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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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