“大家還沒搞清楚PC的時候，移動互聯網來了，還沒搞清楚移動互聯網的時候，大數據來了。”
有個不太靠譜的命題：如何讓趙本山和邁克爾喬丹搭上關係？其實很簡單，通過分析兩個人的社交圈子，興趣愛好等，最終可以找出一條線路能讓他們兩個人認識，這就是隱藏其中的大數據魅力之一點點……
隨著互聯網的衝擊，UGC（用戶產生內容）不斷髮展，社交網絡已經不斷普及並深入人心，用戶可以隨時隨地在網絡上分享內容，由此產生了海量的用戶數據。這些數據並不是我們想象中的那樣冷冰冰、枯燥的數據，而是更加活生生、有趣的數據；這些數據不同於以往單純的數字，它們聲色結合、圖文並茂。
比如，Facebook用戶每天共享的東西超過40億，Twitter每天處理的數據量超過3.4億；而每分鐘Tumblr博客作者會發布2.7萬個新帖子，Instagram用戶會共享3600張新照片……隨著Facebook、Twitter、LinkedIn、微信等社交媒體的流行，對社交關係的數據挖掘成為近幾年的一個技術熱點。
玩的核心是消費者洞察
在一般商業前提下，社交大數據挖掘的目的，是投其消費者所好。
不可否認，一個正在改變我們的生活、工作和思維方式的新浪潮正悄悄來到我們身邊，這或許就是大數據（Big Data）導致的一個還不可名狀的時代。
當下，社交大數據正在對企業，甚至於一些行業帶來深刻的變革。下面，讓我們來細數一下吧！
首先，與傳統的營銷方式相比，利用大數據營銷，從前期的曝光，中期的轉化，到後期的購買行為都是可監測的。效果可評估是大數據帶來的最實質性影響。其次，在社交環節，越來越多消費者通過社交媒體反饋自己對企業產品、品牌形象的看法，這個過程會產生許多有價值信息，甚至包括一些潛在的市場需求。對一個企業來說，這些信息不僅可能使他們調整原有產品，甚至催生新的商業模式。消費者洞察，是大數據的核心價值。第三，大數據對某些行業來講，意義更加不同。比如電影行業，金融行業，大數據能夠起到預估性、前瞻性作用，企業可以據此建立一些模型對消費者行為進行分析。
同時，這又是一個移動盛行的時代，與傳統互聯網相比，移動互聯網時代更加強調“社交”和“互動”。人們隨時隨地可以和朋友問候交流、分享資訊，只要帶上手機，整個社交圈也就裝在口袋裡。交互性增強帶來的效果是，不但產品可以為用戶帶來效用，用戶反過來也能為產品導入流量。一個網友如果在微博上發文誇讚一家餐廳，經由他的社交圈的轉發和擴散，就將為這家餐廳帶來更多的訪客。這個特徵，也為移動互聯網時代的商業創新指出了一個方向，那就是基於用戶身份的信息交互和社交應用。
當下，所有行業都在積極擁抱移動互聯浪潮，當然金融業也無法作壁上觀。唯有移動起來的金融，才具備在下一個週期繼續參與競爭的生命力。這其中，應用社交化的趨勢和大數據，將對金融行業帶來更多新的機遇，並將使金融行業逐步移動化、社交化，產生新的具有移動互聯網特點的金融模式。這種金融模式將具有成本低廉、便捷的特點，能夠使人們不受時間和地點的限制享受金融服務。
總之，進入大數據時代，金融行業的客戶信息、交易信息、資產信息、信用信息等數據經過有效採集和整理分析，將會成為具有價值的數據信息。內部數據結合外部數據將形成具有重要價值的數據資產，可以有效幫助金融企業進行精準營銷，降低運營費用，提高欺詐管理水平，提高信用風險管理水評，為決策提供有效支持，同時幫助金融企業瞭解客戶需求，開發出符合客戶需要，具有創新精神的新產品。
