在上周的《年全球大数据产业报告之海外篇（第六集）》中，我们与星河研究院着重为你介绍了企业服务领域中的办公自动化、日志分析以及大数据安全这三个细分领域与大数据技术结合的应用。本期作为垂直应用行业盘点的倒数第二期，我们将重点为你介绍大数据技术在金融、生命科技这两个专业性较强的前沿领域的技术发展与应用情况。
我们都知道金融行业与大数据渊源颇深，在借贷领域中拥有数据的维度越多、越丰富，就越能够让银行和非银机构降低信用成本，比如我们在周二的文章《Kabbage获软银2.5亿美元F轮投资，计划一年内完成IPO》中提到的kabbage就能把网店这类小微企业的经营数据（如访客量、交易量、用户评价、物流信息等）、品牌在社交网络的声望（如Facebook中的获赞数量）等多维数据都列入考察指标，重构信用体系，从而获得业务与利润的飞跃。而利用了AI技术的智能投顾在欧美地区则有效的降低了资产配置策略制定的门槛，获得了极大的发展。保险行业也同样在大数据技术的支持下能够更加微观的对风险与回报进行计算，提高收益率的同时也降低了优质客户的负担，从而获得极大的竞争优势。
再看看生命科技领域大数据也发挥着举足轻重的作用，我们在《群星，我们的归宿｜用信息科学重绘天地万物》这篇文章中提到过，所有生命延续的过程本身就是数据信息代代相传的过程，而我们的生命更是数据化的，当我们的心跳、血压、体温、血氧、血糖、脑电波等所有生命与生理指征数据、基因组、蛋白组、代谢组数据、移动社交网络数据加上伴随一生的医疗健康信息，我们就可以量化出一个独一无二的数字人。数据的力量不仅能预测疾病、挽救生命，它更能在基因检测、新药研制、病症监测治疗等领域中发挥极大的作用，甚至可以颠覆保险，在未来做到千人千险。接下来我们就与星河研究院一起与你分享大数据结合金融科技和生命科学这两个领域的实际案例，希望对你有所帮助。
首先我们将金融科技和生命科学这两个领域的典型大数据公司列举如下，接下来我们将分版块为你进行详细介绍。
第一
金融科技
金融领域有许多分支，其中借贷征信行业与大数据技术结合的最早也最紧密。新型贷款机构除了能够抓取用户或中小企业传统信用评级信息外，还能够通过社交网络、地址、消费交易记录、税务、物流信息等多维数据通过算法进行比对评价，极大的降低了信用成本和违约率，涌现出了以LendingClub为代表的一大批新型借贷公司，对传统金融市场形成了有效的冲击。虽然目前欧美的大数据借贷公司遇到了低谷期，但其技术价值及对资金效率的提升还是会不断的推动行业继续发展。
OnDeck是一家向中小企业提供小额贷款的在线平台，于14年在纳斯达克上市，目前市值超过3.5亿美元。它利用算法快速向中小企业放贷，贷款金额在5,-,美元之间，期限从6个月到18个月不等，利率维持在18%-38%左右。贷款申请者需要填写包括姓名、社保账号等个人信息，以及公司名和公司地址等，之后OnDeck会联网审核申请者的个人信用记录和他与公司的关系。如果初审通过用户还需要提交公司最近三个月的银行流水及财务情况报告，Ondeck结合公司信用记录和社交数据（比如企业是餐馆则会查Yelp)等，最终在几分钟内决定房贷结果。OnDeck两年来的坏账率都在个位数。
另一家较为知名的大数据借贷公司Affirm将消费金融与移动支付相结合，产品之一BuywithAffirm是一项电商类场景的消费金融服务，提供在线支付时的小额按月分期还款，利息单利计算，综合传统的FICO模型分数和社交媒体档案记录来做借贷评分。它的服务对象是18岁以上的美国居民，用户可以根据自身的情况申请3、6或者12期的分期付款方案，并支付10%-30%不等的服务费，交易完成后消费者按月还款。据Affirm数据表示，使用Affirm的商家平均用户转换率提升了20%，而且用户的消费额增加了40%。此外Affirm还提供了教育类场景服务，并通过收购线上理财应用Sweep进入高频场景服务，吸收日活用户。
投资顾问这项业务之所以在欧美地区能够高速发展，与其金融市场特性高度相关。与国内理财经理和保险推销员免费甚至不计成本讨好客户不同，欧美地区的用户在进行投资理财和资产配置的过程中需要为其投资顾问支付不菲的佣金手续费，这造成了部分家庭的投资需求被抑制。因此结合了AI技术的智能投顾一推出，原本就存在的需求快速推动了产品的普及。
Sentient是在投顾及自动化交易领域较有特色的公司，虽然最终产品尚未推出但其创始人已经投入真金白银到股市中测试真实威力。Sentient通过庞大的计算能力及新算法全面模拟金融市场的运行状况，开发各种模型来预测市场的未来走向。通过使用大规模进化计算，Sentient创建了EvolutionaryIntelligenc的AI系统。AI系统通过产生，然后比较候选交易策略来发现特定问题适用的算法模型。计算出的第一批解决方案很可能表现不佳，因为它们是随机生成的，但随着对算法模型数百万次的优胜劣汰，系统能够逐渐生成最优的解决方案。在美国股市中，Sentient通常持有各类股票，每天的交易频次达上百次，持仓期限一般为几天到几周。
传统保险行业的运营方式为依靠概率以合理的价格覆盖预期赔付成本，但这一方式需要用户数量样本较大并主要依靠浮存金谋求收益。随着大数据技术与保险行业相结合，保险公司逐渐能够通过概率与个体数据相结合的方式，更加微观的计算客户风险，让客户支付更公平合理的价格，保险公司也能够精确的进行资金调配综合提高盈利水平。
创新型房屋保险公司Lemonade的整个投保过程都是由聊天机器人完成，如果客户申诉理赔，他需要先电子签名一份确保真实性声明，并录一个小视频来陈述受损状况，之后聊天机器人会通过人工智能技术对相关*策进行交叉索引，并在此基础上进行多种反欺诈算法，如果申诉理赔符合标准则会被自动批准，投保用户很快便能够收到理赔金额。租客申购Lemonade的保险每月收费5美金，而对房主则需要根据房产价值的不同支付35美元或更高的费用。
大数据安全保险分析公司Cyence创建了一个多样化和可扩展的数据引擎，以非侵入式的方式收集用户和机器数据，如用户配置文件、网络流量、技术堆栈，以及用于保护安全信息和响应事件的内部流程等。这些数据用于衡量投保公司的风险状况和建立Cyence风险模型，并量化网络风险的财务影响，预估网络灾难发生时对投保人可能造成的损失。Cyence通过向保险公司出售数据分析结果获利，保险公司则依据数据为网络安全险进行评估和定价，并将保险产品推送到市场。
第二
生命科技
医药卫生领域相对于其他行业来说专业度极高，不仅需要数年时间的高等教育学习，还需要丰富的临床与研究经验才能成为专家，这一门槛极大的限制了人才的供给，导致医药资源短缺与匹配不合理的现象时常发生，美国高昂的就医成本一直是*策