
大数据、场景、供应链,下一个陆金所会是谁
大数据,一直就像青春期的性,谈的人很多,真正做过的却没有几个。话虽然这么说,但是这丝毫不会影响大家对于“性”、“荷尔蒙”的青春幻想。
不知道各位朋友有没有注意到,假如你去京东看了某个商品,那么接下来,你在浏览其他网页时,一定会看到你曾经浏览过的商品广告。
这就是大数据,它跟踪记录了你的“痕迹”。大数据是广义的概念,并非仅仅指数据本身,含义比较广。大数据的产生,可能有以下五种途径:
1、官方数据
你在银行系统、通信系统的任何一次动作,相关官方机构,都会有备份。
2、购买产品或者购买服务留下的信息
如果你经常在淘宝上购买商品,那么在你消费一定频率后,系统可以根据你的消费情况,判断你下次可能会购买什么,例如女性,则可能根据一定的算法,推断出你下次例假将要来时,你可能需要购买的相关物品,网站直接进行推荐。
O2O的打车服务,根据你通常的打车路径和时间,下次到点时自动推断你可能的需要服务。
3、快递公司
快递公司,拥有用户大量的购买信息、住宅地址信息,这些信息的价值不言而喻。
4、社交数据
无论是Facebook还是微信,社交数据基本是涵盖面最为广泛的,你在会与人进行网络交往中,会无意识的暴露数据。
5、手机系统
小米的MIUI系统,天生就是个数据偷盗狂魔;360的各种安全卫士,为你数据备份;这些手机上的APP总是明着暗着窃取你的私人数据。
全国范围内,数据最为好用方便的是官方数据;数据目前最具应用价值的是阿里的消费数据;数据最多最全的是腾讯社交数据;而手机APP和快递公司的那些数据,总显得那么有点“不道德”。
数据本身的价值,需要去挖掘,例如京东白条、花呗,这属于大数据应用里面的消费金融;芝麻征信、腾讯征信,这属于互联网征信;
当然在笔者看来,他们最渴望实现的价值可能是想依托自身的产品或服务,成为一个“账户”式工具;有了刚需、高频的账户,那么就是下一个“支付宝”、“微信支付”啊!超级入口无论是推广自己的产品还是服务,一切都是那么轻松。
DT时代的大数据金融,前景很值得期待,只是大家有些不成熟,“荷尔蒙”这样的事情,当然是成熟起来的果子会比较好吃。
场景化互联网金融
所谓的场景化,就是活动具体化、可见化;放在互联网金融行业,就是贷款者在资金的用途方面,是定向的而不是自由化的。
国外的LC、Prosper等网站,都会披露贷款者的钱具体应用到哪。国内虽然有披露,但是很多都以理财计划的形式进行,这也可以理解为贷款而不是场景化;由于投资人的钱不知道去哪了,因此里面就会存在一个“黑盒子”区间,无论是平台还是借款者,操作空间就大了;大的自由活动区间,意味着不确定风险;
而当具体场景化后,上面的这些问题,就都可以迎刃而解。场景化意味”阳光化”,乱七八糟的东西就无处可逃。
这是从狭义层面理解场景化的互联网金融,它更多侧重于不存在“黑暗且不确定的可操作区间”。
从广义的理解,场景化意味着是具体的生活场景。这些场景可能是购物场景、娱乐休闲场景、乘车出行场景亦或生产加工场景,这些场景对应着确定的信息流、资金流,场景化金融就是这样诞生的,它也意味着具体的、透明的、确定的互联网金融。
1、购物场景
各大电商平台,基本都会推出分期购物;当然电商平台,也会把这些分期购物产生的“优质资产端”进行资产证券化处理,例如京东白条的证券化。
这些电商平台,一方面是促进销售,平台的GMV;另一方面是挣金融的钱。
2、娱乐休闲场景
社交场景、游戏场景是娱乐休闲场景的典型代表。腾讯游戏在这方面,可以说是集大成者,开创了一个王国。具体可以参见下面这个逗比图片:
确实,当你发现游戏的充值,装备的购买,能够让你有那种虚假的成就感时,金融的就来了。笔者也是玩过网游的人,可以设想一下,以大话西游这款游戏为例:假如你在交易平台上,购买了一件很昂贵的装备,你没有去卖出,这个装备,就是你的资产;剩下的问题就很简单了,因为随着你的升级,你可能不需要这件装备,但是在持有这个装备期间,是否能够给予玩家一定利得呢?笔者设想了两种:
给予收益或者利息呢?这对于吸引玩家的作用,那是不言而喻的;
以游戏装备的估值为基础,可以在游戏平台上,进行信贷借款;
由于笔者是一名“资深不要脸的”人民币游戏玩家,所以非常期待上述场景展开。
3、乘车出行场景
要论当下最为火热的O2O共享经济,uber、滴滴快的就当仁不让了。
身边很多朋友,超级喜欢用这两款搭车软件,除了每天的上下班,出去办事也都会用这些软件,正是由于刚需、高频,造就了这样的超级APP。在支付车费时候,互联网金融的生意就诞生了。于是今年三四月份的时候,滴滴快的推出了属于他们自己的钱包。
4、生产加工场景
这个方向的场景,以企业为主;强调核心企业上下游生产销售,产生的真实关系,在此基础上,展开供应链金融。
场景化的互联网金融,说到底,就是资产端质量高,中间资金需求方、平台操作空间小,说到底是安全。
强势的供应链金融
这一部分,也是上面的谈到的场景化的互联网金融——生产加工场景。
基于核心企业上下游生产销售的真实关系,展开信贷或者抵押金融活动,缓解供应链企业的资金紧张局面。
为什么笔者对此比较看好呢?首先笔者表明一下,说这个是有一定的私心的。主要是基于目前国内制造业的萎靡不振,实体经济不景气,让人难以接受;在先前的文章中,也多次表达对经济“脱实入虚”、制造业“空心化”的担忧,而供应链金融,包括整个互联网金融的最初出发点,都着力解决这个矛盾。或者这就是知识分子的“德与道”吧!
其次,供应链金融,有其自身优势:
1、违约成本相当昂贵,导致违约概率小
不担心你不还钱,因为你违约,代表着你以后无生意可做,除非经营性破产,那个谁也没办法。博弈论里面有一个观点,在进行长期多次选择时候,大家都倾向于遵守规则(也就是长久利益最大化);而江湖式的一次性买卖,大家都倾向于背叛(也就是当期利益最大化)。
由于供应链是一个长期关系,相关企业除非没法混了,一般不会违约。
2、展开供应链金融业务的核心企业,有足够动力
大家可以看看目前做供应链金融的新希望集团、五粮液集团等,这些企业为自己上下游企业,展开互联网金融业务,原因两个方面:促进自己业务拓展,生产顺利进行;通过供应链金融,也适当挣点钱。
其实,他们的逻辑,和京东等电商企业类似,只不过京东白条的资产端,最后是选择了证券化处理,卖给了机构;而供应链金融,选择直接接受广大互联网金融投资人的资金而已。
3、核心企业,很好的掌握了风险
由于真实生产关系,长期的接触,核心企业对于需要融资的供应链上的企业,财务状况、生产状况、品德状况,自然是一清二楚,这也算是一种“熟人借贷”吧,知根知底,风险自然小。
供应链金融,在全球范围内,它有前景,但天花板也是看得到的;而且在笔者看来,对于核心企业而言,有一定“自融”性质;只不过这种“自融”,是没有直接股权关联的“自融”。
以上谈论的三个方向,笔者较为看好。当然,也可能出现别的潜力无穷的方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04