每分鐘的心情狀態，終將被考量
社交大數據營銷，是為了更好地輔助金融決策。
金融業是產生海量數據的行業，大數據正在改變著銀行的運作方式，特別是對理解和洞察市場和客戶方面正產生著深遠的影響。
隨著Facebook和Twitter等社交平臺的內涵更深入更延展，分享、交流等社交元素開始與更多金融服務相互融合，由此產生的多種商業價值也隨之凸顯。
金融市場價格走勢很大程度上受市場情緒的左右，社交網絡提供的情緒數據為金融交易帶來巨大機會。一些機構以社交網站為交易策略中心的平臺正為市場帶來新的活力。
目前風靡華爾街的算法交易正是讓大數據為其服務的一種案例。一些算法交易公司憑藉的就是通過跟蹤全球互聯網上的頭條新聞以及微博數據等捕捉政治、經濟方面的變化對市場的影響，並將其作為股市投資的信號。一些提供專業服務的技術平臺風起雲湧，如MarketPsych公司和路透社合作提供了119個國家的18000多個獨立指數，如每分鐘的心情狀態——樂觀、憂鬱、快樂、恐懼和生氣等，為金融機構的自動交易提供第三方服務。
當然，信貸管理是長期困擾銀行的難題，大數據準確和有價值的信息為銀行信貸審批與決策提供了一個新的視角和工具。包括微信、微博在內的社交網站以及搜索引擎、物聯網和電子商務等平臺將人們之間的人脈關係、情緒、興趣愛好、購物習慣等生活模式以及經歷一網打盡，並將其加入到巨大的個人信息庫中。銀行利用這些更加準確和豐富的數據在信用分析和客戶評級方面做出正確判斷和決策，讓信貸決策不再僅僅憑藉滯後的數據和束縛手腳的條條框框，而是從被動轉變為主動，從信用分析發展到行為分析，為信貸審批帶來全新的方式。
還有一些消費信貸創業公司正研究開發以社交圖譜為依據的FICO信用評分系統，利用15個變量決定其信用等級，預測單個借貸者是否會違約。一份內部研究顯示，根據物以類聚的原理，個人貸款償還可能性和其朋友償還債務可能性呈正相關。大數據從一個新的緯度提供信用分析參考，逐漸降低信貸方面的高門檻。
由於大數據可以整合更多信息，並可以更準確評估客戶風險，銀行可以為不同風險客戶提供不同價格的貸款。如果借款人與貸款人之間彼此擁有足夠信息，金融中介的作用會變得越來越模糊，正在崛起的數據銀行已對傳統商業銀行構成巨大挑戰。
可見，大數據為金融機構提供了客戶全方位信息，通過分析和挖掘客戶的交易和消費信息掌握客戶消費習慣，並準確預測客戶行為，有針對性地推銷產品和服務，滿足銀行對潛在客戶量身定製服務的需求。另外，在品牌管理和客戶服務反饋方面，大數據通過對人們在思想、情緒和通信方面的數據化情感分析，獲取並彙總顧客的反饋意見並對營銷活動效果做出準確判斷。
大數據時代湧現了更多的金融與商業的跨行業聯動營銷。如：西班牙的桑坦德銀行每週發給其分行一份可能對該行某類產品感興趣的客戶清單，其中有些就不是金融產品。花旗銀行新加坡分行在觀察客戶信用卡交易的基礎上，藉機提供相關商店和餐館的折扣。信用卡公司和其他零售商也在涉足這個領域，Visa 與服裝零售店Gap聯手向在Gap店附近刷卡的持卡人發送折扣券。亞洲花旗有25位數據分析師，2012年在新加坡設立了一個新的“創新實驗室”，將數據分析師和大機構客戶與孟加拉的大型分析中心聯繫在一起，如果客戶簽下服務，刷信用卡，系統可以查看任何一天客戶購物和吃飯的地點，以及偏好，如果發現該客戶喜歡意大利餐，快到午餐時，如客戶所處的位置附近有一家著名的意大利餐館，銀行可以發送短信，提供那家餐館的打折券，使得第二次交易出現。系統甚至有能力找出客戶接受這項優惠的比例。這些靈感正是借鑑從亞馬遜營銷圖書的經驗，客戶的喜好不僅僅取決於他所買到書，還取決於相同客戶買了什麼書。
