根据不完全统计,2016年9月大数据行业共计发生34起投融资事件,相比上个月环比增长3%,其中已披露具体金额的有28起,涉及金额52.69亿人民币。 图表 1:2015年7月-2016年9月 大数据领域投融资情况 数据猿制图 从公布融资轮次来看,本月获融资的企业有16家为A轮,10家为天使轮,4家为B轮,2家为C轮,1家IPO融资,1家战略投资。 图表 2:2016年9月 大数据企业募资轮次分布 数据猿制图 从投融资领域的分布看,2016年9月,大数据行业应用方面,发生了20起投融资事件,
导读:金融是与我们数据人紧密关联的属性,我们总是要与钱打交道的。说道金融,自然会想到银行。大数据能够为银行做些什么呢? 随着移动互联网、云计算、物联网和社交网络的广泛应用,人类社会已经迈入一个全新的“
数据猿导读 对于相对保守的中国人,除了住房和汽车贷款之外,大家对真正意义上的消费金融服务的认知还是不多。偶尔发生的负面新闻也让普通人对消费金融产生了一些不信任。对于大多数人来说,消费金融究竟意味着什么
Apache Hadoop目前市场上主流的大数据研发技术之一,基于 Hadoop 开源框架开发的一个开源的分布式存储、分布式计算平台。
大数据风控同传统风控在本质上没有区别,主要区别在于风控模型数据输入的纬度和数据关联性分析。据统计,目前银行传统的风控模型对市场上70%的客户是有效的,但是对另外30%的用户,其风控模型有效性将大打折扣。 大数据风控作为传统风控方式补充,主要利用行为数据来实施风险控制,用户行为数据可以作为另外的30%客户风控的有效补充。大数据风险控制的作用就是从原来被拒绝的贷款用户中找到合格用户,识别出已经通过审核的高风险客户和欺诈客户。 一、银行信用风险控制的原理 金融行业中,银行是对信用风险依赖最强的一个主体,银行本质
2017年大数据风控报告:金融科技重塑银行风控,大数据反欺诈和信用评分模型助力银行信贷业务。报告分析了大数据在金融风控领域的应用,包括反欺诈、信用评分模型、风险识别等。同时,报告也介绍了国内企业征信市场的发展情况,包括信用评分模型、风险识别等方面的应用。
数据分析专家谢士晨做客数据猿,听听这位日本名古屋大学博士都说了些啥?
大数据真的是越来越火了,但凡什么创业公司吹牛的时候就喜欢宣称自己使用了大数据技术,使用了数据挖掘、机器学习。外行人听起来云里雾里、不明觉厉,听说某名校还专门成立了大数据专业。
大数据文摘“金融与商业专栏”视角集中在金融及商业决策分析相关的大数据分析文摘,内容涵盖金融、信贷、风控、投资、理财、商业等领域。鼓励独家首发与观点原创,行业前沿理论分享,国外优秀文章翻译以及行业领袖采访演讲编译,力争刊出更多金融和商业领域相关精品文章。欢迎各位同行及对数据分析感兴趣的朋友加入,共同分享交流。 欢迎熟悉外语(含各种“小语种”)的朋友,加入大数据文摘翻译志愿者团队,回复“翻译”和“志愿者”了解详情。 大数据文摘翻译作品 作者:Pam Baker 翻译:秦时明月 校对:袁君洋 欢迎个人转发朋友
量化派是一家金融大数据公司,为金融机构提供数据服务和技术支持,也通过旗下产品“信用钱包”帮助个人用户展示经济财务等状况,撮合金融机构为用户提供最优质的贷款服务。金融的本质是风险和流动性,但是目前中国对于个人方面的征信行业发展落后于欧美国家,个人消费金融的需求没有得到很好的满足。按照央行最新数据,目前央行征信中心的数据覆盖人口达到8亿人[1],但其中有实际征信记录的只有3亿人左右,有5亿人在征信系统中只是一个身份证号码。此外,我国还有5亿人跟银行从来没有信贷交易关系,这5亿人对金融部门来说是陌生人。这样算下来
