京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、场景、供应链,下一个陆金所会是谁
大数据,一直就像青春期的性,谈的人很多,真正做过的却没有几个。话虽然这么说,但是这丝毫不会影响大家对于“性”、“荷尔蒙”的青春幻想。
不知道各位朋友有没有注意到,假如你去京东看了某个商品,那么接下来,你在浏览其他网页时,一定会看到你曾经浏览过的商品广告。
这就是大数据,它跟踪记录了你的“痕迹”。大数据是广义的概念,并非仅仅指数据本身,含义比较广。大数据的产生,可能有以下五种途径:
1、官方数据
你在银行系统、通信系统的任何一次动作,相关官方机构,都会有备份。
2、购买产品或者购买服务留下的信息
如果你经常在淘宝上购买商品,那么在你消费一定频率后,系统可以根据你的消费情况,判断你下次可能会购买什么,例如女性,则可能根据一定的算法,推断出你下次例假将要来时,你可能需要购买的相关物品,网站直接进行推荐。
O2O的打车服务,根据你通常的打车路径和时间,下次到点时自动推断你可能的需要服务。
3、快递公司
快递公司,拥有用户大量的购买信息、住宅地址信息,这些信息的价值不言而喻。
4、社交数据
无论是Facebook还是微信,社交数据基本是涵盖面最为广泛的,你在会与人进行网络交往中,会无意识的暴露数据。
5、手机系统
小米的MIUI系统,天生就是个数据偷盗狂魔;360的各种安全卫士,为你数据备份;这些手机上的APP总是明着暗着窃取你的私人数据。
全国范围内,数据最为好用方便的是官方数据;数据目前最具应用价值的是阿里的消费数据;数据最多最全的是腾讯社交数据;而手机APP和快递公司的那些数据,总显得那么有点“不道德”。
数据本身的价值,需要去挖掘,例如京东白条、花呗,这属于大数据应用里面的消费金融;芝麻征信、腾讯征信,这属于互联网征信;
当然在笔者看来,他们最渴望实现的价值可能是想依托自身的产品或服务,成为一个“账户”式工具;有了刚需、高频的账户,那么就是下一个“支付宝”、“微信支付”啊!超级入口无论是推广自己的产品还是服务,一切都是那么轻松。
DT时代的大数据金融,前景很值得期待,只是大家有些不成熟,“荷尔蒙”这样的事情,当然是成熟起来的果子会比较好吃。
场景化互联网金融
所谓的场景化,就是活动具体化、可见化;放在互联网金融行业,就是贷款者在资金的用途方面,是定向的而不是自由化的。
国外的LC、Prosper等网站,都会披露贷款者的钱具体应用到哪。国内虽然有披露,但是很多都以理财计划的形式进行,这也可以理解为贷款而不是场景化;由于投资人的钱不知道去哪了,因此里面就会存在一个“黑盒子”区间,无论是平台还是借款者,操作空间就大了;大的自由活动区间,意味着不确定风险;
而当具体场景化后,上面的这些问题,就都可以迎刃而解。场景化意味”阳光化”,乱七八糟的东西就无处可逃。
这是从狭义层面理解场景化的互联网金融,它更多侧重于不存在“黑暗且不确定的可操作区间”。
从广义的理解,场景化意味着是具体的生活场景。这些场景可能是购物场景、娱乐休闲场景、乘车出行场景亦或生产加工场景,这些场景对应着确定的信息流、资金流,场景化金融就是这样诞生的,它也意味着具体的、透明的、确定的互联网金融。
1、购物场景
各大电商平台,基本都会推出分期购物;当然电商平台,也会把这些分期购物产生的“优质资产端”进行资产证券化处理,例如京东白条的证券化。
这些电商平台,一方面是促进销售,平台的GMV;另一方面是挣金融的钱。
2、娱乐休闲场景
社交场景、游戏场景是娱乐休闲场景的典型代表。腾讯游戏在这方面,可以说是集大成者,开创了一个王国。具体可以参见下面这个逗比图片:
确实,当你发现游戏的充值,装备的购买,能够让你有那种虚假的成就感时,金融的就来了。笔者也是玩过网游的人,可以设想一下,以大话西游这款游戏为例:假如你在交易平台上,购买了一件很昂贵的装备,你没有去卖出,这个装备,就是你的资产;剩下的问题就很简单了,因为随着你的升级,你可能不需要这件装备,但是在持有这个装备期间,是否能够给予玩家一定利得呢?笔者设想了两种:
给予收益或者利息呢?这对于吸引玩家的作用,那是不言而喻的;
以游戏装备的估值为基础,可以在游戏平台上,进行信贷借款;
由于笔者是一名“资深不要脸的”人民币游戏玩家,所以非常期待上述场景展开。
3、乘车出行场景
要论当下最为火热的O2O共享经济,uber、滴滴快的就当仁不让了。
身边很多朋友,超级喜欢用这两款搭车软件,除了每天的上下班,出去办事也都会用这些软件,正是由于刚需、高频,造就了这样的超级APP。在支付车费时候,互联网金融的生意就诞生了。于是今年三四月份的时候,滴滴快的推出了属于他们自己的钱包。
4、生产加工场景
这个方向的场景,以企业为主;强调核心企业上下游生产销售,产生的真实关系,在此基础上,展开供应链金融。
场景化的互联网金融,说到底,就是资产端质量高,中间资金需求方、平台操作空间小,说到底是安全。
强势的供应链金融
这一部分,也是上面的谈到的场景化的互联网金融——生产加工场景。
基于核心企业上下游生产销售的真实关系,展开信贷或者抵押金融活动,缓解供应链企业的资金紧张局面。
为什么笔者对此比较看好呢?首先笔者表明一下,说这个是有一定的私心的。主要是基于目前国内制造业的萎靡不振,实体经济不景气,让人难以接受;在先前的文章中,也多次表达对经济“脱实入虚”、制造业“空心化”的担忧,而供应链金融,包括整个互联网金融的最初出发点,都着力解决这个矛盾。或者这就是知识分子的“德与道”吧!
其次,供应链金融,有其自身优势:
1、违约成本相当昂贵,导致违约概率小
不担心你不还钱,因为你违约,代表着你以后无生意可做,除非经营性破产,那个谁也没办法。博弈论里面有一个观点,在进行长期多次选择时候,大家都倾向于遵守规则(也就是长久利益最大化);而江湖式的一次性买卖,大家都倾向于背叛(也就是当期利益最大化)。
由于供应链是一个长期关系,相关企业除非没法混了,一般不会违约。
2、展开供应链金融业务的核心企业,有足够动力
大家可以看看目前做供应链金融的新希望集团、五粮液集团等,这些企业为自己上下游企业,展开互联网金融业务,原因两个方面:促进自己业务拓展,生产顺利进行;通过供应链金融,也适当挣点钱。
其实,他们的逻辑,和京东等电商企业类似,只不过京东白条的资产端,最后是选择了证券化处理,卖给了机构;而供应链金融,选择直接接受广大互联网金融投资人的资金而已。
3、核心企业,很好的掌握了风险
由于真实生产关系,长期的接触,核心企业对于需要融资的供应链上的企业,财务状况、生产状况、品德状况,自然是一清二楚,这也算是一种“熟人借贷”吧,知根知底,风险自然小。
供应链金融,在全球范围内,它有前景,但天花板也是看得到的;而且在笔者看来,对于核心企业而言,有一定“自融”性质;只不过这种“自融”,是没有直接股权关联的“自融”。
以上谈论的三个方向,笔者较为看好。当然,也可能出现别的潜力无穷的方向。
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