7第七章未来之路.docx
《7第七章未来之路.docx》由会员分享，可在线阅读，更多相关《7第七章未来之路.docx（34页珍藏版）》请在冰豆网上搜索。
7第七章未来之路
对于金融业而言，通向未来的道路究竟如何延伸呢？
路边的风光，又是如何呢？
我们不妨先把视野放开一些。
大数据和移动互联
技术革新为下一个纪元的金融业赋予了无穷想象。
当我们看到一朵朵创新之花绽放、结果，我们坚信今日想象的任何图景在明天都不再是空中楼阁。
然而，在众多的“技术触媒”中，在下一个阶段可能对新金融产生最大催化作用的两股力量却日渐清晰。
大数据技术帮助金融业更有效地开发和维系最终用户，移动互联技术则让所有的金融应用和金融服务向最终用户无限贴近。
把握好这两股助力，是传统金融业赢在下一个10年的关键。
大数据盛宴
我们一起来讨论如日中天的“大数据”概念。
这是金融电子化后，金融机构直面的一个“甜蜜负担”。
数据信息在今日已成海洋，但当我们把“大数据”作为津津乐道的一个热门话题时，却又觉得它有些扑朔迷离。
很多人一直在问，“大数据”究竟是什么，它又有多“大”？
在许多关于“大数据”的报道和专业研究报告里，分析师和业内人士为“大数据”贴上了3个标签：
海量（volume）、多样（variety）和高速（ve-locity），即大量产生的、各种形式的、快速传输的数据流。
对读者朋友来说，“海量”、“高速”都易于理解，我想强调的是“多样”。
计算机技术诞生的几十年来，人类处理、存储的基本都是“结构化”的数据，这些数据通过预先定义过的、不同字段的组合，准确表达特定的含义。
比如“HA56789”、“P207”、“AM7∶53”、“PM5∶45”这三个字段就精确记录了一辆车出入写字楼车库的时点、逗留时间和驻留车位。
又比如“BEIJING”、“20110512”、“L04”和“H12”就表示2011年5月12日这天北京地区的最高温度和最低温度。
表7–1 标准的二维表
一般来说，“结构化”数据都可以以“文字”或者“数字”的格式通过一张二维表的形式来存储（横向维度是以字段表示的一条数据的多个属性，纵向维度是具体的数据条目）。
在信息工业发展的前几十年，“结构化”数据大行其道——它以“数据银行”的方式为现代人类加工信息发挥了革命性的作用。
然而，最近20年来，随着联网设备及渠道的爆炸式发展以及网络整体传输速度的进一步提高，过去以数字、文字形式存储和加工的数据开始大量以视频、图像、音频等形式出现。
这些数据大多与传输介质、地理位置、发生时间等许多不可预测的客观因素紧密相关，一般难以简单通过“文字”或者“数字”的格式以二维表的形式存储和加工。
做个简单的对比吧。
许多人有写日记的爱好，但对于老一辈的人来说，日记只能以书面文字的形式记录和留存，这样的记录可以简单地通过文本加工“标准化”到一张二维数据表中。
我们仅需定义“时间”、“作者”和“内容”就能完整记录一篇日记。
而今天，网络传输的条件大大改善，搭载了视频采集、音频采集和地理位置采集功能的移动设备俨然让新生代的日记以微博、博客以及各种信息丰满、精彩纷呈的新颖形式出现。
在一篇有视频、有图片、有经纬度信息和其他复杂信息的“日志”面前，二维表变得捉襟见肘。
越来越多的“非结构化数据”正如浪潮般涌到我们面前。
这一趋势让我们将生活中产生的所有数据——包括“结构化数据”（比如考勤记录、工资流水等）和“非结构化数据”（比如一段旅行中拍摄的照片、一次就餐所订的菜品等）——都纳入“大数据”的范畴。
可千万不要低估人们生产数据的能力——Google每天处理的搜索量超过30亿次，每秒回答3.4万个问题；中国移动后台系统每秒钟处理的信息数量达到亿级；每天有数以千亿封电子邮件在全球互联网上传递；一家商业银行每天处理千万量级笔数的交易……
事实上，不仅仅是在互联网上，我们每一天的行为都在“留下痕迹”——出行的轨迹被公交卡记录并传递给交通管理部门，银行卡详细留存了每一笔的收入和支出，资金账户记录了每一笔汇入汇出资金的来龙去脉和金额，社交网站和聊天工具记录朋友之间的交往，甚至连计算机上的输入法都在默默留存用户的语言习惯……