清华大学数据科学研究院执行副院长韩亦舜在会上做了《大数据时代的思维转型》的报告 12月8日,中国(廊坊)大数据产业周大数据产业转型升级高峰论坛在廊坊开发区召开。与会专家和业内人士认为,在新的大数据时代,人人都应该具备数据意识、数据思维、数据行动。随着互联网、信息化的发展,生活、生产和社会等各个环节都在被数据化,这也是未来发展的趋势,并且谁的数据化程度高,在未来的竞争中谁就占优势。 清华大学数据科学研究院执行副院长韩亦舜在会上做了《大数据时代的思维转型》的报告,跟大家分享了大数据的价值所在以及大数据时代的思维
天创信用总经理李文贤:金融科技加速金融变革
首先交通方式目前广义上主要分为四大类:铁路、公路、水路,航空,每一样如果再细分的话,又能分出很多种类,种类繁多。那如题所示,对于交通领域内目前已经开放的数据其实不是很多,而且大多数数据都还处于孤岛状态。今天着重为大家介绍交通领域内已经可以应用的高速大数据、车辆大数据、ETC大数据、运力大数据、运政大数据这几类数据资源。
移动互联网的迅猛发展催生了更多创新和颠覆的模式,传统金融正受着巨大冲击。当前,随着微众银行微粒贷上线,加上现金贷、随意借、手机贷等平台,通过移动端贷款的平台也越来越多。 与此同时,以友信为代表的部分P2P平台也纷纷抢滩进入移动金融领域,“移动借款”正在从一个尚且新鲜的认知逐渐成为P2P行业的普遍共识。 对此,业内人士表示,通过移动端来贷款确实更加方便,不过可能更适合一些金额较小的贷款,同时,通过移动端等纯线上模式完成贷款,仍需依靠大数据的发展和不断完善征信体系。随着大数据、云计算等新一代互联网技术的迅速崛起
数字是理性的,金融不总是理性的 金融,是人类自己制造的时光机。金融的初心,则是帮助人类突破约束条件,在不确定的未来中追求更大的自由。 古时的共享食物,今日的基金、股票、债券,都是一种金融安排,通过共担风险和共享利益,人类得以规模化地实现增长和繁荣。 金融拓展了人类计算未来的能力。特别是近两年,得益于政策支持,普惠金融站上了风口,使得原本没有机会享受金融服务的人群也能获得服务,其中的关键点和难点,是贷款的可获得性。 然而数字是理性的,金融不总是理性的。近两年信贷公司赴美上市潮引发各方争议,今时贷款有普惠金融的
数据显示,中国大数据IT应用投资规模以五大行业最高,其中以互联网行业占比最高,占大数据IT应用投资规模的28.9%,其次是电信领域(19.9%),第三为金融领域(17.5%),政府和医疗分别为第四和第
大数据文摘翻译:岳辰 校对:Yawei Xia(转载请保留) “大数据”是否能辅助我们做出更好的贷款选择?这是一个实时热点的问题,因为一些由硅谷大公司创投的初创公司正在使用大数据技术,以提供短期小额贷款。这些公司希望能帮到68万被联邦存款保险公司(FDIC) 称为很难获得贷款的美国人。他们之中,要么没有信用记录,要么信用记录很差 这些公司会处理各种数据,从Facebook的朋友数量到用户是否定期交话费,甚至用户们花了多长时间去填写贷款申请的数据也不会放过。这些公司声称能用这样的方法选取可信的借贷者,而并
首先,我们回顾一些基本定义与假设。P2P市场为“网络借贷是指个体和个体之间通过互联网平台实现的直接借贷。”[2]利率决定一般是平台决定借款利率或者贷款人自主决定,这里我们假设是贷款人自主决定。网络借贷信息中介机构“以互联网为主要渠道,为借款人与出借人(即贷款人)实现直接借贷提供信息搜集、信息公布、资信评估、信息交互、借贷撮合等服务。”[2]作用是降低信息不对称,减少成本。另外,也假设不存在增信与担保等外部因素影响借款人贷款人行为。当然“禁止向出借人提供担保或者承诺保本保息”[2],“不得提供增信服务”[2]也是监管要求。
