展开

关键词

2017年数据报告

二是通过大数据、云计算等手段,在风险防范、风险管方面实现了线上化和批量化。 其中,大数据技术解决了消费金融乃至小微金融领域的效率瓶颈。 目前,有能力推动大数据的主要为国有大行、股份制银行等大型银行,以及部分城商行等。互联网巨头、三运营商等由于掌握了庞大的个人数据,也开始加入到这一市场中来。 从国内金融机构应用大数据的情况看,主要将大数据应用在客户画像领域,包括风险管、运营优化、业务创新、优化营销策略等。 “白名单”主动预授信 在消费金融中,银行、互联网金融等机构开始采用前置的白名单邀请制,商业银行将主动授信用于实际业务,这是对以往被动授信模式的颠覆。 就国内商业银行而言,将风险评分等技术手段引入信用贷款模型,是一些银行信用贷款业务爆发、不良下降的核心原因。

80700

数据体系-简介

早期传统金融的主要利用了信用属性强大的金融数据,一般采用20个维度左右的数据,利用评分来识别客户的还款能力和还款意愿。 结合中国互联网发展,以及目前的征信监管要求,对可用数据及可用数据做一个全面的梳理。 2.数据来源 2.1 数据应用逻辑 常见流程中,客户准入时提供的资信材料有限,业务机构数据体量不足,仅仅根据内部风险数据进行风险评估会非常片面,无法全面的把某位客户的风险情况,所以通常需要依赖于第三方供应商提供数据作风支撑 分类:企业类型、工商数据、税务数据、发票数据、涉税数据、涉诉数据、海关数据、环保数据、信用数据、招聘数据、新闻数据、商标数据、知识产权、软件著作、受惩黑名单数据企业股权出质、企业动产质押、经营异常 4.2 明确需求 建议:回顾第二节数据应用逻辑关于业务类型、风险类型、流程、风险画像等的介绍。

1.5K64
  • 广告
    关闭

    腾讯云图限时特惠0.99元起

    腾讯云图是一站式数据可视化展示平台,旨在帮助用户快速通过可视化图表展示大量数据,低门槛快速打造出专业大屏数据展示。新用户0.99元起,轻松搞定数据可视化

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    中国大数据企业揭秘系列之航天信息

    航天信息基于17年的税务数据沉淀,在征信版块成立了爱信诺征信,主营业务是企业信用评级、企业信用报告、同业合作计数据合作业务;在互联网数据的布局成立了诺诺网,主营三业务:诺诺金服、诺诺服务及诺诺商城;在税务数据金融信息化版块与京东 除了前期的快速布局和推广,将一部分用户对电子发票的使用习惯教育起来,航天信息开始瞄准了除京东、苏宁等电商企业外的一般纳税人和小规模纳税人,同时将电子税务业务计划扩展到电商外的各行各业。 如果说2001-2013年,航天信息在防伪税方面的业务发展,实现了企业用户+服务渠道+数据(主要是税务数据)的布局,那么2014年开始,航天信息在数据方面的应用及变现规划的展开才刚刚开始。 成为航天信息在征信领域的一布局。 此时,航天信息“税务大数据+支付+征信+投融资”的生态系统已悄然形成。 李可顺,数据猿专栏专家,自媒体《大数据猎人》撰稿人。多年金融行业(基金、理财、保险、信贷等行业)相关战略研究,行业分析,商业模式搭建经验,熟悉金融+大数据++营销领域。

    71670

    中的大数据

    的意义 何为?字面含义就是对于风险的控制从而使财务不受到损失。对于任何一家金融机构(包括银行,小贷,P2P等)来说,的重要性超过流量、体验、品牌这些人们熟悉的指标。 做得好与坏直接决定了一家公司的生与死,而且其试错成本是无穷的,往往一旦发现出了问题的时候就已经无法挽回了。截止到2015年底,全国总共3000多家P2P平台里超过三分之一已经倒闭。 国际上传统的方法 的核心是要准确预测每一笔借款违约概率。显而易见,这需要量化的工具,也就是模型。 ◆◆◆ 4.机构在大数据领域的探索 我们所说的"大数据"并非指绝对的样本量的巨大,而是把常规的信贷征信数据以外的信息统一称为"大数据"。 大数据的挑战 伴随着机遇同样也有挑战。就像要有美味的菜肴,我们既需要好的材料,也需要好的厨师,当前大数据中运用的挑战主要还是在数据和人才这两方面。

