随着互联网的发展，证券行业已经进入了一个以大数据信息海洋的云时代。光大证券乌龙指事件也彻底表明了一般投资者面对的是冰冷的电脑方程式在对面操盘，证券的数据模型更加复杂多样，数据的速度总量和种类都是有着非常大的突破。

在云数据概念中，金融云数据和一般消费性的云数据还有区别的，金融数据更要求严肃性，而消费数据只要求方向性就行了，消费者即使说不也对消费数据无大损伤，而消费数据相对金融，当你数据量非常大的时候，你对数据的质量要求就比较低。如果说当你数据非常多的时候，它就可以容忍数据当中的噪音。但金融数据要求数据多时候，噪音也是一个可观察项目。而极端事件发生时候还要保持稳定，这非常不容易。小数据帮助我们发现大概率的事件，大数据帮助我们发现小概率的事件，突发性事件，往往突发性的事件更有价值，比如金融危机、海啸、金融欺诈等等，都是突发性的事件。事件发生后先期的市场趋势可能转折，但金融数据还被加上对突发事件的侦测。另外，在大数据时代我们可能更加关注是数据之间体现出来的关联性，而不是因果性。可能光大一家突然出现问题，别的市场也会产生连锁反应。当然虽然从长远来看符合幂率等自然法则，但从短线操作来看，对很多研发人员是个挑战。

大脑智慧决定这个行业的深度真的不假。

如此大数据方面的数据收集、云计算、数据挖掘、智能应用等技术和体验习惯集合起来还有很多难题。每个层各有相当多的决策，比如结构化和非结构化的数据如何整合，比如说如何来支持这个数据数，就是你的处理能不能满足这个数据数，以及包括数据安全隐私的问题。金融领域的事件突发性和金融数据本身要求的低出错率之间如何平衡都是挑战。在大数据时代我们要做的是容错率比较高的数据，所有的数据可能没有办法存在磁盘上，只能扫描一次。所以，在软件开发方面有非常大的挑战。当然对钱龙软件这样成熟的信息商来说，最大的挑战却是人才。美国麦肯锡全球的研究院报告，到了2018年具有深度大数据分析的人才可能缺口达60%以上，大数据人才可能不光需要有理工科的知识，数学建模的知识，也需要了解企业的商业理念在哪里，能够提供正确的模型。

钱龙领航版从7月推出以来受到很多体验者的热情赞誉，首先一点就是保持传统优良的稳定的基础上进行数据创新，在数据智能挖掘云计算上下大功夫积极攻关难点。领航版设计初始就把大数据云框架流技术嵌入技术拿到一个新高度，对证交所的无损数据精细加工，保持数据原汁原味的技术深入数据智能挖掘，把主力的成交和委托行为数据化提取出来，而远远超越市面的一般行情揭示软件的高度。