京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据征信是互联网金融的一大“法宝”_数据分析师
揭牌设立互联网金融产业园,成立贵阳互联网金融协会和贵阳互联网金融研究中心,组建贵阳互联网金融产业投资发展有限公司……目前,贵阳的互联网金融产业已初具规模。
互联网金融在经济社会发展中扮演什么角色?大数据征信如何与互联网金融契合?贵阳大数据交易所对互联网金融有什么作用?针对这些问题,近日,记者专访了财新专栏作家刘新海。
互联网金融给金融业带来活力
作为依托于支付、云计算、APP等互联网工具的新兴金融,互联网金融逐渐被用户熟悉和接受,是传统金融行业与互联网精神相结合的新兴领域。
“互联网金融把新的IT技术与金融相结合,在现代金融业中已逐步具有影响力。”刘新海说。
刘新海认为,目前,在发展规模和实际利用价值两方面,国内互联网金融在金融业中所占的比重较小。而且,互联网金融下的P2P平台等新形态信用风险管理仍在尝试中,需要进一步加强探索。
尽管如此,互联网金融已成为金融业的一种新形态,满足普惠金融的趋势,适应了当前信息产业发展中的刚性需求,已逐步影响着人们的生活方式,发展潜力巨大。“互联网金融在当前信息产业中比较流行,这是金融业不能回避的,是未来发展的大方向,将给金融业带来生机和活力,推动传统金融变革。”刘新海说。
在大数据时代,互联网金融呈现出的多种形式把以大数据为代表的现代信息技术和应用结合起来,构建了新的商业模式,满足了投资、借款等不同需求。
“面对互联网金融带来的机遇和挑战,传统金融已经开始有动作了。”刘新海指出,三四年前,很多银行对大数据不太上心。随着互联网金融逐渐成为金融新形态、大数据概念的兴起,包括银行在内的金融业开始重视大数据的应用,以实现变革。
大数据征信有助于加强风险管理
“随着互联网金融的发展,大数据征信将成为其规范运作的一大‘法宝’,需要一个从各处收集数据并进行数据处理的大数据征信机构。”刘新海说。
简单地说,征信记录了个人或法人组织过去的信用行为,这些行为将影响其未来的贷款、借款等经济活动,征信借助大数据技术将有助于互联网金融的风险管理决策。目前我国正处于市场经济转型期,征信体系建设处于初级阶段,和传统征信相比,大数据征信虽面临很多挑战和考验,但也是互联网金融发展的一种必然趋势。
刘新海说,征信是金融的基础设施,好比“先修路可以更好地发展经济”一样。大数据是征信发展的新动力,作为面向未来互联网金融的征信新模式,基于大数据技术的征信利用先进IT技术,打破了信用强相关、以信贷数据为主要指标的传统征信模式,引入了大量的社交网络、行为习惯等信用弱相关数据,特别是对于征信记录缺失的人群,大数据征信能一定程度上加强信用风险管理。
“贵阳发展互联网金融有很好的顶层设计,在发展大数据产业中,应进一步抓住机遇,促进互联网金融规范发展。”刘新海说,在未来,数据量会从个人消费者数量和相关信用描述数据项维度两个方面飞速增加,大数据技术对征信业务的渗透性将会越来越强。当前,贵阳发展大数据产业有着特殊的新的模式,在未来的发展中,把大数据与征信结合起来,能促使互联网金融长足发展。
传统征信的基础须进一步稳固
“目前国内的征信处于起步阶段,应进一步稳固传统征信的基础,将加强大数据征信作为补充。”刘新海认为,政府应积极发挥作用,打牢互联网金融发展基础,在大数据产业发展中,可在初始阶段借助行政手段把当地的信用信息整合起来。
在发展大数据产业中,贵阳以社区、城市为单元,整合企业所掌握的行业数据及政府所掌握的卫生、教育、交通等部门数据,并结合政府开放的数据,到2017年,在贵阳市形成一个区域的块上集聚的大数据公共平台,创建全球首个块上数据集聚模式。
刘新海说,类似于贵阳市“块数据”公共平台,在征信方面,政府可从基础服务入手,促进征信机构整合个人税收、养老基金、社保等非金融数据与贷款、还款等金融信息,这样使没有贷款历史的人也被纳入征信体系中,不仅可以稳固传统征信基础,还可以为互联网金融提供评估数据。
4月14日,全国首个大数据交易所——贵阳大数据交易所正式挂牌运营并完成首批大数据交易。刘新海认为,贵阳大数据交易所的做法新颖,是有市场需求的商业行为,为互联网金融提供了一种新模式。在大数据产业发展中,贵阳还应继续加强类似的大数据产业基础设施建设,进一步加强立法和个人隐私保护的配套,储备大数据人才。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25