    1K120

    2018中国大数据调研报告:百亿大数据市场

    22520

    机器学习与大数据

    但机器学习在中的作用究竟如何,有哪些关键技术,其优势与缺点又有哪些呢?本期硬创公开课,雷锋网邀请百融金服风险总监郑宏洲,来讲讲机器学习与大数据的那些事。 嘉宾介绍: 郑宏洲,百融金服风险总监。 而我们今天谈的机器学习主要是狭义的概念,即基于非统计原理的数据挖掘方法。 那么信贷行业对机器学习的态度可以说既拥护又谨慎。现代成熟的信贷企业,更多是依赖自动化的方式。 大数据是量化的一种新形式,出现主要的条件是,现代社会是一个信息社会,在信息和数据上极大的膨胀,这给我们有更全面衡量个体风险的机会。 区别于传统技术,大数据是在方法论上做了相应的革新。风险,即不确定性。风险管理实际上就是做量化风险。大数据是将贷款主体各个方面的属性维度做全面风险的量化。 雷锋网:机器学习做中,人工的地位与作用是怎么样的? 郑宏洲:目前一些传统的信贷企业,在规模还较小的阶段,仍存在很多通过人工审批和风经验去完成整个控管理。

    1.1K80

    【金融数据】消费金融:大数据那点事?

    数据同传统在本质上没有区别,主要区别在于模型数据输入的纬度和数据关联性分析。 风险评估过程中,如果数据纬度不全,高相关数据没有被考虑进来,对模型是一个的风险。信用风险评估模型缺少了重要风险因素的输入,其评估结果的偏离度就会较大,评估结果失效的可能性就很大。 相对于传统金融来讲,互联金融面对的客户风险较高,其面临的挑战更大,对数据对要求就会更高。 三、互联网金融行业的挑战 中国的互联网金融企业愿意从美国挖一些人才来提高自身水平。 大数据数据采集和计算能力,可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的模型、实时计算结果、坏种子数据企业可以提升量化风险评估能力。 另外黑名单覆盖率较低也是一个挑战,目前领先的反欺诈企业,其黑名单覆盖率也不超过30%。 第二种是利用共享贷款数据机制,第三方企业或者的P2P,防欺诈联盟共享贷款平台的贷款记录。

    1.5K51

    中必做的数据分析

    数据领域就没有不做数据分析的,大数据也不例外。 我的观点是和其他互联网业务都是互通的,本文介绍下风中必做的数据分析,用以说明数据分析是一通百通的。 工欲善其事,必先利其器。 01 业务理解 如果一家金融机构聘请你给他们的业务做咨询,你知道怎么办吗? 别告诉我,你想硬搬建模比赛的那套东西。不要掉价。 解决方案一定是针对当前业务和用户客群独家定制的。 转化流和行业一般情况做对比,就可以快速了解你的产品设计有没有的问题。 不同时期业务的重心可能不同,需要关注的转化也可能不同。 vintage分析把不同期的样本放在了一起,可以用来观察不同期客群风险的变化,然后确定是流量本身的变化,还是宏观形形势的变化,还是策略的变化等等。 如大家所见,在领域所在的数据分析,应该和其他互联网领域的数分并无本质区别。 因为和其他业务一样,本质都是用户生命周期管理。基于相同的底层逻辑,数据分析必然也并无二致。

    24030

    中的大数据和机器学习

    本篇文章只关注个人信用借款的。抵押贷,企业贷不在讨论范围中。 ◆ ◆ ◆ 1. 的意义 何为?字面含义就是对于风险的控制从而使财务不受到损失。 做得好与坏直接决定了一家公司的生与死,而且其试错成本是无穷的,往往一旦发现出了问题的时候就已经无法挽回了。截止到2015年底,全国总共3000多家P2P平台里超过三分之一已经倒闭。 机构在大数据领域的探索 我们所说的“大数据”并非指绝对的样本量的巨大,而是把常规的信贷征信数据以外的信息统一称为“大数据”。 大数据的挑战 伴随着机遇同样也有挑战。就像要有美味的菜肴,我们既需要好的材料,也需要好的厨师,当前大数据中运用的挑战主要还是在数据和人才这两方面。 2015年4月,基于8年累计的行业内最大最长的信贷历史数据,拍拍贷发布了业内第一个基于大数据建模的系统—魔镜。自从上线以来,魔镜在有效地控制风险的同时,也极大地提高了效率。 ?

    49930

    只招2个人,企业能做好内容吗?

    企业自己建设管理能力相比,腾讯云的解决方案显著地提升了企业在内容方面的效率和质量。 企业仅需1人进行代码维护,1人定期审查审核结果,即可享有高达每日10亿次的审核处理集群,且内容识别准确率高,可覆盖上百的审核场景,还能为企业节省90%的成本投入。 看下图更直观地对比 01 快速高效,覆盖多种媒体数据类型 COS内容审核依托腾讯安全20年数字内容安全运营经验,可以快速高效地完成对图片、音频、语音、文本等多种媒体数据的审核,为企业提供成熟的云上内容审核解决方案 还兼容各种地方口音的普通话,高效协助用户审核处理音频数据。 COS内容审核场景适用于众多行业,尤其是社交平台、在线教育、电商平台以及游戏行业,这些行业都具有数据多,增长快,数据类型广泛的特点,对数据审核的覆盖性、准确性、高效性都有极高的要求。

    24720

    产业安全专家谈|企业如何基于AI搭建内容防线?