金融機構最為關注的是風險管理，而大數據在管理交易、信貸風險和合規方面大顯神通。許多金融機構早已採用大數據防治欺詐，保持交易方面的合規，如在龐大的數據庫中核對黑名單中的名字，區別同名同姓。信用卡公司用大數據分析客戶大規模的交易規律，大大降低了風險。
計算機科學家、統計學家正在開始與社會科學家協作
社交大數據，助互聯網金融大道盛行。
隨著計算機及互聯網通訊技術的興起和發展，在過去的幾十年間，金融行業在不斷被改變，隨著金融行業不斷觸網，互聯網金融已經顯示出誘人前景。
與傳統金融相比，互聯網金融的優勢主要體現在：通過社交網絡或電子商務平臺可以挖掘各類與金融相關的信息；大幅提高信息蒐集效率，智能滿足用戶金融需求；在供需信息幾乎完全對稱、交易成本極低的條件下，優化交易方式。互聯網金融的優勢不僅在於信息蒐集和處理，還能有效地將眾多交易主體的資金流置於其監控之下，降低風險控制成本。
目前，互聯網金融主要有五種模式：一種是以拍拍貸、人人貸、點名時間等為代表的線上P2P模式和眾籌模式；第二種是阿里、京東、蘇寧為代表的電商介入金融領域，形成的各自互聯網金融模式，阿里最具代表性，衍生的金融模式也較多；第三種是涉及到銀行支付結算體系的第三方支付，目前有支付寶、財付通為代表的200多家支付企業；第四種是互聯網企業介入的金融服務領域，更多以服務金融機構為主要模式，本身不介入金融領域，像數米網、銅板街、東方財富網等基金代銷網站，還有如融360、好貸網的金融信息服務模式的網站；第五是互聯網貨幣，如比特幣。其中，影響最大的是阿里金融等擁有海量客戶、數據資源的第三方支付和P2P等。對於傳統金融業，這種形式的互聯網金融主要挑戰了什麼呢？可以認為其在於：客觀上割裂了銀行和終端客戶的直接聯繫，銀行客戶開始分流，銀行被電商前臺後端化；銀行資金開始脫媒，小額高頻度的資金流水通過第三方或者P2P進行流通、投資。
金融機構希望能夠收集和分析大量中小微企業用戶日常交易行為的數據，判斷其業務範疇、經營狀況、信用狀況、用戶定位、資金需求和行業發展趨勢，解決由於小微企業財務制度的不健全，無法真正瞭解其真實的經營狀況的難題。其中，比較典型的就是阿里小貸，首創了從風險審核到放貸的全程線上模式，將貸前、貸中以及貸後三個環節形成有效聯結，向通常無法在傳統金融渠道獲得貸款的弱勢群體批量發放“金額小、期限短、隨借隨還”的小額貸款。接下來，我們還原一下其做法：
首先，通過阿里巴巴B2B、淘寶、天貓、支付寶等電子商務平臺，收集客戶積累的信用數據，利用在線視頻全方位定性調查客戶資信，再加上交易平臺上的客戶信息（客戶評價度數據、貨運數據、口碑評價等），並對後兩類信息進行量化處理；同時引入海關、稅務、電力等外部數據加以匹配，建立數據庫模型。
其次，通過交叉檢驗技術輔以第三方驗證確認客戶信息的真實性，將客戶在電子商務網絡平臺上的行為數據映射為企業和個人的信用評價，通過沙盤推演技術對地區客戶進行評級分層，研發評分卡體系、微貸通用規則決策引擎、風險定量化分析等技術。
