A. 大數據和人工智慧在互聯網金融領域有哪些應用
大
數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性
（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化
（Capitalization）。
大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金
融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。
數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融
機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。
為了駕馭大數據，國內金融機構要在技術的基礎上著重引入以價值為導向的管理視角，最終形成自上而下的內嵌式變革。其中的三個關鍵點（「TMT」）包括：團隊（Team）、機制（Mechanism）和思維（Thinking）。
1.價值導向與內嵌式變革—BCG對大數據的理解
「讓數據發聲！」—隨著大數據時代的來臨，這個聲音正在變得日益響亮。為了在喧囂背後探尋本質，我們的討論將從大數據的定義開始。
1.1成就大數據的「第四個V」
大數據是什麼？在這個問題上，國內目前常用的是「3V」定義，即數量（Volume）、速度（Velocity）和種類（Variety）。
雖然有著這樣的定義，但人們從未停止討論什麼才是成就大數據的「關鍵節點」。人們熱議的焦點之一是「到底多大才算是大數據？」其實這個問題在「量」的層
面上並沒有絕對的標准，因為「量」的大小是相對於特定時期的技術處理和分析能力而言的。在上個世紀90年代，10GB的數據需要當時計算能力一流的計算機
處理幾個小時，而這個量現在只是一台普通智能手機存儲量的一半而已。在這個層面上頗具影響力的說法是，當「全量數據」取代了「樣本數據」時，人們就擁有了
大數據。
另外一個成為討論焦點的問題是，今天的海量數據都來源於何處。在商業環境中，企業過去最關注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系統中的數據。這些數據的共性在於，它們都是由一個機構有意識、有目的地收集到的數據，而且基本上都是結構化數據。隨著互聯網的深
入普及，特別是移動互聯網的爆發式增長，人機互動所產生的數據已經成為了另一個重要的數據來源，比如人們在互聯網世界中留下的各種「數據足跡」。但所有這
些都還不是構成「大量數據」的主體。機器之間交互處理時沉澱下來的數據才是使數據量級實現跨越式增長的主要原因。「物聯網」是當前人們將現實世界數據化的
最時髦的代名詞。海量的數據就是以這樣的方式源源不斷地產生和積累。
「3V」的定義專注於對數據本身的特徵進行描述。然而，是否是量級龐大、實時傳輸、格式多樣的數據就是大數據？
BCG認為，成就大數據的關鍵點在於「第四個V」，即價值（Value）。當量級龐大、實時傳輸、格式多樣的全量數據通過某種手段得到利用並創造出商業價值，而且能夠進一步推動商業模式的變革時，大數據才真正誕生。
1.2變革中的數據運作與數據推動的內嵌式變革
多元化格式的數據已呈海量爆發，人類分析、利用數據的能力也日益精進，我們已經能夠從大數據中創造出不同於傳統數據挖掘的價值。那麼，大數據帶來的「大價值」究竟是如何產生的？
無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與
模型；IT發布新洞察；業務應用並衡量洞察的實際成效。在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角
色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。