通过数据，我们有幸比先人留下了更多的“痕迹”。
想象过吗？
即便没有化石和传记，千万年后，子孙后代想要追寻我们，未来的电脑会向他们娓娓道来——你们的祖先最喜爱的饮料是香草拿铁，他最长的单程驾驶纪录是1250公里，他和他的太太一生中传递了52543条短信……有了“大数据”的支撑，这样的图景并非不可实现。
前不久，美国《经济学人》上的一篇文章告诉我们：
“传输速度的大幅提高和数据种类的显著拓宽正导致全球快步走进“数据泛滥”时代。
未来的若干年内，数字信息将以40%的速度快速生长，这个速度，将是全球人口生长速度的40倍。
这也意味着，可用以存储数据的设备容量将越来越难以赶上数据本身的繁殖速度。
”
著名咨询公司麦肯锡也在组织研究团队对全世界产生、存储和消费的数据总量进行研究。
尽管他们的估计数字以及由此产生的结果各不相同，但所有研究都表明，未来数年会呈现指数级增长。
麦肯锡全球研究院（MGI）估计，全球企业2010年在硬盘上存储了超过7EB（艾字节）的新数据，同时，消费者在个人电脑和笔记本等设备上存储了超过6EB的新数据。
1EB数据相当于美国国会图书馆中存储数据的4000多倍。
事实上，我们如今产生如此多的数据，以至于根本不可能全部存储下来。
例如，医疗卫生机构会处理掉它们所产生的90%的数据（比如手术过程中产生的几乎所有实时视频图像）。
但是，如果因此认定过多的数据带来了噪音和烦恼，那就大错特错了。
事实上，大数据为我们带来的价值不可限量。
和大数据绑定在一起的，必然是对数据的挖掘和加工。
这是个去芜存菁的过程——看似繁杂、粗糙、碎片化、庞大的数据，一旦经过提炼和加工后，便可能带来巨大的效益——访问交通管理部门的公开数据库，你可以了解上班路线全年的平均分时路况，这可以帮助你做出最合适的出行决策；社交网站归集最热门的讨论话题并向用户推送，为用户节省了大量的搜索成本；商业银行分析所有用户的网银使用习惯，将大多数用户最常使用的主要功能陈列在网银的登录界面，省去了用户在菜单跳转中花费的时间……很显然，在大数据的支撑下，商业和客户的彼此寻找更为精确，商家的服务也更加贴近。
图7–1 全球生产数据的速度已经大大超过了实际数据存储能力
所以，除了被广泛提及的“3V”特性，我们还应该给“大数据”加上另一个属性：
价值挖掘（value-added）。
在高速产生和传递的海量、多样性的数据中挖掘价值，便是大数据时代带给我们的命题。
不妨和读者朋友分享几个有趣的大数据应用案例。
用大数据推荐消费经验
网络商家现在都在做一件事情——根据用户现在浏览的商品向用户推荐曾经浏览过该商品的人又看过了什么，或是买这个商品的人他们也会购买其他什么商品，然后给你一份推荐清单，其中还包括你自己的浏览以及购物记录。
这种推荐方式最早是亚马逊公司的创举，它根据用户的历史购买记录生成这些“推荐”。
根据统计资料，这种推荐方式让亚马逊在一秒钟能够卖出79.2样商品。
美国最大的在线影音出租服务网站NetFlix有非常先进的推荐功能。
据NetFlix的统计，在它向用户推荐的每10部影片中，有7.5部以上会被使用者接受，认可率可谓非常之高。
然而，更神奇的是，一般网站会让使用者看完某个片子，或者听完某首音乐后对其打分评价，NetFlix总能抢在用户之前做出预测，并且一般预测结果和使用者自己的评价不超过半颗星的差距——换句话说，NetFlix会越来越熟悉用户的胃口。
当然，这些计算都是根据用户观影、听歌的喜好（包含对导演、明星的组合）来计算的，是Net-Filx网站长期对用户的行为做大数据分析之后提炼出来的。
用大数据导航
在大城市，我们经常遇到塞车，看着导航预计抵达的时间一分一秒地推迟，却又不能要求导航仪转换道路的窘况。
而今，欧洲的卫星导航公司已经把海量数据分析的概念导入路径规划的算法里面了，这意味着，导航软件可以替驾驶员预知5分钟后的交通状况。
著名的地图导航厂商TomTom利用实时监测超过8000万部匿名移动电话和100万台以上的卫星导航机在路面上的移动速度。