最後，在風險監管方面，開發了網絡人際爬蟲系統，突破地理距離的限制，捕捉和整合相關人際關係信息，並通過逐條規則的設立及其關聯性分析得到風險評估結論，結合結論與貸前評級系統進行交叉驗證，構成風險控制的雙保險。阿里小貸還憑藉互聯網技術監控貸款的流向：如果該客戶是貸款用於擴展經營，阿里小貸將會對其廣告投放、店鋪裝修和銷售進行評估和監控。
可見，互聯網金融藉助社交網絡等新平臺產生了海量用戶和數據，記錄了用戶群體的情緒，但大數據庫無法自己總結人類行為模式的規律。計算機科學家、統計學家正在開始與社會科學家協作，找到把大數據策略和小數據研究相結合的新途徑。利用互聯網，金融企業也可以對其客戶行為模式進行分析（比如事件關聯性分析），這類似於工程上的“對照實驗”，即觀察、測試不同條件下，機構投資者或普通金融消費者對產品的反應，識別其中的因果關係，提高客戶轉化率，改善服務水平，實現互聯網金融的精準營銷。例如，領先的零售企業通過監控客戶的店內走動情況及其與商品的互動，與交易記錄相結合開展實驗，就可以指導選擇商品種類、擺放貨品、調整售價。再如，有保險公司通過精細化分析客戶風險、財富變化、家庭資產價值等數據並不斷更新其背景資料，向客戶提供量身定製的保單。未來，保險公司還將使用個人位置和汽車運行信息對車險產品定價，向客戶提供交通和天氣狀況、停車事故高發區域和速度限制變化等實時信息，開發有利於安全駕駛的產品。
在大數據盛行的年代，互聯網不僅影響到金融，它還是整個消費習慣的改變。隨著70，80，90後成為互聯網金融的主要人群，他們多年已經養成了互聯網生活習慣和思維模式，更傾向於選擇通過互聯網，便捷、高效地來解決借貸、理財、投資等各方面的金融需求。
未來社交關係與大數據還將在互聯網貸款、購買保險、證券投資等發揮極大作用。金融和數據擁有天然的數據化基因，因為金融本身就是信息和數據，做金融的本質就是做信用。大數據技術提供的有據可查的信用數據，為構建互聯網金融信用體系提供了保障。
什麼時候隱私可以成為偽命題？
社交大數據掘金路上，隱私問題忡忡。
當然，深度的社交大數據挖掘中最敏感的問題仍然是用戶隱私的問題。社交網站從一誕生起就與這個問題相伴相生，隨著大數據時代的到來，隱私問題顯得越發重要。在未來掘金社交數據的道路上，一方面要為用戶提供更加精準便捷的良好服務，另一方面也要注重對用戶隱私的保護。只有符合用戶需求和用戶安全的商業利益，才能成為可持續的商業利益。
可見，移動互聯網、社交網絡、雲計算、大數據等新技術的不斷湧現，加劇了互聯網與金融業在客戶管理、風險控制、渠道建設、商業模式、戰略等層面廣泛的融合和創新，不難想象，在不久的將來，真正能帶來改變的互聯網金融一定是由深諳互聯網思維，立足小額信用貸款服務，涉及海量用戶，注重數據資產，耐心長遠的公司所推動的。這有這樣，才是符合大數據的趨勢，才能擁有長期的核心競爭力。但不可否認，無論選擇與社交網絡進行品牌聯合，還是藉助豐富而強大的數據系統實現精準定向，亦或求同存異定製產品打通，社交關係與大數據的結合，不僅攪動了金融業，而且演變為整個商業社會乃至人情社會的制高點工具問題，即將催生真正的互聯網與金融領導者。
閱讀更多 數碼理論堂 的文章
