摘要：在互联网、大数据等飞速发展的现代化背景下，银行的经济预测与金融统计工作也有了巨大变化。大数据理念与大数据技术逐步进入到银行经济预测与金融统计工作中，从根本上提高了金融统计的质量与效率。本文运用调查法、文献法、归纳总结法对大数据的内涵、特点等做简要分析，在此基础上就大数据在银行经济预测与金融统计中的有效运用展开探析，希望能为相关工作带来些许帮助。
关键词：银行业务;经济预测;金融统计;大数据;应用
金融统计是银行制定与执行货币政策、开展宏观审慎评估的重要依据，做好金融统计工作对银行具有重要意义【1】。近年来，银行的经济预测与金融统计在大数据的影响下有了很大变化。下面结合实际，首先就大数据的概念、特点等做简要分析。
大数据是指体量特别巨大以至于无法使用传统的数据库工具对其进行分析与管理的数据集【2】。对大数据这一概念，可从现象、理念、技术这三个层次进行理解。立足于现象层次来看，大数据描述的是的人类社会进入信息时代依赖积累了体量庞大的数据集这一现象，这一现象的具体特征是：数据处理速度快、数据体量大、数据种类多且真实性高。大数据高度重视非结构化数据以及原始数据，大数据关注与处理的并不是加工后的结构化数据。从理念这一层次来讲，大数据表现的是基于海量数据的一种分析问题的理念与范式。具体如重视混杂性而非精确性理念、对全体数据而非随机样本进行分析的理念、探求相关关系而非因果关系的理念等。这些理念与传统的统计学、计量经济学的研究范式有本质上的区别。大数据的技术性是指在当前背景下能运用存储技术、感知技术、云计算以及分布式处理技术等对海量数据进行快速、精准处理【3】。
大数据在银行经济预测和金融统计中的应用条件
1、银行金融统计不断发展
近些年来我国银行业逐渐发展稳定，银行的金融统计以及经济预测等持续开展，这为大数据在银行经济预测与金融统计中的应用打好了基础。2018年，国务院推出《关于全面统计金融业综合统计工作的意见》，为银行金融统计与经济预测等工作的开展指明了方向，给出了建议。在国家的引导以及各方的努力下，银行金融统计监测范围不断扩大，金融统计发展目标也更加明确。如人民银行确定，在2022年前，以金融统计标准为先导，以信息安全为基石，综合运用大数据等现代信息技术手段，加快建设先进、完备的金融基础数据库。这些发展经验与发展成果为大数据在银行经济预测与金融统计中的应用创造了条件。
2、金融数据信息优势凸显
银行拥有较多的金融数据资源，如金融交易信息、客户信息等，这些资源有一定的大数据特征。现阶段银行的数据库也相对完善，数据库的信息容量、数据储存技术等都有了很大发展，银行有应用大数据开展金融统计与经济预测的优势。
3、银行金融统计体系相对完善
在经过较长时间的探索、积累与发展后，银行业的金融统计体系已相对完善，信贷收支统计、货币供应量统计、资金流量统计、金融市场统计等各项统计工作更规范，银行的宏观调控能力也逐步增加。在此背景下将大数据应用于银行经济预测与金融统计，将会使银行金融统计的精细化水平大大提升，让银行实现产品信息的逐笔报送与募集信息的及时报送。
大数据在银行经济预测和金融统计中的有效应用
1、数据可视化分析技术开发与应用
可视化技术是一门通过具有交互功能的视频界面实现分析推理的科学，该项技术在信息数据处理领域有着重要应用。与传统的数据分析及处理技术相比，数据可视化技术结合了计算机软件处理海量信息数据的能力以及人类的认知能力，在将数据可视化技术引进数据信息处理活动后，数据分析与研究能源能从海量数据中快速、准确地提取出自己所需要的信息，然后通过互动界面对数据进行处理(包括分割、过滤、组合等)，处理后数据信息就会转换为可应用的知识，数据的功能与作用便得到充分发挥。银行在开展经济分析与金融统计时，可应用数据可视化技术对业务信息、交易信息等进行整合与分析，然后以一种可视化的方式呈现出数据分析结果，从而让银行更全面、直观以及详细地掌握每项业务性质、每笔交易金额等。
2、数据点模型构建与应用
在大数据时代，银行也可运用数据点模型对各项财务数据、资产流动数据以及利率统计数据等进行处理分析，为银行各项决策的制定与业务的开展提供更可靠的参考信息。在运用数据点模型进行经济预测与金融统计时，银行要按照一定的标准对各项数据进行收集、分类与统计，然后运用可扩展商业报告语言形成能在网页上输入与输出数据的标记语言。在数据仓库中，银行以数据点模型为基础，搭建起统计数据与元数据之间的数据关系，然后利用模型对相关数据进行批量采集与转换，对各项数据进行系统的转换与处理，以此提高银行经济预测与金融统计工作的规范化、标准化水平。
相关期刊推荐：《上海商业》探讨商业经济理论与实践问题，交流商业企业经营管理经验。主要栏目：专稿、专访、发展外向型商业、国外商业、商业经营、市场透视。海商业商业工作综合性刊物，被公认誉为具有业内影响力的杂志之一。
在进行经济预测与金融统计时，银行可运用多层次、多维度的定性信息来描述元数据，在度量元素中存放数据主要信息，然后让其他定性信息以维度等形式存在，这样就能有效弥补传统数据分析模型的不足，让数据模型有更大的维度、更高的层次以及更强大的数据处理能力。此外在运用数据点模型时，银行要根据银行各项数据的特点，根据经济预测与金融统计需求对数据点模型结构不断优化，让数据点模型结构更加开放且标准，让数据点模型有更高的适用性。在构建起标准开放的数据点模型结构后，银行利用数据点模型模式来采集、转换与处理各项金融数据。银行可以将来数据点结构运用到信贷管理系统、会计系统或其他金融统计系统中，将各项业务属性均以数据点的形式逐笔进行统计与存储，让各项金融数据得到更规范的处理。在开展经济预测与金融统计时，银行要充分利用大数据构建强大的工具箱、智囊团以及资源库，并且借助大数据对经济金融发展现状以及发展趋势做出准确分析与预测，让银行能够实现立体赋能升级。
3、引进与应用数据搜索技术
在大数据时代，银行可充分运用数据搜索技术降低经济预测与金融统计难度，全面提高经济预测与金融统计的质量。具体来说在对金融数据进行统计分析处理时，银行可利用知识搜索技术、网页搜索技术、知识库技术等从网上或大数据库中搜索关键数据，并加强对关键数据的研读，从而更精准地掌握经济金融走势，对经济金融发展趋势做出准确预测与判断。引进与应用数据搜索技术后，银行就能从海量数据中快速找到自己所需要的数据信息，因此经济预测与金融统计的周期会大大缩短、成本大大降低，并且因人工失误而引起的统计误差问题也将得到避免，经济预测与金融统计将为银行的可持续发展带来更多的帮助。
结语
综上所述，在大数据时代，银行要及时转变经济预测与金融统计思路，在经济预测与金融统计中积极引进大数据思维、大数据技术等，灵活运用数据可视化技术、数据点模型以及数据搜索技术等，利用大数据提高经济预测与金融统计的质量及效率，为银行的可持续发展打好基础。——论文作者：王薪然
