比如向一位客户推荐产品时，我们可以粗暴的从他以往的购买记录判断他的喜好和风险承受能力，也可以通过他留在金融机构的其他数据：房产证、学历、行驶证来给出更完善的画像，教育程度偏低的人或许更倾向于保守投资，住在繁华地段、开豪车的人也许会因为更高的生活成本而无法承受风险……

　　我们甚至可以把电商的推荐算法应用起来，看看住在同一片区域的人是否有着相似的理财倾向。

　　总之，这一切都要依靠银行自己的非结构化数据。

　　尴尬的国情下，金融数据创业者能和BAT共舞吗?

　　当我们把目光放回中国，情况又有些不同。

　　在金融机构数据的敏感度上，因为众所周知的原因，相比国外我们有过之而无不及。至于金融机构本身数据技术能力就更为尴尬，国有银行在金融产业占有优势地位，可大体量、国字头往往又意味着在新晋技术上稍微落后。

　　最后导致中国全体金融机构对于大数据的利用都较弱。这其中又会存在着哪些机会?

　　首先，BAT等巨头企业恐怕会成为这种情况下最大的受益者。

　　当无法利用自身数据，却又想追赶上大数据浪潮时，金融机构们纷纷开始选择直接利用科技企业的大数据成果。而BAT们垄断了大量的社交数据、电商数据和行为数据。甚至可以说，走出不能被利用的数据禁地，就又进入了被BAT们垄断的大数据海洋。

　　加上BAT的技术人才储备和丰富的营销渠道，直接把风控模型和精准营销交给他们是很好的选择。

　　但这也不证明创业团队就失去了用武之地。

　　BAT们虽然有着绝对优势，但他们多少都会涉及到金融业务，难免会和金融机构有竞争关系。目前双方处于“搁置争议，共同开发”的时期，不过也给了小团队另一种筹码。

　　想要与大象共舞，小团队显然不必用数据量和BAT们硬碰硬，从细微之处进行创新是个不错的选择。

　　比如算法：试着从现在流行的深度学习、增强学习等等角度出发，用算法去解决金融行业的需求，应用于高频交易的“冰山算法”就是个不错的例子。

　　比如智能硬件：在物联网的未来，用各种智能硬件增加数据收集的维度一定是重要趋势。开发能收集丰富农业、工业、零售业数据的智能硬件，一定会引起金融机构的兴趣。

　　比如区块链：用区块链安全、隐私等特性解决金融机构数据敏感这一终极问题，还担心拿不到融资?以ICO潮的热度来看，相信我国一定有足够多的区块链技术团队!

　　能做到以上几点中的任何一点，就算不能拿到金融机构的巨额投资，也一定能拿到BAT的投资，拿不到投资一定会被BAT收购，没被BAT收购……那就是被BAT抄袭了。

　　玩笑归玩笑。金融行业大数据领域大有可为，不管是大公司还是小团队，现在都还站在同一起跑线上呢。