
淘宝和网利宝都在用大数据挣钱,你造吗
2003年淘宝诞生,成功超越易趣 (eBay),仅仅数年又成为了中国最大的网购零售平台,也让中国迎来了网购行业的新纪元。
有消息称,淘宝2014年“双11”全日交易额达571.12亿元人民币。不难想象,淘宝如此巨大的交易额背后是有多么庞大的用户群在支撑!据不完全统计,淘宝拥有5亿左右的注册用户数,每天有超过6000万的固定访客,可以说淘宝的成功源于数据的积累!
马云曾说,阿里巴巴本质上就是一家数据公司,做淘宝的目的也不是为了卖货,而是获得所有零售的数据和制造业的数据;做物流也不仅仅为了送包裹,而是要把这些数据合在一起。阿里巴巴对你的了解远远超过你自己,尤其是承载着所有数据的电脑系统会更了解你!如今,我们正从IT时代走向DT时代,即从information technology转向data technology。
阿里巴巴是国内互联网大数据的先驱。自淘宝诞生之初,为了赶超易趣,开始搜集每天的数据,逐渐增强了对数据的粘性。2005年,淘宝研发了第一个数据产品,并迎来第一个数据分析师,成立了第一个数据部门。长期的数据积累、分析、运用,让马云意识到“数据产品要建在一个平台上才有更大的价值”。2008年,国内还没几个人谈论“大数据”的时候,阿里巴巴就把其作为一项公司基本战略,开始建立一个囊括所有与消费相关的数据平台,再以该数据平台为中心建立数据交易中心。
在某种程度来讲,大数据是互联网、信息化程度不断加深的产物,未来将发挥有着强大的功能。大数据的运用让一切变得更加透明,这也要求企业的营销策略要发生重大转变,要以我为中心变成以他人为中心,尤其是要以客户为中心,满足用户的友好体验。
尤其是在新兴的互联网金融领域,不少投资者因“风险控制”对P2P心存芥蒂,平台跑路、平台自融、自设基金池等诸多问问频频出现,引发了诸多思考,但从投资人角度来讲最关心的莫过于资金安全问题。从行业的发展来看,很多有第三方担保机构、小贷公司、即便是有银行托管的平台,都难以打消投资者的安全顾虑。其实,在DT时代,数据才是最有说服力的。不管是客户的营销,还是风控,如果能将大数据合理运用,都将事半功倍!
作为互联网金融行业的新秀,网利宝在细分领域里也做着像淘宝一样的事情。
淘宝给买家和卖家提供了一个交易的平台,而网利宝的本质也是一个信息中介,给借款端和融资端提供交易的场所。在网利宝,有借款需求的中小企业可以借钱,有投资需求的客户可以理财,双方自由交易。
目前,网利宝已经研发了自己的IT数据系统来防范风险。
网利宝CEO赵润龙说, IT数据系统的运用,对于网利宝的成本、效率、风控水平都有很大的提升。
以前,如果企业去银行贷款,银行需要先行派专人考察,调研,才能办理,但人是有成本的,不管是100万贷款,还是1个亿的贷款都要从头到尾摸个遍,以传统人的方式做风控对中小企业实际上物力成本、时间成本是非常高的,尤其是对于中小企业这种短期资金周转服务,银行是就不太愿意去做的。
IT数据系统强调贷前数据的积累,打造风险闭环。
因为网利宝专注于做企业信贷业务,当确定要和哪个行业合作后,首先会找到行业里龙头合作伙伴,一般是与大型企业或者上市公司绑定战略合作,通过该行业里的网络布局,实现IT数据系统的数据对接,这些数据往往是关于行业细分领域里中小企业的。其中,网利宝后台IT系统是收集核心数据的关键所在,可以通过模型分析,确定企业信用好坏,是否符合信贷标准。这样一来,网利宝在行业每个细分领域里涉及的风控模式基本上都是打造风控闭环。
此外,该数据系统在数据录入上没有容量限制,在数据的分析、使用上也更加智能、高效、便捷,也有效保障了网利宝即使交易达20亿,也无一例逾期或违约。DT时代,网利宝完全依赖数据对客户的信用程度作分析,将数据转化为信用,将信用转化为财富,克服了传统银行冗杂的审核程序、低效和高成本等难题。
如今,互联网金融正用互联网的技术、互联网的思想影响、完善,甚至改变着传统行业。网利宝业内独创“产融结合”模式,以产业为切入点,深耕行业细分领域,用互联网金融的方式为产业链中下游一些有借贷需求的中小企业提供融资支持,已经涉足汽车、红木、物流、珠宝、光电等十个传统行业,并在以互联网思维带动这些行业的转型。作为一个在线理财服务平台,网利宝打破传统理财的限制和模式,以专业、高效、贴心的金融服务为近30万的客户带去了极致的投资体验和私人理财的服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04