大数据金融作为一个综合性的概念，在未来的发展中，企业坐拥数据将不再局限于单一业务，第三方支付、信息化金融机构以及互联网金融门户都将融入到大数据金融服务平台中，大数据金融服务将在各家机构各显神通的基础上，实现多元业务的融合。
笔者通过对现状的归纳，对大数据金融的未来发展有如下观点。
(一)电商金融化，实现信息流和金融流的融合
电商金融化是电商企业在电子商务平台的长期发展中，数据积累和信用记录运用的必然趋势，是商业信用对接银行信用的表现。电商以网购起家，通过数据、流量获得销售，再通过销售积累数据、流量，聚集黏性，数据的结构化和层次化明显，对信息流的反应敏锐。
电商金融化的发展目前可以分为两个阶段，第一阶段为电商完成第三方支付，对传统的银行才具有的支付和信用功能的创新和替代;第二阶段为电商羽翼渐丰，开始寻求同银行的信贷合作，代表例子为京东商城的供应链金融模式。如今电商金融化可以说并未发展完善进入下一阶段，但是发展方向出现分歧。一方是以阿里巴巴为代表的金融平台，在获取银行牌照之前，以资产证券化、信托计划等方式筹集资金;另一方是以苏宁云商为代表的金融平台，直指民营银行牌照，希望在成立银行后，将信息流和资金流收归己用。从本质上来说，二者殊途同归，都是在掌握商品流、信息流的情况下，高效、低成本的获得资金流，从而建立自身完整生态圈，对生态圈内商户提供一条龙服务，提高商户黏性，提升竞争对手进入壁垒，期待在激烈的互联网金融竞争时代拥有一席之地。
(二)金融机构积极搭建数据平台，强化用户体验
在电商跨界金融的冲击波之下，以银行为代表的金融机构并没有坐以待毙，银行借道电商，打响反击战。银行步入电商领域的成绩以及基因融合是否良好暂且不论，单从数据拥有量来说，大型商业银行的数据均在大数据级别，尤其在金融数据方面有着电商无法比拟的优势。
自2012年开始，多家银行，如建行、交行、工行等都积极部署自己的电商平台，期待在留住老客户及扩展客户数量数据同时，使客户数据立体化，并利用立体数据进行差异化服务，了解客户消费习惯，预测客户行为，进行管理交易、信贷风险和合规方面的风险控制。
另一方面，数据管理和运用成为银行业面临的比数据收集更严峻和迫切的课题。各商业银行已经在此项上有所动作。中国民生银行计划在2013年建设数据标准和大数据基础平台，2014年建设实时的数据集成平台，2015年建立完备的企业数据服务，支持智能化的服务;交通银行则采用智能语音云产品对信用卡中心每天收集的海量语音数据进行分析处理，收集关于客户的身份、偏好、服务质量以及市场动态等方面的信息等。
(三)大数据金融实现大数据产业链分工
毋庸置疑，大数据对我们时代的改变将越来越深刻。无论是IBM、CISCO这样的老牌IT公司、还是在Hadoop生态圈中的专注于大数据的IT新秀都在短短的几年之内抢占了大数据产业链的各大环节。未来谁能够引领大数据技术，中国的制造商是否可以在大数据爆发性增长来到时抢占到一席之地?处于各个数据环节的企业如何能够从大数据的经营中获得金融灵感，建立符合自身特质的服务平台?
大数据按照信息处理环节可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化以及产业应用等六个环节。而在各个环节中，已经有不同的公司开始在这里占位。
在数据采集中，Google、CISCO这些传统的IT公司早已经开始部署数据收集的工作。在中国，淘宝、腾讯、百度等公司已经收集并存储大量的用户习惯及用户消费行为数据。在未来，会有更为专业的数据收集公司针对各行业的特定需求，专门设计行业数据收集系统。
在数理清理中，当大量庞杂无序的数据收集之后，如何将有用的数据筛选出来，完成数据的清理工作并传递到下一环节，这是随着大数据产业分工的不断细化而需求越来越高的环节。除了Intel等老牌IT企业外，Informatica、Teradata等专业的数据处理公司呈现了更大的活力。在中国，华傲数据等类似厂商也开始不断涌现。
从数据存储和管理中，数据的存储、管理是数据处理的两个细分环节。这两个细分环节之间的关系极为紧密。数据管理的方式决定了数据的存储格式，而数据如何存储又限制了数据分析的深度和广度。由于相关性极高，通常由一个厂商统筹设计这两个细分环节将为更为有效。从厂商占位角度来分析，IBM、Oracle等老牌的数据存储提供商有明显的既有优势，他们在原有的存储业务之上进行相应的深度拓展，轻松占据了较大的市场份额。
在数据分析中，传统的数据处理公司SAS及SPSS在数据分析方面有明显的优势。然而，基于开源软件基础构架Hadoop的数据分析公司最近几年呈现爆发性增长。例如，成立于2008年的Cloudera公司，帮助企业管理和分析基于开源Hadoop产品的数据。由于能够帮助客户完成定制化的数据分析需求，Cloudera拥有了大批的知名企业用户，如Expedia,摩根大通等公司，仅仅五年，其市值估计达到7亿。
在数据的解读中，将大数据分析的数据层面的结果还原为具体的行业问题。SAP、SAS等数据分析公司在其已有的业务之上加入行业知识成为此环节竞争的佼佼者。同时，因大数据的发展而应运而生的wibidata等专业的数据还原公司也开始蓬勃发展。
在数据的显化中，这一环节中，大数据真正开始帮助管理实践。通过对数据的分析和具象化，将大数据能够推导出的结论量化计算、同时应用到行业中去。这一环节需要行业专精人员，通过大数据给出的推论，结合行业的具体实践制定出真正能够改变行业现状的计划。[1]
从各个数据的环节的梳理中，企业在寻求进行数据环节的卡位。大数据服务平台，顾名思义，将以大数据为依托。无法挤入数据的六个环节，将难以形成适合自己企业路径的大数据服务平台。以银行为例，银行之所以积极进入电商的圈子，本质来说是挤入数据采集环节的路径。在大数据服务平台的继续发展中，可以预见到，会有数据处理六个环节的企业不断加入，竞争会愈演愈烈。后入企业必须首先找到企业在数据处理中的着力点。
笔者认为，在大数据的未来发展中，建立数据交易平台，在相关法律法规允许的情况下，数据能够在统一的平台上进行搜索比价和交易，这不仅是企业在主营业务外的数据增值行为，也为解决封闭数据、数据割裂提供了有效的解决方法，实现了有关机构之间的协同合作，更为符合“数据即是资产”的精神。
