谈到金融科技化，以「金融」为体，「科技」为用，就是使用科技力量，实际应用到金融领域。
「诚信」及「安全」是金融业运作核心特质，金融业的创新与转型，就像一头不敢舞动的大象，如果金融业的金融商品与服务，采用科技业的方式来经营，会迸出怎样的火花呢？
金融业应开辟实验室场域
金融业应该效法科技业开辟一个「实验室场域」，让一些新型的服务想法可以在这个场域中实验，测试问题，并且想办法解决问题。但台湾金融业受限于法规的要求，无法大展手脚。反观中国大陆，政府没说不可做，统统都可以做，行业雏型成形后再由主管机关制定法规、公协会制定自律条约、公司治理及第三方评鉴，严惩不肖业者，造就互联网金融百家齐鸣。
金融业里各项的活动，都是数据的交易，在大数据中所强调的「量，Volume」、「速，Velocity」、「变，Variety」，以及「安全，Security」，不论是哪一个V和S，都是在金融领域中十分强调与重视的要素。
以证券公司为例，云端数据中心有客户的历史交易资料及现有库存部位资料，经去识别化后将数据资料清洗与汇整，形成交易行为模式分析，再与KYC资料整合，又可形成投资属性交易行为分析，协助业务单位判断客户真实投资属型及交易周转率，再辅以不同的交易策略组合建议，或由客户自设交易策略参数及即时警示条件，利用云端运算大数据的结果，轻易进行电子下单交易及即时风险控管。
数据时代证券业4大挑战
金融科技发展过程中，将会遭遇许多的挑战，特别是在大数据及云端运算领域，以证券业为例，可见4大挑战如下，有赖产官学研界共同努力找出解决方法。
挑战1：数据不够大
国内证券市场数位3.0的快速与深耕发展，应考虑建置共享性证券大数据，降低证券市场参与者基础建设建置及维运成本，未来更需要扩大为香港及中国大陆证券市场大数据库，因为两岸三地产业供应链竞合关系、政府政策、个经╱总经、新闻等牵动个股股价波动，证券买卖获利需要更多国际加值分析资讯，市场做大，所有市场参与者才有机会共赢获利。
挑战2：人才不够精
证券云端大数据的开发，需要4类人才：数据工程师、知识工程师、数据分析师以及数据科学家，现在许多产学培育中心都在积极的培育大数据人才，短期间内的人才荒应该还会持续一阵子。
挑战3：观念不够清
网际网路的使用者，才是大数据的主角。云端大数据的分析，是以「使用者」为主的分析，分析使用者的行为型态、分析使用者的类别，才有可能辨认正确的使用者。若不基于使用者所进行的各种统计、资料探勘，充其量只能说是一种堆迭出来的统计数字。
挑战4：应用不够准
综观目前国内的应用，都还是在统计不同使用者的过去行为。大数据不能只是用来作为过去资料的统计，必须作为形成未来决策的预测基础。
从大数据，进化到大情报、大知识、大智慧，这才是科技金融的王道。从金融机构角度，有价值的商品，透过金融机构中介，产生资讯流、帐务流与金流，生态圈的形成，将会是BusinessModel成功的关键。
金融产业参与者所做的核心事业：Input是Data，Output是Service，从新的OpenData、PublicData以及IoT取得好的数据原料，运用云端大数据进行数据工程的加值，透过生态圈发散到终端使用者产生效用与利润，这就是金融产业参与者在下一阶段的愿景：改变事业模式加速转型、创造新服务、新市场商机。(工商时报)
[上一篇] 对银行大数据应用的一点思考
[下一篇] 保险业三渠道让大数据红利变现
