨勢，在交易欺詐識別、精準營銷、黑產防范、消費信貸、信貸風險評估、供應鏈金融、股市行情預測、股價預測、智能投顧、騙保識別、風險定價等涉及銀行、證券、保險等多領域的具體業務中，得到廣泛應用。對于大數據的應用分析能力，正在成為金融機構未來發展的核心競爭要素。

    毋庸置疑，金融大數據擁有著廣闊的發展前景。然而，金融大數據應用也面臨著數據資產管理水平不足、技術改造難度大、行業標準缺失、安全管控壓力大和政策保障仍不完善等一系列制約因素。為推動金融大數據更好發展應用，必須從政策扶持保障、數據管理能力提升、行業標準規范建設和應用合作創新等多個方面入手，不斷強化應用基礎能力，持續完善產業生態環境。
大數據技術的應用提升了金融行業的資源配置效率，強化了風險管控能力，有效促進了金融業務的創新發展。金融大數據在銀行業、證券行業、保險行業、支付清算行業和互聯網金融行業都得到廣泛的應用。

    1.大數據在銀行業中的應用。

    一是信貸風險評估。在傳統方法中，銀行對企業客戶的違約風險評估多是基于過往的信貸數據和交易數據等靜態數據，這種方式的最大弊端就是缺少前瞻性。因為影響企業違約的重要因素并不僅僅只是企業歷史的信用情況，還包括行業的整體發展狀況和實時的經營情況。而大數據手段的介入使信貸風險評估更趨近于事實。
內外部數據資源整合是大數據信貸風險評估的前提。一般來說，商業銀行在識別客戶需求、估算客戶價值、判斷客戶優劣、預測客戶違約可能的過程中，既需要借助銀行內部已掌握的客戶相關信息，也需要借助外部機構掌握的人行征信信息、客戶公共評價信息、商務經營信息、收支消費信息、社會關聯信息等。
二是供應鏈金融。利用大數據技術，銀行可以根據企業之間的投資、控股、借貸、擔保以及股東和法人之間的關系，形成企業之間的關系圖譜，利于關聯企業分析及風險控制。知識圖譜在通過建立數據之間的關聯鏈接，將碎片化的數據有機地組織起來，讓數據更加容易被人和機器理解和處理，并為搜索、挖掘、分析等提供便利。
在風控上，銀行以核心企業為切入點，將供應鏈上的多個關鍵企業作為一個整體。利用交往圈分析模型，持續觀察企業間的通信交往數據變化情況，通過與基線數據的對比來洞察異常的交往動態，評估供應鏈的健康度及為企業貸后風控提供參考依據。

    2.大數據在證券行業中的應用。

    一是股市行情預測。大數據可以有效拓寬證券企業量化投資數據維度，幫助企業更精準地了解市場行情。隨著大數據廣泛應用、數據規模爆發式增長以及數據分析及處理能力顯著提升，量化投資將獲取更廣闊的數據資源，構建更多元的量化因子，投研模型更加完善。
證券企業應用大數據對海量個人投資者樣本進行持續性跟蹤監測，對賬本投資收益率、持倉率、資金流動情況等一系列指標進行統計、加權匯總，了解個人投資者交易行為的變化、投資信心的狀態與發展趨勢、對市場的預期以及當前的風險偏好等，對市場行情進行預測。

    二是股價預測。證券行業具有自身的特點，與其他行業產品與服務的價值衡量普遍存在間接性的特點不同，證券行業客戶的投資與收益以直接的、客觀的貨幣形式直觀地呈現。受證券行業自身特點和行業監管要求的限制，證券行業金融業務與產品的設計、營銷與銷售方式也與其他行業具有鮮明的差異，專業性更強。
諾貝爾經濟學獎得主羅伯特•席勒設計的投資模型至今仍被業內沿用。在他的模型中，主要參考三個變量：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。大數據技術可以收集并分析社交網絡如微博、朋友圈、專業論壇等渠道上的結構化和非結構化數據，了解市場對特定企業的觀感，使得市場情緒感知成為可能。

    三是智能投顧。智能投顧是近年證券公司應用大數據技術匹配客戶多樣化需求的新嘗試之一，目前已經成為財富管理新藍海。智能投顧業務提供線上的投資顧問服務，能夠基于客戶的風險偏好、交易行為等個性化數據，采用量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。智能投顧在客戶資料收集分析、投資方案的制定、執行以及后續的維護等步驟上均采用智能系統自動化完成，且具有低門檻、低費率等特點，因此能夠為更多的零售客戶提供定制化服務。