因此，BCG認為，大數據改變的並不是傳統數據的生命周期，而是具體的運作模式。在傳統的數據基礎和技術環境下，這樣的周期可能要經歷一年乃至更長的時
間。但是有了現在的數據量和技術，機構可能只需幾周甚至更短的時間就能走完這個生命周期。新的數據運作模式使快速、低成本的試錯成為可能。這樣，商業機構
就有條件關注過去由於種種原因而被忽略的大量「小機會」，並將這些「小機會」累積形成「大價值」。
具體而言，與傳統的數據應用相比，大數據在四個方面（「4C」）改變了傳統數據的運作模式，為機構帶來了新的價值。
1.2.1數據質量的兼容性（Compatibility）：大數據通過「量」提升了數據分析對「質」的寬容度
在「小數據」時代，數據的獲取門檻相對較高，這就導致「樣本思維」占據統治地位。人們大多是通過抽樣和截取的方式來捕獲數據。同時，人們分析數據的手段
和能力也相對有限。為了保證分析結果的准確性，人們通常會有意識地收集可量化的、清潔的、准確的數據，對數據的「質」提出了很高的要求。而在大數據時代，
「全量思維」得到了用武之地，人們有條件去獲取多維度、全過程的數據。但在海量數據出現後，數據的清洗與驗證幾乎成為了不可能的事。正是這樣的困境催生了
數據應用的新視角與新方法。類似於分布式技術的新演算法使數據的「量」可以彌補「質」的不足，從而大大提升了數據分析對於數據質量的兼容能力。
1.2.2數據運用的關聯性（Connectedness）：大數據使技術與演算法從「靜態」走向「持續」
在大數據時代，對「全量」的追求使「實時」變得異常重要，而這一點也不僅僅只體現在數據採集階段。在雲計算、流處理和內存分析等技術的支撐下，一系列新
的演算法使實時分析成為可能。人們還可以通過使用持續的增量數據來優化分析結果。在這些因素的共同作用下，人們一貫以來對「因果關系」的追求開始松動，而
「相關關系」正在逐步獲得一席之地。
1.2.3數據分析的成本（Cost）：大數據降低了數據分析的成本門檻
大數據改變了數據處理資源稀缺的局面。過去，數據挖掘往往意味著不菲的投入。因此，企業希望能夠從數據中發掘出「大機會」，或是將有限的數據處理資源投
入到有可能產生大機會的「大客戶、大項目」中去，以此獲得健康的投入產出比。而在大數據時代，數據處理的成本不斷下降，數據中大量存在的「小機會」得見天
日。每個機會本身帶來的商業價值可能並不可觀，但是累積起來就會實現質的飛躍。所以，大數據往往並非意味著「大機會」，而是「大量機會」。
1.2.4數據價值的轉化（Capitalization）：大數據實現了從數據到價值的高效轉化
在《互聯網金融生態系統2020：新動力、新格局、新戰略》報告中，我們探討了傳統金融機構在大變革時代所需採取的新戰略思考框架，即適應型戰略。採取
適應型戰略有助於企業構築以下五大優勢：試錯優勢、觸角優勢、組織優勢、系統優勢和社會優勢，而大數據將為金融機構建立這些優勢提供新的工具和動力。從數
據到價值的轉化與機構的整體轉型相輔相成，「內嵌式變革」由此而生。
例如，金融機構傳統做法中按部就班的長周期模式（從規劃、立項、收集數據到分析、試點、落地、總結）不再適用。快速試錯、寬進嚴出成為了實現大數據價值
的關鍵：以低成本的方式大量嘗試大數據中蘊藏的海量機會，一旦發現某些有價值的規律，馬上進行商業化推廣，否則果斷退出。此外，大數據為金融機構打造「觸
角優勢」提供了新的工具，使其能夠更加靈敏地感知商業環境，更加順暢地搭建反饋閉環。此外，數據的聚合與共享為金融機構搭建生態系統提供了新的場景與動
力。
2.應用場景與基礎設施—縱覽海內外金融機構的大數據發展實踐
金融行業在發展大數據能力方面具有天然優勢：受行業特性影響，金融機構在開展業務的過程中積累了海量的高價值數據，其中包括客戶身份、資產負債情況、資
