京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国的大数据处于割裂状态_数据分析师考试
首先任何制度、创新都是有路径依赖的,没有过去就没有现在。所以肯定是从过去到现在。我相信P2P这个行业,包括它的风险管理,也是这样的。所谓innovation,我专门查过它的字根,来自希腊语。这个字根的本意是说结合现有的资源、结合我们现在有的资源重新通过它的要素重新组合,然后产生一个新的事物。所以P2P的风险管理应该也是这么一个规律,它是从过去的一些东西发展到现在。
P2P的风险管理,还是用了很多传统的方法,而且每个平台因为本身发展路径不同,可能有不同的一些特色。比如电子商务平台转过来的做金融的,可能更多依赖的是原来的基础,电子商务的交易数据和原来的一些积累;如果从银行转变过来做互联网金融的可能依托于原来风控的一些逻辑,然后延伸到现在。
陆金所是从平安这么一个原来传统的金融机构发展过来的,所以它的风险管理以及P2P的模式也是以原来的客户的数据、原来做金融业务、消费信贷业务、保险业务、银行业务数据为基础,发展的路径我相信每个机构都是不一样的。所以风险管理也是依托于过去的这么一个发展的手段。P2P风险管控的手段,实际是很成熟的原来在传统金融机构里使用过的,然后结合P2P的特点进行一些改造。
刚才主持人谈到新的这么一个行业,谈到大数据的问题。实际互联网管控风险现在包括学术上、各种行业讨论里,都经常提到大数据的问题。大家普遍都认为,大数据是一个因为互联网技术产生的新的风控的管理办法。这是非常值得期待的一个办法。通过大数据来管理。
但是从我个人的角度来看,我觉得现在的大数据可能还不能称之为大数据,可能还是小数据。因为每个平台、每个机构观察到的数据都是一个行为的侧面,并不是整体性的数据。我们做风险管理的人知道,实际最有意义的数据应该是关系型的数据,而不是割裂型的数据。割裂以后的数据或者某个侧面的数据,在风险管理应用上的有效性会大打折扣。但是很遗憾,我们现在大数据的发展在国内每个机构拥有的实际都是基于原生的经营管理产生的,无论历史多长,比如原来传统的大型金融机构积累了很多年历史的数据,数据量很大,有些电商平台积累了一些电商平台上的交易数据。都是每各机构从各自侧面有一些数据的分析。但是这些数据实际到目前为止,我感觉还是处于一种分割、割裂的状态。
我们中国基础设施建设享誉全球,但是对数据建设这一块,一直没有被提到一个很好的议事日程上来。所以我想借这种机会,也呼吁我们下一步所谓软实力的建设,应该更加注重数据基础设施的建设。因为很多数据的整合和数据的集合,还是需要政府的力量。可能商业机构不一定能完成。为什么这么说?因为感觉大部分的数据,关于我们每个人的数据,很大一部分是掌握在政府部门相关的手里。比如税务数据、社保的数据、交通的数据、养老的数据,方方面面,这些数据割裂在不同的政府部门里。所以我们呼吁政府加快数据基础设施的建设,使我们风险管理的水平、数据的完整性,在保护隐私、消费者权利的前提下尽可能整合,为金融行业、社会商业环境提供一个更好的基础设施。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06