通过道路交通信息系统，建构一个完整而且实时的交通数据库，再通过GPRS（通用分组无限网络技术）将实时的道路信息，例如某路段的现在平均速度、红绿灯交换频率、某路段在每星期不同日子的平均速度、道路施工状况以及事故状况的数据，以每两分钟一次的频率及时推播给卫星导航仪，或者装在苹果手机或是安卓手机上的导航应用程序，提供给驾驶人一条实时的优化路径。
即便你身陷车阵当中，驾驶人也可以精准地知道可能延误的时间，根据统计资料，采用此服务的驾驶人平均可以节省15%的行车时间。
用大数据改变管理
一旦有效利用大数据，传统的商业模式和管理实践也会被颠覆。
一般认为优秀的企业高管们大多信任自己的直觉，依靠“黄金般的直觉”做出商业决策和管理决策。
然而，随着管理决策越来越受预测性分析和大数据的影响和控制，由直觉做决定的方式将会被彻底改变。
麻省理工学院商学院教授埃里克·布伦乔尔森和他的同事一起进行了一项研究，发现决策依赖数据的公司的运营情况比不重视数据的公司要出色得多，这些公司的生产力比不使用数据进行决策的公司高出6%！
我们再次把目光转回金融。
事实上，我们的金融同业们也早已窥视到了大数据中的商机。
对金融而言，以指数级膨胀的数据既是“甜蜜的负担”，又是“无价的宝藏”。
一位企业家告诉我一件他亲身经历的事。
前一段时间他集中收到某家银行发出的短信。
这家银行通过短信频繁邀请他参加在香港举办的信用卡促销活动。
这位企业家一度纳闷，因为他的生活场所和工作地点都在上海，也从未要求这家银行推送其他地区的促销信息。
后来他突然意识到这家银行的后台系统可能对他的信用卡记录进行了识别。
因为不久以前他用这家银行的卡办理过前往香港的机票，而且在香港期间，他和家人也一直在用这家银行的信用卡消费。
在这家银行的后台系统里，他可能暂时被识别为一名旅居香港的商务人士，它自然“有目的地”向他推介香港的签约商家和优惠活动。
另一家信用卡公司则在客户账单上动脑筋。
他们发现，有的客户出于支付便捷考虑，会把这家银行的信用卡号绑定在他们的网购账户上。
这家公司便在账单上做起文章，他们在寄给客户的账单上推销商品，并尽可能和客户感兴趣的商品越来越一致。
事实上，这种“定制化”的账单也是发卡行对客户的消费行为进行的识别。
发卡行在后台甄选出最符合客户购买倾向的商品种类进行推销。
不难知道，在这一切的背后，是信用卡中心的营销专家和数据分析专家，借助先进的数据挖掘工具，对用户的行为模式进行了提炼和分析。
而在信用卡生命周期管理中，基于海量数据的挖掘应用贯穿始终，而风险控制、用户营销恰是其最重要的两个方向。
比如国内商业银行广泛采用的评分制发卡管理系统，其原型是1958年由美国的费埃哲公司（FairIsaac）创立的。
这是信用卡行业第一个评估申请人风险资质的信用记分卡系统，如今该公司创立的FICO评分机制（一种信用评分系统）已经成为业界的一个通行标准，几乎全球的信用卡发行商、信用供应商都会采用类似的评估机制。
这种评分机制怎么运作的呢？
说到底，它也是严格基于数据采集和识别来运转的。
评估依据既包括申请人自己提交的申请信息和证明资料，也包括评估者通过其他渠道广泛获取的关于申请人的信息，比如，其他信用卡发行商提供的申请人交易信息和还款记录、政府和公共事业部门提供的申请人缴费记录、申请人真实资产情况、申请人的雇主口碑等。
这种评估机制利用以前数据，帮助信用卡发行商以最小的成本做出了最好的决策，显著降低了坏账率。
前文我们介绍过一些互联网公司运用数据分析开展P2P小额信贷平台服务和阿里小贷运用交易数据分析提供信用评估、据以发放贷款的相关案例。
可以说，这仅仅只是金融业开发数据矿藏的最初级应用。
大数据对证券行业亦是意义非凡。
随着社交化成为人们生活与工作中必不可少的环节，如何让社交网站所产生的大量数据产生价值成为最近几年一些基金公司或者科学院校思考的问题。
2011年，英国对冲基金德温特资本市场（DerwentCapitalMarkets）建立了规模为4000万美金的对冲基金，该基金是首家基于社交网络的对冲基金，通过对推特的数据内容来感知市场情绪，从而进行投资。