金收付交易等數據。以銀行業為例，其數據強度高踞各行業之首—銀行業每創收100萬美元，平均就會產生820GB的數據。
2.1大數據的金融應用場景正在逐步拓展
大數據發出的聲音已經在金融行業全面響起。作為行業中的「巨無霸」，銀行業與保險業對大數據的應用尤其可圈可點。
2.1.1海外實踐：全面嘗試
2.1.1.1銀行是金融行業中發展大數據能力的「領軍者」
在發展大數據能力方面，銀行業堪稱是「領軍者」。縱觀銀行業的六個主要業務板塊（零售銀行、公司銀行、資本市場、交易銀行、資產管理、財富管理），每個
業務板塊都可以藉助大數據來更深入地了解客戶，並為其制定更具針對性的價值主張，同時提升風險管理能力。其中，大數據在零售銀行和交易銀行業務板塊中的應
用潛力尤為可觀。
BCG通過研究發現，海外銀行在大數據能力的發展方面基本處於三個階段：大約三分之一的銀行還處在思考大數據、理解大數據、制定大數據戰略及實施路徑的
起點階段。還有三分之一的銀行向前發展到了嘗試階段，也就是按照規劃出的路徑和方案，通過試點項目進行測驗，甄選出許多有價值的小機會，並且不停地進行試
錯和調整。而另外三分之一左右的銀行則已經跨越了嘗試階段。基於多年的試錯經驗，他們已經識別出幾個較大的機會，並且已經成功地將這些機會轉化為可持續的
商業價值。而且這些銀行已經將匹配大數據的工作方式嵌入到組織當中。他們正在成熟運用先進的分析手段，並且不斷獲得新的商業洞察。
銀行業應用舉例1：將大數據技術應用到信貸風險控制領域。在美國，一家互聯網信用評估機構已成為多家銀行在個人信貸風險評估方面的好幫手。該機構通過分
析客戶在各個社交平台（如Facebook和Twitter）留下的數據，對銀行的信貸申請客戶進行風險評估，並將結果賣給銀行。銀行將這家機構的評估結
果與內部評估相結合，從而形成更完善更准確的違約評估。這樣的做法既幫助銀行降低了風險成本，同時也為銀行帶來了風險定價方面的競爭優勢。
相較於零售銀行業務，公司銀行業務對大數據的應用似乎缺乏亮點。但實際上，大數據在公司銀行業務的風險領域正在發揮著前所未有的作用。在傳統方法中，銀
行對企業客戶的違約風險評估多是基於過往的營業數據和信用信息。這種方式的最大弊端就是缺少前瞻性，因為影響企業違約的重要因素並不僅僅只是企業自身的經
營狀況，還包括行業的整體發展狀況，正所謂「覆巢之下，焉有完卵」。但要進行這樣的分析往往需要大量的資源投入，因此在數據處理資源稀缺的環境下無法得到
廣泛應用，而大數據手段則大幅減少了此類分析對資源的需求。西班牙一家大型銀行正是利用大數據來為企業客戶提供全面深入的信用風險分析。該行首先識別出影
響行業發展的主要因素，然後對這些因素一一進行模擬，以測試各種事件對其客戶業務發展的潛在影響，並綜合評判每個企業客戶的違約風險。這樣的做法不僅成本
低，而且對風險評估的速度快，同時顯著提升了評估的准確性。
銀行業應用舉例2：用大數據為客戶制定差異化產品和營銷方案。在零售銀行業務中，通過數據分析來判斷客戶行為並匹配營銷手段並不是一件新鮮事。但大數據
為精準營銷提供了廣闊的創新空間。例如，海外銀行開始圍繞客戶的「人生大事」進行交叉銷售。這些銀行對客戶的交易數據進行分析，由此推算出客戶經歷「人生
大事」的大致節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融產品的購買意願。一家澳大利亞銀行通過大數據分析發現，家中即將有嬰兒誕生的客戶對
壽險產品的潛在需求最大。通過對客戶的銀行卡交易數據進行分析，銀行很容易識別出即將添丁的家庭：在這樣的家庭中，准媽媽會開始購買某些葯品，而嬰兒相關
產品的消費會不斷出現。該行面向這一人群推出定製化的營銷活動，獲得了客戶的積極響應，從而大幅提高了交叉銷售的成功率。
客戶細分早已在銀行業得到廣泛應用，但細分維度往往大同小異，包括收入水平、年齡、職業等等。自從開始嘗試大數據手段之後，銀行的客戶細分維度出現了突
