搜索
LOGO第1页CONTENTSPAGE2目录页•大数据金融•互联网征信•互联网征信的典型案例TRANSITIONPAGE3过渡页第一节大数据金融LOGO第4页第八章•第一节大数据金融一、大数据金融定义麦肯锡公司在《大数据，是下一轮创新、竞争和生产力的前沿》的专题研究报告中对大数据下了定义，即大数据之大是指数据量大到超过传统数据处理工具的处理能力，是相对和动态的概念。此外，大数据又被引申为解决问题的方法，即通过收集、分析海量数据获得有价值信息，并通过实验、算法和模型，从而发现规律、收集有价值的见解和帮助形成新的商业模式。2012年，联合国发布大数据政务白皮书《大数据促发展：挑战与机遇》，IBM、EMC（易安信公司）、甲骨文、谷歌等跨国IT公司纷纷发布大数据产品，大数据成为席卷全社会方方面面的技术浪潮。LOGO第5页第八章•第一节大数据金融一、大数据金融大数据的运用尚处于起步阶段，先行的企业主要是创新能力强、重视客户体验价值的互联网行业。大数据金融是互联网金融区别于传统金融最本质的因素。大数据金融的作用机制是通过云计算等智能信息工具对序列之间的联系、动态信息数据序列进行分析，大幅度提高金融风险定价的效率，降低定价成本，有效减少信息不对称，使得单个客户的信用信息、消费倾向、理财习惯分析成为可能，在此基础上衍生出很多互联网金融的新模式。图8-1大数据金融是传统金融数据+互联网金融数据LOGO第6页第八章•第一节大数据金融二、大数据金融的应用金融授信可以说是大数据最早应用的领域之一，基于大数据对用户信用风险进行判断是一个重要的方向，尤其是在未来线下生活服务全面互联网化的趋势下，线下零售与服务的具体交易数据很可能被交易平台获得。（一）大数据授信大数据具有流式处理能力，可以实现对用户的动态评估，即交易风险的判断。（二）交易风险控制LOGO第7页第八章•第一节大数据金融二、大数据金融的应用（三）提现预测目前互联网金融的一个很大的特点就是打破了原来流动性和收益率不能兼得的障碍，现在很多“宝宝”类互联网基金能够两者兼得。如果在技术层面能够实现大数据对互联网基金产品的支撑，会做得更高效。（四）营销监控与评估大多数人都关注营销的最终效果，比如组织一场营销活动看最终转化了多少用户，其实很多环节会影响到用户的转化，包括哪些是关键影响环节，各环节对转化率的影响度是多少，用户接触情况，产品吸引性，消费滞后性等，这些都需要依赖大数据给出更准确的答案。LOGO第8页第八章•第一节大数据金融二、大数据金融的应用（五）流失预警通过大数据分析可以洞察用户在整个相关产品里的使用行为，预警潜在的用户流失风险和用户去向。（六）精准营销通过大数据，完全可以获得某个人的消费能力、喜好、习惯、社会关系等，从而可以准确地知道向他推销什么产品他会更乐意接受。LOGO第9页第八章•第一节大数据金融三、大数据金融运营模式平台金融模式平台金融模式是指平台企业通过互联网、云计算等信息化方式对其长期以来积累的大数据进行专业化的挖掘和分析，并与传统金融服务相结合进行服务模式创新，为客户提供资金融通的服务，以阿里小贷为代表。供应链金融模式供应链金融模式是指核心龙头企业依托自身的产业优势地位，通过其对上下游企业现金流、进销存、合同订单等信息的掌控，依托自己资金平台或者合作金融机构对上下游企业提供金融服务的模式，以京东、苏宁为代表。LOGO第10页第八章•第一节大数据金融三、大数据金融运营模式•（一）大数据在平台金融的运用采用平台模式的企业平台上聚集了大大小小众多商户，企业凭借平台多年的交易数据积累，利用互联网技术，借助平台向企业或个人提供快速便捷的金融服务。平台模式的优势在于：它建立在庞大的数据流量系统的基础之上，对申请金融服务的企业或个人情况十分熟悉，相当于拥有一个详尽的征信系统数据库，能够在很大程度上解决风险控制的问题，降低企业的坏账率；依托于企业的交易系统，具有稳定、持续的客户源。