京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,重要的不是数据
大数据这个词,近几年来被各路人马“爆炒”。各种论坛、会议,言必谈大数据。“大数据”已经成为了商界的“网红”。跟风说上两句“大数据”就似乎是贴上了“时代先锋”的标签。2017年博鳌论坛也未能“免俗”,“大数据”再次现身,不过,这次来了一群天天与大数据打交道人,他们的观点却是——大数据时代,重要的不是数据。
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。2017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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21