金融大数据是指由金融机构（银行、保险、证券等）、厂商（信息服务提供商等）、个人和政府机构（行政、监管等部门）在支付结算、股票投资决策、成本定价、期货期权交易、债券投资、资金拆借、货币发行、票据贴现与再贴现等业务交易及相关行为产生的信息。金融大数据作为大数据的一个子集，它是最能体现数据作为资产的价值，可以将金融大数据理解为大数据中蕴含的反映人们金融交易行为的信息。金融大数据内含极大量、多维度、完备性、时效性等特征，人们根据金融大数据进行决策时，必须借助机器学习、物联网、区块链等人工智能技术对大数据进行甄别、判断和预测。
针对金融大数据，我们需要正确认识数据价值，通常认为数据价值是基于历史数据积累来反馈客观事务价值，它判断的是事物末来的发展趋势或者数据反应的逻辑关系。因此，针对金融行业的数据，我们通常按数据价值的重要程度，将其划分为强金融属性数据、次金融属性数据、场景属性数据、分析、统计属性数据四大类。
其中强金融属性数据是指能直接反应个人、企业、组织机构收入、偿债能力或者信用水平的数据，通常它包括征信数据、税务数据、公积金数据、医保数据、社保数据、发票数据、工资数据、银行流水数据等。
次金融属性数据是指能间接反应个人、企业、组织机构收入、偿债能力或者信用水平的的数据，针对个人通常它包括个人的学历、职业、工作经验、专业技能、荣誉、著作、发明专利，针对企业、组织机构，通常它包括企业或者组织机构的知识产权数据、专利技术数据、品牌数据、合作伙伴数据、特许经营权数据等。
场景属性数据是指反映特定客户在特定场景下的交易行为的数据。金融机构可以通过特定场景下的积累的大量交易行为信息来推测、识别个人、企业、组织机构的行为偏好、偿债能力、信用水平的数据。
分析、统计属性数据是指除上述三者之外，经人为加工、处理用于分析、统计决策判断的数据。