京公网安备 11010802034615号
经营许可证编号:京B2-20210330
开启大数据金融发展新时代
在互联网金融时代到来之时,企业、民众、政府都呼唤信用体系和风险控制系统的产生,而这个系统、体系的唯一出路就是大数据
日前,贵阳大数据金融信用体系建设和风险控制系列活动在贵阳隆重举行。互联网金融已家喻户晓,但确定本次会议主要议题时,我们意识到,如果谈到信用体系建设和风险控制,必须谈大数据。在过去几年里,我们在互联网金融发展方面,看到了几种现象:
第一种就是以电子商务为代表的一些互联网企业进军金融领域,在无抵押、无担保的情况下,从事金融服务。他们为什么可以做到无抵押、无担保,因为他们有大数据的支撑,他们的风险是可以得到足够控制的。
第二种就是传统的金融企业积极拥抱互联网,用互联网手段提升金融服务的范围和水准。但不少传统金融机构举所擅长的、原有的信用体系和风险控制不适应互联网时代的需求,特别是对中小客户金融服务能力较弱。于是传统金融企业也呼吁用大数据增强服务能力,建立信用体系和风险防范。
第三种是一些不法企业打着互联网的旗号,做非法集资、传销事情。他们号称叫“互联网金融”,实际上是用互联网作为一个沟通渠道进行非法集资,给社会造成了巨大的伤害。事实上我们要反思,在互联网金融时代到来之时,政府对此类P2P、互联网金融等监管手段是否足够。于是,企业、民众、政府都呼唤互联网时代的信用体系和风险控制系统的产生,而这个系统、体系的唯一出路就是大数据。
贵阳在大数据和金融体系对接上,进行了四个方面的探索:
第一,帮助互联网企业在征信基础上做普惠金融。贵阳有一家企业拥有全国最大的专项综合服务平台,具有较好业务和风险管控模型,以针对货车司机金融产品为合作切入点,开发消费金融产品,提供专项高速ETC个人贷款业务,提供零售金融服务。最近,该企业又和国内某大型银行合作,致力于以刚需及风险较低的业务为突破口,逐步构建货车司机群体的信用体系,构建物流全方位融合的生态信用体系,这套体系建立以后,平台货车司机不需要担保就可以获得金融服务。
第二,帮助传统金融企业通过大数据手段向中小企业贷款。对互联网上陌生的个人和企业,特别是中小微企业,传统金融行业普遍存在不愿贷、成本高的情况。中小企业贷款难、贷款贵的问题不仅仅是中国的问题,也是全球的问题。但在贵阳,有一家商业银行,与全国领先的专业机构合作,利用大数据技术开展互联网消费信贷、微信贷,开发了信用评分模型、破产预估模型、信用申请欺诈模型等。通过多维信息的交叉验证(这是大数据的特征),对客户进行全息画像,为决策提出全面的风险评估,显著地提升了银行的风控水平和效率。在此基础上,创新融资模式,大力推动大数据金融、移动金融、众筹金融等新兴业态发展。
第三,推动区块链在金融领域的应用。目前来看,区块链技术本身发展很快,但无论在国内,还是在国外,包括美国等发达国家,我们都没有看到区块链能够作为一个成熟的技术在全场景进行应用和推广。贵州作为中国第一个大数据综合实验区,目前正积极探索区块链技术在各种应用场景的实验。例如把区块链技术用于扶贫资金的管理,现在每年有上千亿的资金用于扶贫,但由于管理环节过多,造成资金使用滞后、管理成本过高。再加上扶贫资金面向基层、面向个人,管理过程中的克扣、挪用风险较大。如何把扶贫资金管理好,这不仅仅是一项政治任务,更是惠及民生的实际需求。我们把区块链技术不可篡改的功能,用于扶贫资金的监管,可以做到对资金使用情况的实时管理。
明年将举办第三届贵阳大数据博览会,我们将在博览会上和全球各界一起讨论区块链技术和场景应用结合的问题,相信届时一定会成为热门话题。
第四,探索大数据在金融领域的管控和应用。没有大数据应用,就没有互联网金融的安全。贵阳正全力以赴实施大数据战略行动,抓紧建设征信大数据安全应用体系,通过对海量用户数据进行深入挖掘,构建和完善基于多渠道、易购数据的采集、存储、处理与分析能力,从多个精准维度对用户数据进行筛选、标记和判定,从中筛选出有价值数据,进而完善风控模型,风险定价,不断迭代风险模型,力经充分的金融周期,验证风控的有效性。
下一步贵阳将重点推进政府数据开放、公共数据安全、区块链应用等三个方面重点工作。希望并欢迎社会各界支持贵州贵阳作为国家大数据综合试验区先行先试实践,共同推动我们国家大数据,特别是大数据与金融领域的融合发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 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 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 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 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09