1. 移动互联网指数和中证tmt指数有什么区别
中国的指数来可分为两类源：一类为综合指数，一类为成份指数。
简单地讲，前者是把所有的股票即刻价格加权平均，后者是把某些有代表性的股票的即可价格加权平均。前者有沪市的上证指数，深市的综合指数，后者有沪市的30指数，深市的成份指数。投资者不论介入何种股票，先要确定它与股指为同步还是相悖。若此时30指数上涨，就一般规律为30指数的个股均会有不同幅度的上涨，此时持有这样的个股投资者就要特别关注30指数的涨涨落落，特别是30指数中龙头股的走势，一旦相遇30指数的回调，这样的个股一般是难以逃脱的。若成分指数下跌，并下跌之中各成分表现出一种抵抗性，则可以料定成指下跌有限，特别是以成指龙头股著称的深发展并没有大幅下挫以及大量的抛盘，则成指股的下跌幅度更加有限。所以与指数同步的走势。相反若与指数相悖的股票，则在操作中就要以个股来对待，而相应把指数对其的影响淡化一些。
分类指数就是对某个行业的全体股票进行加权平均的指数，比如金融指数、地产指数。
2. TMT崛起是昙花一现还是长期趋势
TMT介绍
TMT，是电信、媒体和科技(Telecommunication，Media，Technology)三个英文单词的首字母，整合在一起，实际是未来电信、媒体科技(互联网)、信息技术的融合趋势所产生的新兴行业的简称，包括移动互联网、社交网络、新媒体和电子商务四个领域。TMT产业具有广阔的发展空间，将成为未来引领中国经济发展的新引擎。
TMT发展现状
据前瞻产业研究院发布的《通信产业发展前景预测与投资战略规划分析报告》显示，2014年我国TMT整体行业市场规模达到了16600万亿，同比2013年的12300亿元增长了34.96%
TMT行业发展趋势
让生活变得更加智能
TMT创新将继续改善生活质量和效率，并将从“智能终端”主导的时代，跨入“智能世界”的时代，生活随时随处都与TMT相关。这一主线，衍生出云计算、大数据、物联网等诸多机会点。
传统行业会更快TMT化
在未来的TMT创新中，将进一步帮助行业提高经济效率。提升空间较大的行业包括了第一梯队的医疗、建筑与交通、政府、教育这几个行业，第二梯队的能源、金融、物流、“低科技”制造等行业。这些领域将催生出诸多“智能化”机会(如智能电网、智能家居、智能汽车、智慧城市)、新的IT服务需求、更加严格的信息安全及知识产权保护制度。
3. 互联网金融众筹模式有哪些分类
现代众筹模式按照回馈方式可分为：
1、奖励模式：如Kickstarter、Indiegogo
在项目完成后给予投资人一定形式的回馈品或纪念品。回馈品大多是项目完成后的产品。时常基于投资人对于项目产品的优惠券和预售优先权。
2、捐赠模式：如Causes、YouCaring
单纯的赠与行为，即创意者无需向投资者提供任何形式的回馈。投资人更多地是考虑创意项目带来的心理满足感。
3、股权模式：如Upstart、人人投
此种模式与股权投资类似，即投资者投入资金后可以得到创意人新创公司的股份，或其他具有股权性质的衍生工具。股权模式又衍生了很多形式的融资，有的是创意人新创公司融资，而有的是实体店铺开分店融资，相对其他的股权融资平台上的TMT行业，大大降低了投资人的风险。
4、债权模式：如Kiva Zip
此种模式类似于创意者未来创意项目向投资者借款，即双方为借贷关系。当项目完成或有阶段成果时，须向投资者返还所借款项(可加入利息)。
股权众筹与公益众筹涉及到的法律问题非常多，其运作模式中有些方式可能并不符合现行法律的规定处于法律的模糊地带，但股权众筹无疑是四种众筹模式中最具有魅力的一种模式，也代表着众筹的发展方向。
4. 招商TMT50联 这个基金怎么样
招商深证TMT50指数型基金是国内首只以TMT行业为投资主题的基金，将专注于发掘信息技术、传媒和电信的行业投资机会，基金以深证TMT50指数为标的指数，采用完全复制法，从跟踪标的指数来看，选样空间锁定在TMT产业的指数。统计深证TMT50指数的行业分布，其行业集中度相对较高，前三大行业信息技术、电子及机械设备仪表占比合计达到85%左右，其中信息技术和电子占比分别为34.10%和25.52%，属于典型的成长风格指数。随着粗放型经济增长方式瓶颈的显现，我国经济结构调整及转型势在必行，宏观经济将从投资和出口推动转变为内需拉动。在此背景下，电信网、互联网、广播电视网三网融合的进程将会加速，而其中TMT行业将全面受益于技术变革、消费升级和文化产业的改革。此外，“十二五”科技发展强调将积极培育和发展战略性新兴产业，在此期间，要推动科技与金融结合，把社会投资的热点和资本市场的重点引导到对新技术应用和产业化上，所以相关TMT上市公司蕴藏着大量的投资机会.指数基金的投资特点使其收益率可基本保证与其标的指数一致，投资者可以兼顾不同风格的指数基金进行搭配。对于不熟悉场内交易的投资者，可以关注其联接基金，此外，除了参与认购，通过定投指数基金也可以起到熨平指数波动、分享中长期市场收益的效果。
5. 做TMT产品的转做VC或投行应该做哪些准备
首先VC和投行就可以说是一左一右，虽然都属于金融方面，但要求有很大不同。 VC最重要的是人脉和行业经验，没有这两个第一你根本就接触不到项目，第二接触到了项目也判断不出这个项目是不是有前景，所以可以看到VC行业很多投资人其实都不是金融出身，有的还是自己创业创了几个项目后转做投资人。但投行就不一样了，投行做的业务非常多，包括金融领域的各个方面，股票交易、债券承销、固定收益、外汇买卖、公司估值、风险管理、投资组合等等，所以一般要求有比较扎实的金融知识基础和分析能力等。 所以概括起来，如果想入行的话可以做以下方面的准备： 1. 金融方面的基础知识，包括宏微观经济、定量分析、财务报表分析、股票和债券、衍生品、投资组合等等 2. 投资和金融类的畅销书和经典书 3. 关注行业内实时新闻和有分量的博客 4. 找几本金融类杂志长期看，摘录出好的文章，杂志和互联网博客还是不一样的，一个占据广度，一个占据深度 5. 自己本行当的行业知识和经验，可以的话自己弄些小项目，成败不是关键，重要的是经历 最后就是一些软实习了，沟通啊、表达能力等等，这个社会只会做不会说还是不行的。
6. 深圳星星投互联网金融服务有限公司怎么样
简介抄：深圳星星投互袭联网金融服务有限公司，成立于2015年6月，旗下“星星投股权众筹平台”是中国首家精品众筹平台，也是中国“互联网社交金融”始创机构。平台以“互联网社交众筹”为平台核心，涵盖财富金融、公益金融两大金融模块，面向国内天使投资人、创投机构、风投机构、大众新锐精英人群，提供海内外TMT产业、文化产业、教育产业、轻资产（餐饮、影视、娱乐、旅游）服务产业、节能环保产业、农业、医疗、房地产的阳光精品项目和创意项目，并为项目方提供募资、投资、孵化、运营一站式众筹金融服务，致力于成为中国最具影响力的互联网金融平台。
法定代表人：兰涛
成立时间：2015-06-25
注册资本：10000万人民币
工商注册号：440301113203533
企业类型：有限责任公司
公司地址：深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）
7. 互联网、移动互联网、电子信息、信息技术、网络安全、互联网金融、电商、TMT这些概念的从属关系和区别
从属关系：互联网-网络安全-电子信息-电子技术-移动互联网-互联内金融-电商-TMT
