京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能否保证互联网金融高收益
近日,中国人民银行下调了存贷款基准利率和存款准备金率,存钱进入“负时代”。严峻形势下,人们纷纷把目光投向了以高利率、高风险著称的互联网金融。互联网金融的发展能够满足人们的需求吗?
由中国社会科学院金融研究所、清华大学五道口金融学院等机构共同发布的互联网金融蓝皮书《中国互联网金融发展报告(2015)》发布。该报告由中国人民银行前副行长李东荣博士主编,近50位业内专家学者合作撰写。蓝皮书显示,2015年互联网金融在中国得到了极大发展,预计未来几年将成为互联网金融监管年,P2P(互联网金融点对点借贷平台)、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展。
当技术越来越牛,原来描绘的“金融大数据”情境何时能够实现呢?
风险管理仍是关键
P2P即个人通过第三方平台在收取一定服务费用的前提下向其他个人提供小额借贷的金融模式。从发展阶段来看,P2P行业已经经历了2007—2010年的行业起步期和2011—2013年的快速发展期,从2014年开始整体逐步进入调整缓冲期;从金融的范畴来分析,P2P并不只是单纯的互联网技术创新;P2P平台也存在着较多的不足。
“P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。”蓝皮书对互联网金融发展中出现的热点问题进行了深入分析和讨论,P2P本质上是普惠金融,是传统金融的有益补充,其体量难以做大。
P2P缺乏风险管理制度,风险较大,尤其是得不到银行贷款的小微企业风险较大。国外的P2P发展可依托国外完善的社会信用体系,而我国社会征信体系仍未建立,P2P信贷平台自行建立的信用模型难以被投资者认可,P2P具有较大风险。
此外,P2P准入门槛过低,而且消费者保护意识薄弱,加大了逆向选择和道德风险的问题。蓝皮书分析,国内P2P信贷平台没有义务对投资者进行教育,也没有统一的信息披露标准,投资者无法了解P2P运行情况,遇到争议也没有地方进行投诉。
从统计数据来看,网络借贷行业坏账率不低,投资、融资方的资质低于传统金融的客户,加之引入互联网平台带来的信息技术漏洞,整个行业的系统性风险不容忽视。
新金融新玩法,不变的仍是信用
互联网金融的本质仍然是金融,必须按照金融的发展规律运行。P2P行业在经历了行业起步期和快速发展期之后,从2014年开始整个行业逐步进入调整缓冲期。从金融的范畴来分析,P2P并不只是单纯的互联网技术创新,对于金融发展而言,做出了许多创新和贡献。
P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。根据蓝皮书预测,未来互联网金融行业将会在细分、垂直领域涌现出新的业内参与者,特别是具有强大实力和背景的传统金融公司及国企进入P2P行业,包括上市公司在内的大型集团对现有玩家进行的兼并收购会进一步加大行业整合的速度。
预计P2P平台将会向一站式投资理财平台的方向发展,相对于银行体系的间接融资,P2P更接近于直接融资并具有债权的属性。从整个国民经济的运行情况和P2P网络借贷行业收益分析,债权市场存在走低的趋势,因此,为了实现稳定发展,P2P行业会寻求更多的增长空间和业务覆盖。
蓝皮书预测,未来几年将成为互联网金融监管年,P2P、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展;监管模式上可能有选择的借鉴欧美的成熟经验,走行业自律和政府监管结合路子。
与此同时,线上纯信用贷款、过桥抵押贷款、供应链融资和科技融资可能成为未来P2P行业发展的突破口。
通过大数据来反“欺诈”
随着互联网拥有海量的大数据信息以及云计算等数据处理技术的不断进步,可以提供互联网金融征信产品的机构已不仅仅限于传统的专业征信中心或征信公司,在强大的市场需求刺激下,一批专门针对P2P网贷、网络微贷的互联网金融专业征信机构或“准征信机构”开始出现并迅速发展。
而目前,很多互联网金融机构提出的所谓的大数据征信都只是发挥着辅助作用。据相关业内人士介绍,P2P对大数据目前为止最成熟的应用就是反欺诈,它可以利用大数据将更有效地区别出好人和坏人。
数据安全,对用户和平台的安全至关重要。易通贷CEO康文介绍,现阶段大数据、征信,对整个P2P平台的运行主要是起辅助作用,还起不到主导作用。这是由于现在互联网金融还在数据积累的阶段,平台的注册人数,相对于中国的网民数量,基数还太小。这个时候不应该大规模的使用大数据。如果数据样本过少,其实会出现误导,没有说服性。
康文说,我国征信体系尚未健全,P2P行业难免存在风控难题,对用户和平台的安全构成一定威胁。大数据反欺诈或成为P2P平台风控水平新的提升点。大数据反欺诈的实质是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。
由此可以看出,大数据反欺诈的实质是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本,在欺诈行为发生之前就将其制止,进而净化诚信体系。
在众多行业都流行“大数据即资产”口号的今天,对于大多数企业而言,运营领域的应用是大数据最核心的应用。对现在以互联网为载体的企业来说,大数据与高新技术的结合,将成为这些企业的核心竞争力。
目前,很多互联网金融机构已经开始尝试对客户的移动数据进行分析。比如,P2P企业可以利用移动设备的位置信息,了解过去3个月用户的行为轨迹。如果某个用户经常在半夜2点出现在酒吧等危险区域,并且经常有飙车行为,这个客户定义成高风险客户的概率就较高。
同样,互联网金融公司会根据用户申请小额贷款所在的位置进行分析,如果在同一地理位置附近,短时间内有多笔贷款申请,相应的风控软件会对互联网金融平台提出预警,显示不可靠的原因。
现今,移动大数据在预防互联网恶意欺诈和高风险客户识别方面,已经有了成熟的应用场景。前海征信、宜信、聚信立、闪银已经开始利用TalkingData的数据,预防互联网恶意欺诈和识别高风险客户,并取得了较好的效果。移动大数据应用场景正在逐步挖掘出来,未来大数据行业与互联网金融行业将会有更加广阔的合作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 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 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 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 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 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 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08