以下是知乎数据大牛wang hold的回答：
***，你所说的大数据软件，不太让人明白。至少在行业里少提到大数据软件这个说法，可以说大数据技术架构，也可能说数据挖掘软件。不过我理解，你提的大数据软件应该是围绕大数据分析与应用的一系列工作与系统吧？
第二，你提到的金融数据，这个涉及面很广，就我有限的接触来看就有很多，比如基金公司的销售数据，客户持有份额与交易数据，客户接触数据，客户网站浏览数据等；比如银行涉及到进出帐户的数据，客户基本信息的数据；比如保险公司有客户购买保险的数据等。概括而言，可以分成以下几大类：客户基本属性数据、客户产品购买数据、客户交易行为数据、客户偏好数据……能做什么分析需要看能获取什么数据，如果你能够把行业第三方的数据整合进来，可做的挖掘就多了。例如，如果做为基金公司能够获得用户在网络上的浏览行为数据，你就可以判断用户最近有没有关注相关产品，有没有关注竞争对手的产品。
第三，谈谈大数据具体在金融行业的应用领域，据我有限的接触来看，以下领域需要大数据发挥更大更多的作用。
1、用户授信：这其实是数据挖掘最早应用的领域之一，国内的数据挖掘最早基本上也是基于授信所需要的分类挖掘算法而发展的。基于大数据对用户信用风险进行判断，是一个重要的方向。特别是目前很多信用评估体系是依赖于国外的评估机构，如果能够基于大数据（看你能获得何种数据）来构建起信用评估机制来，这个会有市场。
2、交易风险控制：这个跟用户授信不同。原来的数据挖掘能够实现对用户静态的信用评估，基于大数据的流式处理能力可以实现对用户的动态评估，即交易风险的判断。例如，当你发现同一个帐户在近乎相同的时间在不同的地区进行信用卡交易的时候，这个时候交易风险就产生了。客户的信用卡可能被盗，也可能存在欺诈交易行为。
3、提现预测：目前互联网金融的一个很大的特定就是打破了原来流动性和收益率不能兼得的特征。而现在的很多“宝宝”能够两者兼得，除了跟创新有关外，在技术层面如果能够实现大数据对产品的支撑，会做得更高效。具体来说，“宝宝”们需要满足每天用户提现的需求，这就需要储备流动性强的资金，储备少了，会出现挤兑；储备多了，而资金不能得到充分利用，无法产生更多的收益。所以需要构建预测模型，实现对资金需求的有效预算与管理。
4、营销监控与评估：这个是容易被忽视的领域，因为是涉及到具体战术的工作。以后大多数人都关注营销效果的最终效果，比如搞了个客户营销产品，看最终转化了多少，但其实有很多环节可能会影响到用户的转化。比如接触情况，比如吸引性，比如消费滞后性等等。这些需要依赖于大数据基于更客户更准确的解答。
5、流失预警：如果你能获取的数据可以洞察用户在整个相关产品里的使用行为，你就可以洞察用户潜在的流失风险与去向。例如，你会发现原来较优质的客户最近在一段时间里突然不太活跃了，这可能就会有风险，但是到底是最近比较忙没有交易？还是另有他爱了？这个需要依赖于大数据进行洞察。用户可能这段时间正在关注或已经购买竞争对手的产品，这可以提供更大的营销管理价值。
……
其实还有很多，就不多说了，没有哪个领域更有分析价值，取决于你所关心的核心问题。
第四、关于发展方向：我想一个趋势其实已经行成就是金融行业和第三方行业资源的整合，比如金融和互联网企业 ，金融和大数据拥有者的资源整合等。不论是哪些行业的资源整合，一个不可规避的事实就是对传统金融工具的创新，所以想想现在的金融产品有哪些问题，可能就能找到创新方向。比如宝宝们的收益与流失性兼得其实就是在挑战传统金融两者不可得的不足。至少对普通投资者是这样。另外，创新还会体现在具体的营销层面，比如依赖于各种有效的触点实现的营销，依赖于社交媒体实现的营销创新等。不知道大家最近关注到没有，已经有一些创新在实践了。比如，泰康人寿基于微信实现的求关爱的传播与营销方式，即用户发起求关爱的活动，发到朋友圈，朋友可以送1元关爱，这1元钱实际上是帮发起用户购买的保险产品。具体你到微信里看看吧。