数据动态,让您了解数据新变化、新创造和新价值。 一、通信行业数据动态 1 浙江省与华为公司签订战略合作协议。根据双方签订的协议,华为公司将在浙江投资建设华为全球培训中心,加大华为杭州研究所的研发投入,
现在P2P借贷领域的许多人,包括我自己,都喜欢使用借贷平台提供的大数据来分析趋势和帮助自己更好地了解借款人,以及分析他们的行为,从而来控制我们在 P2P借贷市场上的风险。借贷平台的网络属性使得许多早期的零售投资者是以技术为导向,因此一直存在着一种误解就是,要想成为一名成功的投资者,你需要学 会了解并利用大数据。如果你愿意自学一些信贷和金融技术来帮助你在P2P借贷领域做出更好的投资决策,你就会知道事实并非如此,而且可谓是大错特错 大数据并不能解决所有问题,你需要了解在关于大数据在P2P借贷
数据猿导读 这是属于消费金融的时代。在大数据技术与金融科技的驱动下,消费金融的市场容量正以前所未有的速度扩张。越来越多企业积极发力消费金融市场,这里面不乏银行机构、小贷公司、互联网巨头、金融科技公司、
来源:腾讯研究院 作者:蔡雄山 李思羽 蔡雄山 腾讯研究院法律研究中心首席研究员 李思羽 腾讯研究院助理研究员 2016年1月6日美国联邦贸易委员会(FTC)发布了一份题为《大数据:包容工具抑或排
金融科技&大数据产品推荐:金鹏汽车金融大数据风控系统
在数据智能时代,重视数据安全,促进大数据行业健康发展已经成为了全球趋势,但与此同时,企业之间数据孤岛的问题也越来越严重。如何有效打破数据孤岛,进行跨组织的数据价值挖掘,是困扰数据智能行业从业者的一大难题。而“联邦学习”将成为解决这一行业性难题的关键技术。
从“e融”到“智多星”:江苏银行如何利用大数据实现弯道超车
数据资产化已成为企业数据资产管理的最重要的环节,怎样识别数据资产、利用现有的数据资产创造价值,将是企业不得不面临的一个课题。
◆ ◆ ◆ 本文简单探讨P2P市场机制,在此基础上探讨匹配撮合服务的可能性。 ◆ ◆ ◆ P2P市场机制基本定义与假设 首先,我们回顾一些基本定义与假设。P2P市场为“网络借贷是指个体和个体之间通过互联网平台实现的直接借贷。”[2]利率决定一般是平台决定借款利率或者贷款人自主决定,这里我们假设是贷款人自主决定。网络借贷信息中介机构“以互联网为主要渠道,为借款人与出借人(即贷款人)实现直接借贷提供信息搜集、信息公布、资信评估、信息交互、借贷撮合等服务。”[2]作用是降低信息不对称,减少成本。另外,也假设
数据猿导读 近年来,随着互联网金融行业野蛮生长,各种跑路、欺诈案件层出不穷。因此,越来越多的P2P信贷平台开始重视风险控制,急需第三方征信平台为其提供征信服务,从而有效管控客户信用风险。 记者 | 春
Hadoop大数据技术影响到人类生活的各个层面,同时伴随着互联网技术快速发展和数据的高速增长对现代政府机构、企业、事业单位、其他组织以及个人都造成了重大的影响。
<数据猿导读> 腾讯与钱升钱宣布战略合作,利用大数据系统防范金融风险;Twitter惨被“打脸”,杰克·多西账户遭遇黑客袭击;华中大数据发布交易平台2.0版,以“活数据”提升环境安全等级……以下为您奉
随着大数据炒作期的结束,国内外大量企业开始投入大数据实战,大数据生态产业链逐渐形成。整体而言,全球的大数据应用处于发展初期,中国大数据应用才刚刚起步。目前,大数据应用在各行各业的发展呈现“阶梯式”格局:互联网行业是大数据应用的领跑者,金融、零售、电信、公共管理、医疗卫生等领域积极尝试大数据。现阶段制约大数据发展的因素有三方面,分别是数据、技术和应用。
