1. 移動互聯網指數和中證tmt指數有什麼區別
中國的指數來可分為兩類源：一類為綜合指數，一類為成份指數。
簡單地講，前者是把所有的股票即刻價格加權平均，後者是把某些有代表性的股票的即可價格加權平均。前者有滬市的上證指數，深市的綜合指數，後者有滬市的30指數，深市的成份指數。投資者不論介入何種股票，先要確定它與股指為同步還是相悖。若此時30指數上漲，就一般規律為30指數的個股均會有不同幅度的上漲，此時持有這樣的個股投資者就要特別關注30指數的漲漲落落，特別是30指數中龍頭股的走勢，一旦相遇30指數的回調，這樣的個股一般是難以逃脫的。若成分指數下跌，並下跌之中各成分表現出一種抵抗性，則可以料定成指下跌有限，特別是以成指龍頭股著稱的深發展並沒有大幅下挫以及大量的拋盤，則成指股的下跌幅度更加有限。所以與指數同步的走勢。相反若與指數相悖的股票，則在操作中就要以個股來對待，而相應把指數對其的影響淡化一些。
分類指數就是對某個行業的全體股票進行加權平均的指數，比如金融指數、地產指數。
2. TMT崛起是曇花一現還是長期趨勢
TMT介紹
TMT，是電信、媒體和科技(Telecommunication，Media，Technology)三個英文單詞的首字母，整合在一起，實際是未來電信、媒體科技(互聯網)、信息技術的融合趨勢所產生的新興行業的簡稱，包括移動互聯網、社交網路、新媒體和電子商務四個領域。TMT產業具有廣闊的發展空間，將成為未來引領中國經濟發展的新引擎。
TMT發展現狀
據前瞻產業研究院發布的《通信產業發展前景預測與投資戰略規劃分析報告》顯示，2014年我國TMT整體行業市場規模達到了16600萬億，同比2013年的12300億元增長了34.96%
TMT行業發展趨勢
讓生活變得更加智能
TMT創新將繼續改善生活質量和效率，並將從「智能終端」主導的時代，跨入「智能世界」的時代，生活隨時隨處都與TMT相關。這一主線，衍生出雲計算、大數據、物聯網等諸多機會點。
傳統行業會更快TMT化
在未來的TMT創新中，將進一步幫助行業提高經濟效率。提升空間較大的行業包括了第一梯隊的醫療、建築與交通、政府、教育這幾個行業，第二梯隊的能源、金融、物流、「低科技」製造等行業。這些領域將催生出諸多「智能化」機會(如智能電網、智能家居、智能汽車、智慧城市)、新的IT服務需求、更加嚴格的信息安全及知識產權保護制度。
3. 互聯網金融眾籌模式有哪些分類
現代眾籌模式按照回饋方式可分為：
1、獎勵模式：如Kickstarter、Indiegogo
在項目完成後給予投資人一定形式的回饋品或紀念品。回饋品大多是項目完成後的產品。時常基於投資人對於項目產品的優惠券和預售優先權。
2、捐贈模式：如Causes、YouCaring
單純的贈與行為，即創意者無需向投資者提供任何形式的回饋。投資人更多地是考慮創意項目帶來的心理滿足感。
3、股權模式：如Upstart、人人投
此種模式與股權投資類似，即投資者投入資金後可以得到創意人新創公司的股份，或其他具有股權性質的衍生工具。股權模式又衍生了很多形式的融資，有的是創意人新創公司融資，而有的是實體店鋪開分店融資，相對其他的股權融資平台上的TMT行業，大大降低了投資人的風險。
4、債權模式：如Kiva Zip
此種模式類似於創意者未來創意項目向投資者借款，即雙方為借貸關系。當項目完成或有階段成果時，須向投資者返還所借款項(可加入利息)。
股權眾籌與公益眾籌涉及到的法律問題非常多，其運作模式中有些方式可能並不符合現行法律的規定處於法律的模糊地帶，但股權眾籌無疑是四種眾籌模式中最具有魅力的一種模式，也代表著眾籌的發展方向。
4. 招商TMT50聯 這個基金怎麼樣
