本站小編為你精心準備了淺析大數據在金融統計中的影響參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：金融統計是指一種對金融業務活動情況資料進行收集、整理和分析的活動，并在大數據的背景下產生了一定變化。本文將以大數據與金融統計為重點，從產生影響的機制與具體內容兩方面進行詳細闡述，希望能夠為從事相關工作的人員提供一些工作思路，僅供參考。

關鍵詞：大數據；　金融統計；　數據采集

隨著科學技術不斷發展，互聯網以及計算機技術已經逐漸融入到人們社會生活的方方面面，大數據時代已經悄然到來。在此時代背景下，由于金融統計需要利用計算機技術和數據支撐完成具體工作，所以受到大數據的影響十分巨大。

一、大數據對金融統計產生影響的機制

影響機制是一個事物對另一事物產生影響的重要途徑，而對于大數據對金融統計產生的影響來說，根據產生影響的幾個方面以及金融統計的具體環節為依據，主要可以歸納為以下幾種機制。第一，對數據采集環節來說，對數據采集各要素產生影響是主要的表現形式。數據采集指的是采集人員按照一定的方法手段使用特定的采集工具對相關數據信息開展的采集工作。在此環節中，多數金融體系內的數據采集人員都還使用傳統的人工采集方式，層層上報數據，但是由于大數據具有數據量巨大、種類豐富多樣、價值密度低等特點，所以面對越來越龐大的數據庫，采集人員將無法快速收集到所需信息，且收集成本將成倍增加，必將更換傳統的信息采集辦法，從而影響到數據采集的效率以及準確度。第二，對數據處理環節來說，對數據處理各要素產生影響是大數據對該環節影響的主要表現形式。數據處理指的是處理人員利用系統內部的數據處理軟硬件按照相關規定對采集人員采集上來的信息以及數據庫中的信息進行存儲、匯總等處理內容的處理工作。數據大多分為兩種形式，結構化數據與非結構化數據，但是在此環節中，由于大數據背景下數據信息數量呈爆炸式增長、數據形式也愈加多元化，所以原本的數據處理軟硬件以及數據處理方法不能夠滿足新時期的數據處理需要，尤其是非結構化的數據信息內容，與原本的結構化數據信息處理方法完全不適用，直接增加了數據處理難度，并影響到了數據處理效率［1］。第三，對數據分析環節來說，對數據分析各要素產生影響是大數據對該環節影響的主要表現形式。數據分析指的是在數據處理的基礎之上，利用金融統計方法與計算機技術對處理過后的數據信息進行分析與預測，最終得出包含金融運行情況等內容在內的數據分析內容。同樣是由于非結構化的數據信息，難以利用原本的數據分析方法進行分析，直接影響到數據分析人員的具體工作，需要工作人員及時更新分析方法以及配套設備，并影響到數據分析效率與分析結果的真實性與有效性。

二、大數據對金融統計產生影響的具體內容

在影響機制的作用下，大數據最終對金融統計的具體內容，即三個環節以及統計整體產生了實際影響，需要相關技術工作人員針對其中的不良影響及時進行改進，提出金融統計優化方案，使大數據對金融統計的不良影響逐漸消除甚至向優勢方向轉化。

（一）對金融統計數據采集的影響大數據對金融統計數據采集的影響主要體現在以下三個方面：一是增加了數據采集難度，其難度主要體現在兩個方面，分別是數據量的快速增長與數據類型的多樣化，正如上文中所提到，在傳統的金融統計數據采集工作中，所采集的數據多是一些結構化數據，而在大數據的背景下，此項工作的非結構化數據開始逐漸作為結構化數據的補充數據出現，并且在數據系統中所占的比例正在逐步升高，而目前統計工作中對非結構化數據的采集工作方法還不成熟，為采集工作帶來了巨大困難；二是降低了人工數據采集效率，采集難度提高、而采集方法不變，必然會帶來采集效率的負增長，在一些企業或者單位內部仍然采用人工進行數據采集工作，但是由于人員數量較少且還需承擔額外工作，面對大數據其采集效率必然直線下滑，而若要保持采集效率不變必將加大人員數量投入，如此將會帶來巨大人力成本，得不償失，因此在人工采集方法未更新之前，大數據必將降低數據采集效率；三是增加了金融統計的時效性，大數據的其中一個特點就是時效性，在大數據背景下，各單位與企業也必將開始注重數據采集時效性，但是由于傳統的采集方法在此背景下采集難度大、效率低，時效性自然極差，所以大數據其實是對數據采集工作做出了新要求，強迫其更新采集方法，以提升時效性［2］。