DT君继续要说说金融领域的大数据应用。来自TalkingData的首席金融分析师鲍忠铁老说自己是“首席布道师”,DT君觉得名副其实,因为他一上来说话就是金句:大数据不是为了锦上添花,而是为了雪中送炭。
数据将是未来银行的核心竞争力之一,这已成为银行业界的共识。在大数据时代,银行所面临的竞争不仅仅来自于同行业内部,外部的挑战也日益严峻,互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理经
当前,因为云服务、人工智能以及虚拟现实等应用和技术的发展,“大数据”的重要性愈加凸显。比如人工智能技术和产品应用,在这之中,深度学习算法是AI产品能够实现“智能”的根本,而算法的高效是通过大量的数据训练来获得的。
2016年8月,社交软件Facebook成功申请了这样一项专利:当用户申请贷款时,如果该用户的社交网络上好友的平均信用等级达到了最低信用分要求,贷款才能获得通过。 随着互联网技术与金融不断融合,把社交
金融科技&大数据产品推荐:易鑫大数据风控平台
转载自某网站 改革了金融圈的科技,FinTech,你必须了解,在美国有着广泛影响度,但是在中国却没有发展起来!原因是什么?之前对这个科技有所了解的,你需要深入知道它对未来金融领域的影响。如果你还不知道,那可能你不是一个合格的财经人,你需要一点知识的普及。 在纽约,如果和朋友聚会没聊到FinTech,都感觉自己不是纽约客。金融科技创新,已经成为当下最热门的领域。本文作者Ryan在全球前三大对冲基金Och-Ziff Capital任量化分析师,曾在瑞士信贷信用衍生品交易部门工作。Ryan毕业于卡内基梅隆大学
随着互联网金融的迅猛发展,传统银行也更加重视“大数据”的价值。利用POS机交易流水分析数据的贷款业务,已成为银行深耕小微市场的又一战场。 POS网贷最快2分钟可放贷 去年10月,中信银行携手银联商务推出了“POS商户网络贷款”业务。据了解,只要贷款申请者是银联商务提供服务的POS商户,能提供半年的POS收款量数据,并拥有房产,便可申请贷款。贷款金额最高可达50万元,期限最长90天。交易流水越多额度越高,随借随还,按日计息,日息万分之五。 中信银行网络银行部一位负责人介绍说,这是一款无抵押、无担保的小额短
当前大数据价值变现概念很热,但很多人会觉得是炒作,很多有数据的企业也迟迟未动。究其原因,大家对这个东西还是不熟悉,觉得商业模式不成熟,加上充斥着大量关于大数据隐私安全的争论,就更犹豫不决了。那么如
随着大数据炒作期的结束,国内外大量企业开始投入大数据实战,大数据生态产业链逐渐形成。整体而言,全球的大数据应用处于发展初期,中国大数据应用才刚刚起步。目前,大数据应用在各行各业的发展呈现“阶梯式”格局
金融创新很大一部分原因在于大数据和金融之间的结合。纵观BAT、京东、小米、万达、平安这些把触角伸到互联网金融领域的巨头,无一不是在大数据层面上有所布局。大数据和金融相结合,几乎已经成为金融领域的通用做法。 金融数据都像是金矿,价值含量、挖掘成本更重要 谈数据必须先谈数据的完整度和价值含量。就像煤矿一样,大数据中的价值含量、挖掘成本比数量更为重要。非结构化数据,就像是有杂质的煤矿,无法直接使用。大数据还需要进行脱敏、提纯、结构化,才能变成可以被直接运用于商业层面的有价值的信息。 BAT三家公司
中国已到数字化革命阶段!如何把数据大变成大数据,如何把大数据变成数字产业经济已经成为一轮科技革命,那么最近有不少的做大数据的公司被查,又是为何?
