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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01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