破。例如，西班牙的一家銀行從Facebook和Twitter等社交平台上直接抓取數據來分析客戶的業余愛好。該行把客戶細分為常旅客、足球愛好者、高
爾夫愛好者等類別。通過分析，該行發現高爾夫球愛好者對銀行的利潤度貢獻最高，而足球愛好者對銀行的忠誠度最高。此外，通過分析，該行還發現了另外一個小
客群：「敗家族」，即財富水平不高、但消費行為奢侈的人群。這個客群由於人數不多，而且當前的財富水平尚未超越貴賓客戶的門檻，因此往往被銀行所忽略。但
分析顯示這一人群能夠為銀行帶來可觀的利潤，而且頗具成長潛力，因此該行決定將這些客戶升級為貴賓客戶，深入挖掘其潛在價值。
在對公業務中，銀行同樣可以藉助大數據形成更有價值的客戶細分。例如，在BCG與一家加拿大銀行的合作項目中，項目組利用大數據分析技術將所有公司客戶
按照行業和企業規模進行細分，一共建立了上百個細分客戶群。不難想像，如果沒有大數據的支持，這樣深入的細分是很難實現的。然後，項目組在每個細分群中找
出標桿企業，分析其銀行產品組合，並將該細分群中其他客戶的銀行產品組合與標桿企業進行比對，從而識別出差距和潛在的營銷機會。項目組將這些分析結果與該
行的對公客戶經理進行分享，幫助他們利用這些發現來制定更具針對性的銷售計劃和話術，並取得了良好的效果。客戶對這種新的銷售方式也十分歡迎，因為他們可
以從中了解到同行的財務狀況和金融安排，有助於對自身的行業地位與發展空間進行判斷。
銀行業應用舉例3：用大數據為優化銀行運營提供決策基礎。大數據不僅能在前台與中台大顯身手，也能惠及後台運營領域。在互聯網金融風生水起的當
下，「O2O」（OnlineToOffline）成為了銀行的熱點話題。哪些客戶適合線上渠道？哪些客戶不願「觸網」？BCG曾幫助西班牙一家銀行通過
大數據技術應用對這些問題進行了解答。項目組對16個既可以在網點也可以在網路與移動渠道上完成的關鍵運營活動展開分析，建立了12個月的時間回溯深度，
把客戶群體和運營活動按照網點使用強度以及非網點渠道使用潛力進行細分。分析結果顯示，大約66%的交易活動對網點的使用強度較高，但同時對非網點渠道的
使用潛力也很高，因此可以從網點遷移到網路或移動渠道。項目組在客戶細分中發現，年輕客戶、老年客戶以及高端客戶在運營活動遷移方面潛力最大，可以優先作
為渠道遷徙的對象。通過這樣的運營調整，大數據幫助銀行在引導客戶轉移、減輕網點壓力的同時保障了客戶體驗。
BCG還曾利用專有的大數據分析工具NetworkMax，幫助一家澳大利亞銀行優化網點布局。雖然銀行客戶的線上活動日漸增多，但金融業的鐵律在互聯
網時代依然適用，也就是說在客戶身邊設立實體網點仍然是金融機構的競爭優勢。然而，網點的運營成本往往不菲，如何實現網點資源的價值最大化成為了每家銀行
面臨的問題。在該項目中，項目組結合銀行的內部數據（包括現有的網點分布和業績狀況等）和外部數據（如各個地區的人口數量、人口結構、收入水平等），對
350多個區域進行了評估，並按照主要產品系列為每個區域制定市場份額預測。項目組還通過對市場份額的驅動因素進行模擬，得出在現有網點數量不變的情況下
該行網點的理想布局圖。該行根據項目組的建議對網點布局進行了調整，並取得了良好的成效。這個案例可以為許多銀行帶來啟示：首先，銀行十分清楚自身的網點
布局，有關網點的經營業績和地址的信息全量存在於銀行的資料庫中。其次，有關一個地區的人口數量、人口結構、收入水平等數據都是可以公開獲取的數據。通過
應用大數據技術來把這兩組數據結合在一起，就可以幫助銀行實現網點布局的優化。BCG基於大數據技術而研發的Network
Max正是用來解決類似問題的工具。
銀行業應用舉例4：創新商業模式，用大數據拓展中間收入。過去，坐擁海量數據的銀行考慮的是如何使用數據來服務其核心業務。而如今，很多銀行已經走得更
遠。他們開始考慮如何把數據直接變成新產品並用來實現商業模式，進而直接創造收入。例如，澳大利亞一家大型銀行通過分析支付數據來了解其零售客戶的「消費
