爱华网开篇提到的花旗银行聘请了I B M的明星分析师“Watson”事件，是银行界对大数据处理能力渴求的一个侧面表现。 金融业对数据的需求，以及数据能力建设都在大多数行业之上，在大多数金融机构里面，对大数据的应用多集中在预防欺诈、制裁洗钱交易等方面，这些业务中，哪怕是看起来非常简单的一个任务，在实际执行层面，也是一项非常复杂的数据任务：比如对照顾客姓名看其是否处在制裁黑名单之上这件事情，因为一家银行可能会有数千位顾客和这些制裁黑名单上的顾客重名，如果稍有不慎，就可能毁掉一份顾客关系。 因此，处理这件事情银行业需要从各种不同数据源获取信息的电脑，通过搜集顾客的国籍、地址、家庭成员的姓名，以及他们是否曾经在某些国家旅游或者从这些地方收到过汇款等记录，来确定这个顾客是否正是制裁黑名单上的那位。因此，更不用提随着支付从电脑转向移动终端等变革给银行的数据处理能力带来的挑战了，大数据可以说是银行应对这些挑战的利器。
而除了预防欺诈等功能外，银行也正在发现，顾客数据能给他们带来更多的价值，比如，西班牙国际银行Santander就利用数据研究，每周给顾客发送信息，里面有顾客可能感兴趣的产品和优惠。但有些银行所尝试的领域已经开始超越自身的产品和服务，比如新加坡花旗银行会基于消费者的信用卡交易记录，针对性地给他们提供商家和餐馆优惠。 如果消费者订阅了这项服务，他刷了卡之后，花旗银行系统将会根据此次刷卡的时间、地点和消费者之前的购物、饮食习惯，为其进行推荐。比如此时接近午餐时间，而消费者喜欢意大利菜，花旗银行就会发来周边一家意大利餐厅的优惠信息，更重要的是，这个系统还会根据消费者采纳推荐的比率，来不断学习从而提升推荐的质量。花旗在亚洲有超过250名的数据分析人员，去年它在新加坡新开了一个“创新实验室”。 除花旗外，一些全球信用卡组织也开始了利用数据的进程。在美国，Visa就和Gap合作，来给在Gap店附近进行刷卡的消费者提供折扣优惠。 数据甚至能够改变这个行业的竞争格局，使得一些白手起家的新手找到自己的机会，杀入市场。比如创业公司ZestCash，它的主要业务是给那些信用记录不好或者没有信用卡历史的人提供贷款服务，它的创办人Douglas Merrill是谷歌前首席信息官。 ZestCash和一般银行最大的不同在于其依赖的数据数量。大多数美国银行依靠FICO信用卡记录得分来做出贷款与否的决策，这个FICO信用卡记录得分大概只有15到20个变量，诸如信用卡的使用比率，是否有没有还款的情形等，而ZestCash考察的却是数千个信息线索，这造就了它独特的竞争力。比如如果一个顾客打电话过来说他可能无法完成一次还款，大多数银行会把他视为高风险贷款对象，但是ZestCash经过研究发现这种顾客其实更有可能全额付款；ZestCash甚至还会考察顾客在提出贷款之前在ZestCash网站上停留的时间。“单看一个数据可能是个无用的噪音，但是当你以非常聪明的方式把它们聚合到一起的时候，你能将垃圾变成宝贝。”
