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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09