人们将2012年称之为大数据元年，而2013年则是大数据“试点年”。这一年，围绕大数据行业实际应用，金融及IT企业的摸索之旅纷纷启程。
眼下，关于大数据行业应用的颇具冲击力的最新消息是，大数据已给阿根廷带来大量税收。阿根廷政府用大数据征税，收税效率得到显著提高。他们使用全方位的计算机系统，对纳税人的大量信息，包括物业、汽车、投资、银行贷款、信用卡消费进行分析，使得逃税无处可逃……
虽然上述政府行为的合理性颇受民众非议，但是大数据经由精准分析为人们所带来的社会及商业效益似乎无可争议。尽管，中国的大数据市场应用还刚刚起步，还未对政府决产生作用；然而大数据的行业应用前景肯定的美好的，国内IT软件企业其实已迈步向前了。
目前具有代表性的热点之一，就是大数据分析师这个角色开始在职场受宠。目前，大部分金融IT企业已投入一部分精力放在对大数据分析师人才的培养及相关团队的建设上。
所谓大数据分析师的存在，其实又回到了一个老话题。这类人才的存在其实就如同IT企业直追求的核心价值一样，即懂技术又懂行业，同时比客户站得更高。
其实，“技术”+“行业经验”同样是大数据落地的两大必要条件；这也成为各家企业试水大数据的必备资本。
不仅是技术难题
如果问，现在大数据应用比较快的行业有哪些？电子商务、电信和金融无可争议的是其中三大代表性领域。
如何实现优化应用，及时对银行或者证券交易等用户的行为及心理做时时处理和分析，时时监测报警甚至于及时营销等，这是金融IT企业决战大数据技术焦点。
目前，借鉴电子商务在这方面的经验，已成为银行已启动的大数据项目主要模式。众所周知，大数据最先在电子商务领域成功落地。
而今，阿里网络金融冲击传统金融业的再度创新，借助的还是大数据的优势。如阿里计划推出针对买家的“虚拟信用卡”，根据用户交易记录进行授信，用于在淘宝等购物支付；付费最长38天免息，向签约商户收费1%。阿里数据库中的8000万用户，将成为这一新型信用卡业务巨大的市场潜力……
在此，马云关于大数据重在“分享而非分析”的新话题显然并不重要。面对不同行业需求现状，构建符合行业应用特点的大数据平台才是关键。
目前，金融信息化重视对海量数据处理的性能，系统建设日益重视提高用户体验，目标聚集于业务系统在响应业务办理的实时性及效率方面。
海通证券信息技术管理部副总经理王洪涛分析，目前金融行业首要的问题是数据信息分散。包括保险、证券及银行业在内，计算资源利用率极低。同时，在对动态快速扩展业务平台实现交付的需求下，客户项目朝着数据集成方向演化。
立足于金融行业业务场景，构建数据集成平台，采纳决策分析系统及平台等等，这些都是大数据范畴内用户对数据平台的构建的普遍需求。
而实际上，对声音、图像及视频分析也无疑是大数据应用的必然方向。据华夏创新科技西南区负责人张立波介绍说，该公司在3G视频业务加速是当前的重点，诸如云视频应用等跨行业及平台等相关项目相对较多。
不可回避的是，这些非结构性数据的分析存在诸多难度。正如SAP亚太区数据库解决方案技术总监卢东明所言，非结构化数据信息处理技术单就“中文文字”处理就非常困难。
目前专注于国产中间件产品的汇金科技就将对大数据的支持放在了首位。其次，公司还在行业应用上重视在大数据处理的落地上，如安全生产系统重视对图形图像视频的处理，并预知信息及时提供报警。
银行项目外部围突
从行业应用层面来看，对海量数据的“分析和挖掘”正是大数据一直所要担负起来的“主要职能”。也是大数据平台价值的核心。
正如业内人士所看到的，金融行业的大数据不能随便共享。但是，数据分析及挖掘却如此迫切。
数据挖掘之数据可视化其实已成为大数据项目不可缺的部分。数据可视化工具大大扩展了传统商业图形应用范围。使用户直观发现数据特征与数据隐含的依赖关系，为数据分析人员提供及时帮助。
某金融IT服务商解释，过去银行都设有专门的客户经理，但他们的服务水平普遍较低。基本上是客户上门找客户经理服务的被动模式。客户经理无法做到基于不同用户的偏好有针对性地主动提供营销服务。但是，银行业已然开始朝“主动营销”的方向迈进。在2012年，中信银行采用 Greenplum可做到秒级营销，据说可节约成本达千万。
实际上，Greenplum已在中国几大银行中都有应用，大多是基于海量数据的OLAD应用构建数据仓库。
