金融服务行业竞争激烈，产品争夺最小的差异化以对市场产生影响。了解和预测消费者行为是关键，并迫使金融组织提出问题，例如，哪些优惠会吸引新的存款客户?费用会对客户流失产生什么影响?新分支机构对客户忠诚度的影响是什么?使用一种银行产品会导致另一种银行产品使用的可能性有多大?等等。

　　许多这些问题的答案隐藏在组织的历史数据中。人们可以收集和分析的数据越详细，就能越准确地预测消费者未来的行为。

　　应用这种分析方法的第一个行业早在“大数据”流行之前就开始了。保险机构是最先大量使用统计人员和精算师的行业之一，特别是涉及依赖于赔率的政策时。以人寿保险为例。如果对客户可能的生命期限进行了统计，那么客户就会“输了”，而保险公司“赢了”，因为他们可以在更长的时间内客户那里收取保费，而一家错误预测概率的保险公司面临着潜在的破产风险。在计算机没得到应用之前，保险业行必须满足于工分析关于客户平均寿命、火灾和洪水发生率等非常粗略的公开数据。如今，考虑到大量非常详细的信息，保险公司可以对产品进行定价，使其与真实风险保持一致。从理论上讲，拥有“大数据”对消费者和公司都有好处。通过降低保险公司进行不良赌注的可能性，他们可以对其产品定价以反映降低的风险水平。

　　在这个时代，这种方法在金融业中同样有效。例如，在信用卡行业中进行欺诈检测。当某人去自动取款机时，几乎总是从附近的ATM机器上取出相同数量的钱。如果有人偷了他的ATM卡并试图使用，那么小偷很可能会试图在另外的ATM中提取不同数量的钱，从而可以导致用卡的欺诈检测系统引发警报。使这种服务切实可行的是理解数百万客户的正常行为，这意味着在很长一段时间内积累了大量详细的交易数据。这不仅减少了信用卡发卡机构的损失，而且还以较低的费用或更高的额外费用向消费者过滤。

　　它在营销方面也被证明是有效的。金融服务公司拥有广泛的产品，其中包括储蓄账户、投资、信用卡、保险、消费贷款、抵押贷款、商业贷款、教育贷款等。而且，通过使用大数据，他们可以将这些服务推销给可能真正感兴趣的客户。为了使用简单的例子，上世纪60年代已经拥有房子的银行客户可能不太适合抵押贷款或大学贷款。经常旅行的客户可能是旅行相关信用卡或航空公司或酒店忠诚度计划的良好前景。青少年客户可能是大学贷款的良好前景，等等。组织对客户行为了解得越多，就越有可能向接受的受众推销产品。

　　然而，对于这种“大数据”应用程序的存储，由于其庞大的体积和数量，需要既经济又快速。如果存储成本太昂贵，成本可能会超过潜在的收益。如果其分析速度太慢，将需要很长时间才能产生有用的结果。这就是数据存储类型发挥作用的地方。如果人们回想起计算机应用之前保险公司的日子，就无法区分高风险和低风险客户。凭借当今可获得的大量信息以及通过这一切掌握的计算能力，组织可以进行市场细分，从而更准确地将价格与风险保持一致。这就是为什么随着价格下降，存储数据的成本与所获得的价值和收益之间存在指数关系的原因。而如果成本减少一半，并不是只是存储两倍的数据，可能会增加到4倍。如果组织想达到利益最大化，其中金字塔顶层的目标可以通过少量高度聚合的数据来处理，而金字塔的底部有成百上千种方式可以使数据进行小幅改进，很明显每次降低存储价格，一大堆应用程序在经济上都是可行的。

　　一些组织正在努力将云计算存储的成本比亚马逊S3等现有的云计算存储解决方案降低80%。随着这些所谓的“云2.0”服务获得认可，金融服务行业将获得大量新的收益。

　　编辑：Harris