国际范围来看,年轻的消费者都是信贷需求比较强烈的人群,但是因为传统银行要求借款者数年的信用和从业记录,这一群体的信贷服务并不是很通畅。如果一个人很年轻并且没有很多信用交易经历,那么他将可能经历一段痛苦的申请个人贷款之路。国内外传统银行之外的新兴金融机构对这一活跃人群充满了兴趣,针对传统信用评估数据不足的情况提出大数据信用评估的方法,纷纷尝试对这一人群开展金融信贷服务。 美国的P2P信贷机构UpStart就是其中的一家。戴夫·吉鲁(Upstart首席执行官,前谷歌的负责人)认为目前的信贷体系存在漏洞。他表示说
【案例】融360:智能金融系统建设最佳实践案例
大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,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。 金融的本质是风险管理,风控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风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右,包含年龄、职业、收入、学历
一、当前风控模式现状 近年来,信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。 因此,科技较为领先的金融服务公司会选择采用模型方式完成对借款人的自动评估与审批。目前,对于信贷审核来说主要基于的风控模式为IPC、信贷工厂、大数据三种,每一种都有自己不同的侧重点。 二、最核心的风控模式分类 1.IPC模式 IPC模式起源于德国邮储银行,该模式重视实地调查和信息验证,主要通过对客户经理调查走访、信息交叉验证等方面。需要对客户经理进行至少2个月以上的专业技术培训,提升客户经理辨别虚假信息能力和编制财务报表的技能,从而防范信用风险。 IPC公司信贷技术的核心,是评估客户偿还贷款的能力。主要包括三个部分:一是考察借款人偿还贷款的能力,二是衡量借款人偿还贷款的意愿,三是银行内部操作风险的控制。每个部分,IPC都进行了针对性的设计。 这种模式主要运用于数据缺失、不具备财务管理环境、银行流水不完整,信用记录空白等的小微企业,其中,信贷员负责整个过程,从接受客户的申请到信用检查、现场信用、风险评估再到匹配贷款、付款催收和逾期付款。对信贷员的专业技能要求较高,信贷员对贷款全流程把关,一定程度上确保了项目的真实性。但又因为是以信贷员为核心,以信贷员的判断为依据,有一定的操作风险与道德风险。 2.信贷工厂模式 信贷工厂模式是新加坡淡马锡控股公司(Temasek Holdings)为解决小微企业信贷流程的弊端,推出了一种改善小微企业信贷流程的“信贷工厂”模式,“信贷工厂”意指银行像工厂标准化制造产品一样对信贷进行批量处理。 具体而言,就是银行对中小企业贷款的设计、申报、审批、发放、风控等业务按照“流水线”作业方式进行批量操作。在信贷工厂模式下,信贷审批发放首先要做到标准化,每个流程都有确定的人员分工,如客户经理、审批人员和贷后监督人员专业化分工。并且为了监控风险采用产业链调查方法,从不同角度对借贷企业进行交叉印证。 信贷工厂模式的特点是效率高,可以进行量化审核。过程之间环环相扣,对每个环节都有专人把控具体的把控。正因为这样,意味着需要消耗大量的人力成本,每个流程都需要对口的人员做支撑。 3.大数据模式 大数据风控模式是指通过对海量的、多样化的、实时的、有价值的数据进行采集、整理、分析和挖掘,并运用大数据技术重新设计征信评价模型算法,多维度刻画信用主体的“画像”,向信息使用者呈现信用主体的违约率和信用状况。 大数据模式是基于互联网的兴起,该模式利用互联网数据的连通性,对触及到的风险的数据进行筛选,大大减少了人工审核的时间成本,同时也保证了数据结果的真实性。 三、P2P公司个人信贷评分卡模型 我们先讨论下如何从实际业务出发,以怎样的开发流程才能建立一个有效、有用、有价值的模型,希望读后能给你一定的启发。
数据猿导读 房产抵押贷款、按揭贷款是银行或其他金融机构以借款人提供房产或地产作为还款物质保证的抵押贷款。它是房地产信贷业务的主要形式,在贷款业务中占据非常重要的地位。 本篇案例为数据猿推出的大型“金融
今天,无论是大多数人已经离不开的手机应用,还是日新月异的可穿戴设备、智能家居、甚至无人驾驶汽车,都在提醒我们,以互联网、云计算、大数据为代表的这场技术革命正引领人类社会加速进入农业时代、工业时代之后的一个新的发展阶段——数据时代。 前两个时代分别以土地、资本为生产要素,而正在我们面前开启的数据时代,正如其名,数据将成为最核心的生产要素。 然而这个新时代的巨大价值有时近在眼前,有时却又似乎远在天边。尤其在商业的语境下,一些问题始终萦绕: 例如“客户第一”,这难道不也是传统商业的信条吗,加上“数据”,客户第一
领取专属 10元无门槛券
手把手带您无忧上云