京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“在中国之所以普惠金融开展得还有很大的空间,一个重要的原因就是数据不够,和信用相关的数据点不足够多,大数据从量上来讲,补充了传统金融数据。大数据其实是丰富了传统金融数据的量和值。”2014年12月13日,宜信公司创始人、CEO唐宁,在“三亚•财经国际论坛”上如此表示。
唐宁表示,数据从哪里来,如何采集,以及采集之后怎么办、怎么用,这是大数据和普惠金融接轨最重要的两个问题。“我们的认识是说,大数据其实是丰富了传统金融数据的量和值。”在中国之所以普惠金融开展得还有很大的空间,一个重要的原因就是数据不够,和信用相关的数据点不足够多,大数据从量上来讲,补充了传统金融数据。
“有了大数据之后,如何能够去找到数据点之间的关联,如何通过大数据技术真正做好客户画像、真正做到满足客户需求,做好风控?”唐宁通过举例予以了说明:
“农户现在十万二十万三十万想要买拖拉机、烘干塔这样的工具,以前没有这样的钱,我们说你可以通过租赁的方式租这些农机具。在租赁过程之中,我们把每一个农机具上有传感器、有跟踪器、有基于GPS等等各种数据收集的技术,把数据收集来,然后加以分析。知道他的地点,知道他的使用情况如何,这给我们提供了大量的信息。否则的话在边远的农村,每天这样作业的情况如何得知?这样的小微租赁的方式,满足了广大农户十万二十万三十万购买农机具的需求。”
以下为其发言实录:
唐宁:尊敬的蔡主席、各位领导、各位专家、各位嘉宾,大家下午好!非常高兴有这个机会向大家汇报我们在普惠金融八年多的实践之中,如何利用大数据做好客户画像、风险控制,普惠金融到农村、到小微的一些心得体会。
刚才蔡主席和徐司长已经高屋建瓴地在理论关键点各方面都给我们上了生动的两课,我想就举几个我们在实践之中的例子。刚才蔡主席讲到了数据从哪里来,如何采集,以及采集之后怎么办、怎么用,这其实是大数据和普惠金融接轨最重要的两个问题。我们的认识是说,大数据其实是丰富了传统金融数据的量和值。
首先大家知道,在中国之所以普惠金融开展得还有很大的空间,一个重要的原因就是数据不够,和信用相关的数据点不足够多,大数据从量上来讲,补充了传统金融数据。有了大数据之后,如何能够去找到数据点之间的关联,如何通过大数据技术真正做好客户画像、真正做到满足客户需求,做好风控。我举三个例子:
一个例子是我们现在和美国知名的电商平台eBay合作,向华东华南中国的商家把中国的东西卖到美国去,很不容易,解决他们的资金需求。客户把他在eBay平台上的交易信息提交给我们,授权给我们,我们大数据抓取技术和eBay合作,抓到这些信息,同时还有申请人的其他相关在虚拟体系之中的一些信息,提交给我们之后,几毫秒就可以抓取下来,然后去做一个金融审核、风险控制的决策。我们从几个月前开始合作,到现在,一会儿我的同事会更详细地有这方面的数据,几千万的借款额度,到现在还没有违约。而且几乎100%的循环贷,就是一次它是比较短期之后再来,所以跟实体经济的接轨是非常明显的。
第二个案例,刚才徐司长讲到农村大有可为,我们在农村创新推广了一个叫“小微租赁”的模式,解决农村的农业集约化、自动化问题。农户现在十万二十万三十万想要买拖拉机、烘干塔这样的工具,过往没有这样的钱,我们说你可以通过租赁的方式租这些农机具。在租赁过程之中,我们把每一个农机具上有传感器、有跟踪器、有基于GPS等等各种数据收集的技术,把数据收集来,然后加以分析。刚才徐司长说,知道他的地点,知道他的使用情况如何,给我们提供了大量的信息。否则的话在边远的农村,每天这样作业的情况如何得知?所以这样的小微租赁的方式,满足了广大农户十万二十万三十万购买农机具的需求。我们在过去两年的时间里边,在东北三省、内蒙等等,特别是到两个农忙季节小微租赁火得一塌糊涂,贷后管理风险非常低,由于大数据技术的使用。这是第二个案例。
第三个案例,我举线下小微是如何能够获取到这样的信息。线上小微,刚才讲在电商平台之上有很多的信息,线下小微哪里来信息?我们给小微企业主和客户提供我们云平台,云平台上有很多这样的能力建设的工具,其中包括如何做好CRM,如何做它的ERP,如何做它内部的员工管理等等这样的一整套的工具,我们的小微业主可以通过云平台很便利地去购买多一个账户又一个账户。不像原来他如果想买一套软件的话,门槛非常高,首先价格很贵,另外万一坏了的话谁给他修等等。所以小微企业触网,小微企业能够用到高科技去,让自己在经济转型的前提下如何去改变商业模式非常艰难。这种云平台,这种云计算的平台可以去帮助小微更好地开展业务。与此同时,它的大量的数据,外部的客户数据、内部的员工数据、运营数据等等就在这个平台之上得以积累。过往也有一些技术像基于德国IPC(音)技术看电表水表的技术也好,但是成本高,规模化推广难度大。但是给小微沉淀大量这样的工具,我们拿回来做分析,我们的专家有世界级的分析数据的能力,一会儿有同事也会跟大家分享。
我们的数据有四个来源:一个是我们大数据抓取能力在虚拟体系之中,每天、每时刻都在抓取信息,有移动互联网上的、互联网上的爬虫,抓来之后建立知识图谱,不同数据点之间如何去做关联,这是一个数据源。第二个数据源是我们和合作伙伴合作获取的数据,例如刚才跟eBay合作获取的数据。第三,客户授权给我们自己的数据,现在它可以把自己的社交网络、把自己个人的身份信息等等数据源授权给我们,我们获取数据。第四,宜信在过去八年半服务了200万小微、工薪农户,以及千万级的申请了但是没有被批准的申请人的数据。所有的这四个数据源放在一起,构成了我们的数据来源。那么数据来了之后,我们通过强大的大数据分析整理,建知识图谱,画更好的用户画像。我们现在也在把这些能力去以一个云平台的方式,使宜信大数据金融云平台不仅服务我们自己,同时也要服务于互联网金融的方方面面,服务于我们的商家、合作伙伴。希望在普惠金融整个新生态圈之中,可以以大数据、金融平台为支撑,使普惠金融插上翅膀。文章来自:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 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 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20