首先，很多银行的信息中心负责人认为外部互联网上的数据就是大数据。其实银行内部的数据才是真正庞大的数据库，是有价值研究的资源库。比如业务在看报表的时候发现数据问题，会有线上渠道直接反馈问题，然后会有专门的技术人员跟进。除此之外，我们还有一个类似知识库的渠道，有利于口径的沉淀。但是，我们需要进一步改进数据治理，例如主数据标准管理。
数据科学和金融行业的交界岗位有哪些呢？
我知道的并不是全部的情况，不过应该有一些职业可以作为备选1信用建模类。通过用户的历史数据进行用户信用的评级和分析，适用于开展借贷等业务的金融公司，尤其消费贷更加合适。目标公司主要是拥有较多用户数据的企业，例如蚂蚁金服银联京东金融等，这类企业拥有大量用户数据，并可以结合第三方数据对用户的信用情况进行画像，可以说是数据分析和金融结合较为紧密的一个领域另外还有接近于此类的就是互联网金融或者p2p领域2量化。
这个领域实际上也需要大量的数据以及模型测试等，不过总体上对于金融方面的知识技能要求会高于对数据分析类技能的要求，同时一般量化涉及的数据量级和维度并不会非常大，因此对数据分析的技能要求没有那么高了，倒是对统计模型的要求会更高，不过数据分析肯定也学习了很多统计学，所以也可以作为一个方向暂时想到这两类，如果后续还有想到的话继续补充。
在如今大数据的时代，我们传统的金融行业，面临的哪些数据上的挑战和问题？
我认为在大数据时代，数据是银行业务的核心所在，如果放弃数据，银行的应用将失去竞争力。当然我们现在的银行业在数据上特别是在大数据领域也面临着一些困难和挑战，主要有以下几点。第一点，很多银行的信息中心负责人认为外部互联网上的数据才是大数据，其实银行内部的数据才是真正的庞大的数据库，才是有价值的研究的资源池。
但是现在银行内部很多数据都散落在各个系统里面，比如说大量的数据都在文本系统里面，还有信息孤岛现象仍然很严重，手工抽取和分析数据的工作特别多，还有一些分析口径发生了变化，比如员工的考核变更的方法，但是系统调整很慢，对底层的数据造成很多的影响，还有就是治理数据脱离分析，单纯为了速度，忽略了前端的一些引导等等。
第二点就是面临了一些数据可视化的挑战，数据可视化可以帮助我们从不同的角度来观察和理解数据，来更快的发现数据背后的一些规律和信息，也就是让数据能说话，要说去说出自己的知识，那么我们忽略了数据的表达和可视化方面的能力设计驾驶舱的时候，过于关注了一些指标。在设计数据可视化的时候，我们要注意三个方面，第一就是要简单易懂，多用直观，少用专业性的图表，第二图表必须要新颖，必须要为它的美观度和体验度进行加分，第三要因地制宜，在不同的情况下使用不同的报表。
第三是数据指标的挑战，虽然业务人员是数据分析指标的需求的提出者，但是限于他们自身的经验和能力，他们所用的数据指标并没有完整的体系性，这需要技术部门进行更多的分析。第四就是移动的挑战，现在移动是大势所趋，如果仅仅靠PC模式，效率低下管理也很麻烦，而移动的应用客户端可以对数据的采集和展现，摆脱时空的限制，发挥碎片的优势，这也是我们必须要进行加倍注意的地方。
想学金融科技有哪些学校，相关专业是？
金融科技专业实际上就是金融工程专业的一个新的发展方向，它是随着科技的进步和金融行业产的不断升级，衍生出来的一个交叉融合，具有强大生命力的崭新的专业。目前在我们国家的高等院校的专业目录中，只有上海立信会计金融学院在2017年被国家批准开设了金融科技专业，也是我国首个金融科技专业开设的院校，预计在2019年可能有更多的院校要开设这个新的专业，这个具有强大生命力的专业。
金融科技专业落户上海立信财会学院，采用学校与慧科集团共建共管的双主体办学模式。定位为学校教育教学改革的特区，产学合作教育的试验田。在教育教学上，学院以科技金融为核心，通过整合金融科技领域优质行业资源和知名企业资源，聚焦大数据、区块链、人工智能等新兴技术和金融。会计与其他相关学科的深度融合。