    当前,网络信息内容安全相关的法律法规日益完善,明确提出对暴力、色情等违法不良信息的监管升级,并要求企业采用技术手段控制。内容安全势在必行,网络安全企业应当如何响应政策号召? 第三,需要迅速响应新增突发风险,甚至还要求对海量数据进行回溯,这对产品提出了更高的要求。 Q2:针对内容安全面临的挑战,目前有哪些技术可以助力企业内容体系的打造?周维聪:在内容体系中,除人审能力外,机审也是重要能力之一。 腾讯安全一直致力于为企业提供各种场景内容的服务,通过应用前沿的AI技术,可以有效地帮助企业降本增效,释放人力投入,为业务健康发展保驾护航。 腾讯安全内容总体架构由五个层级构成,最底层的是数据层,上一层是算法能力层,也即是基于AI技术构建出来的模型能力。

    11630

    只招2个人,企业能做好内容吗?

    企业自己建设管理能力相比,腾讯云的解决方案显著地提升了企业在内容方面的效率和质量。 企业仅需1人进行代码维护,1人定期审查审核结果,即可享有高达每日10亿次的审核处理集群,且内容识别准确率高,可覆盖上百的审核场景,还能为企业节省90%的成本投入。 看下图更直观地对比 1.png 快速高效,覆盖多种媒体数据类型 COS内容审核依托腾讯安全20年数字内容安全运营经验,可以快速高效地完成对图片、音频、语音、文本等多种媒体数据的审核,为企业提供成熟的云上内容审核解决方案 还兼容各种地方口音的普通话,高效协助用户审核处理音频数据。 2.png COS内容审核场景适用于众多行业,尤其是社交平台、在线教育、电商平台以及游戏行业,这些行业都具有数据多,增长快,数据类型广泛的特点,对数据审核的覆盖性、准确性、高效性都有极高的要求。

    18720

    互联网金融中的数据科学

    宜人贷数据数据科学家王婷根据自己在行业的实践经验和专业知识,从三方面来分享互联网金融中的数据科学。 ? 背景 有了互联网之后,大家可以在线上进行理财借款。 传统都是使用一些基于规则的手段。线上随着用户量和数据量越来越大,我们会使用一些数据科学技术进行线上反欺诈中规则的提取或智能欺诈风险发现。 但在国内没有权威的征信机构来提供这些数据,对于互联网金融公司来说,收集这样的数据难度非常。而且传统评分卡的有效特征挖掘非常困难。 欺诈风险:欺诈风险包含了伪冒申请和欺诈交易。 建模中的数据科学 ? 在整个中,它是一个标准的机器学习流程。除了样本和数据与普通互联网机器学习不一样之外,其它基本都是一致的。 FinGraph是线上风险统中关键的一环 ? 总结:数据科学在互联网金融中发扬 图挖掘技术可以把风工作,从局部考量提升到全局考量。

    1.2K50

    电商社交数据在大数据的应用实践

    投稿来自卧龙大数据(公众号:DataWoLong) 大数据文摘欢迎各类优质稿件 请联系tougao@bigdatadigest.cn 随着普惠金融业务的深入,以及消费金融业务竞争的白热化,针对信用白户的显得尤为重要 如何面向信用白户进行快速有效的信用评级,卧龙大数据根据自己的实践经验,就电商、社交数据上的应用价值与大家进行一些分享。 数据匹配率可以达到50%及以上,具有较大的大数据分析潜力。 实名制的普及带来的是号码资源稀缺,最大化价值利用是黑产平台的主要特点,这也给我们基于大数据的反欺诈提供了线索。 三、电商社交数据建模应用 信用评估一直是金融领域的重中之重。 附:公司介绍 卧龙大数据专注于用大数据服务金融行业,利用互联网跨域关联数据为金融行业提供、营销相关的“数据、技术和解决方案”。

    1K40

    金融数据管理——海量金融数据离线监控方法

    作者:housecheng  腾讯WXG工程师 |导语  解决金融数据监控“开发门槛高”“重复工作多”的痛点,实现PSI计算性能十倍速提升。 背景 在金融业务上,质量和稳定是生命线,我们需要对所有已经上线的要素,如策略、模型、标签、特征等构建监控。 在过去,我们部署监控的方式为: 要素负责同学在要素上线前,通过spark\sql完成对监控指标的运算并例行化; 将监控指标运算结果出库mysql\tbase,用于指标的展示和告警; 告警系统轮询指标是否异常 ,如异常则通过企业微信等推送告警消息。 ,如多数要素都涉及PSI计算,只是告警阈值不一样;指标出库、配置告警等同样是重复相似操作。