无独有偶，通过分析推特用户对股票的敏感度以及市场情绪也成为科学机构的研究对象。
2012年年初，美国加州大学河滨分校公布了一项通过对推特消息进行分析从而预测股票涨跌的研究报告。
实际上，当前广大行业用户需要明确知道的一点就是，过去传统的数据仓库与当前的大数据处理最大的不同就是一个是往后看，另一个是往前看。
这就好比数据仓库是坐在自己的车里，通过后视镜看后面的镜像，而不是你面前所面对的东西；而大数据分析更多是向前看，看我们即将面对什么样的问题，继而做出分析与预测。
企业数据就是新时代还未开采的石油，具有非常高的价值。
国外一些金融机构已经开始做一些前瞻性的研究，这种做法是非常值得学习和借鉴的。
比如证券行业就是一个跟市场波动紧密联系的行业，大牛市和大熊市之间的区别同样能够反映在证券公司身上。
好行情之时，证券公司往往迎来利润的高峰期；差行情之时，证券公司甚至可能需要面对亏本的局面。
如此一来，其实云计算和大数据的应用模式是非常适合证券行业的。
事实上，国内已经有一些券商开始着手对客户交易数据进行分析，并在其基础上预测市场人气。
2012年，国泰君安证券的研究人员就在这方面做了一些很有趣的尝试。
他们从在公司开户的海量个人投资者账户中，通过特定的条件甄选出接近20万户的样本进行跟踪，基于这些样本的投资交易记录研发了一个“个人投资者投资景气指数”（IndividualInvestmentIndex），我们又叫它“3I指数”。
我们知道，投资者交易行为反映了许多特定的信息。
比如，通过散户登录账户的活跃度、买卖股票的频率、银行资金转账的规模和频率等角度就可大致判断市场当前及下一阶段的大致人气，进而对股指走势形成具有一定参考价值的预测。
如果投资者普遍预期当前市场向好发展，那么投资者就会有相对更加频繁的买卖行为和关注行为，模型计算出来的指数结果也就会向上运行了。
和目前市场上的众多投资景气指数有所区别的是，“3I指数”全部采用经由交易系统记录的真实交易数据进行编制，通过平均账户活动率、平均账户持仓比例、追加资金比例、流出资金比例、浮盈率、实盈率等系列反映投资活跃程度和投资收益水平的指标，建立一个逐项加权汇总的量化模型，并统计样本库的整体投资景气度。
从运行结果看，“3I指数”的实际走势和资本市场的走势取得了比较好的拟合效果，并表现出一定的领先性，逐步成为观察、预见中国资本市场个人投资者投资行为的一个有效的风向标和晴雨表。
有许多银行、券商和国泰君安一样，通过多年的积累掌握了大量个人投资者的真实交易数据。
在严格保证客户账户信息安全的前提下，金融机构是可以好好挖掘和利用这些庞大的数据，为我们的市场服务，为监管决策服务，为新闻媒体服务，为广大的研究机构和投资者服务的。
庞大的数据资产是电子化对金融行业的又一个馈赠。
在信息技术的帮助下，另一座富矿悄然崛起。
大数据不再仅仅局限在媒体与厂商间的讨论，它犹如一场数据旋风开始席卷全球，从各行各业的IT主管到政府部门都开始重视大数据及其价值。
截至2012年9月底，国内的金融结算账户已经接近50亿。
其中，个人银行结算账户超过45亿，有效证券结算账户接近1.4亿。
业务规模更是达到天量。
中央银行支付系统的日均业务处理量超过了1.5亿笔，这意味着平均每秒钟有超过1700笔的跨机构支付需求通过央行支付系统提交。
如果算上银行行内的交易量，其统计结果可能将再上一个数量级。
沪深两市每日过户笔数也保持在千万级别，而在资本市场活跃的年份，这一统计结果可能过亿。
藏匿在这些账户和业务数据背后的，是我们可能已经知道但还知道得不彻底的，或者我们根本尚未识别出的宝贵信息。
金融机构也都意识到驾驭这些数据的重要性，并把主要工作集中在两大领域。
一是基于账户交易数据对现有的顾客群体进行细分，然后对每个客户群进行量体裁衣式的“个性化行动”（包括价值营销和风险控制），比如我之前提到的“定制账单”和“发卡评分”。
