2014年，互联网金融界最火的名词非P2P莫属，伴随着平台数量和类型的快速增长，业界对于P2P业务未来的成长性和发展性，也不禁产生了更多的期待。“大数据”一词，近两年与P2P行业联系紧密，前沿的互联网科技不仅为金融行业带来了更多活力，也帮助P2P行业实现快速成长。 实际上，互联网大数据技术对于P2P公司扩张企业边界，同样具有重要意义。 人言“它山之石可以攻玉”，阿里今年“双十一”物流配送体系在数据的流转和分享模式方面创新，或许可以给我们一些启发。 为应对飙升的物流运量，“双十一”期间，
1. 风控的意义 何为风控？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，风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控做得好与坏直接
本篇文章只关注个人信用借款的风控。抵押贷，企业贷不在讨论范围中。 ◆ ◆ ◆ 1. 风控的意义 何为风控？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，风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控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大的，往往一旦发现风控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。这其中除了一部分明显的自融欺诈外，大多数平台垮掉的原因还是风
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
法律大数据专题文章计划： 《大数据解读2014年中国裁判文书公开》系列文章，通过业界领先大数据分析技术，对公开裁判文书大规模分析、统计，在全量数据基础上对裁判文书公开情况量化评估。本系列文章具有尝试研究性质，文章的数据全部来自互联网公开数据，所得结论仅用于研究讨论目的，本文的评价依据均来自数据，不代表本文作者及作者所在机构立场。 本文大数据技术源自法海风控网(http://www.fahaicc.com)、法数研究平台(http://www.falvdata.com)的技术底层：天罗采集系统、无量存储系统
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
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。
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
◆ ◆ ◆ 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
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
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
2016年6月29日，在中国电信与银行行业互联网+金融合作研讨会活动中，中国电信北京研究院大数据专家杨哲超，为国内各大银行的领导们带来了题为《中国电信灯塔大数据金融征信解决方案》的分享。中国电信灯塔大
一提到hadoop相信熟悉IT领域或者经常关注互联网新闻的朋友都应该很熟悉了，当然，这种熟悉可能也只是听着名字耳熟，但并不知道它具体是什么东西，或者用来做什么。这些都不重要，重要的是你知道有hadoop这么个东西就可以了。
又是一年“双十一”，阿里巴巴以571亿元的交易额刷新纪录。在畅享消费盛宴的同时，互联网销售大数据为众多保险公司提供了必要的数据支持，同时成为其发展、创新的主要依据。 大数据采集 电子商务对于保险公司而言，不仅只是一个工具，还是一块等待开发的大蛋糕，通过有效的数据支撑，使得保险公司能容易获取丰富的客户数据，用以提升销售和营销策略。 来自于中国平安的公开数据显示，“双11”购物节期间，中国平安官方旗舰店于11月11日上午9:35即实现总成交金额过亿元，成为金融保险行业内最快过亿元的官方店
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
《清华金融评论》授权转载，转载请征求版权方同意。 [官网]：http://www.thfr.com.cn 官方微信： thf-review（订阅号） thf_review（服务号） 文/刘新海、丁伟 本文编辑/《清华金融评论》贾红宇 近期，美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧，其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中
《清华金融评论》授权转载，转载请征求版权方同意。 [官网]：http://www.thfr.com.cn 官方微信： thf-review（订阅号） thf_review（服务号） 文/刘新海、丁伟 本文编辑/《清华金融评论》贾红宇 近 期，美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧，其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金 融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于