    48710

    金融科技&大数据产品推荐: 数美金融—构建立体的全业务流程体系

    从设备、注册到信贷申请,再到贷后预警等各个环节进行全方位的欺诈风险、信用风险控制,提升金融机构企业能力,减少资金与品牌损失。 信贷云也提供了一个可视化的规则引擎,该规则引擎集成数美所有的数据,并支持客户自定义的数据。客户可以利用这些数据,在web控制台灵活地配置各种规则策略。 ? 可信度和所有的风险判断结果都会反馈给客户的专家团队。 ? 信贷云集成了数美所有的数据维度,并且支持客户自定义数据,将自定义数据与数美数据联合使用。 这让金融企业面临着来自市场与黑灰产的双重挑战,并因此催生了对新金融的需求。 数美将企业沉淀数据与自身数据库相结合,一站式的帮助企业解决欺诈问题。 2) 助力金融企业服务,促进普惠金融发展 数美一直专注于大数据反欺诈领域的技术创新,通过多种反欺诈技术识别欺诈风险,借助多维度数据识别信用风险,利用多重的策略模型提升效果,进而打造立体的防御体系,为金融客户提供持续

    88430

    跑路、欺诈风波不断,大数据威力何在?

    第二类是针对互联网金融企业和金融机构提供大数据服务的第三方大数据平台服务商。 由于互联网金融行业对大数据技术的需求爆炸性增长,诞生了一批第三方服务商,他们的大数据体系具有明显的“开放性”特征,与企业及各类金融机构“共享”或“共建”大数据服务。 企业做大数据面临的问题 尽管大数据已经得到业界认可,但市场上真正将大数据做好的公司却寥寥无几,原因是什么呢? 有不少平台为了快速做大获取融资,竟主动降低要求。 国内大数据困境 除了企业内部因素以外,在外部的市场大环境中,也出现很多问题阻碍着大数据的发展。 困境一、中国征信体系不完善。 大数据的第一步就是获取数据,而我国央行个人征信记录覆盖率仅为35%,许多互联网金融企业的用户都没有信用卡,自然没有信用数据可言。

    631140

    【应用】揭秘互联网金融的大数据

    数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据,典型的场景是互联网金融的大数据。 金融的本质是风险管理,是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据识别欺诈用户及评估用户信用等级。 其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等 互联网金融的大数据并不是完全改变传统,实际是丰富传统数据纬度。 八、参考借款人社会属性和行为来评估信用 参考过去互联网金融的经验发现,拥有伴侣和子女的借款人,其贷款违约率较低;年龄的人比年龄低的人贷款违约率要高,其中50岁左右的贷款人违约率最高,30岁左右的人违约率最低 总之,互联网金融的大数据采用了用户社会行为和社会属性数据,在一定程度上补充了传统数据维度不足的缺点,能够更加全面识别出欺诈客户,评价客户的风险水平。

    64940

    金融科技&大数据产品推荐:易鑫大数据平台

    易鑫大数据平台综合了机器学习、网络爬虫、指标体系、规则引擎、图数据库、流式计算等核心技术,整合线上线下多维度数据,可支持反欺诈、信用评分、贷前审批、贷中监控、贷后追踪等全方位的金融场景。 的产品投递 1、产品名称 易鑫大数据平台 2、所属分类 消费金融 金融科技·、征信、反欺诈、大数据安全 3、产品介绍 易鑫大数据平台综合了机器学习、网络爬虫、指标体系、规则引擎、图数据库、 B 手段单一,欺诈专业性强,难以识别 汽车贷款额度以及政策激励下申请门槛的降低,催生了大量专业欺诈人员,导致欺诈行为识别难度加大。 -所属企业及介绍 - 易鑫集团是业内唯一一家获得腾讯、京东、百度、易车等重量级战略投资人注资约100亿元的企业。 成立三年多来,易鑫集团发展突飞猛进,目前,已完成智能数据控管理、资产管理三中心的核心布局。2016年,易鑫平台的交易量超过26万台,总交易规模超过270亿元。

    1.3K120

    相关产品

    • 营销风控

      营销风控

      食品、饮料、酒类、日化等快消厂商的一物一码营销活动中,黑产会利用大量的小号、僵尸号码、甚至批量自动工具参与活动,给厂商造成损失。营销风控服务(Marketing Risk Management,MRM)通过独有的腾讯安全风控模型和 AI 关联算法,帮助您快速识别恶意请求,精准打击“羊毛党”,提升资金使用效率,还原数据真实性。

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券