招商深證TMT50指數型基金是國內首隻以TMT行業為投資主題的基金，將專注於發掘信息技術、傳媒和電信的行業投資機會，基金以深證TMT50指數為標的指數，採用完全復製法，從跟蹤標的指數來看，選樣空間鎖定在TMT產業的指數。統計深證TMT50指數的行業分布，其行業集中度相對較高，前三大行業信息技術、電子及機械設備儀表佔比合計達到85%左右，其中信息技術和電子佔比分別為34.10%和25.52%，屬於典型的成長風格指數。隨著粗放型經濟增長方式瓶頸的顯現，我國經濟結構調整及轉型勢在必行，宏觀經濟將從投資和出口推動轉變為內需拉動。在此背景下，電信網、互聯網、廣播電視網三網融合的進程將會加速，而其中TMT行業將全面受益於技術變革、消費升級和文化產業的改革。此外，「十二五」科技發展強調將積極培育和發展戰略性新興產業，在此期間，要推動科技與金融結合，把社會投資的熱點和資本市場的重點引導到對新技術應用和產業化上，所以相關TMT上市公司蘊藏著大量的投資機會.指數基金的投資特點使其收益率可基本保證與其標的指數一致，投資者可以兼顧不同風格的指數基金進行搭配。對於不熟悉場內交易的投資者，可以關注其聯接基金，此外，除了參與認購，通過定投指數基金也可以起到熨平指數波動、分享中長期市場收益的效果。
5. 做TMT產品的轉做VC或投行應該做哪些准備
首先VC和投行就可以說是一左一右，雖然都屬於金融方面，但要求有很大不同。 VC最重要的是人脈和行業經驗，沒有這兩個第一你根本就接觸不到項目，第二接觸到了項目也判斷不出這個項目是不是有前景，所以可以看到VC行業很多投資人其實都不是金融出身，有的還是自己創業創了幾個項目後轉做投資人。但投行就不一樣了，投行做的業務非常多，包括金融領域的各個方面，股票交易、債券承銷、固定收益、外匯買賣、公司估值、風險管理、投資組合等等，所以一般要求有比較扎實的金融知識基礎和分析能力等。 所以概括起來，如果想入行的話可以做以下方面的准備： 1. 金融方面的基礎知識，包括宏微觀經濟、定量分析、財務報表分析、股票和債券、衍生品、投資組合等等 2. 投資和金融類的暢銷書和經典書 3. 關注行業內實時新聞和有分量的博客 4. 找幾本金融類雜志長期看，摘錄出好的文章，雜志和互聯網博客還是不一樣的，一個占據廣度，一個占據深度 5. 自己本行當的行業知識和經驗，可以的話自己弄些小項目，成敗不是關鍵，重要的是經歷 最後就是一些軟實習了，溝通啊、表達能力等等，這個社會只會做不會說還是不行的。
6. 深圳星星投互聯網金融服務有限公司怎麼樣
簡介抄：深圳星星投互襲聯網金融服務有限公司，成立於2015年6月，旗下「星星投股權眾籌平台」是中國首家精品眾籌平台，也是中國「互聯網社交金融」始創機構。平台以「互聯網社交眾籌」為平台核心，涵蓋財富金融、公益金融兩大金融模塊，面向國內天使投資人、創投機構、風投機構、大眾新銳精英人群，提供海內外TMT產業、文化產業、教育產業、輕資產（餐飲、影視、娛樂、旅遊）服務產業、節能環保產業、農業、醫療、房地產的陽光精品項目和創意項目，並為項目方提供募資、投資、孵化、運營一站式眾籌金融服務，致力於成為中國最具影響力的互聯網金融平台。
法定代表人：蘭濤
成立時間：2015-06-25
注冊資本：10000萬人民幣
工商注冊號：440301113203533
企業類型：有限責任公司
公司地址：深圳市前海深港合作區前灣一路1號A棟201室（入駐深圳市前海商務秘書有限公司）
7. 互聯網、移動互聯網、電子信息、信息技術、網路安全、互聯網金融、電商、TMT這些概念的從屬關系和區別
從屬關系：互聯網-網路安全-電子信息-電子技術-移動互聯網-互聯內金融-電商-TMT
