
大数据来自民众 大数据服务民生
近日,在由中国国际友好联络会主办,《财经》杂志承办的主题为“新经济、新平衡”的“三亚?财经国际论坛”上,由宜信公司等机构联合举办的高峰论坛“大数据与金融服务民生”形成了大数据与普惠金融的舆论热点。论坛所在三亚喜来登饭店的会场座席之外堆起了厚厚的站立听会的人墙,演讲专家的观点受到各种媒体的广泛传播。
在“大数据与金融服务民生”高峰论坛上,海南省政府金融工作办公室主任王年生,宜信公司CEO唐宁,IDG资本合伙人李丰,宜信公司高级副总裁、大数据创新中心总经理张小沛,中央财经大学教授黄震等众多互联网金融和大数据专家围绕“利用金融服务实现大数据变现”、“大数据与金融服务民生”、“大数据与监管变革”等时代性话题深入阐述,其观点相互弥补或撞击,凸显了大数据在普惠金融中受到高度重视、广泛关注。
专家指出,互联网金融是把互联网的优势和金融的专业优势相互结合,彼此借势形成的一种新兴产业。现代互联网金融中,金融体系需要与大数据紧密结合,金融机构通过客户的消费数据、金融活动和财务状况进行分析,从而为客户制定个性化服务,并有效做到风险控制规避。客户从各项消费活动中为企业提供大量有效数据,企业利用这些数据创造更多利益的同时又为客户提供更多的服务,更有效的做到大数据来自民众,大数据服务民生。
专家在论坛上透露,在传统金融受到互联网冲击的同时,一些不良因素也出现在其中,发展互联网金融需要做到合理监管。专家提到四项监管选择:适度监管、分类监管、协同监管和创新监管。强调要侧重互联网金融交易秩序管理,按“公平、公正、公开”的原则规范互联网线上交易的秩序,实现交易活动透明化,做到不仅线下交易有组织监管,线上交易一样可以有组织进行规范。
中国银行业监督管理委员原副主席蔡鄂生指出,大数据不在大,不在多,而在全面性。大数据的采集需要科技和技术的支撑,信息的不对称是金融行业存在的最大风险。信息不对称会造成信息的失灵,引起判断的错误,引发风险。大数据对于传统金融业已经且必将展现更多的作用。
宜信创始人兼CEO唐宁指出,大数据提升了传统金融数据的量与质。宜信在探索普惠金融八年多的实践之中,尝试利用大数据做好客户画像、风险控制、服务小微企业和有资金需求的公众,效果很好,心得很多。在中国,普惠金融开展得不够,一个重要的原因就是数据不够,大数据补充了传统金融数据。有了大数据之后,如何能够去找到数据点之间的关联,需要通过大数据技术真正做好客户画像、满足客户需求、做好风控。他举例说,宜信在农村创新推广了一个叫“小微租赁”的模式,解决农村的农业集约化、自动化问题。农户现在想用十万、二十万、三十万买拖拉机、烘干塔这样的工具,过往没有这样的钱,宜信指导农户以租赁的方式租这些农机具。在租赁过程之中,宜信把每一个农机具上装上传感器、跟踪器,基于GPS等等各种数据收集数据,然后加以分析。这样的小微租赁的方式,满足了广大农户购买使用农机具的需求。过去两年,宜信在东北三省、内蒙等地农忙季节推出的小微租赁很受欢迎,但由于大数据技术的应用,贷后管理风险非常低。宜信的数据有四个来源:一是随时抓取来自移动互联网上的信息,抓来之后建立知识图谱,在不同数据点之间建立关联,形成数据源。二是和合作伙伴合作获取数据。三是客户授权的数据。四是宜信在过去八年多服务200万小微、工薪用户的数据。对这四个数据源,宜信通过强大的大数据分析整理,建知识图谱,为用户画像。目前,宜信大数据金融云平台不仅服务自己,也可以服务于互联网金融的方方面面,服务于商家和合作伙伴。实践表明,大数据正在为普惠金融插上翅膀。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30