二是运用大数据模拟业务实境，在大数据量的实验环境下，新产品的需求和风险都可以得到更好的预判，借此提高投入的回报率。
这意味着，金融大数据不仅给了我们穷见过去的资本，更给了我们洞悉未来的能力。
在这方面，一些占据数据信息链关键位置的金融服务机构已经快步冲在了前头。
像维萨和万事达卡这样的信用卡发行商和其他大银行就占据了信息价值链中最好的位置。
通过为小银行和商家提供服务，它们能够从自己的服务网中获取更多的交易信息和顾客的消费信息。
它们的商业模式从单纯的处理支付转变成了收集数据。
为预测商业发展和客户的消费趋势，万事达卡公司咨询部门收集和分析了来自210个国家的15亿信用卡用户的650亿条交易记录。
然后，它把这些分析结果卖给其他公司。
它发现，如果一个人在下午4点左右给汽车加油，他很可能在接下来的一个小时内要去购物或者去餐馆吃饭，而这一个小时的消费额在35~50美元之间。
商家可能正需要这样的信息，因为这样它们就能在这个时间段的加油小票背面，附上加油站附近商店的优惠券。
处于这个数据链的中心，万事达卡占据了收集数据和挖掘数据价值的黄金位置。
我们可以想象，未来的信用卡公司不会再对交易收取佣金，而是免费提供支付服务。
作为回报，它们会获得更多的数据，而对这些数据进行复杂的分析之后，可以卖掉分析结果获得利润。
阿里巴巴集团董事长马云先生曾成功预测过2008年的全球经济危机。
在他的提醒和帮助下，阿里旗下成千上万的中小制造商及时准备起过冬的粮食。
马云先生的预测恰是建立在对海量用户行为分析的基础上。
阿里巴巴网站跟踪了一个基于买家行为模式的统计指标，即买家在正式采购商品前比较供应商产品的次数。
这个指标反映到阿里巴巴网站的统计数据中，就是查询点击的数量和购买点击的数量会保持一个相对的数值，综合各个维度的数据可建立一个稳定的用户行为模型。
2008年年初，阿里巴巴发现全平台上买家询盘数快速下滑，这反映出欧美国家对中国的采购需求急剧萎缩，这让阿里巴巴集团提前觉察到了凛冬将至的寒意。
从全球范围来看，很多人都把2012年看作是大数据时代的元年。
在这一年里，很多行业在大数据方面的管理、规划和应用已经觉醒。
电商、金融、电信等行业数据有着长期的数据积累。
我认为做好大数据的业务驱动是关键，要具备以下几个条件：
第一，数据的管理，尤其是非结构化大数据的管理；第二，大数据的加工和被消费；第三，高效、面向业务的数据挖掘算法。
事实上，很多互联网公司，例如亚马逊、Google、腾讯，更愿意将自己定位为数据企业。
因为信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业的机遇。
银行也同样拥有丰富的数据矿藏，不仅存储处理了大量结构化的账务数据，而且随着银行渠道快速渗透到社交网络、移动终端等媒介，海量的非结构化数据也在等待被收集和分析。
未来的金融业将更多地受到科技创新力的驱动，也越来越倾向于零售营销；对于金融业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。
形象地说，数据的收集能力加上数据的分析能力等于企业智商，这关乎商业决策的速度和准确性，关乎企业的生存和发展。
大数据技术的发展带来企业经营决策模式的转变，驱动着行业变革，衍生出新的商机和发展契机。
驾驭大数据的能力已被证实为领军企业的核心竞争力，这种能力能够帮助企业打破数据边界，绘制企业运营全景视图，做出最优的商业决策和发展战略。
金融行业在大数据浪潮中，要以大数据平台建设为基础，夯实大数据的收集、存储、处理能力；重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队；不断提升企业智商，挖掘海量数据的商业价值，从而在数据新浪潮的变革中拔得头筹，赢得先机。
事实上，如何把大数据带来的大生意抓住，是金融行业不能停止思考的问题。
毫无疑问，未来10年是大数据的10年。
鲁迅先生曾经形象地说过，“时间就像海绵里的水分，只要你愿意挤，总还是有的。