互聯網：是網路與網容絡之間所串連成的龐大網路，這些網路以一組通用的協議相連，形成邏輯上的單一巨大國際網路。這種將計算機網路互相聯接在一起的方法可稱作「網路互聯」，在這基礎上發展出覆蓋全世界的全球性互聯網路稱互聯網
電子技術：顧名思義，這是基於電子網路技術領域的意思
移動互聯網：就是將移動通信和互聯網二者結合起來，成為一體。是指互聯網的技術、平台、商業模式和應用與移動通信技術結合並實踐的活動的總稱。
8. 大數據和人工智慧在互聯網金融領域有哪些應用
大
數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性
（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化
（Capitalization）。
大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金
融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。
數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融
機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。
為了駕馭大數據，國內金融機構要在技術的基礎上著重引入以價值為導向的管理視角，最終形成自上而下的內嵌式變革。其中的三個關鍵點（「TMT」）包括：團隊（Team）、機制（Mechanism）和思維（Thinking）。
1.價值導向與內嵌式變革—BCG對大數據的理解
「讓數據發聲！」—隨著大數據時代的來臨，這個聲音正在變得日益響亮。為了在喧囂背後探尋本質，我們的討論將從大數據的定義開始。
1.1成就大數據的「第四個V」
大數據是什麼？在這個問題上，國內目前常用的是「3V」定義，即數量（Volume）、速度（Velocity）和種類（Variety）。
雖然有著這樣的定義，但人們從未停止討論什麼才是成就大數據的「關鍵節點」。人們熱議的焦點之一是「到底多大才算是大數據？」其實這個問題在「量」的層
面上並沒有絕對的標准，因為「量」的大小是相對於特定時期的技術處理和分析能力而言的。在上個世紀90年代，10GB的數據需要當時計算能力一流的計算機
處理幾個小時，而這個量現在只是一台普通智能手機存儲量的一半而已。在這個層面上頗具影響力的說法是，當「全量數據」取代了「樣本數據」時，人們就擁有了
大數據。
另外一個成為討論焦點的問題是，今天的海量數據都來源於何處。在商業環境中，企業過去最關注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系統中的數據。這些數據的共性在於，它們都是由一個機構有意識、有目的地收集到的數據，而且基本上都是結構化數據。隨著互聯網的深
入普及，特別是移動互聯網的爆發式增長，人機互動所產生的數據已經成為了另一個重要的數據來源，比如人們在互聯網世界中留下的各種「數據足跡」。但所有這
些都還不是構成「大量數據」的主體。機器之間交互處理時沉澱下來的數據才是使數據量級實現跨越式增長的主要原因。「物聯網」是當前人們將現實世界數據化的
最時髦的代名詞。海量的數據就是以這樣的方式源源不斷地產生和積累。
「3V」的定義專注於對數據本身的特徵進行描述。然而，是否是量級龐大、實時傳輸、格式多樣的數據就是大數據？
BCG認為，成就大數據的關鍵點在於「第四個V」，即價值（Value）。當量級龐大、實時傳輸、格式多樣的全量數據通過某種手段得到利用並創造出商業價值，而且能夠進一步推動商業模式的變革時，大數據才真正誕生。
1.2變革中的數據運作與數據推動的內嵌式變革
