京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据谁玩得溜?博鳌论坛上的大咖是这么说的
又是一年博鳌聚焦全球目光之时,众多商界学界大佬悉数登场,这一次他们把注意力投向了数据的价值这个属于移动互联网时代的课题。
今年初,工信部编制并正式印发了《大数据产业发展规划(2016-2020年)》,目标到2020年,大数据相关产品和服务业务收入突破1万亿元,年均复合增长率保持30%左右。数据是国家基础性战略资源,推动大数据应用,加快传统产业数字化、智能化,做大做强数字经济,将为我国经济转型发展提供新动力。
数据的价值和应用前景毋庸置疑。在博鳌分论坛上,现场众多企业领袖表示,在大数据的应用模式上,基于用户行为分析、行为理解、行为预测的客户深度洞察,将数据封装为服务,形成对外开放、可商业化的核心能力,将带来商业模式的巨大创新。
新变革:为消费金融打开“数控”大门
大数据的普及需要创新技术的推动,如何把海量数据赋予使用价值,落实到应用场景,充分发挥大数据分析的价值是论坛的焦点。
腾云天下CEO崔晓波认为,数据的价值是能够变成企业决策的艺术。他举了一个案例,2013年他在为某股份制银行的用户做行为分析时,发现这个银行的信用卡高端客户游戏属性很重,便和休闲游戏的公司合作进行联合营销,用积分兑换游戏虚拟币,后来发现用户转化率高得惊人。这样的尝试在“大数据时代”来临之前,是没有人会想到的。
“大数据”并不是竞争力,“大数据的有效应用”才是。尤其是在中国消费升级的大潮中,随着消费金融的井喷式增长,如何利用大数据人工智能技术对消费场景、业务渠道、客户群体和风控等进行综合标准的把控,显得尤为重要。
作为中国消费金融的领跑者,平安普惠一直在积极探索大数据在其普惠业务中的应用。平安普惠副总裁兼首席市场官徐汉华分享了企业的实践经验,平安普惠依托自身在消费金融及小微企业金融服务领域累积的丰富经验,借鉴国际消费信贷行业的领先技术,凭借平安集团及第三方平台的大数据智能运用,实现无纸化全线上审批流程,并且利用数据建模、心理测量、人脸识别、微表情、时空地图等反欺诈技术为客户量身绘制信用画像,让更多人更快、更好、更方便地获得金融服务。
最新公布的中国平安集团年报显示,2016年平安普惠的新增贷款量达1,729.19亿元,同比增长257.7%,期末管理贷款余额1,466.40亿元。自开展业务以来,累计借款人总数达到377万,累计贷款量达2,719.97亿元,其中无抵押贷款量1,753.64亿元,有抵押贷款量966.33亿元,信贷损失率控制在低位的单位数。
数据价值已经越来越受重视,特别是在金融企业业务转型时期,基于数据的业务及内部管理优化使得金融领域的大数据应用市场规模在未来几年将以高于整体水平的速度增长。
新价值:破局智能风控,是企业的命门,也是社会责任
我国市场规模大,消费需求旺盛,未来越来越多的数据将被记录和整理,用户的行为信息日益丰富和完善,预测分析必定会成为大数据时代的关键技术。
“数据帮助我们更快地发现现象背后的洞察,可以让我们做更多有价值的事情。”微软全球资深副总裁、微软亚太研发集团主席、微软亚洲研究院院长洪小文说。
在我国,互联网金融行业整体环境和风险水平逐渐趋好,但行业风险仍需防范。而准确的预测分析恰恰能帮助金融机构降低因欺诈、信用违约风险导致的坏账风险,达到有效的“大数据风控”。
利用大数据人工智能技术,用海量冗杂的基础数据建立底层模型,从用户个人的消费和信贷行为中衍生出复杂的变量,最终塑造出高度精细化的风险控制模型,用以评估授信额度和还款能力,合理放贷,规避金融风险,从而促进行业良性发展。由此,数据的新价值被释放。
徐汉华坦言,在海量数据里甄别有效的信息,洞察数据背后的逻辑,采取相应风控手段是对客户和企业负责的一种体现。对于客户,匹配还款能力的授信额度才能避免征信受损,真正给客户带来金融的便利。而对于企业,风控是这个行业赖以生存的根本,只有把控好信贷损失率,才能保证企业持续发展,构建更好的信用环境。
大数据协防金融风险,推动行业的可持续发展,帮助用户理性地选择贷款产品,培养健康的消费金融意识,或为我国金融系统乃至全社会信用体系的建设,提供有益参考。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19