
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29