京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网贷风控,大数据怎样帮忙_数据分析师考试
股市让你伤心,P2P又重回投资者的“法眼”。本周,网贷之家公布的数据显示,上半年,P2P网贷成交量达3006.19亿元,超过去年全年的2528亿元成交量,月均增速达10.08%。网贷之家预计,2015年P2P网贷行业全年成交量将突破8000亿元。
与此同时,网贷行业的风险控制和数据来源一直是人们关注的。如何利用大数据来进行风险控制?我们的个人信息和信用如何统计?
开放大数据,让诚信透明
上周末,致力于做网贷平台技术的中科柏诚科技有限公司对外发布其将与国家信息中心隶属的中经网共同出资成立中经柏诚有限公司,该公司立足于支持各级政府主管部门和各类资质发证机构归集电子契约认证、保管和查验,统一的开展跨地区、跨行业、跨群体的信息服务,是基于大数据、云计算的互联网金融综合信息服务。
国家信息中心的相关负责人在会上表示,目前互联网金融存在着交易双方彼此不熟悉,交易商品不清楚,看不见摸不着,总是让人放不下心,制约着互联网金融的发展。另外交易所涉及的各种契约、电子化的资质,也是看不见摸不着,对于互联网金融常态化也是不利的。此次双方合作就是希望解决互联网金融存在的不规范和一些弊端。希望新服务可以推动互联网金融、电子商务的发展。利用技术手段做电子协议的公证中心、查验中心、保全中心对整个互联网金融提供独立第三方的中立查验。国家信息中心目前正在构建网络化数据中心,利用云计算搭建社会诚信体系的数据交换平台,未来将覆盖十几个部委,为社会提供诚信查验服务。
中科柏诚董事长王德敬告诉科技日报记者,双方的合作是基于国务院《社会信用体系建设规划纲要(2014—2020年)》的文件中提到了“加快社会信用体系建设”的规划纲要,深入推进“商务诚信建设”中的金融领域信用建设、电子商务领域信用建设、中介服务业信用建设;深入推进“全面推进社会诚信建设”中的互联网应用及服务领域信用建设,贯彻国家互联网+的经济发展战略部署,规范互联网金融、民间金融交易秩序,国家信息中心拟建设全国范围应用的互联网金融、民间金融交易安全保障系统,以推进政务诚信、商务诚信、社会诚信和司法公信建设为主要内容的社会信用体系,并为社会信用体系提供数据支撑平台。
银行数据多,需要慢慢挖
其实,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,其数据强度高居各行业之首——银行业每创收100万美元,平均就会产生820GB的数据。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。
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。
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(如脸谱和推特)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。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。
波士顿2014年底发布的《金融业大数据应用指南》中就指出,传统方式让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。
传统金融加快实现数据共享
由此看来,大数据不仅能帮助互联网金融做好风控,还能帮助传统金融业开拓新领域、降低成本。然而,金融数据共享可能成为横在双方中的“梗”。民生银行研究院院长黄剑辉认为,在与互联网的融合过程中,银行业存在着不同的改革瓶颈。对于国有大型银行来说,受到传统观念和体制上的制约,体量庞大,难以快速实现转型;而中小银行由于在资金、技术和人才方面的限制,“互联网+”的改革路径往往呈现“有心无力”的特点。互联网金融的信息披露和风控则是直接影响其今后发展的关键。
7月初,网贷之家刚刚公布数据显示,上半年P2P网贷成交量达3006.19亿元,超过去年全年的2528亿元成交量,月均增速达10.08%。同时,行业收益率正逐渐回归理性,2015年网贷行业综合收益率已经从1月的15.81%下行至6月的14.17%。
面对问题平台高发的行业发展现状,今年以来,网贷行业积极寻求资本关注,与银行、保险机构开展合作,多途径拓展增信,但这些增信手段能否实现信用加分还有待观察。业内人士表示P2P平台公司的借款流程和银行流程差异很大,这种对接还需要时间磨合。
中国人民银行征信中心副主任王晓蕾就曾表示,随着近年来金融市场的发展,一些小型金融机构的出现对征信系统运行提出了新的挑战。为应对挑战,中国人民银行已经建成了通过互联网报送和查询征信系统的服务。“随着平台的进一步完善,小微金融机构有希望用更快的速度进入征信系统。同时,我们希望通过市场化程度比较高的机构,建立与P2P机构间的信贷共享系统,建立征信中心、征信系统与P2P之间的信任关系。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13