大数据被誉为第四次工业革命的能源，整个产业正处于高速起飞的阶段，机会和挑战总是结伴而行。大数据也是一座待挖掘的金矿，给人们带来无限美好遐想的同时，一些潜在的挑战也在渐渐浮出水面。
这个趋势在金融大数据领域尤为明显。
垄断壁垒渐强，数据共享已成空话
得益于金融行业较为完整的数据积累与人才储备，大数据在金融领域的应用可以说是最早开花结果，包括精准营销、客户全周期管理、战略决策、风险控制等环节均能看到大数据的落地身影。
但就像引言所说，很多挑战也在不断滋生，这些挑战至少来自三个维度。
首先是认知层面。大数据对金融行业来说意味着什么 仅仅是一个优化工具还是对金融体系的一次基因改造，或者还是代替银行一些职能成为独立的产品 答案众说纷纭，始终没有得到统一。
其次是数据获取带来的挑战。
目前企业面临一个普遍的困境就是挖掘与收集数据的能力有限，需要满世界找数据。
不解决这个问题就会直接导致底层数据的流通不畅，底层数据从大的方面来说由内部和外部两个方面组成。内部是指总行跟各分行之间，甚至是各银行之间数据的共享;外部是指金融业和行业外部数据的打通，比如说电商平台、医保和社保等交易场景下用户产生的数据。
但是这些数据本身都被高度垄断，并且一些还涉及到用户隐私问题，甚至一些企业一旦将自己的数据开放将会遭受难以估量的巨大损失。
举个极端例子， 假如阿里的数据向京东开放会发生什么 我想第一时间京东会去获取阿里中大量女性用户的数据，一举填平服装和美妆产业在两者之间的鸿沟。
即使情况没有这么极端，阿里仅仅开放了一些简单的数据，也会给京东很多发挥的空间。比如说用户在阿里买了一件商品，这个数据被京东获知，京东就可以马上上架或者是推荐相关联的产品，用户买了一个笔记本可能还需要一个鼠标，就因为数据的开放，很大概率京东就抢走了本属于阿里的订单。
所以说数据作为企业的核心资产是绝对不会轻易开放的。
如何有效打通数据间的壁垒，是从业人员必须要跨过的一道门槛。
大数据带来的“人机矛盾”开始隐现
第三个挑战来自应用层面。应用层面的挑战更具复杂多样性，有一个矛盾越来越突出，可以预见的未来将会是困扰行业的主要焦点所在。
我称之为“人机矛盾”。
“人机矛盾”在电影里经常被演绎。机器人突然有了意识，便大肆屠杀人类，大数据概念下的“人机矛盾”没有这么暴力血腥，但也足够折磨人了。
具体体现在哪里呢 我们知道，基于大数据的缜密算法构建、机器学习和关联性预算等手段，可以直接显示最后的分析结论，而没必要具体展现其中的过程。也就是说，通常大数据的分析结果只负责告诉人们“what”，而不负责解释“why”。
但是当人们利用大数据的结论时就很容易陷入纠结，比如在商业银行做一个客户流失的风险预测，通过大数据发现这名客户未来有可能产生违约行为，因此建议不要放这笔贷款。
但这样业务人员会疯的，凭什么拿一份机器得出的结论好端端地去打搅客户。平白无故地对客户说：你好，我们预测你要流失，所以我要给你提供一些其他的服务来挽回。先不说提供的其他服务所产生的成本，单说这一行为会不会引起客户的反感，反而起到反作用也不是没有可能。业务人员要如何取舍 非常难办。
光是这个矛盾就够了吗 远远不止，假如面对的是银行个人用户业务，面对的可就是数以千万计的客户。通过大数据预测，假如预计5%的人会流失，这是非常庞大的一个数字。前端服务或销售人员或许一下就迷茫了，这么多人从哪里做起呢 投入有限的资源去做真的会挽回用户吗
业务人员一定会问很多个为什么，一直问到机器是如何得出这个分析结论的。就如同AlphaGo大战柯杰，柯杰作为人类棋手翘楚，每秒可以搜索10个走子可能。但AlphaGo每秒却可以搜索10万个走子可能，你问AlphaGo为什么这步棋做出这样的选择，是因为它已经做了10万次的运算。