大数据新技术发展趋势及应用研究
目前，大数据已经为企业管理者提供了业务活动信息的汇总统计分析，从而使企业决策具有一定的洞察力。未来大数据对企业的作用，将不仅局限于决策支持，大数据的价值可以扩展到企业经营过程中，企业活动的每一个重要动作都能得到大数据的帮助，进而推进经营管理精细化、精确化进程。从而将洞察力转化为执行力。 大数据对企业的益处主要表现在两个方面：
1、企业由上至下的执行力得到显著增强
以金融企业风险管理为例，当具体业务流程尚未采用大数据技术时，大量风险无法在业务执行时得到有效规避。当采用大数据技术将“洞察力转化为执行力”后，在前端业务执行时，即可在大数据中实时使用复杂风险计算模型进行风险度量，及时提示风险，规避风险的累积，避免风险业务的产生，从而提高了风险管理的执行力。
这种思想也可以用于具体的企业营销。以金融企业市场营销为例，运用大数据技术可以根据客户行为特征实时计算识别异常交易（如突然大幅提高了交易金额）并即时进行交叉销售或客户挽留工作。
2、企业组织结构得到整体优化
从企业组织结构来看，不仅改变企业的执行能力，也意味着企业组织结构的优化。大数据应用对象将从企业的中高层管理人员延伸到企业的基层工作人员，应用范围从经营管理扩展到业务处理。企业业务系统流程将进行必要的补充和优化，大数据将成为企业经营管理和业务执行优化的支撑平台。
企业IT 应用将形成“双中心”的架构：业务处理中心和信息中心。作为传统核心IT 系统的业务处理中心继续承担企业业务执行的任务；以大数据为核心的信息中心除了承担既有的信息统计分析功能外，将进一步与业务处理中心集成，形成业务分析中心，为业务执行提供实时或准实时的信息分析，提升服务、风险、营销和运营的执行
力。
二、大数据技术的发展趋势及在全球金融领域的应用
（一）大数据技术的发展趋势
近年来，大数据应用深度和广度不断扩大，大数据提高了企业运行效率，使企业获得更多收益。同时，在这些应用过程中，一些新的问题促使大数据技术不断的演进，并向前发展，大数据技术出现了一些新的发展趋势。
1、动态大数据的运用
传统意义的大数据主要用于联机分析（OLAP ）和数据挖掘，对于时效性的重视程度不及数据库联机事务处理（OLTP ），然而，一些应用不仅需要有较好的分析能力，而且也要求能较为快速的响应，例如信用卡的欺诈消费分析。此时，就要求大数据更快的数据更新速度，更快的用户访问数据速度，更快捷的分析与更灵敏的反应速度，从而提高企业风险管理水平，增强了企业竞争力。
在实践中，动态大数据技术使数据分析不仅用于中高层管理决策，更进一步深入到一线员工的业务活动中，例如银行的信用卡业务。市场调查结果显示，在亚太地区超过半数以上的企业中，一线员工做出的重要商业决策越来越多，而约有40％的企业都是借助商业智能来制定一线决策。与此同时，由于市场竞争加剧、企业快速成长以及员工队伍日益壮大，决策制定的复杂度不断加大。将运营性分析应用增加到系统中意味着制定决策一定要以最新的数据为基础，即每天要进行两次甚至更多次数据加载。这同时意味着对大数据解决方案的高可用性提出了更高的要求。同时，在事件发生当天向一线用户推荐可操作回应的基于事件的分析也应运而生。
2、SOA(面向服务架构) 、EAI （企业应用集成）与大数据的结合 多种新技术与大数据的融合也是大数据发展的一个重要趋势。大数据将不断提高对SOA 、EAI 的要求，SOA 、EAI 能够使决策服务更广泛地在企业中延伸。
传统意义上的大数据系统可能只向企业中某个部门的小部分人
大数据新技术发展趋势及应用研究
目前，大数据已经为企业管理者提供了业务活动信息的汇总统计分析，从而使企业决策具有一定的洞察力。未来大数据对企业的作用，将不仅局限于决策支持，大数据的价值可以扩展到企业经营过程中，企业活动的每一个重要动作都能得到大数据的帮助，进而推进经营管理精细化、精确化进程。从而将洞察力转化为执行力。 大数据对企业的益处主要表现在两个方面：
1、企业由上至下的执行力得到显著增强
以金融企业风险管理为例，当具体业务流程尚未采用大数据技术时，大量风险无法在业务执行时得到有效规避。当采用大数据技术将“洞察力转化为执行力”后，在前端业务执行时，即可在大数据中实时使用复杂风险计算模型进行风险度量，及时提示风险，规避风险的累积，避免风险业务的产生，从而提高了风险管理的执行力。
这种思想也可以用于具体的企业营销。以金融企业市场营销为例，运用大数据技术可以根据客户行为特征实时计算识别异常交易（如突然大幅提高了交易金额）并即时进行交叉销售或客户挽留工作。
2、企业组织结构得到整体优化
从企业组织结构来看，不仅改变企业的执行能力，也意味着企业组织结构的优化。大数据应用对象将从企业的中高层管理人员延伸到企业的基层工作人员，应用范围从经营管理扩展到业务处理。企业业务系统流程将进行必要的补充和优化，大数据将成为企业经营管理和业务执行优化的支撑平台。
企业IT 应用将形成“双中心”的架构：业务处理中心和信息中心。作为传统核心IT 系统的业务处理中心继续承担企业业务执行的任务；以大数据为核心的信息中心除了承担既有的信息统计分析功能外，将进一步与业务处理中心集成，形成业务分析中心，为业务执行提供实时或准实时的信息分析，提升服务、风险、营销和运营的执行
力。
二、大数据技术的发展趋势及在全球金融领域的应用
（一）大数据技术的发展趋势
近年来，大数据应用深度和广度不断扩大，大数据提高了企业运行效率，使企业获得更多收益。同时，在这些应用过程中，一些新的问题促使大数据技术不断的演进，并向前发展，大数据技术出现了一些新的发展趋势。
1、动态大数据的运用
传统意义的大数据主要用于联机分析（OLAP ）和数据挖掘，对于时效性的重视程度不及数据库联机事务处理（OLTP ），然而，一些应用不仅需要有较好的分析能力，而且也要求能较为快速的响应，例如信用卡的欺诈消费分析。此时，就要求大数据更快的数据更新速度，更快的用户访问数据速度，更快捷的分析与更灵敏的反应速度，从而提高企业风险管理水平，增强了企业竞争力。
在实践中，动态大数据技术使数据分析不仅用于中高层管理决策，更进一步深入到一线员工的业务活动中，例如银行的信用卡业务。市场调查结果显示，在亚太地区超过半数以上的企业中，一线员工做出的重要商业决策越来越多，而约有40％的企业都是借助商业智能来制定一线决策。与此同时，由于市场竞争加剧、企业快速成长以及员工队伍日益壮大，决策制定的复杂度不断加大。将运营性分析应用增加到系统中意味着制定决策一定要以最新的数据为基础，即每天要进行两次甚至更多次数据加载。这同时意味着对大数据解决方案的高可用性提出了更高的要求。同时，在事件发生当天向一线用户推荐可操作回应的基于事件的分析也应运而生。
2、SOA(面向服务架构) 、EAI （企业应用集成）与大数据的结合 多种新技术与大数据的融合也是大数据发展的一个重要趋势。大数据将不断提高对SOA 、EAI 的要求，SOA 、EAI 能够使决策服务更广泛地在企业中延伸。
传统意义上的大数据系统可能只向企业中某个部门的小部分人