    3.大數據在保險行業中的應用。

    一是騙保識別。借助大數據手段，保險企業可以識別詐騙規律，顯著提升騙保識別的準確性與及時性。保險企業可以通過建設保險欺詐識別模型，大規模地識別近年來發生的所有賠付事件。通過篩選從數萬條賠付信息中挑出疑似詐騙索賠。保險企業再根據疑似詐騙索賠展開調查會有效提高工作效率。此外，保險企業可以結合內部、第三方和社交媒體數據進行早期異常值檢測，包括了客戶的健康狀況、財產狀況、理賠記錄等，及時采取干預措施，減少先期賠付。

    二是風險定價。保險公司通過大數據分析可以解決現有的風險管理問題。比如，通過智能監控裝置搜集駕駛者的行車數據，如行車頻率、行車速度、急剎車和急加速頻率等；通過社交媒體搜集駕駛者的行為數據，如在網上吵架頻率、性格情況等；通過醫療系統搜集駕駛者的健康數據。以這些數據為出發點，如果一個人不經常開車，并且開車十分謹慎的話，那么他可以比大部分人節省30%-40%的保費，這將大大地提高保險產品的競爭力。

    4.大數據在支付清算行業中的應用。

    以交易欺詐識別為例。目前，支付服務操作十分便捷，客戶已經可以做到隨時、隨地進行轉賬操作。面對盜刷和金融詐騙案件頻發的現狀，支付清算企業交易詐騙識別挑戰巨大。大數據可以利用賬戶基本信息、交易歷史、位置歷史、歷史行為模式、正在發生行為模式等，結合智能規則引擎進行實時的交易反欺詐分析。整個技術實現流程為實時采集行為日志、實時計算行為特征、實時判斷欺詐等級、實時觸發風控決策、案件歸并形成閉環。

    一是大數據應用水平正在成為金融企業競爭力的核心要素。金融的核心就是風控，風控以數據為導向。金融機構的風控水平直接影響壞賬率、營收和利潤。目前，金融機構正在加大在數據治理項目中的投入，結合大數據平臺建設項目，構建企業內統一的數據池，實現數據的“穿透式”管理。大數據時代，數據治理是金融機構需要深入思考的命題，有效的數據資產管控，可以使數據資產成為金融機構的核心競爭力。

    二是金融行業數據整合、共享和開放成為趨勢。數據越關聯越有價值，越開放越有價值。隨著各國政府和企業逐漸認識到數據共享帶來的社會效益和商業價值，全球已經掀起一股數據開放的熱潮。目前，美歐等發達國家和地區的政府都在數據共享上做出了表率，開放大量的公共事業數據。中國政府也著力推動數據開放，國務院《促進大數據發展行動綱要》提出：到2018年，中央政府層面實現金稅、金關、金財、金審、金盾、金宏、金保、金土、金農、金水、金質等信息系統通過統一平臺進行數據共享和交換。

    三是金融數據與其他跨領域數據的融合應用不斷強化。從2016年開始，大數據技術逐漸成熟，數據采集技術快速發展，通過圖像識別、語音識別、語義理解等技術實現外部海量高價值數據收集，包括政府公開數據、企業官網數據、社交數據。金融機構得以通過客戶動態數據的獲取更深入地了解客戶。
未來，數據流通的市場會更健全。金融機構將可以方便地獲取電信、電商、醫療、出行、教育等其他行業的數據，一方面會有力地促進金融數據和其他行業數據融合，使得金融機構的營銷和風控模型更精準。另一方面，跨行業數據融合會催生出跨行業的應用，使金融行業得以設計出更多的基于場景的金融產品，與其他行業進行更深入的融合。

    四是金融數據安全問題越來越受到重視。大數據的應用為數據安全帶來新的風險。數據具有高價值、無限復制、可流動等特性，這些特性為數據安全管理帶來了新的挑戰。對金融機構來說，網絡惡意攻擊成倍增長，組織數據被竊的事件層出不窮。這對金融機構的數據安全管理能力提出了更高的要求。大數據使得金融機構內海量的高價值數據得到集中，并使數據實現高速存取。但是，如果出現信息泄露可能一次性泄露組織內近乎全部的數據資產。數據泄露后還可能急速擴散，甚至出現更加嚴重的數據篡改和智能欺詐的情況。

