京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国不会只有一个大数据金融云如何做大市场蛋糕很关键
“在与金融云的合作中如何界定风险损失的权责?”“如何在抓取中规避数据被故意改动的可能性?”“通过金融知识图谱推定的借贷人信息准确概率如何?”5月15日晚,西南财大光华讲坛上,意犹未尽的听众纷纷抛出关心的议题。
这场以“金融创新之大数据云”为主题的演讲遇到热情的背后,正是金融企业亟待转型的现实需求。
作为主讲人,宜信公司高级副总裁、大数据创新中心总经理张小沛将大数据金融上的探索方向描述为“金融云平台”。其在接受金融投资报记者专访时表示,未来金融与场景的结合必将成为大潮流,而通过大数据金融云构建的生态体系,会让金融服务无缝发生。
A
突破风控手段局限性
当金融开始走向普惠,传统金融征信手法不能完全满足互联网金融业务风控需求的问题也随之暴露。不过,在金融遇上大数据之后,这个缺失已久的信用体系有了搭建的可能性。
在张小沛看来,风控、反欺诈、获客能力等,正是“金融云平台”的核心内容。她指出,在以往的纯线下流程中,信贷审核员需要一系列表格与流程核实贷款申请人的各项事项。而借助大数据分析方法,凭借在用户授权的情况下搜集到的数据,以及相关模型,就可以帮助信贷审核员实时得到这一申请人的信用分析结果,进而令“实时授信”成为可能。同时还可根据数据分析的结果,对不同信用等级的人进行风险定价,实现更加多元化的业务组合。
金融知识图谱正是这个体系的关键所在。“通过将宜信多年来记载贷款及风控数据,以及爬虫得到的互联网公开数据、合作伙伴授权的数据分类整合,通过算法和专家系统的经验,就形成了知识图谱。”张小沛表示,这有助于对个人的性格特征、信用状况、财富属性有更深层、更全面的理解。
B
打造生态场景无缝嵌入
“知识图谱”的构建,也为获客、实时授信、产品个性化推荐、贷后管理等诸多应用场景提供了可能性。通过将这种金融能力向生态系统的合作伙伴去分享,就可以为大数据提供新的变现手段。“金融云的服务是对外开放的,合作伙伴们可以按需购买,比如需要做流动性贷款,就可以只寻求风控系统方面的合作。”张小沛认为,未来金融往下走,与场景的结合成为大潮流,而通过大数据金融云构建的生态体系,将会让金融服务无缝发生。
一个通过云数据将金融和相关产业聚合起来的巨大生态圈也由此形成。
值得关注的是,随着大数据的风靡,人们也越来越担心自身的信息安全,由此带来的数据修改或无可避免。如何保证数据的真实性?对此,张小沛表示,在具体的操作中,为了尽可能的对数据去噪,应该使用多方数据来进行交叉验证,同时通过数据门槛,去伪存真。
C
共同做大“金融云”版图
“我从互联网出身,现在跨界来做金融,其中有很多可能性。”张小沛说道。而对于在成都感受到的热情,她向记者表示,这说明很多人对这个领域都有好奇心。“成都作为西南的重镇,有很多传统行业,通过科技、大数据、或者说移动互联网的很多技术手段,其中都蕴含着机遇。”
值得注意的是,希望通过大数据做开放金融云平台的,并不仅仅是宜信,其中就包括同样在做“生态系统”的阿里金融云。
面对随之而来的竞争,张小沛很坦然。“中国最终不会只有一个生态体系,而会是多个生态体系并存,就如同银行中的五大行。同时,以金融为核心竞争力的,未来也不会只有一家,不过想要建立双赢或多赢的生态服务体系,门槛还是非常高的,预计最终不会超过10家。”
事实上,张小沛指出,目前数据的价值刚刚被唤醒,大数据+金融其实还有很大的市场空间。在中国整体大市场下,实体对金融的需求如此旺盛,但传统的金融机构满足传统的普惠金融需求方面其实是一个很大的缺口。“做市场份额有两种途径,一种是市场份额只有这么大,大家都来争夺,你多我就少,”张小沛说,“但我们更看重另一种,即蛋糕现在如此之小,大家应一起来做大,这样首先多数人都可以从金融普惠中,满足融资需求,且成本更低,速度更快。而作为从业者,也能够获得对应的份额。”
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