多元化格式的數據已呈海量爆發，人類分析、利用數據的能力也日益精進，我們已經能夠從大數據中創造出不同於傳統數據挖掘的價值。那麼，大數據帶來的「大價值」究竟是如何產生的？
無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與
模型；IT發布新洞察；業務應用並衡量洞察的實際成效。在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角
色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。
因此，BCG認為，大數據改變的並不是傳統數據的生命周期，而是具體的運作模式。在傳統的數據基礎和技術環境下，這樣的周期可能要經歷一年乃至更長的時
間。但是有了現在的數據量和技術，機構可能只需幾周甚至更短的時間就能走完這個生命周期。新的數據運作模式使快速、低成本的試錯成為可能。這樣，商業機構
就有條件關注過去由於種種原因而被忽略的大量「小機會」，並將這些「小機會」累積形成「大價值」。
具體而言，與傳統的數據應用相比，大數據在四個方面（「4C」）改變了傳統數據的運作模式，為機構帶來了新的價值。
1.2.1數據質量的兼容性（Compatibility）：大數據通過「量」提升了數據分析對「質」的寬容度
在「小數據」時代，數據的獲取門檻相對較高，這就導致「樣本思維」占據統治地位。人們大多是通過抽樣和截取的方式來捕獲數據。同時，人們分析數據的手段
和能力也相對有限。為了保證分析結果的准確性，人們通常會有意識地收集可量化的、清潔的、准確的數據，對數據的「質」提出了很高的要求。而在大數據時代，
「全量思維」得到了用武之地，人們有條件去獲取多維度、全過程的數據。但在海量數據出現後，數據的清洗與驗證幾乎成為了不可能的事。正是這樣的困境催生了
數據應用的新視角與新方法。類似於分布式技術的新演算法使數據的「量」可以彌補「質」的不足，從而大大提升了數據分析對於數據質量的兼容能力。
1.2.2數據運用的關聯性（Connectedness）：大數據使技術與演算法從「靜態」走向「持續」
在大數據時代，對「全量」的追求使「實時」變得異常重要，而這一點也不僅僅只體現在數據採集階段。在雲計算、流處理和內存分析等技術的支撐下，一系列新
的演算法使實時分析成為可能。人們還可以通過使用持續的增量數據來優化分析結果。在這些因素的共同作用下，人們一貫以來對「因果關系」的追求開始松動，而
「相關關系」正在逐步獲得一席之地。
1.2.3數據分析的成本（Cost）：大數據降低了數據分析的成本門檻
大數據改變了數據處理資源稀缺的局面。過去，數據挖掘往往意味著不菲的投入。因此，企業希望能夠從數據中發掘出「大機會」，或是將有限的數據處理資源投
入到有可能產生大機會的「大客戶、大項目」中去，以此獲得健康的投入產出比。而在大數據時代，數據處理的成本不斷下降，數據中大量存在的「小機會」得見天
日。每個機會本身帶來的商業價值可能並不可觀，但是累積起來就會實現質的飛躍。所以，大數據往往並非意味著「大機會」，而是「大量機會」。
1.2.4數據價值的轉化（Capitalization）：大數據實現了從數據到價值的高效轉化
在《互聯網金融生態系統2020：新動力、新格局、新戰略》報告中，我們探討了傳統金融機構在大變革時代所需採取的新戰略思考框架，即適應型戰略。採取
適應型戰略有助於企業構築以下五大優勢：試錯優勢、觸角優勢、組織優勢、系統優勢和社會優勢，而大數據將為金融機構建立這些優勢提供新的工具和動力。從數
據到價值的轉化與機構的整體轉型相輔相成，「內嵌式變革」由此而生。
