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
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