平台模式的特点在于企业以交易数据为基础对客户的资金状况进行分析，贷款客户多为个人以及难以从银行得到贷款支持的小微企业，贷款无须抵押和担保，能够快速发放贷款，且多为短期贷款。LOGO第11页第八章•第一节大数据金融三、大数据金融运营模式•（一）大数据在平台金融的运用阿里巴巴集团是最早进行大数据金融模式实践的公司之一。目前，阿里金融对大数据的应用主要集中在支付宝、余额宝、阿里小贷这三款产品中，主要是为了发现风险、控制风险及对风险做出预期。表8-1大数据在阿里金融中的作用LOGO第12页第八章•第一节大数据金融三、大数据金融运营模式•（二）大数据在供应链金融的运用大数据在供应链金融中的作用是为融资企业提供授信。以京东商城为例，其以未来收益的现金流作为担保，获得银行授信，为供应商提供贷款。京东供应链金融的优势在于缓解供应厂商资金流不足的问题。京东供应链金融的劣势在于无法做到真正的普惠金融，其照顾的只是核心企业生态链中的小微企业，生态链外的企业由于无法掌握数据信息，无法得到融资。LOGO第13页第八章•第一节大数据金融四、大数据金融面临的挑战“存不下”和“查不快”，是金融机构利用大数据处理问题时面临的两大难题。可以说，人才紧缺是制约大数据应用的主要影响因素之一。无效数据的大量生产与无序流动，严重扰乱了大数据时代的正常秩序，也对数据挖掘产生了不利影响。图8-2银行的复杂数据规模LOGO第14页第八章•第一节大数据金融五、大数据金融的发展趋势（一）电商金融化，实现信息物流和金融流的融合（二）金融机构积极搭建数据平台，强化用户体验（三）大数据在金融领域的应用将更为广阔电商企业在长期发展中已经积累了大量数据和信用记录，运用这些数据走电商金融化道路已经是必然趋势。电商跨界金融给传统金融造成了较大的冲击，因此，以银行为代表的金融机构借道电商，打响反击战。目前，大数据在金融领域的应用主要集中在运营分析和征信管理这两方面。随着大数据与金融业的进一步结合，大数据在金融领域的应用将更为广阔。TRANSITIONPAGE15过渡页第二节互联网征信LOGO第16页第八章•第二节互联网征信一、传统金融征信•（一）金融征信的概念概念征信是指对企事业单位和个人的信用信息进行采集、整理、保存和加工，并为信息需求者提供信用报告、信用评分、信用评级等服务。金融征信是社会征信体系的一个重要子领域，主要用来解决信贷市场信息不对称的问题。金融征信体系包含信用信息的记录、采集和披露机制，以及征信机构、市场安排和监管体制等多个方面。金融征信的健康发展有利于金融机构控制不良资产，能够促进金融市场的健康发展。LOGO第17页第八章•第二节互联网征信一、传统金融征信•（二）金融征信的发展11988年3月，中国人民银行批准成立了第一家信用评级公司——上海远东资信评级有限公司，标志着我国资信评级企业的诞生。21992年，中国第一家从事企业资信调查的民营企业——北京新华信国际信息资讯有限公司成立。32003年，国务院赋予了人民银行“管理信贷征信业，推动建立社会信用体系”的管理职责，批准立了征信管理局，负责信贷征信管理工作。42004年人民银行建立个人信用基础数据库并开始试运行，2005年银行信贷登记咨询系统升级为全国统一的企业信用信息基础数据库。52012年12月国务院第228次常务会议通过了历时10年的《征信业管理条例》，该条例自2013年3月开始正式实施。中国征信业步入了有法可依的发展新阶段。LOGO第18页第八章•第二节互联网征信二、征信机构主要类型（一）服务型机构（二）数据型机构服务型机构以提供信用评估、信用咨询服务为主要内容，它们可以根据金融信贷机构的具体要求，采集考察对象的信用数据，分析、评估考察对象的信用水平。服务型机构通常自身并不具备显著的数据优势，但具有专业的风险评估能力，能够收集到金融机构所需要的信息，并依托专业能力对考察客体进行风险评估。据型机构通过收集第三方的数据并进行加工、整合、转换、挖掘，为金融机构提供信用评估报告和信用评分等服务。国内最为典型的数据型征信机构是中国人民银行征信中心。