金融圈彻底洗牌，改变行业结构的金钥匙真的是它吗？

　　随着新型科技的崛起，金融圈的格局现在正被人工智能(AI)、机器学习、区块链技术和大数据等彻底洗牌。

　　尽管日新月异的的进步，整个行业的发展还是跟不上时代，新技术难以融合到商业活动中去。

　　但是种种迹象表明不少业内的大人物已经开始探寻创新的方法。如果说整个过程看上去节奏十分快，那是因为他们已经看到了金融科技的发展潜力和势头。

　　但是和货币一样久远的金融行业如何改变自己的结构，将科技甚至是智能技术为己所用呢?答案是：智能数据。

　　大数据是一个耳熟能详的术语，并且过去十年已经广泛应用。它指的是每天需要接触和处理的大量结构化和非结构化的数据。相反的是，新的智能数据描述有效、定义明确、有意义的信息，并且将能够加快这些信息的处理。

　　Patrick Koeck是Creamfinance的首席官，也是智能数据领域的权威，最近他发表了一些对于这种转变的看法。

大数据 VS 智能数据

　　定义大数据的四个关键要素为：数据量、数据速度、数据准确性和数据的价值。

　　数据量和数据速度主要指的是数据生成过程，也就是如何捕获和存储数据。准确性和价值则反映的是数据的质量和用途。在现实中，并不是所有数据都是有价值的，功能有的时候仅仅只是“噪音”，这些信息或元数据对企业很多时候没有什么实际价值。

　　智能数据将会过滤掉“噪音”并保留有价值的数据，从而可以更有效地被公司利用，并最终解决业务问题。定性数据分析使人们不仅以数据导向，还变得更有创造能力。这种去处“噪音”的形式将会为公司找到更理性的发展道路，并最终推动业务的发展。

　　Koeck表示：“大数据有其用武之地，但它是一个缺乏精确性的迟钝工具。智能数据将会把问题精简化，从而能够更快的抓住核心，让高管得以剥离无关紧要的信息，直接观察重要的问题。”

质量比数量更重要

　　Koeck指出，有大量的数据永远是不够的。数据需要经过严格的分析后，评估其规律性和统一性。哪些是变化自如的，哪些是可提取的?它有没有混合在其他一些无关紧要的信息中?

　　收集和开发数据只有用于优化和自动化解决方案和问题时(数据驱动决策)才有意义。所以重点并不应该仅仅是收集大量的数据，而是应该在特定的区域内情境化这些数据。

　　随着数据的增长，大数据往往反而会变得越发的没用。但智能数据却会变得更加智能化。事实上，智能数据已经适当地被分类和结构化，这使其超出一般的数据保质期。企业有回放档案、了解趋势、寻找异常和跟进项目模式的能力，而这种能力只有当数据智能化时才有可能。

智能数据和个人的关系

　　智能影响金融业的影响无疑巨大。Creamfinance短期内打算从借贷行业入手，这个行业长期受到吸血公司的消极影响。

　　智能数据在金融行业能够发光发热是件好事，因为尽管这些公司一再澄清，接近一半的美国人其实一下子很难拿出400美元来应急。

　　当Creamfinance刚刚起步并开始寻找资金的时候，他们发现这个过程十分漫长，而且借款人根据无关数据拒绝贷款给他们。Koeck想要建立一个公司，为用户提供更加快速、更加省事的借贷服务。

　　金融科技公司使用智能数据为消费者提供更加便捷快速的借贷，为他们减轻负担、加大风险管理。通过智能数据，他们不断改善计算程序，并且分析数据组来检测是否适合放贷。

　　Koeck表示 “我们发现重视智能数据是衡量信用最精准的方式，一旦信用通过就可以快速安排货物派送，自此每个人都可以进入到高大上的金融圈。”