
互联网金融大数据公司十大模式:反欺诈 数据银行
大数据不只是玩概念,还要干实事。数据日渐成为各个平台的底层架构、核心基础设施。据鸣金数据研究院互联网金融大数据模式现有反欺诈、评级、征信、数据银行/数据平台、不良资产处置、资产证券化等十大模式!
1反欺诈
反欺诈在国内是个刚需,尤其是企业端需要反欺诈服务去防止用户造假、盗刷等行为。在信贷领域直接的应用如黑名单用户查询、防止重复申请、虚假信息借贷等。同盾—大数据反欺诈杭州同盾科技有限公司创立于2013年,是互联网金融领域风险控制和反欺诈服务供应商。同盾自称,网贷平台Top50中绝大多数都是同盾的客户。同盾CEO蒋韬,曾担任阿里集团安全部技术总监。
反欺诈服务在全球都是刚需。同盾科技通过收集和整理全网的黑名单信息,给银行、第三方支付、信贷、等企业提供云端风险管控和反欺诈服务,免却单家企业黑名单信息不全,自建成本高的问题。同时,同盾提出“跨行业联防联控”的概念,要求客户企业继续上载新的黑名单信息,继续扩大同盾的黑名单规模,通过正向循环形成网络效应,不断扩充其“黑名单、灰名单、黑行为”数据,并基于多样化的机器学习模型、大数据关联分析和指标计算等,以云服务的方式为各行业提供网络反欺诈保护,提供更准确更全面的反欺诈服务。
数据及技术:借贷黑名单、设备指纹、地理位置库、欺诈信息库、高危账户、代理检测、生物探针、风险引擎等产品:信贷理财反欺诈云、同盾风险决策系统等融资信息:2013年11月获得IDG资本和华创资本的1000万美元A轮投资2014年8月获得IDG资本及宽带资本的1000万美元A+轮投资2015年5月20日获得由启明资本领投的3000万美金B轮投资
中智诚:反欺诈征信
中智诚成立于2013年,CEO为李萱。中智诚和同盾科技的业务有重合之处,主要为P2P等互联网金融机构提供反欺诈服务。中智诚根据多年来为商业银行成功解决信用卡申请欺诈防范问题的实践经验,结合当前互联网金融行业的欺诈特征,研发出反欺诈云平台。中智诚目前拥有80W+黑名单数据,API调用1000W+次,欺诈规则100+条,共80余家P2P平台参与欺诈数据共享。同时,征信也是中智诚的重点服务内容,其团队成员有深厚的征信行业经验,中智诚征信对列为首批通知对象,有望首批获得个人征信牌照。中智诚通过对个人信用活跃度、履约能力、信用历史、身份特质、信用消费能力等信息进行统计分析建立的类FICO的征信评分,用于预测未来一段时间内发生违约风险的可能性。
数据/技术:欺诈数据库、欺诈规则引擎、设备识别、多维数据关联、用户画像、中文模糊搜索匹配、可定制案件管理系统、分团算法
特殊数据:商业银行信用卡欺诈数据
产品:反欺诈服务、个人征信评分服务、全国公民身份认证服务
鹰眼数服—黑名单查询
鹰眼数服全称仁穗互联网金融服务有限公司,鹰眼数服目前有25000000条黑名单数据,同时,它整合了第三方征信机构、电商平台、电信运营商、银联等第三方机构的消费数据,覆盖2000+维度大数据,并和金融公司加入黑名单共享,把信贷全生命周期管理作为产品设计思路,切分各行业业务流程中的各大应用场景,为小微金融机构提供大数据驱动的信贷风控决策服务。目前,其服务过的互联网金融公司有国众宝工薪贷、好贷宝、盈盈理财、仁仁分期等。数据:风控数据;失信数据、设备指纹等。
2评分评级
网贷之家、网贷天眼、评级宝、融360等都相应推出了其评级产品及报告,在此介绍以下两家评级/评分机构。评级宝—互联网金融评级和导航APP
评级宝是一款互联网金融网站评级和导航啊怕怕,CEO为王玲。评级宝把股东背景、资金实力、安全保障、信息披露、业务模式、放标利率等各项指标进行权重分配,设计评级模型。
数据:平台信息
产品:数据查询等
IFRE—P2P评分系统
IFRE成立于2014年12月,隶属无锡数信互融科技发展有限公司,创始人兼CEO罗杰。IFRE是一家互联网金融风控平台,专注于为互联网金融机构提供风险评估服务。IFRE根据P2P公司的实际运营情况,搭建定制化的数据集市,在此基础上优化进步的数学模型,提供评分卡、反欺诈、授信等策略,最终形成决策引擎。目前平台的合作方包括“好贷”、“信用宝”、“玖富”、“先锋金融”等P2P机构。
产品:评分、反欺诈、授信融资情况:2015年6月,IFRE获得数千万人民币A轮融资,具体投资方未透露。接一下不同于P2P评级快马快马—基于会计数据的企业评级产品快马快马是基于“互联网会计”大数据分析指标的企业评级产品。快马快马是一家为创业企业进行财务价值管理、建立企业与风险投资机构之间的价值认可和密切财务关系的创新财务信息管理公司。
3数据银行/数据开放平台
