京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网大数据力助征信_数据分析师考试
个是互联网大数据征信会成为传统征信非常有力的补充。而且我们在中国现在征信管理条例,我们覆盖的范围其实比美国公平信用法覆盖范围更广,给我们创造了更好的法律环境。
第二个,事实上征信范围不仅仅是信用评估,包括今天把“互联网+”作为国策的时候,反欺诈,我们用通俗的话讲,任何一个行业无论是金融或者传统行业,当你做互联网转型的时候,首先要解决的问题,就是你必须要解决两个问题:
1:你的用户真实性怎么样。
2:在用户真实情况下,它的靠谱度怎么样。
用户真实性就是需要通过反欺诈服务解决它,在确认是用户本人的情况下,我们再做他的信用评估,到底有多靠谱。所以我觉得在中国来讲,征信的含义一定是包括王主任讲的两个方面。
第三个方面。王主任的讲话里面也谈到,征信的数据,传统的可能是信贷数据。但今天我们看到,无论是你在网络的购物、支付、转帐、理财这些信息,还有甚至是你的朋友圈的这些关系,他都有可能成为你对人评价的信息。我理解的是,王主任刚刚讲的是对我们这些东西某种意义的认可。谢谢王主任。
回到芝麻来讲,虽然我们有一个集团背景,蚂蚁金服是我们唯一的股东,但今天芝麻也是按照王主任说的,你做征信必须是独立的公司,芝麻本身是没有拥有任何数据源的。我们只能透过征信管理条例的要求之下,获得用户授权之后才能够收集、整理和加工这些信息。并且在用户授权了合作伙伴使用它的东西时,我们才能对外输出。
我的感觉是说,其实作为我们征信行业,今天其实大家听的,我不知道有没有一整天都在这里的。谈到互联网金融,大家更多的还是在讲如何监管它。作为我们征信行业,也是我们刚刚开放的市场。我觉得最重要的是我们在做的这些新加入的征信主体,更重要的是我们自己能不能非常自律。这两年大数据非常火,大家更多是关注在大数据帮助整个社会提升的效率。但我觉得大数据任何一件事情都是有AB两面的。好的这一面是提高了效率,但坏的一面就是用户隐私如何保护。
所以,我们今天看到无论是欧洲的个人隐私保护法,他们在做了一些非常直接的调整,就是所有的数据所有权应该属于个人,个人可以携带自己的数据决定他到哪里去。现在联合国也在讨论数据新政。我们国家个人隐私保护法也都在研究之中。我感觉作为我们征信行业跟数据离的非常近的,我们自己本身是需要有一个非常强的行业自律。所以我们的理解就是说,我想借用凯文凯利的一句话,结束我的观点“(英文)”我觉得作为征信行业来讲,我们必须始于技术、始于数据,但最终我们必须通过我们非常严格的,对于数据安全建设以及个人隐私保护方面,做非常大的投入,还换取大家对我们的信任,无论是消费者对我们的信任,还是合作伙伴,还是监管对我们的信任,所以我想作为所有的征信公司来讲,我们也是一样“始于数据、终至信任”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20