（二）對金融統計數據處理的影響大數據對金融統計數據處理的影響主要體現在以下三個方面：一是增加了數據儲存空間，在此方面，由于數據儲存是金融統計的必然需求，也是大數據能夠實現持續發展的必然依靠，如果數據儲存空間的容量過小，將會導致數據無法存儲，大數據也無從實現，所以在愈加龐大的數據庫的要求下，數據存儲空間正隨著科技不斷發展而變大；二是降低了數據匯總、檢索等處理內容的有效性，這是由于大數據中的半結構與非結構化數據所占比例逐步增加，為數據處理工作帶來了巨大難度，處理錯誤率大大增加，因而降低了數據的有效性；三是增加了數據清洗難度，清洗難度是指在所采集數據中篩選有價值數據，剔除無價值數據，而由于大數據背景下，數據數量龐大、非結構化數據增多和大數據本身價值密度低的特點，使得在海量信息中與采集目標無關的無用信息量巨大，清洗難度大大提高，難以篩選出有用信息，避免無用信息干擾的工作愈加困難。

（三）對金融統計數據分析的影響大數據對金融統計數據處理的影響同樣體現三個方面：一是降低了統計分析方法的有效性，由于大數據的影響，數據處理的難度不斷加大，尤其是傳統數據處理辦法無法處理非結構化數據，致使數據浪費現象嚴重，只能夠利用不完整的數據進行分析，使分析方法的有效性大大降低；二是降低了數據分析軟硬件的處理能力，由于數據分析軟硬件的更新換代節奏較慢，所以其處理能力相對固定，只能在原本少量的數據中完成分析工作，但是面對大數據下的海量數據，原本的軟硬件工作效率難以在短時間內分析出所需結果，處理能力自然下降；三是減弱了統計報表的效用，在大數據背景下，多數用戶對于報表的要求越來越高，如需要動態反映出市場變化、挖掘金融風險等，但是原本的金融統計工作所得出的報表無法滿足日益增高的報表需求，其實際效用自然大打折扣。

（四）對金融統計整體的影響大數據其實是一種“巨量數據集合”，所以它對金融統計整體的影響應分為正反兩方面。就正面來說，能夠提升金融統計數據質量，雖然上文中所提大數據對三個金融統計緩解的影響基本以負面為主，但這只是暫時情況，從長遠來看，在各種軟硬件設施以及工作方法更新之后，大數據能夠通過各種技術手段保證金融統計數據的全面性以及準確性，提升金融數據質量［3］。以中國建設銀行為例，該行在金融體系中應用大數據方面為其他金融機構做出表率，針對大數據在金融統計中的各不良影響做出改進，如溝通三大互聯網渠道，建立大數據平臺、實時數據倉庫等，在應對非結構化大數據的重難點上也做出了突破，利用錄音文本、媒體信息以及位置服務終端識別技術等內容拒絕可疑風險事件，僅在半年時間內就避免此類事件1.9萬起，避免客戶損失達1.4億，為大數據提升金融數據質量的可行性給予了肯定答復。就反面來說，大數據背景下的金融統計相關規范與標準的制定相當復雜，由于各金融體系的統計標準與原則不同，所以央行在設定指標體系時不單要結合國家政策，還要考慮各金融體系的不同具體情況，制定難度極大，另外由于該標準制定與具體實施之間還存在著細微差距，可能由于統計口徑不同導致差異性風險，因此各金融機構要做好與央行金融系統指標的銜接工作，為整體體系的制定提供可靠信息。

三、總結

總而言之，大數據時代的到來，既為金融統計工作帶來了先進的技術支持，也為其帶來了一定的挑戰，需要相關工作人員，針對其中暴露出來的問題，利用構建數據標準、統計配套實施等方法進行改進，從而促進金融統計工作在大數據背景下的高速發展。

參考文獻：

［1］劉璐.大數據對金融統計的影響研究［J］.金融經濟，2018（11）：130-131.

［2］惠旭.大數據背景下金融統計未來的發展方向［J］.金融天地，2019（010）：339.

［3］王鵬懿.基于大數據背景下金融統計的發展趨勢［J］.金融在線，2018（05）：74-75.

作者：趙景 單位：池州學院