数据银行类数据公司通过互联网/人工采集的方式将数据聚合在一个平台上。如聚合数据包含各类136项数据信息,如短信API服务、加油卡充值、银行卡实名认证、空气质量等。而数据堂则是一个基于众包模式的非结构化采集平台,经过结构化处理后卖给需求方。数据开放平台则以京东万象为例,众多数据提供方将其数据以API的方式接入京东万象,通过数据API的共享和交易实现双方的数据价值交换。聚合数据—数据银行
聚合数据平台定位于数据银行,是国内领先的移动数据服务商,为智能手机开发者,网站站长,移动设备开发人员及图商提供原始数据API服务的综合性云数据平台。聚合数据包含手机聚合、网站聚合、LBS聚合三部分,其功能类似于GoogleAPIS。聚合数据包含各类136项数据信息,如短信API服务、加油卡充值、银行卡实名认证、空气质量等。
数据:生活常用、便民服务、休闲旅游、开发服务、金融基金、其它服务等产品:数据购买、数据API融资信息:15年11月,聚合数据获2.18亿人民币B轮融资,由中国文化产业投资基金领投,京东、太浩创投、自然人邱坚强、华勇跟投。
数据堂—大数据电商平台
数据堂成立于2011年9月,拥有独家基于众包模式的数据采集平台,四十多万全球实名注册用户可高效采集和提供各类线下数据。众客采集线下非结构化数据,包括文本、语音、图像等资源,这些被采集的数据经过结构化处理,供给近千家合作机构,为其提供人工智能、征信、智能交通、健康医疗、商家商价等多领域优质行业数据资源服务。数据堂运营国内第一家大数据电商平台,以电商的形式实现大数据资源的在线交易,极大增强数据变现的空间,提高数据价值的流通。数据云服务是以数据API接口的形式,为全行业提供各类实时数据源服务,包括:征信服务、交通服务等。
数据:语音识别、智能交通、文本语料、图像识别、社交网络、生活服务、地理位置、视频处理、电子商务等多类数据源。
融资信息:2014年初,数据堂获得了田溯宁云基地和国泰创投1300万元的Pre-A轮融资,并于今年5月完成了由达晨创投领投的A轮融资,2014年12月在新三板挂牌。
京东万象—数据开放平台
京东万象是京东云在已有的云计算平台基础上围绕数据提供方、数据需求方、数据服务方等多方,构建了以数据开放、数据共享、数据分析为核心的综合性数据开放平台。
京东万象将帮助数据的提供方与需求方进行数据对接,解决企业之间的数据缺失问题,完善数据价值,提升企业效率。平台本身会对接多维度的丰富数据,保证数据的安全性与接入效率,是企业数据输出与流入的有效渠道。
企业的数据通过API的形式接入京东万象,在数据安全的基础上,通过数据API的共享和交易实现双方的数据价值交换。京东万象目前主推的是金融行业的相关数据,现已覆盖了包括个人和企业征信报告,黑名单数据,失信数据等金融数据,此类数据给互联网金融创新企业带来巨大的数据共享价值。
4查询工具
基于数据的查询内容较为普遍的有企业工商信息查询、黑名单数据查询等。目前市场上有几家基于微信端的查询工具,比如企信宝是一款微信端企业征信信息查询工具,有数金服是一款基于微信端的工商信息查询工具,他们都从高粘度的工具入手积累第一批用户及用户数据。启信宝—微信端企业征信信息查询工具
启信宝成立于2014年5月,隶属苏州贝尔塔数据技术有限公司,CEO周洪海。启信宝是一款基于微信端的企业征信信息查询工具,查询信息包括工商信息、法院判决信息、失信信息、司法拍卖信息、企业招聘信息、企业评价等,免费为用户提供查询服务。面向的用户包括需要金融审批等业务的金融机构、寻找上下游供应商和客户的公司、需要扶持辖区内企业的政府部门、需要资料调查的律师等专业人士。
数据:从全国企业信用信息公示系统、中国法院裁判文书网、中国执行信息公开网等30家网站提取官方数据
产品:工商数据查询
融资信息:2015年9月,启信宝获得3000万人民币A轮融资,具体投资方未透露。
5资产处置
近年来,不良资产进入加速增长通道。业内预计中国未来几年不良资产的总规模有可能超过10万亿元,其中影子银行坏账将超过2万亿元,银行不良贷款在未来5-6年将达4-5万亿元,企业逾期账款在未来3-5年内将达3-5年,总计不良资产的利润空间将超过1万亿元。资产360、人人催等平台都基于其数据模型、黑名单数据等筛选及处置不良资产,从而实现商业变现。91征信—对接不良资产处置平台人人催
91征信基于自身积累的数据资源,面向社会各界人士,通过数据共享机制,建立个人征信数据资源库,形成个人信用黑名单,查询失信人员信息,并联合相关机构建立不良资产处置机制。创立于2014年的兄弟产品人人催为全国首个不良资产处置云平台。
数据:工商信息、法院执行、失信信息、欠债失联黑名单、手机号码机主及风险等级、手机实名验证、手机+银行卡验证等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08