LOGO第19页第八章•第二节互联网征信三、互联网征信的发展（三）互联网征信机构不断扩大数据源（四）积极建立失信联合惩戒机制（五）强调对互联网征信的审慎监管（一）个人征信对互联网征信机构开放（二）逐步搭建综合信用信息共享平台LOGO第20页第八章•第二节互联网征信四、传统金融征信和互联网征信的比较传统金融征信的数据来自于借贷领域，并主要应用于借贷领域，而互联网征信获取的主要是信息主体在线上的行为数据，不再局限于金融机构和政府机构提供的个人基本信息、账单信息、信贷记录、逾期记录等。（一）数据范畴和内涵方面截至2015年底，人民银行征信系统中有征信记录的人数约为3.7亿，占我国总人口数的24.7%，远低于美国征信体系85%的覆盖率。（二）覆盖人群方面LOGO第21页第八章•第二节互联网征信四、传统金融征信和互联网征信的比较（三）信用评价思路方面传统金融征信的思路是用昨天的信用记录来判断今天的信用，这就存在两个问题，一是昨天信用记录不好的人今天是否仍然是一个高风险者；二是对于过去没有发生过信用记录的人，如何判断其信用状况。对于第一个问题，互联网征信所获取的数据可以实时地反映个人的行为轨迹，并以此推断个人相对稳定的性格、心理状态和经济状况，进而推断其未来的履约能力。第二个问题则引出了两者的第四个差异。（四）应用领域方面互联网征信因为数据来源、数据内涵、模型思路的不同，其信用评价更趋于对人的一些本性的判断。互联网征信不仅在市场营销支持、反欺诈、贷后风险监测与预警、账款催收等方面具有良好的应用表现，还可以运用于借贷以外更广的场景。LOGO第22页第八章•第二节互联网征信五、互联网征信存在的主要问题•（一）金融服务门槛高、覆盖面窄要做好个人征信业务，必须具备充分的个人信用信息或有效的个人信用数据。制约互联网征信业务发展的掣肘之一就是信用数据共享问题，政府公共部门与民营征信机构、各民营征信机构之间、征信机构与其他金融机构之间都存在着严重的部门利益和信息鸿沟，要打破这一障碍离不开政府强有力的推动。LOGO第23页第八章•第二节互联网征信五、互联网征信存在的主要问题•（二）互联网征信机构的独立性问题从基本理论和国内外实践看，征信机构不管是民营的还是官方的，都应是独立的第三方，既不能是信用信息的所有者，也不能是信用信息的潜在使用者。在征信机构非独立的情况下，信用数据信息在各征信机构之间、征信机构与其他金融机构之间也很难实现共享与交换，无形中损伤了互联网征信的准确性。在目前已经出台的部门规章和各指导意见中，均没有涉及征信机构的第三方独立性要求和具体标准，事实上这对以大数据为基础的互联网征信的健康发展埋下了隐患。LOGO第24页第八章•第二节互联网征信五、互联网征信存在的主要问题•（三）互联网征信报告的准确性问题由于互联网征信数据大多依赖零散的、碎片化的信息和一些互联网行为数据，其对每个人的信用状况水平的刻画能力常被质疑。征信数据库不是一个信息筐，什么都可以往里装。因此，在选择征信数据源的时候，应该行之谨慎，从合法、合规和合理性的角度进行综合考虑。LOGO第25页第八章•第二节互联网征信五、互联网征信存在的主要问题•（四）个人信用的法律保护问题目前，在我国还没有针对个人信息保护或应用的专门立法，一些条款散落在《宪法》和《消费者权益保护法》中，有关个人征信业务的监管也只有《征信机构管理办法》《征信机构监管征信管理条例指引》《个人信用信息基础数据库管理暂行办法》等几个部门规章予以约束。从我国的立法实践看，可以学习新加坡模式，尽快出台《个人信息保护法》，并以此为核心构建多部门联动协调的法规体系，再辅之以行业自律机制，构建多层次的法制框架。TRANSITIONPAGE26过渡页第三节互联网征信的典型案例LOGO第27页第八章•第三节互联网征信的典型案例一、ZestFinance——最热的大数据公司•（一）ZestFinance的业务形式作为一家创新型的科技金融公司，ZestFinance自创立