    一是金融行業的數據資產管理應用水平仍待提高。金融行業的數據資產管理仍存在數據質量不足、數據獲取方式單一、數據系統分散等一系列問題。一是金融數據質量不足，主要體現為數據缺失、數據重復、數據錯誤和數據格式不統一等多個方面。二是金融行業數據來源相對單一，對于外部數據的引入和應用仍需加強。三是金融行業的數據標準化程度低，分散在多個數據系統中，現有的數據采集和應用分析能力難以滿足當前大規模的數據分析要求，數據應用需求的響應速度仍不足。

    二是金融大數據應用技術與業務探索仍需突破。金融機構原有的數據系統架構相對復雜，涉及的系統平臺和供應商相對較多，實現大數據應用的技術改造難度較大，而且系統改造的同時必須保障業務系統的安全可靠運行。同時，金融行業的大數據分析應用模型仍處于探索階段，成熟案例和解決方案仍相對較少，金融機構應用大數據需要投入大量的時間和成本進行調研和試錯，一定程度上制約了金融機構大數據應用的積極性。而且，目前的應用實踐反映出大數據分析的誤判率還比較高，機器判斷后的結果仍需要人工核查，資源利用效率和客戶體驗均有待提升。

    三是金融大數據的行業標準與安全規范仍待完善。當前，金融大數據的相關標準仍處于探索期，金融大數據缺乏統一的存儲管理標準和互通共享平臺，涉及金融行業大數據的安全規范還存在較多空白。相對于其他行業而言，金融大數據涉及更多的用戶個人隱私，在用戶數據安全和信息保護方面要求更加嚴格。隨著大數據在多個金融行業細分領域的價值應用，在缺乏行業統一安全標準和規范的情況下，單純依靠金融機構自身管控，會帶來較大的安全風險。

    四是金融大數據發展的頂層設計和扶持政策還需強化。在發展規劃方面，金融大數據發展的頂層設計仍需強化。一方面，金融機構間的數據壁壘仍較為明顯，數據應用仍是各自為戰，缺乏有效的整合協同，跨領域和跨企業的數據應用相對較少。另一方面，金融行業數據應用缺乏整體性規劃，當前仍存在較多分散性、臨時性和應激性的數據應用，數據資產的應用價值沒有得到充分發揮，業務支撐作用仍待加強，迫切需要通過行業整體性的產業規劃和扶持政策，明確發展重點，加強方向引導。
一是出臺促進金融大數據發展的產業規劃和扶持政策。建議針對產業發展需求和政策空白領域，出臺促進金融行業大數據發展應用的指導性政策意見，明確產業發展的目標、方向、路徑和要求，完善產業發展的配套保障體系和發展能力評估建設體系。指導和支持金融大數據在產業標準、安全和商業化等多個領域的相關研究。逐步加快發布和形成金融大數據產業應用標準體系和行業規范，以標準促進產業合作，創造更加良好的產業發展環境，增強產業界發展積極性。

    二是分階段推動金融數據開放、共享和統一平臺建設。針對金融機構數據分散和隔離問題，建議監管機構牽頭，分階段推進金融行業安全可控的數據開放共享。首先從制定統一數據目錄，明確最低開放標準著手，逐步鼓勵金融機構創新合作模式，搭建金融行業統一數據平臺，克服跨組織數據流通障礙。未來可鼓勵金融機構探索混合所有制，建立獨立運營主體，負責金融行業大數據的統一管理和運營，開展跨行業、跨領域應用合作，促進金融大數據在社會經濟各領域的價值實現。

    三是強化金融大數據行業標準和安全規范建設。建議組織金融行業各方主體，協同制定統一的金融行業大數據交易規范，明確交易各方的數據安全責任，保障金融大數據市場的健康、有序發展；制定明確的數據安全使用標準，對金融大數據的使用權限、使用范圍、使用方式和安全機制等，進行嚴格的規范化、標準化管理；建立有效的投訴機制和懲罰機制，實施全程全網的數據安全使用管控與源頭追訴。

    四是依托行業平臺推進金融大數據應用成果共享合作。積極發揮以“中國支付清算協會金融大數據應用研究組”為代表的行業組織的平臺作用，打造具有品牌影響力的金融大數據交流分享平臺，建立金融大數據行業的長效溝通機制，促進金融大數據應用成果的經驗分享和互動交流。同時，積極推動金融行業和電信、電商、旅游等跨行業的溝通和合作，通過專題活動宣傳和推廣，展示金融大數據在各個行業領域的應用成果，增加金融大數據應用的社會關注度。