近期，美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧，其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。 ZestFinance简介 ZestFinance，原名ZestCash，是美国一家新兴的互联网金融公司，2009年9月成立于洛杉矶，由互联网巨头谷歌（Google）的前信息总监道格拉斯·梅瑞
聚信立创始人兼CEO罗皓在会上表示，随着政策的开放，国民消费习惯的改变以及金融机构的不断涌现，这给大数据风控提供契机的同时也伴随着大挑战，比如：如何满足这些没有信用记录的新型消费者并对其进行风险控制
近年来，Hadoop技术，大数据研发产品在国内迅猛发展，其在不断的发展中解决了传统数据库无法胜任海量数据处理的问题，以及结构化和非结构化数据统一起来进行数据分析、建模和挖掘得到了更高效的处理方案。这一切都归因于Hadoop的开源工具，依靠其自身优势实现对大容量数据计算存储。
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、工
【前言】本文对于大数据征信做了透彻的分析，启示了国内存在非常好的投资机会，本文有很好的借鉴意义。希望本文作者联系我们。 本文编辑/《清华金融评论》贾红宇 近期，美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧，其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。 ZestFinance简介 ZestFi
相信在十年前，不，甚至可以缩短到3年前，没有人能想到自己登陆QQ、浏览网页的行为可以影响到今天能否获得一笔资金。如果这笔资金用来解燃眉之急，你会感恩或痛恨曾经的一些行动。在这一系列动作里关乎两个关键词：数据和信用。 近日，微众银行为已经被互联网金融烧得火热的大数据产业再添了一把火。虽然有燎原之势，但是这个火苗还只是星星之火。 大数据魔力是什么？ 虽然是星星之火，但是不可否认其燎原之势。人类想通过数据探索另一个人的形态的愿望从未停止，相面、星座、血型、算命在某种程度上都是数据运用的一个侧面。
金融科技&大数据产品推荐：蜜蜂+蜜罐报告——基于互联网大数据的风控技术服务平台
作者：李文哲 摘自：普惠大数据中心 导读 知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融， 知识图谱可以有哪方面的应用呢？ 目录 1. 什么是知识图谱？ 2. 知识图谱的表示
“大数据”概念的最早出现，是从2012年2月份纽约时报一篇文章开始的。到目前为止，在大数据领域当中的投资已经越来越热，该领域企业越来越多。但是，有多少公司到底真正使用的是大数据?我相信几乎没有太多，这
以下为分享实景全文： 我先从征信的概念说起吧，因为这个概念曾经让我很抓狂。放贷机构之“征信”是放贷机构基于内部信息的风险管理过程，而征信行业之“征信”是为放贷机构的风险管理提供外部信息支持的活动，包括
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
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
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
数据猿导读 在目前的互联网金融市场上，有60%的损失来自于欺诈，这60%里面又有80%—90%属于集团欺诈。因此，风险控制就成为互联网金融发展的必要基础。而在实施风控过程中，其核心在于如何通过大数据以
近日，著名数学家、中国科学院院士、北京大数据研究院院长鄂维南教授，带来“信息化、大数据、智能化”的主题报告。报告从大数据和人工智能的发展入手，探讨大数据与各行业和领域的深度融合，以及大数据的技术创新和产业发展之道。鄂院士指出，“工业化的核心是出现了‘会劳动的机器’，而智能化的核心将是创造出‘会学习的机器’。这将对很多领域带来彻底的改变。下一阶段人类生产力显著提高最主要的机会就在于智能化。”
当前，各种高科技不断应用于互联网金融领域，无论是传统金融，还是互联网金融，都将面临高科技带来的技术革新的机遇，同时，也意味着一旦在这场攻守战中失败，则很可能被市场淘汰出局。 “人脸识别”和“大数据”是近几年在互联网金融中运用最广泛的两种方式之一。谷歌、苹果、百度等国内外知名企业，以及以微众银行、网商银行、众可贷为代表的互联网金融企业都在加速布局“人脸识别”和“大数据”。这两项技术到底有何奇妙之处？它们在加速行业发展的同时，又带给投资人哪些不一样的投资体验？ A 模式创新 互联网金融行业突飞猛进 近年来，特
导读 知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融， 知识图谱可以有哪方面的应用呢？ 目录 1. 什么是知识图谱？ 2. 知识图谱的表示 3. 知识图谱的存储 4.