例如，金融機構傳統做法中按部就班的長周期模式（從規劃、立項、收集數據到分析、試點、落地、總結）不再適用。快速試錯、寬進嚴出成為了實現大數據價值
的關鍵：以低成本的方式大量嘗試大數據中蘊藏的海量機會，一旦發現某些有價值的規律，馬上進行商業化推廣，否則果斷退出。此外，大數據為金融機構打造「觸
角優勢」提供了新的工具，使其能夠更加靈敏地感知商業環境，更加順暢地搭建反饋閉環。此外，數據的聚合與共享為金融機構搭建生態系統提供了新的場景與動
力。
2.應用場景與基礎設施—縱覽海內外金融機構的大數據發展實踐
金融行業在發展大數據能力方面具有天然優勢：受行業特性影響，金融機構在開展業務的過程中積累了海量的高價值數據，其中包括客戶身份、資產負債情況、資
金收付交易等數據。以銀行業為例，其數據強度高踞各行業之首—銀行業每創收100萬美元，平均就會產生820GB的數據。
2.1大數據的金融應用場景正在逐步拓展
大數據發出的聲音已經在金融行業全面響起。作為行業中的「巨無霸」，銀行業與保險業對大數據的應用尤其可圈可點。
2.1.1海外實踐：全面嘗試
2.1.1.1銀行是金融行業中發展大數據能力的「領軍者」
在發展大數據能力方面，銀行業堪稱是「領軍者」。縱觀銀行業的六個主要業務板塊（零售銀行、公司銀行、資本市場、交易銀行、資產管理、財富管理），每個
業務板塊都可以藉助大數據來更深入地了解客戶，並為其制定更具針對性的價值主張，同時提升風險管理能力。其中，大數據在零售銀行和交易銀行業務板塊中的應
用潛力尤為可觀。
BCG通過研究發現，海外銀行在大數據能力的發展方面基本處於三個階段：大約三分之一的銀行還處在思考大數據、理解大數據、制定大數據戰略及實施路徑的
起點階段。還有三分之一的銀行向前發展到了嘗試階段，也就是按照規劃出的路徑和方案，通過試點項目進行測驗，甄選出許多有價值的小機會，並且不停地進行試
錯和調整。而另外三分之一左右的銀行則已經跨越了嘗試階段。基於多年的試錯經驗，他們已經識別出幾個較大的機會，並且已經成功地將這些機會轉化為可持續的
商業價值。而且這些銀行已經將匹配大數據的工作方式嵌入到組織當中。他們正在成熟運用先進的分析手段，並且不斷獲得新的商業洞察。
銀行業應用舉例1：將大數據技術應用到信貸風險控制領域。在美國，一家互聯網信用評估機構已成為多家銀行在個人信貸風險評估方面的好幫手。該機構通過分
析客戶在各個社交平台（如Facebook和Twitter）留下的數據，對銀行的信貸申請客戶進行風險評估，並將結果賣給銀行。銀行將這家機構的評估結
果與內部評估相結合，從而形成更完善更准確的違約評估。這樣的做法既幫助銀行降低了風險成本，同時也為銀行帶來了風險定價方面的競爭優勢。
相較於零售銀行業務，公司銀行業務對大數據的應用似乎缺乏亮點。但實際上，大數據在公司銀行業務的風險領域正在發揮著前所未有的作用。在傳統方法中，銀
行對企業客戶的違約風險評估多是基於過往的營業數據和信用信息。這種方式的最大弊端就是缺少前瞻性，因為影響企業違約的重要因素並不僅僅只是企業自身的經
營狀況，還包括行業的整體發展狀況，正所謂「覆巢之下，焉有完卵」。但要進行這樣的分析往往需要大量的資源投入，因此在數據處理資源稀缺的環境下無法得到
廣泛應用，而大數據手段則大幅減少了此類分析對資源的需求。西班牙一家大型銀行正是利用大數據來為企業客戶提供全面深入的信用風險分析。該行首先識別出影
響行業發展的主要因素，然後對這些因素一一進行模擬，以測試各種事件對其客戶業務發展的潛在影響，並綜合評判每個企業客戶的違約風險。這樣的做法不僅成本
低，而且對風險評估的速度快，同時顯著提升了評估的准確性。
銀行業應用舉例2：用大數據為客戶制定差異化產品和營銷方案。在零售銀行業務中，通過數據分析來判斷客戶行為並匹配營銷手段並不是一件新鮮事。但大數據
