问：互联网金融的发展依托大数据，那么大数据的特征有哪些?优势在什么地方?它给传统金融机构带来了哪些机遇与挑战?
张晓蕾(渣打银行(中国)有限公司副行政总裁)：传统商业银行也有广泛使用大数据技术，但对技术的依赖程度是一个值得研究的课题。
举个简单的例子，渣打银行的程序性借贷(其中也包括个人借贷)是通过搜集大数据，并设定参数，这是一个自动撮合的过程。整个借贷流程非常快速， 以新加坡为例，两个小时就可以完成审批。产品本身非常好，快速、高效，且成本低廉。但是其发展速度受到一定限制。经过多年的摸索，我们发现，这个业务的增 长速度与其坏账增长并不呈现为线性关系，在飞速增长达到临界点后，其坏账明显增加。当然这与地域有一定关系。
商业银行为什么需要不断调整自身使用的模型?因为这些模型本身就是风险的来源，调整模型意味着对风险的控制，这也是新的第三方机构需要累积的经 验。比如证券界流行的量化策略，实际上是应用历史数据和概率进行投资策略的模型。根据这个理论制定策略，我们却发现黑天鹅事件导致了机构的倒闭，这就是系 统之外的突发性风险。
传统商业银行不能忽视大数据时代的到来，这意味着成本的大幅度下降。如果我们不能面对这样的转变，未来我们可能在很多领域都要让位于在大数据方面有很大优势的新进者。
从另外一个角度来讲，新进者在提供金融服务时，必须要考量传统金融行业行之有效的风控。为什么银行要花这么高的成本去做风控及信贷审批，特别是中型以上的金融机构，基本还是以人为考量标准，如果不能面对面看到贷款方，很难做出重大决策。
武剑(中国光大银行专职董事)：银行对互联网金融的关注始于余额宝，他们一开始并没有正视这个问题，对余额宝的影响估计不足。现在大 家都在逐渐适应的过程中，目前尚存在监管的盲区，有一定套利的空间，但它不会是长期问题。我们更关注的是互联网金融的深层次影响，由于近年来移动互联网的 飞速发展，导致数据量激增，形成大数据现象。IBM的研究显示，近两年全球产生的数据量，相当于整个人类有记录以来数据量的90%以上，而且还在以几何倍 数的速度上升。并且这些大数据不光是海量，而且主要是非结构化的。以前银行处理的数据都是结构化的，比较规范、标准，这方面的经验比较多。而现在各种渠道 获得的数据，有音频、图像、视频等各种各样形式，我们不知道应该如何应对。另外，大数据还有一个特点是实时在线。传统数据的生产、存储以及调用是分割的， 很多数据在采集之前就已经经过了人脑有意识处理，如市场调查产生的数据，而大数据的产生和捕获都是在人们无意识地正常生产经营活动中进行，做到了反映真 实，并一直在线，再借助以云计算为代表的新型处理方法，就能将在线的大数据实时进行分析，并将分析结果随时调用。
从战略层面而言，将来银行的业务都会搬到线上，所有金融机构的竞争将在信息平台上展开，从这个角度来讲，简单概括成一句话就是 “数据为王”。将来谁掌握大数据资源，谁就掌握了风险定价的主动权，也就可以获得准确、高额的风险收益，最终获得竞争优势。
银行做风险评估模型的时候用的主要是结构化数据，往往是滞后的，比如财务报表是上一年度的，很多数据是静态的、局部的，而且是容易被粉饰和掺水 的。采用这种数据做前瞻性预测效果可想而知。从目前情况看，五大行的内部评级模型都已经通过了银监会最近的验证，但是这些数据和模型准确性还是令人疑虑。 现在的数据库是过去5-7年的，是在经济繁荣时期积累下来的，没有经过一个完整的经济周期，将来一旦系统性风险爆发，再回头看这些数据很可能低估了潜在的 风险。
应用大数据思维，银行可以根据纳税记录、刷卡记录、存货变动等动态数据进行信用观察，只要观测流量达到标准，就可以发放贷款，采用这种评估方式发放的贷款违约率很低，这就是大数据的作用——各种不同类型、不规范的数据都可能是有价值的。
大数据不光能够改进风险管理的技术，还能促进商业银行的业务转型。商业银行的转型已经开始几年了，但目前的效果并不理想。其中一个重要的原因是 商业银行的严重同质化，一窝蜂式地开展业务，要么都发理财，要么都做小微，要么都做社区银行。由于没有数据支持，银行对自身的业务结构了解并不透彻，往往 只是依靠管理层的主观判断来调整银行转型的发展方向。