养码场的线上课程，以技术人员为核心的学习、交流、分享社群，全方位服务技术人和技术创业者。这里聚集了众多BAT/美团/京东/滴滴/360/小米/网易等知名互联网公司技术总监&技术负责人，他们在这里分享经验、招聘人才，与你一起成长。
近年来，以第三方支付、P2P平台、众筹为代表的互联网金融模式引起了人们的广泛关注，该模式大量运用了搜索引擎、大数据、社交网络和云计算等技术，有效降低了市场信息不对称程度，大幅节省了信息处理的成本，让支付结算变得更便捷，达到了同资本市场直接融资、银行间接融资一样高的资源配置效率。但由于我国互联网金融出现的时间短，发展快，目前还没有形成完善的监控机制和信用体系，一旦现有互联网金融体系失控，将存在着巨大的风险。 首先是信用风险大。目前我国信用体系尚不完善，互联网金融的相关法律还有待配套，互联网金融违约成本较低，容
摘要： 随着金融市场化和利率市场化的进程，国内的金融压抑减轻之后，金融创新的高潮可能会有回落，这是必然的，未来市场会进入更加理性、平稳的发展阶段。 ◆ ◆ ◆ 金融科技即为资产创新的一种 金融科技的出现和蓬勃发展，很大程度上是由时下的经济环境决定的。从信贷周期或流动性周期来看，金融的创新是有周期性的，创新最主要的动力就来自于资金的流动性过剩，资金的本质是追求高回报，因为近年来经济形势不好、以往资金获利的能力下降，所以解决资金回报问题的方法之一是资产创新。金融科技就是资产创新的一种。 在峰瑞资产创始合伙
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
本文主要探讨了人工智能在金融领域和征信行业的应用，包括信用评分、风险控制和提升传统征信行业的决策效率等方面。同时，文章还讨论了人工智能在征信行业的监管和个人信息隐私保护方面的影响。
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
我有一个风一样的名字， 我写风险管理， 也写数据分析， 他们都叫我， 风析人。 本系列是关于风险管理， 也是关于数据分析的。 【风·析】第一文：风险管理与数据分析 1 风险管理和数据分析 风险管理，是金融各领域中与数据分析关系很大的一个方向。风险本身可看做是一种波动，损失的发生又依赖一定的概率，这就意味着，统计学里的分布、大数定律、期望、方差，在风险管理中都会派上用场，而这些东西的载体又是数据。 尤其是近年来大数据技术的发展，我们常常能听到大数据用于欺诈检测、风险预警、信用评级，这些都与数据有
1 前言 Datatable是一个Python库： 详细介绍大家可以去官网查看： https://datatable.readthedocs.io/en/latest/?badge=latest D
开展大数据审计是党中央、国务院对审计工作提出的新要求，是实现审计全覆盖的重要方法和路径。由于海量数据采集整理的有效性、被审计单位数据质量等因素影响，会产生一定的审计风险。因此，研究大数据环境下的审计风险及防范对策对于审计工作具有重要意义。
6 CloudFlare：闪耀在云端的保护神 基本情况： CloudFlare（中文意思：云闪）是硅谷诞生的一家早期企业代表，成立于2009 年，过去三年复合增速超过 350%。在 CloudFlare 保护的 200 万家网站中，绝大部分都使用其免费的基础服务，约4%至5%的客户每月支付20至5,000美元，以便获得加强版的功能，例如加密、防火墙和更强大的 DDoS 防御能力，有些客户每年甚至支付超过 100 多万美元。到目前为止，CloudFlare 已累计募集到超过 7,200 万美元的融资
电子商务供应链金融模式以中小微企业在电子商务平台交易中产生的数据作为衡量企业信用的依据，帮助中小微企业获得商业银行等金融机构的融资支持，并能有效提高小微企业的效率，中小微企业获得贷款。
作者 | STEVE LOHR 翻译 | 陈玉芬 于露 校对 | Yawei Xia 导读：新兴的金融技术公司正在开发新的贷款模型。他们利用智能软件而非人们的信用记录，挖掘大量数据，用以评估客户的信用度。 迄今为止，利用大数据的新式贷款主要面向小众群体，比如，刚毕业的大学生、移民、发薪日借款人（payday borrowers）。通常这些人要么没有，要么缺乏连续的还款记录，传统的风险评估模型难以评估他们的信用度。 例如如果一个人在网上购买很多奢侈品，人们可能会认为这个人应该有较好的信用。但事实上如果结
小时候家里没什么钱，一点点学费都得找亲戚邻里去筹借，很多时候常常碰一鼻子灰，大家并不愿意借给你。 现在不一样了，现在的信用贷款，既不用出门，又不用欠人情，甚至到账速度还超级快。 不过你知道这一切，是如何发生的吗？ 我想这得从我们的金融科技的发展历程说起。 上世纪 80 年代到 21 世纪初，金融机构开始设立 IT 部门，银行卡、ATM、证券交易无纸化等快速普及，金融服务与电子信息技术初步融合。 这个阶段我们称之为金融信息化，不过毕竟那时候我国的金融刚起步，乡下存取款还不方便，更不用说大额借款了，那个时候普
编辑导语 时代拓灵推出VR“全景声”SDK，可应用到硬件、平台、软件等;东软发布RealSight高级分析应用平台，帮助企业实现智能化运营; 智齿客服助力现金巴士，提升客服效率深度服务P2P市场;Te
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
