
大数据助力互联网金融健康发展
近年来,伴随着信息技术与经济社会各领域的深度融合,全世界范围内数据量都呈现出爆发式增长的新态势。去年9月5日,国务院正式发布促进大数据发展行动纲要,从促进大数据发展的高度,提出了我国大数据的顶层设计,引导大数据发展,使大数据成为创业创新的新动力,在全社会引起广泛的反响。在此背景之下,由钱爸爸独家承办的第二届大数据金融论坛30日在深圳举办,互联网金融诚信行深圳站活动同时启动。来自国务院、人民银行、工信部、发改委、银监会、社科院、红岭创投、钱爸爸、恒昌、国盾聚亿等300余位互联网金融、大数据风控、云计算、区块链等相关行业的政府领导、专家、学者、企业家代表,共同分享大数据金融应用领域的观点和经验。
本次论坛由中国电子商务协会互联网金融研究院主办,以“大数据助力互联网金融健康发展”为焦点议题,共同探讨大数据金融行业的发展面临的现状与挑战、未来发展方向,以及如何最大化利用大数据优势为金融行业做铺垫等话题。
研讨会还关注了目前行业中比较热门的普惠金融、大数据征信、风险管理等诸多热门话题,并呼吁企业树立诚信价值观,在坚持经济效益同时做到社会效益并重。
论坛上,中国人民银行调查统计司司长盛松成对比互联网金融最近以来发生的变化、发展以及未来走势发表了自己的看法,他在发言中表示,互联网金融已经过了野蛮生长期、头脑发热期,大家也开始认识到互联网金融存在监管难、风险大等问题,但其利用现代科技手段来推动对经济薄弱环节的支持,尤其对中小微企业的支持,这都显示出其相较于传统金融的有利之处。网贷的成交量和余额增长比较快,也说明了互联网金融仍然具有较强的生命力和良好的发展前景。
互联网金融行业在未来的发展中有较大的市场前景,那么,大数据在互联网金融发展过程当中发挥着怎样的作用呢?国务院国有重点大型企业监事会主席季晓南会中表示,大数据金融将成为互联网金融重要的发展方向。“大数据金融可以为金融业的创新发展提供新动力,可以为解决金融难题问题新助力,特别是中小企业、小微企业融资难、大数据金融具有相对于传统金融企业的优势。”同时,季晓南建议,大数据金融既要考虑技术因素,也要考虑市场因素,大数据金融要以企业为主体,在本身不断创新发展的同时,更要切实加强风险管控。
工信部信息中心总工程师童晓民从对国家大数据战略角度来谈自己的感受和体会,他表示现在我们站在“互联网+、大数据”新的起跑线上,可以引领我们的生活发生变化,能够孕育发展的新思路、开辟国家治理新路径,推动行业提高核心竞争力。
大数据不仅在人们的日常生活中应用十分广泛,在互联网金融发展过程中也起到了非常关键的作用,在互联网金融发展的现阶段就更要建立完善的征信体系。中国社科院研究所所长助理杨涛强调互联网征信需要更明晰的顶层设计。大数据对于金融、对于征信起到的作用是极其大的,与此同时我们要理性的看待,一方面有助于改善过去模糊化的信用生态环境,中国社会是缺乏数字管理的社会,就是缺乏数据、缺乏数字、缺乏精准定位,这是需要改变的。与此同时,在软环境存在约束的情况下,也不能对大数据信息过于迷信。
针对大数据金融的未来发展,钱爸爸张凯也在会中从企业家的角度提出了大数据金融在企业实操中的应用以及对大数据金融的未来发展与展望。张凯认为,钱爸爸在运营中通过对后台数据的挖掘,以及对市场的行业数据的对比,会更清晰地了解到用户,会指导钱爸爸进一步为用户提供更好的服务,开展更多的产品与服务的创新。另外,对用户的行为分析还会带来对用户行为的预测,包括钱爸爸会紧随资金的流向,紧跟项目的走向,去判断用户可能未来会出现什么情况。进而会对下一步的环境进行预估。比如说,钱爸爸会根据用户对业务项目的选择喜好和偏好,结合行业数据,预估下一步行业的特点在哪,或者说用户的喜好会在什么地方发生。当然,钱爸爸也在尝试利用大数据的数据保留,包括风险防控和反欺诈体系的应用,最终达成对平台风险的把控。在谈到互联网金融的展望时,张凯说“互联网金融的未来,大数据的应用将成为主流,这一点是毋庸置疑的。大数据确确实实会影响我们的生活,甚至会影响我们未来很多的战略高度和战略决策,我们也相信大数据在未来的应用中会占据主流地位。”
大数据已经得到政府、行业、相关媒体的高度关注,相信,在各界人士的共同努力下,互联网金融企业将会运用大数据为人们的生活提供更加细化的产品和更加精细的服务!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25