為精準營銷提供了廣闊的創新空間。例如，海外銀行開始圍繞客戶的「人生大事」進行交叉銷售。這些銀行對客戶的交易數據進行分析，由此推算出客戶經歷「人生
大事」的大致節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融產品的購買意願。一家澳大利亞銀行通過大數據分析發現，家中即將有嬰兒誕生的客戶對
壽險產品的潛在需求最大。通過對客戶的銀行卡交易數據進行分析，銀行很容易識別出即將添丁的家庭：在這樣的家庭中，准媽媽會開始購買某些葯品，而嬰兒相關
產品的消費會不斷出現。該行面向這一人群推出定製化的營銷活動，獲得了客戶的積極響應，從而大幅提高了交叉銷售的成功率。
客戶細分早已在銀行業得到廣泛應用，但細分維度往往大同小異，包括收入水平、年齡、職業等等。自從開始嘗試大數據手段之後，銀行的客戶細分維度出現了突
破。例如，西班牙的一家銀行從Facebook和Twitter等社交平台上直接抓取數據來分析客戶的業余愛好。該行把客戶細分為常旅客、足球愛好者、高
爾夫愛好者等類別。通過分析，該行發現高爾夫球愛好者對銀行的利潤度貢獻最高，而足球愛好者對銀行的忠誠度最高。此外，通過分析，該行還發現了另外一個小
客群：「敗家族」，即財富水平不高、但消費行為奢侈的人群。這個客群由於人數不多，而且當前的財富水平尚未超越貴賓客戶的門檻，因此往往被銀行所忽略。但
分析顯示這一人群能夠為銀行帶來可觀的利潤，而且頗具成長潛力，因此該行決定將這些客戶升級為貴賓客戶，深入挖掘其潛在價值。
在對公業務中，銀行同樣可以藉助大數據形成更有價值的客戶細分。例如，在BCG與一家加拿大銀行的合作項目中，項目組利用大數據分析技術將所有公司客戶
按照行業和企業規模進行細分，一共建立了上百個細分客戶群。不難想像，如果沒有大數據的支持，這樣深入的細分是很難實現的。然後，項目組在每個細分群中找
出標桿企業，分析其銀行產品組合，並將該細分群中其他客戶的銀行產品組合與標桿企業進行比對，從而識別出差距和潛在的營銷機會。項目組將這些分析結果與該
行的對公客戶經理進行分享，幫助他們利用這些發現來制定更具針對性的銷售計劃和話術，並取得了良好的效果。客戶對這種新的銷售方式也十分歡迎，因為他們可
以從中了解到同行的財務狀況和金融安排，有助於對自身的行業地位與發展空間進行判斷。
銀行業應用舉例3：用大數據為優化銀行運營提供決策基礎。大數據不僅能在前台與中台大顯身手，也能惠及後台運營領域。在互聯網金融風生水起的當
下，「O2O」（OnlineToOffline）成為了銀行的熱點話題。哪些客戶適合線上渠道？哪些客戶不願「觸網」？BCG曾幫助西班牙一家銀行通過
大數據技術應用對這些問題進行了解答。項目組對16個既可以在網點也可以在網路與移動渠道上完成的關鍵運營活動展開分析，建立了12個月的時間回溯深度，
把客戶群體和運營活動按照網點使用強度以及非網點渠道使用潛力進行細分。分析結果顯示，大約66%的交易活動對網點的使用強度較高，但同時對非網點渠道的
使用潛力也很高，因此可以從網點遷移到網路或移動渠道。項目組在客戶細分中發現，年輕客戶、老年客戶以及高端客戶在運營活動遷移方面潛力最大，可以優先作
為渠道遷徙的對象。通過這樣的運營調整，大數據幫助銀行在引導客戶轉移、減輕網點壓力的同時保障了客戶體驗。
BCG還曾利用專有的大數據分析工具NetworkMax，幫助一家澳大利亞銀行優化網點布局。雖然銀行客戶的線上活動日漸增多，但金融業的鐵律在互聯
網時代依然適用，也就是說在客戶身邊設立實體網點仍然是金融機構的競爭優勢。然而，網點的運營成本往往不菲，如何實現網點資源的價值最大化成為了每家銀行