”数据和时间一样，只需你认真地发掘，数据的价值也会源源不断。
第五浪
迈克尔·塞勒在《移动浪潮》一书中从信息技术发展的角度把技术专家创造的五次信息进步比喻成“浪潮”：
第一浪是大型计算机，第二浪是小型计算机（不同于桌面个人电脑），第三浪是桌面电脑，第四浪是互联网时代的个人电脑，第五浪正是如日中天的移动互联网。
如果说前面几浪都是以计算设备作为标志，那么第五浪则是以一种技术，或者准确说是接入网络的移动通信技术作为标志。
它并不指代某一种网络，而是指代接入互联网的方式，是移动通信技术和互联网技术从终端到技术规范、业务标准的全面深入的融合和叠加。
这个划分逻辑向我们清晰地描述了信息技术的发展趋势。
事实上，以移动智能终端在今天的普及、携带和广泛应用来看，关于移动互联的再多提法已经算不上什么“预见”了。
我们所应做到的，是再次表达对这股力量的敬畏。
随着互联网内容和应用的逐步丰富，3G、4G通信技术的快速发展，智能终端目不暇接的换代更新，这个无处不在的移动互联网时代已经带领我们大步前行，有力地改变着我们的行为模式和生活习惯。
手机已经成为比钱包还要重要的随身物品。
无论是在地铁车厢里还是在聚会餐桌上，你会发现“拇指族”和“低头族”总是埋头盯着手机屏幕。
无处不在的二维码广告充斥着街头巷尾，只要掏出手机拍张照片就能完成过去要在网页上进行的一连串注册、购物、支付等烦琐操作。
微博、微信这些新兴媒体开始取代电视、报纸、杂志这些传统媒体，成为人们获取资讯和信息的主要渠道。
传统媒体也不得不做出回应，它们以手机客户端和平板电脑客户端的形式推出适配手机和平板电脑这种小屏幕的内容来维系流量，随时将咨询和信息推送到用户的“指尖”。
曾经时尚的数码相机、MP3（一种音频播放器）、电子词典、电子书等产品受到冷遇，因为一台功能完整的智能手机足以替代所有。
如今，一部中高端手机拍出的照片已经能够和卡片机媲美，用手机拍摄的视频在社交网站上飞速流转。
搜索、即时通信、电子邮件、日历提醒……所有互联网应用几乎不约而同地向移动终端、移动设备渗透和演进，在此基础上叠加的商业模式也层出不穷。
在网络1.0时代通过流量赚取广告收入的时代早已过去，基于信息分享、社交互动、支付等行为产生的利益模式浮出水面。
伴随着通信基础设施的进步，参与移动互联活动的门槛也变得很低。
一台价格低至数百元的智能手机能够大大提高人们上网的便利性，这对那些偏远农村地区的居民、农民进城务工人员和低学历收入群体而言尤其重要。
有报道称，许多地方的出租车司机开始通过微信、微博这样的社交软件来接揽生意。
每月20元人民币的手机上网流量费，使他们与年轻潮人一起站在了同样便捷的信息平台上。
移动互联网所向披靡。
今天，通信运营商把无线网络铺设到哪里，智能手机就用到哪里，大量的内容和流量就导入到哪里，自然、无限的商机也就追随到哪里。
在中国，手机网民的数量已超过4亿，其中1/3的用户每天用手机上网的时间超过了一小时。
这当然也加速了移动应用的繁荣，平均每小时就有55个新手机应用上线，中国已成为全球第二大移动软件应用市场。
不管你是否愿意承认，移动互联的第五浪已经乘风而来。
那么，移动互联对金融行业的影响会有多大呢？
我们不妨先来看移动互联网时代最为显著的几个特征。
首先是便携化带来的即时性。
即便个人电脑做得越来越轻薄，手机、平板电脑、导航仪、电子书这些移动设备与之相比依然属于“羽量级选手”——体积小，重量轻，屏幕适中，随身携带，易于操作，应用也简洁明了。
这些特点也自然决定了最终用户对获取移动互联网应用的即时性，只要有一台移动智能设备和足够的通信速度，人们就可以随时随地利用碎片化的时间访问网络，获得资讯，进行交互，而当下的移动应用大多又具有“推送”功能，更是能让用户在最短的时间里获得自己想要的信息。
有人把移动互联网经济这种利用消费者密集而又非连续的关注所吸引的价值称作“离散眼球经济”。
事实上，人们每天的碎片化时间如果累加在一起可能远远超出我们的想象，所以断不可小觑这种“离散眼球经济”。
其次是社交性。
与传统互联网相比，
升级会员 