互联网金融时代，越来越多的金融机构聚焦大数据的功能与应用。通常来看，大数据具有4V特征，即数量（Volume）、速度（Velocity）、种类（Variety）和价值（Value）。信托公司作为最为灵活的金融机构，在转型发展中对大数据的需求是什么？如何构建符合信托公司以及信托行业需求的大数据体系？这些是我们需要重点思考的问题。
信托与大数据战略性结合的四个方面
（一）产品研发与大数据
一是传统业务的专业化。用投资的思维去做融资类业务，是传统业务的专业化发展方向。这就要求无论是在房地产领域，还是在地方基础设施项目上，都要用更专业的眼光去进行判断。大数据有利于传统业务沿这一方向的改造升级，在房地产领域里，通过大数据的支持，可以对项目所在城市房价走势、所在地段未来发展前景、区域人口流动及对房地产的需求、当地物价及收入水平等多因素进行全面分析，得到更为科学的结论。在地方基础设施项目方面，利用大数据对地方财政偿债能力、交易对手财务状况等做出综合判断，有利于确定项目的规模、价格等因素，进行科学的产品设计和决策。
二是提高资本市场的业务能力。信托公司转型的一个重要方向是资本市场，主要业务不仅包括股票、债券等金融产品投资，而且还包括定向增发、FOF、MOM等多个方向。在传统的金融产品投资方面，通过大数据手段，提高对金融市场走势的判断水平，有利于弥补多数信托公司在证券投资能力上的不足。在FOF、MOM等产品组合投资方面，也可以通过大数据分析，对不同的基金投资能力做出更为合理的判断。
三是探索创新业务模式。在信托公司鼓励业务创新的趋势下，利用大数据的商业价值，可以进行多种新产品和新业务模式的尝试。一个例子是消费信托、小额贷款等“零售业务”，信托公司完全可以利用大数据思维，不仅可以针对其行为特征研发具体产品，而且有利于风险的分散与控制。另一个思路是与其他金融机构的合作与对接，例如通过健康大数据，开发某种保险产品，并与信托进行对接。
（二）风险管理与大数据
一是提高风险管理的全面性。大数据的典型特征就是海量数据资源，一方面可以通过结构化的手段对目标的特征进行描述；另一方面，在数据数量和类型足够的情况下，也可以通过非结构化手段对目标特征进行描述，后者的结论很可能超乎预料，从而发现通常可能忽视的问题。因此，通过大数据对交易对手的风险进行分析，对信托公司掌握更多更全面的风险信息将会有一定帮助。
二是提高风险管理的动态性。加强存续项目的过程管理，是多数信托公司提高风险管理水平的重点。但是，信托公司项目众多，每一个项目的融资方、抵押物、担保方的情况处于不断的变化过程中。而信托公司负责过程管理的人手十分有限，仅通过相关人员的定期调查回访，很难发现潜在的风险和问题。利用大数据，建立每一个项目的过程管理数据档案，对抵质押物的价值变化进行动态监测，对交易对手、担保方的经营情况、资产负债和现金流等信息进行及时分析，可以提高风险管理的及时性和动态性，提高项目过程管理水平。
三是提高舆情预警能力。声誉风险也是信托公司必须面对的重要风险。信托公司的舆情监测往往是事后进行，应对措施较为被动。而银行等金融机构利用大数据等手段，对舆情风险进行预警，这方面的做法已有一定探索。一些领先的大数据服务商，通过非结构化手段，研发出先进的舆情预警工具。这些先进手段都将有助于提高信托公司的舆情预警能力，使信托公司更为主动地化解声誉风险。
（三）财富管理与大数据
一是助力产品营销。一方面，利用大数据技术，信托公司可以更为精准地细分客户群，根据不同类型的客户，了解其投资与风险偏好，为其提供不同类型的产品，更好地满足客户需求。另一方面，对于产品而言，通过大数据分析，可以对产品进行更为全面的评级，衡量其风险与收益的匹配程度，进而对产品进行合理定价。
二是助力资产配置。财富管理业务发展到一定阶段，重点将从产品营销转为针对客户需求和偏好的资产配置。利用大数据，不仅可以帮助客户选择收益率适当、风险可控的多样化产品，而且可以更准确地了解客户的风险和收益需求，为量身定制资产配置方案提供帮助。
三是助力客户拓展。信托公司的财富管理业务将来有两个发展趋势，一是围绕更高净值的客户，开展家族信托服务；二是对接互联网，扩大客户范围和数量。对于后者，大数据可以在风险偏好、行为习惯等方面对客户进行更为细致的描述，帮助信托公司更有针对性地开发与维护客户。
（四）运营决策与大数据
尽管与银行、券商等机构相比，信托公司人员规模较小、管理流程较简单，但越来越多的信托公司开始重视系统建设，不断提高运营、管理和决策水平。大数据在这方面也可以发挥一定积极作用。