面臨的問題。在該項目中，項目組結合銀行的內部數據（包括現有的網點分布和業績狀況等）和外部數據（如各個地區的人口數量、人口結構、收入水平等），對
350多個區域進行了評估，並按照主要產品系列為每個區域制定市場份額預測。項目組還通過對市場份額的驅動因素進行模擬，得出在現有網點數量不變的情況下
該行網點的理想布局圖。該行根據項目組的建議對網點布局進行了調整，並取得了良好的成效。這個案例可以為許多銀行帶來啟示：首先，銀行十分清楚自身的網點
布局，有關網點的經營業績和地址的信息全量存在於銀行的資料庫中。其次，有關一個地區的人口數量、人口結構、收入水平等數據都是可以公開獲取的數據。通過
應用大數據技術來把這兩組數據結合在一起，就可以幫助銀行實現網點布局的優化。BCG基於大數據技術而研發的Network
Max正是用來解決類似問題的工具。
銀行業應用舉例4：創新商業模式，用大數據拓展中間收入。過去，坐擁海量數據的銀行考慮的是如何使用數據來服務其核心業務。而如今，很多銀行已經走得更
遠。他們開始考慮如何把數據直接變成新產品並用來實現商業模式，進而直接創造收入。例如，澳大利亞一家大型銀行通過分析支付數據來了解其零售客戶的「消費
路徑」，即客戶進行日常消費時的典型順序，包括客戶的購物地點、購買內容和購物順序，並對其中的關聯進行分析。該銀行將這些分析結果銷售給公司客戶（比如
零售業客戶），幫助客戶更准確地判斷合適的產品廣告投放地點以及適合在該地點進行推廣的產品。這些公司客戶過去往往需要花費大量金錢向市場調研公司購買此
類數據，但如今他們可以花少得多的錢向自己的銀行購買這些分析結果，而且銀行所提供的此類數據也要可靠得多。銀行通過這種方式獲得了傳統業務之外的收入。
更重要的是，銀行通過這樣的創新為客戶提供了增值服務，從而大大增強了客戶粘性。
9. TmT白馬藍籌是什麼意思
TMT
TMT（Technology，Media，Telecom），是科技、媒體、通信三個英文單詞的縮寫的第一個字頭，整合在一起。含義是指未來（互聯網）科技、媒體和通信，包括信息技術這樣一個融合趨勢所產生的大的背景，這就是TMT產業。
白馬股
白馬股一般是指其有關的信息已經公開的股票，由於業績較為明朗，很少存在埋地雷的風險，內幕交易、黑箱操作的可能性大大降低，同時又兼有業績優良、高成長、低風險的特點，因而具備較高的投資價值，往往為投資者所看好。白馬股具有「長期績優，回報率高，炒的人多」的特點。 除此之外沒有什麼特別標識
藍籌股
通常將經營業績較好，具有穩定且較高現金股利支付的公司的股票稱為「藍籌股」。藍籌股多指長期穩定增長的、大型的、傳統工業股及金融股。
附：部分TMT概念股名單
中國聯通（600050）
中興通訊（000063）
匯源通信（000586）
振華科技（000733）
同州電子（002052）
三維通信（002115）
北緯通信（002148）
北斗星通（002151）
長城開發（000021）
長城電腦（000066）
青島軟控（002073）
廣電運通（002152）
海隆軟體（002195）
方正科技（600601）
鑫茂科技（000836）
恆星科技（002132）
瑞泰科技（002066）
安泰科技（000969）
海虹控股（000503）
廈門信達（000701）
賽迪傳媒（000504）
華聞傳媒（000793）
電廣傳媒（000917）
粵傳媒 （002181）
隆平高科（000998）
綜藝股份（600770）
萊寶高科（002106）
紫光股份（000938）
國脈科技（002093）
威爾科技（002016）
出版傳媒（601999）
復旦復華（600624）
中視傳媒（600088）
......