互联网：是网络与网容络之间所串连成的庞大网络，这些网络以一组通用的协议相连，形成逻辑上的单一巨大国际网络。这种将计算机网络互相联接在一起的方法可称作“网络互联”，在这基础上发展出覆盖全世界的全球性互联网络称互联网
电子技术：顾名思义，这是基于电子网络技术领域的意思
移动互联网：就是将移动通信和互联网二者结合起来，成为一体。是指互联网的技术、平台、商业模式和应用与移动通信技术结合并实践的活动的总称。
8. 大数据和人工智能在互联网金融领域有哪些应用
大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。
大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。
数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。
为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。
1.价值导向与内嵌式变革—BCG对大数据的理解
“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。
1.1成就大数据的“第四个V”
大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。
虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。
另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。
“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？
BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。
1.2变革中的数据运作与数据推动的内嵌式变革
多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？
无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。
因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。
具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。
1.2.1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度
在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。
1.2.2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”
在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。
1.2.3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛
大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。
1.2.4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化
在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。
例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。
2.应用场景与基础设施—纵览海内外金融机构的大数据发展实践
金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。
2.1大数据的金融应用场景正在逐步拓展
大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。
2.1.1海外实践：全面尝试
2.1.1.1银行是金融行业中发展大数据能力的“领军者”
在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。
BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。
银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。
相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。
银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。
客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。
在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。
银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。
BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。
银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。
9. TmT白马蓝筹是什么意思
TMT
TMT（Technology，Media，Telecom），是科技、媒体、通信三个英文单词的缩写的第一个字头，整合在一起。含义是指未来（互联网）科技、媒体和通信，包括信息技术这样一个融合趋势所产生的大的背景，这就是TMT产业。
白马股
白马股一般是指其有关的信息已经公开的股票，由于业绩较为明朗，很少存在埋地雷的风险，内幕交易、黑箱操作的可能性大大降低，同时又兼有业绩优良、高成长、低风险的特点，因而具备较高的投资价值，往往为投资者所看好。白马股具有“长期绩优，回报率高，炒的人多”的特点。 除此之外没有什么特别标识
蓝筹股
通常将经营业绩较好，具有稳定且较高现金股利支付的公司的股票称为“蓝筹股”。蓝筹股多指长期稳定增长的、大型的、传统工业股及金融股。
附：部分TMT概念股名单
中国联通（600050）
中兴通讯（000063）
汇源通信（000586）
振华科技（000733）
同州电子（002052）
三维通信（002115）
北纬通信（002148）
北斗星通（002151）
长城开发（000021）
长城电脑（000066）
青岛软控（002073）
广电运通（002152）
海隆软件（002195）
方正科技（600601）
鑫茂科技（000836）
恒星科技（002132）
瑞泰科技（002066）
安泰科技（000969）
海虹控股（000503）
厦门信达（000701）
赛迪传媒（000504）
华闻传媒（000793）
电广传媒（000917）
粤传媒 （002181）
隆平高科（000998）
综艺股份（600770）
莱宝高科（002106）
紫光股份（000938）
国脉科技（002093）
威尔科技（002016）
出版传媒（601999）
复旦复华（600624）
中视传媒（600088）
......