本章总结

● 大数据是指在一定时间范围内无法用传统数据库软件进行采集、存储、管理和分析的数据集或数据群，需要通过新的处理模式才能体现出的具有高效率的、高价值的、海量的、多样化的信息资产。大数据具有大体量、多样性、时效性、准确性、价值性这5个特征。

● 小数据是以个体为中心，需要新的应用方式才能体现出的具有高价值的、个体的、高效率的、个性化的信息资产。大数据和小数据有着本质的区别，虽然两者都是以创造数据价值为目的，但是收集目的、数据结构、生命周期、分析方法及分析重点方面都存在着不同的定位。

● 大数据的分类形式众多。按照大数据的结构特征，可以将大数据分为结构化数据、非结构化数据和半结构化数据。按照大数据的获取处理方式，可以将大数据分为批处理数据和流式计算数据。按照大数据的处理响应性能，可以将大数据分为实时数据、非实时数据和准实时数据；按照大数据的关系，可以将大数据分为简单关系数据和复杂关系数据。

● 大数据的处理流程归纳为：首先利用多种轻型数据库收集海量数据，对不同来源的数据进行预处理后，整合存储到大型数据库中，然后根据企业或个人目的和需求，运用合适的数据挖掘技术提取有益的知识，最后利用恰当的方式将结果展现给终端用户。具体包括数据采集、数据预处理、数据存储、数据挖掘及数据解释这5个步骤。

● 大数据金融是指运用大数据技术和大数据平台开展金融活动和金融服务，对金融行业积累的大数据以及外部数据进行云计算等信息化处理，结合传统金融，开展资金融通、创新金融服务。

● 大数据金融与传统金融相比，存在如下几个方面的特点：呈现方式网络化；风险有所调整；信用不对称性大大降低；金融业务效率提高；金融企业服务边界扩大；产品是可控的、可接受的；惠普金融。相对于传统金融，大数据有着无可比拟的优势：放贷快捷，精准营销，个性化服务；客户群体大，运营成本低；科学决策，有效风控。

● 大数据给传统的金融业、征信业和新兴的互联网金融行业带来了较大的变革。与此同时，还带来了较大的金融信息安全问题和监管挑战。因此，我们在享受大数据带来的价值的同时，还应该建立起完善的安全防范体系，以确保金融数据信息的安全。

● 按照大数据服务所处的环节，可以把大数据金融划分为平台金融模式和供应链金融模式。平台金融模式是基于电商平台基础上形成的网上交易信息与网上支付形成的大数据金融，通过云计算和模型数据处理能力而形成信用或订单融资模式。供应链金融模式是企业利用自身所处的产业链上下游，充分整合供应链资源和客户资源，提供金融服务而形成的金融模式。

● 在大数据背景下，金融信息安全面临多方面的威胁，包括大数据集群数据库的数据安全威胁、智能终端的数据安全威胁以及数据虚拟化带来的泄密威胁。