通过挖掘和分析客户的各种交易信息，可以通过决策分析而最大化的提高企业销售利润，这是普遍需求也是数据库厂商的技术亮点。EMC数据计算产品部大中华区总经理刘伟光认为，大数据的商业价值可以由两方面得到体现。一是，这种方式可以快速定位到高价值以及高潜力的客户群，将相应的金融产品进行准确的营销；二是，利用高性能分析挖掘还可以进行反欺诈分析，降低企业的运营风险。
谈到当前的银行已启动的大数据相关项目，某家SI则补充说，目前在银行业，历史数据存储管理和分析，数据仓库offload，多系统日志和故障分析等，这是金融行业用的比较多的几个场景，但实际上，无论是大数据还是云计算，结合行业应用实现技术创新，具备这种能力的企业还是被放在项目选型的首位的。
行业的智慧
正如专业人士所言，大数据应用只有真正帮助金融行业用户实现风险控制及数据挖掘，那么这才是大数据应用走天下的开始。
技术大佬们都认可，决定大数据落地关键因素包括有，如何获取实时非结构化数据流，如何组织大数据并集成到数据中心，使用哪些技能和工具来分析大数据并提供实时的共享，从而进行更好更全面的业务决策等等。
IBM软件服务及中国开发中心行业解决方案大中华区总经理胡晓专则认为，大数据平台不只是与Hadoop相关。其实采用分布式处理以实现对数据的快速定位，加之相应的“行业加速器”，以更快的开发行业应用，这是大数据落地的技术驱动方向之一。
在大数据时代，银行和电信业除了考虑现有的业务与应用目标以外，还需要结合新的技术与需求规划其数据体系，并制定相应的战略。对海量的流数据的处理。包括电信、交通、金融等行业的客户信息分析。对这些行业客户相关的服务信息流数据进行捕捉及分析，以提高服务质量，这些其实在国外已有相应的应用（即IBM的Streams技术应用于各大银行系统），也是大数据不可或缺的一部分。
总之，“行业”性是放在首位的。而这也等同于行业经验。所以，问津大数据，除了在技术平台上有不断的创新外，行业应用经验是否丰富则是金融IT企业决胜的砝码。“今后各行各业要把大数据用起来，数据共享是个大问题。如果实现数据了高可用性和高度可共享，将在价值上无可限量；但是更重要的一点，则是国家法律法规的健全，以及合理的商业模式的构建，这是与大数据的技术发展同样重要、必须同步发展的。”汇金科技副总裁王舜林进一分解释说。
中国银监会于去年成立了金融消费者保护局，其实已经朝这条路上迈出了实质的一步。在国外，Consumer financial（消费者金融）中就已实现了多种丰富的大数据应用场景，如定期对所在客户的交易日志及债权现状进行分析，并根据分析对客户进行分类，然后对其行为进行评分和预测，实现精准营销或者减少坏账的可能等等。而金融管理部门借此能及时获得这些时时交易状态及预测分析。
银行业追求数据真实性
不可回避的是，目前金融行业实施的大数据应用项目主要采用的是电子商务的经验。但大多数项目主要还是针对的是结构化数据的分析。
而未来，基于金融行业的业务场景，更多的设计方案将集中“结构化和非结构化海量数据”处理而展开。
对于银行现有业务系统而言，信息量大爆炸及银行决策系统对业务的整合性的要求越来越大。大数据平台首先要面对的是，银行业面对未来业务发展需求的多样化上，所以大数据解决方案系统的易用性及可扩展性应该放在重要位置。
因此新的大数据系统解决方案相对原系统，并非是替代而是有力的结合；是对原有数据仓库的有效补充与延伸，及与沉淀数据和流数据的无缝集成。
联想利泰软件技术公司技术总监卫晓明分析，基于银行大数据中心平台主要是做数据集成的解决方案。基于大数据和通用性企业业务系统集成，构建高性能的银行大数据集成平台；再基于此构建大数据高级分析及决策支持体系，之后再将两者进行整合。
金融行业数据规模及数据量都在不断扩大，用户量扩大，银行业务多样化（包括语音流媒体、邮件及数据文件等），应用也多样化。同时随之需要对数据进行监控和分析。如跨系统跨行业的数据传输与转换，需要进行快速响应。因此，银行业的应用首要的是对大数据进行真实性的处理分析及决策。
当前，借助于数据挖掘与可视化工具，通过构建高级分析和决策支持体系，对银行静态数据及动态数据的处理，以人性化的展示，为企业决策及预测进行评估，这是大数据落地金融行业的“真实性”所在。