一是帮助信托公司及时掌握内部经营管理状况。金融机构在经营管理过程中，本身也会产生大量数据。有研究显示1，银行业经营活动产生的数据强度高于其他行业，每一百万美元收入带来的实际数据量为820G。尽管信托公司的业务数据量远不如银行，但是运用大数据思维，对经营活动中的数据进行有效利用，可以为管理层和相关部门提供较强价值和时效性的信息，对公司内部经营管理情况进行及时了解。
二是帮助信托公司提高决策水平。大数据不仅强调多样化和海量特征，其本身的存在也代表了一定的客观性。用大数据思维和工具，对公司经营管理的各方面进行描述，可以为公司的各项决策提供客观依据。此外，大数据的即时性特征，可以将相关信息迅速传递给管理层，有利于提高决策效率。
信托公司利用大数据的初步基础
（一）大数据资源和技术手段已具备一定基础
随着大数据的应用越来越广泛，一些传统的互联网企业、运营商开始拓展数据服务业务，通过近年来的数据资源积累，积极探索如何为金融机构提供基础的数据服务。除此之外，对大数据应用的技术手段也在不断进步，传统的数据技术主要体现在结构化数据的处理，新兴的技术手段已经突破了结构化数据的限制，可以为客户提供更为全面的数据分析应用。这些数据资源和技术手段尽管仍在不断完善和发展，但在现阶段已经为信托公司构建大数据体系提供了一定的基础。
（二）其他金融机构已提供一定经验借鉴
其他金融机构无论在传统数据仓库的建设、数据的管控与治理、基于数据支撑的营销服务、基于数据分析的全面成本量化和绩效考核等领域都已经有非常成功的模式以及案例。这对信托公司来说无疑是非常好的借鉴。此外，与银行相比，信托公司产品设计更为灵活、创新行为更加活跃，对大数据的诉求也更为多样。在业务发展和数据支持的相互结合中，信托公司可以在充分借鉴其他金融机构的经验基础上，创新出更适合自己的大数据应用模式。
（三）自身已有一定数据积累
信托业从2009年以来进入了一个快速发展的阶段，目前管理资产规模在16万亿左右，按照68家信托公司平均来看，每家公司管理资产规模超过2300亿。信托业务的快速发展为信托公司提供了大量的基础数据资源。此外，信托公司业务更为多样化，其积累的数据资源也具有很强的多样化特征。这些都为信托公司改善数据管理、引进大数据工具提供了资源基础。
构建信托公司大数据体系的关键措施
（一）“简”存，搭建符合信托公司特点的数据仓库
与银行相比，信托公司的数据规模不大且比较分散，对数据仓库的认识也有一个循序渐进的过程，应尽量采用轻量化的思路，采集并整理公司发展所需要的数据。信托公司的数据仓库应包含四个层次：第一层是公司自身的业务及管理数据，也就是内部数据，这些数据是信托公司大数据体系的核心和关键；第二层是信托行业的数据，包括公司数据、产品数据、风险数据、客户数据等，这些数据可以描述信托行业发展的全面特征，为公司在行业中的竞争提供直接参考；第三层是金融市场数据，不仅包括货币发行量、利率、汇率等宏观金融数据，还包括股票市场、债券市场以及其他金融产品的数据，这些数据可以为信托公司的经营和决策提供重要依据；第四层是涉及宏观经济的非金融数据，包括与信托业务发展相关的宏观经济数据、区域经济数据、特定行业数据、交易对手数据等，这一层数据量大、覆盖面广。四个层次的数据彼此联系，层层支撑，可以构成信托公司大数据体系中的金字塔型数据仓库。
（二）“适度”管，对现有的内部数据进行完善和梳理
不仅提高内部数据产生的质量，而且要充分发挥系统治理功能，使数据归集整理通过信息系统自动实现，提高数据管理的效率。尤其是信托公司业务多元化，所需数据来源渠道复杂，技术处理要更加规范，适度控制数据质量。特别需要注意的是，信托公司应该明确数据管理的阶段和重点，不能急于求成。从金融机构的实践经验上看，其自身积累的数据价值密度还是高于大数据的价值密度。信托公司在自身数据价值挖掘方面还处于初级阶段，因此对数据的管理应该由内而外，循序渐进。
（三）“试”用，以问题为导向
信托公司首先应该审视自身经营管理中存在的突出问题，以问题为导向，引入大数据技术，设计解决方案。例如对信托产品的内部评级问题，对于非标准化的信托产品，大数据可以在风险计量和产品收益等方面发挥重要作用，产品本身所涉及到的项目数据、交易对手数据、抵质押物数据等也可以通过外部渠道获取。信托公司可以通过类似于产品内部评级等重要问题，摸索大数据与公司经营决策之间恰当的结合方式，尝试发挥出大数据的积极作用。
