就大数据而言，一是聚量的，第二，它是流动性的，而且是多角度流动的。比如说，如果用一个形象的图形来表示，这个图形就是多角度流动的，而这个就是单向流动。另外，它是非结构化的。我们传统的分析是结构化分析，大数据是非结构化，作为论坛要进行一个碰撞，如果是非结构化的数据，对数据的真实性并不是特别的看重，虚假的数据仍然是有价值的，如果从哲学的角度来分析，人类整个发展历史就是从错误的认知到建立真理的认知过渡，不停地试错。而大数据我们要解决的是看错误的程度是什么，找出错误的指标与变量和权重是多少，错误数据在大数据时代仍然是有价值的。除了非结构化，大数据还是智能的。

第二，互联网对于金融业的突破，是从大数据对金融业风险管理的突破开始的。大数据对传统金融的突破，是从我们对传统金融的风险管理由因果性分析向相关性分析过度的。比如大数据对传统行业的突破。传统行业就是三大类，以银行为代表的信贷产业、以投行为代表的股权投资行业、以保险为代表的，对未来风险的评估和定价的产业，我比较熟悉的是新一代的行业。我们在做养牛养羊的贷款时，会发现脾气比较拗、比较执着的人适合养牛，我们就给他一个信用比较高的分。如果他的性格比较随和、温和，蔫一点，就适合养羊，养羊的分就打高一些。我们可以用因果分析分析出来，我们说牛比较娇贵，很执着的人才能养牛，人和他养的东西性格要比较接近，牛比较拗，拗的人适合养，羊比较温和，温和的人适合养羊，这是传统的因果分析。但是如果利用大数据分析的话，我们发现通过几亿次，甚至几十亿次的数据运算发现，迈左脚的人比迈右脚的人更适合养牛。但为什么迈左脚和迈右脚会产生这个结果呢？我们通过因果分析，是一个相关性，财务的、多层次的、多体量的运算的结果，而且随着时代的变化，我们发现迈左脚和迈右脚的人的信用还会发生改变，因果分析很容易分析，这个就是大数据的分析方法。

第三，大数据的指标是用大数据自动化的抓取出来，再给他匹配一个分数。在这一点上，它改变了传统银行的信贷方式。同行的主要风险来自于沟通，这也能提前用大数据分析出来。还有一类就是保险，最大的事件就是天津的爆炸，还有之前青岛输油管道的爆炸案。实际上，如果用大数据分析，提前能够分析出来了，这个货厂危险品的流动数据，这个货厂的相关设施的采购，如果是青岛的输油管道的话，如果提前测算出来，其实在此前很长时间泄漏了，如果我们通过大数据分析就能分析出来。所以说，大数据对传统金融风险管理的改变导致了大数据对传统金融产生一个很大的改变。