“互联网金融+大数据+征信”如何运转
随着P2P监管的加强,前两年热炒的互联网金融逐渐冷却。人们开始回归理性,重新审视这个“新事物”。越来越多的人开始认可互联网金融的金融本质。
从前年底开始,征信仿佛一夜之间进入到人们的视野。从第一批个人征信牌照的发放在即,到企业征信备案的收紧,征信成了金融圈2015年一个新的热点。更有很多人认为,征信将撬动一个新的万亿市场。
大数据,依然在升温,2015年的9月更是达到了一个新的高度,上升为国家战略,一时间威风八面。很多事情如果不沾上大数据的光,都不好意思出来说。
不知道什么时候,有聪明人将两个热点合二为一,产生了“大数据征信”的名词,并讯速地将其推广。互联网金融、大数据征信于是就成了2015年最亮丽的风景。
然而,互联网金融的本质是金融,那么互联网给金融带来了什么?互联网金融与传统金融有什么区别?征信,真的需要大数据吗?大数据在征信里到底起了什么作用?
1. 什么是互联网金融
越来越多的人认识到互联网金融的本质是金融,这很好,说明大家都明白起码互联网金融不等于P2P。但是在互联网金融里的“互联网“又是什么呢?它与传统金融最根本的区别在于什么?
个人认为,互联网金融跟传统金融还是有一些本质的区别。它并不是一个简单地衍生品,而是一次革命!虽然我也同意互联网金融的本质还是金融,但互联网金融是金融的互联网化。
金融的互联网化,再具体地说,就是金融的碎片化,金融的精细化,便捷化。这,才是互联网金融的核心。
如果你简单认为余额宝当年的那一场绚丽的演出只为业界带来了P2P的模式,那就太浅薄了。P2P只是表象,余额宝最大的贡献是开启了金融产品互联网化大幕!
众所周知,我国是银行大国,而非金融大国。金融产品匮乏,缺乏细分,新产品开发的周期过于缓慢。(这里的金融产品并非指理财产品。)造成这种现状的原因,就不说了,向前看。
互联网金融带给大家的是快捷的市场反应,丰富的细分产品。这也是未来银行所必须具备的能力。在我的另一篇文章中《大转折,新金融》阐述了这是一次大的转折,也必将显露出很多巨大的商机。在这次转折过程中,互联网为金融的变革做好了外围环境条件的准备。这个准备,就是大数据,就是征信。
2. 大数据
随着越来越多的人关注大数据,大数据也被越来越多的人误解,滥用。其实大数据是一个特指,并不是数据多到一定程度就是大数据了,更不是有数据就是大数据。
我们现在称“大数据”一般是指两个概念,一个是来自于互联网的海量数据,其特点是海量、维度多,非结构化和结构化数据并存;另一个是对海量数据的处理技术。因为依靠传统的数据处理技术,无法满足对海量数据秒级快速处理的需求(应用的需求,亚马逊、LinkedIn是代表),所以必须要有一种新的针对这一需求的处理技术,我们称之为大数据技术。大数据技术是一个体系,与话题无关,这里不再展开。
大数据最根本的作用也随之有两个,了解你的客户和在一些领域引入新的数据处理办法。
目前第一个“大数据”的含义已经被扩展,跨越了互联网的界限,引入了行业的数据。通过将不同渠道,不同维度的数据打通,你将可以非常清晰地勾勒出你的用户的画像。数据的丰富达到了基本完整的程度,使得我们对用户的了解,从简单的特征标签升华到了对用户的画像。这个升华就使大数据从一个可有可无的“玩具”,变成了一个很行之有效的工具。基于对用户的画像,你就可以更好地为客户提供差异化的服务;就可以更好地了解客户,从而为其提供更精准更高级的无抵押信用贷款。
另一方面,大数据的处理技术也有可能在一些传统的金融领域,尤其是风控领域发挥作用。传统的金融风控是建立在统计学的基础上,它需要依赖大样本的分析,计算的是一个概率。而现在我们经常面临的最大难题,就在于缺乏这个大样本,因为我们需要精细化和更快地响应市场。积累大样本需要时间和金钱,这显然不适应市场发展的需要。大数据的某些技术,本身就不是建立在统计学的基础上,有可能在缺乏样本的领域里发挥作用。比如,机器学习技术,被应用于反欺诈领域,就可以在缺乏样本的情况下,更为快速地发现早期异常行为。当然,并不是说大数据完全不需要数据的训练,只是可能可以在缺乏大样本数据环境的情况下,利用其他数据来弥补缺乏数据的不足,不失是一个新的手段。
无论是大数据,还是大数据的处理技术,都直接或者间接地指向了一个环节,征信。
3. 征信
现在很多人一提征信总喜欢加一个修饰词,“大数据征信”。仿佛担心如果不加上“大数据”份量就不够。
征信就是征信,是一门严谨的金融科学。是为金融风控过程中揭示金融风险而设。传统征信是建立在信贷历史记录的基础上,利用统计学的模型来展开的。虽然ZestFinance提出了大数据的征信方法,但迄今为止,还没有一个令人信服的数据表明,这一方法是行之有效的,是成熟的。所以,我们依然只能沿用传统的征信办法。
究其根本,个人认为,虽然大数据可以掌握一个用户很多方面的信息,但是只有金融属性的数据,对用户的金融行为判断才会有意义。从另一个角度来讲,用户的其他行为对金融行为的影响,都可以从具有金融属性的数据中表现出来,万变不离其宗。
貌似跟我上面的观点有冲突,其实不然。正是因为互联网金融需要更快,更精细的金融产品,所以,传统的征信不足以满足这一需求。因为暂时还没有足够的样本来揭示风险。那么这时,大数据就派上用场了。在大数据描绘的有些特定场景下,即便缺乏一些样本数据,无“经验”可参考,金融风险也是可控的。这才是大数据在金融领域的价值。而并非大数据征信是传统征信的替代品。不排除未来将大数据、大数据处理技术和金融的场景结合,可能会寻找到一条新的道路,但至少在今天,大数据和大数据处理技术在金融领域还只是有益的补充。
大数据确实可以为金融行业带来很多变化,也为金融的互联网化,碎片化,提供了保障。虽然,大数据在今天,在金融领域还是补充,但相信在未来的日子里,它将进一步渗透,走出一条创新的路。征信将融入大数据进一步细分,场景化的征信会更适合新市场的需求。这是我看到的大数据-征信-互联网金融的关系。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14