京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据金融风控助力小微企业
近年来,伴随互联网金融的蓬勃发展,如何依托大数据技术优势对轻资产、高成长的小微企业进行风险评估和贷款服务,成为供应链金融服务的关键一环。积极探索大数据在互联网信用风险方面的应用,对于解决小微企业融资难有哪些突出的优势?开展企业信用评级的大数据获取来源又有哪些?如何来平衡数据采集和企业隐私二者的关系?针对大数据金融风控领域的一些热点话题,记者采访了数联铭品科技有限公司董事长兼CEO曾途。
记者:大数据金融风控平台对于解决小微企业融资难的突出优势有哪些?
曾途:如何解决小微企业融资难是一个世界性难题。小微企业是经济发展的“轻骑兵”,其工业总产值占中国经济总量的60%以上,提供了75%的城镇就业机会,是中国实现经济转型的重要力量。但是,小微企业一般轻资产,财务不规范、信息不透明,传统的银行信用评估模式难以全面刻画和评估小微企业的风险,使得小微企业的融资难题长期得不到解决。而大数据的金融风控,主要从以上融资痛点着手,打造 核心优势(爱基,净值,资讯)。
其一,自动化完成小微企业的在线信用评估。大数据技术通过增加对小微企业评价的维度,开拓不同数据来源,整合“银行信贷数据”、“政府数据”及“外部公开数据”共同构成企业行为大数据,据此来还原企业真实经营的行为特点和经营状况。尤其对于轻资产的小微企业,在没有信贷记录的情况下也能通过全息风险画像进行信用水平的全面评估,有效识别信用风险,降低小微企业融资成本,扩大小微企业融资覆盖面,促进小微企业发展。
其二,实现针对小微企业的“纯线上”信贷操作。在此模式下,小微企业无需任何担保,可通过信用评分来获取信用贷款。将企业贷款的申请、审核、放款等流程逐一放在线上进行,极大降低了向传统金融机构贷款流程的周期性。通过大数据征信,小微企业可快速便捷申请到贷款,同时放贷款的银行也可通过金融风控模型来对借贷人的经营数据进行分析,实现贷后的实时监控,解决对小微企业贷后跟踪难、成本大、风险高的问题。此外,小微企业贷款的特点是“高频”、“小额”,传统方式来处理人工成本很高,大数据可以降低人工成本从而为小微企业降本增效,解决融资贵难题。
记者:利用大数据开展企业信用评级的过程中,大数据获取的来源有哪些?您如何看待平衡数据采集和企业隐私保护的关系?
曾途:在做互联网金融风险控制过程中,大数据需要打破信息的孤岛,在授权合规的前提下,整合传统的银行数据、政府数据、企业行为数据和场景数据。数据来源涵盖工商、税务、法院、征信等管理部门的数据以及包括银行自身的经营数据积累。未来风控平台的数据来源,也将在授权合规的前提下,拓宽至社保、水电等更多维度,通过大数据平台的遴选,提升企业诚信经营标准,进而达到良币驱逐劣币的结果。
大数据较传统的机构化数据而言,具有体量大、种类杂的特点,在对企业进行画像的过程中,按照不同维度需加载几千甚至上万个独立标识。数据引入多,难免会碰触企业敏感数据边缘。但需指出的是,任何组织或个人在采购或使用数据服务时,都需要一套合适的数据服务框架作为评估标准。就数联铭品而言,首先,在技术体系内,我们执行业界最严格的数据安全的标准,做到数据的分级分类,包括结构化数据和非结构化数据,公开数据和私有数据,做到隐私数据不出库,公开数据拿进来。同时还要按照整个业务流程的标准,严格执行数据“脱敏”。此外,在整个执行数据的流程当中,我们接受业界最严格的监管,从而确保信息安全。
记者:近年来科技金融是业界的热点话题,数联铭品在大数据金融风控领域还有哪些创新模式,从而为中小企业更好地服务?
曾途:金融的核心离不开风控,而数据本身是金融风险最本质的东西。时至今日,数据已经成为金融业的核心基础设施。大数据技术作为一种科学工具,提高了我们用数据去解决金融风险问题的能力。在目前的 新经济(爱基,净值,资讯)时代,新经济企业具有高成长、轻资产、重研发投入的特点,按照传统风险评估和银行传统授信模型,这类企业是没有资产信息的,这在全球范围内都是一个难题。利用企业行为大数据代替资产信息,对这类新经济企业和金融行业进行评估,可为我国的金融服务机构创造一个新风险管理的蓝海。
为了更好地服务这类企业,我们力图从信用风险、市场风险和操作风险三个层面发力,打造新的金融数据框架。比如我们已经推出集“数据+平台+应用”三位一体的大数据信用评估解决方案,对金融大数据进行了创新诠释,对企业经营行为进行风险基因(DNA)刻画和分解。此外,还创建了商业反欺诈平台的创新模式,利用大数据通过信息追踪构建特殊风险识别模型,从而辅助商业运营实体与政府监管机构甄别、预警重大金融、财务及法律风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09