路徑」，即客戶進行日常消費時的典型順序，包括客戶的購物地點、購買內容和購物順序，並對其中的關聯進行分析。該銀行將這些分析結果銷售給公司客戶（比如
零售業客戶），幫助客戶更准確地判斷合適的產品廣告投放地點以及適合在該地點進行推廣的產品。這些公司客戶過去往往需要花費大量金錢向市場調研公司購買此
類數據，但如今他們可以花少得多的錢向自己的銀行購買這些分析結果，而且銀行所提供的此類數據也要可靠得多。銀行通過這種方式獲得了傳統業務之外的收入。
更重要的是，銀行通過這樣的創新為客戶提供了增值服務，從而大大增強了客戶粘性。
B. 大數據和人工智慧在互聯網金融領域有哪些應用
大數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化（Capitalization）。
大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。
數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。
無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與模型；IT發布新洞察；業務應用並衡量洞察的實際成效。
在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。
C. 如何將數據挖掘技術應用與互聯網金融
互聯網金融，目前需要演算法的是主要是風控模型。能查到的有IPC、FICO、WeCash之類的。
當然你可以版自己拿一些權模型比如」邏輯回歸「來實現對用戶打分卡及細分，計算貸款利率、期限、額度。數據挖掘嘛，首先是要定位一個商業問題，然後再評估該問題在進度、資源、數據等各個約束下的可行性，往往還是分析思路是關鍵。數據挖掘和互聯網金融相結合需要軟體作為橋梁，目前好一些的軟體公司有高達軟體，百會，用友，金蝶等
首先你要選擇一個安全的互聯網金融平台投資理財，判斷一個互聯網金融平台是否安全，可以看看如下幾點：
是否採用了第三方的資金託管
如果沒有採用資金託管，那麼投資人的資金則有可能進入一個平台固定資金賬戶，如此便形成了資金池，而資金池中的資金平台本身則是可以隨意挪用，因為風險極高，13年底就有多家P2P平台私自挪用資金池的資金捲款跑路。另外一旦形成資金池，本身就存在非法吸儲的法律風險。
採用資金託管後，投資人所有的資金平台無法接觸，因為投資充值等等資金交易都需要資金託管平台的交易密碼，如此不僅保證投資熱資金安全，也杜絕了資金池的形成，法律風險和道德風險大大降低。
2.平台是否為抵押型項目
因為國內的信用體系不完備，所以一般信用借款標的風險極高。所以有足額抵押的項目平台相對風險更低，而有抵押的項目通常是個人住房以及車輛抵押最佳，此類抵押物最為保質且流通性強變現快借款金額小，萬一出現逾期不會對P2P平台造成太大影響，極大降低個人投資風險。
3.一定要注重平台項目的真實性
部分跑路平台或者騙子平台發布的項目多為虛假標的。而所謂的信用借款項目則風險更大。個人房產以及車輛抵押類的項目要注意是否房屋它項權證以及車輛抵押登記。還有就是抵押資產的實地評估照片，以及借款合同、借款人基本信息等等。
4.不可盲目相信部分平台的風險投資
現在整個互聯網動輒一個創業公司就號稱拿到XX萬風投多有誇大不實，P2P平台多部分所謂的風險投資亦是多有誇大或不實成分，風險投資在P2P領域已經淪為平台背書工具。
5.不可盲目追尋高收益
國家法律明確規定民間借貸利率不可超過銀行同期利率的4倍即（24%），超過此利率不受法律保護，目前P2P平台的平均收益在16%左右。
7.切記勿投天標秒標
此類標的多為騙子所為，之前多家上午開業下午跑路的平台就是通過天標秒標吸引投資人捲款跑路。8.警惕遠離自融性質平台
平台自融基本特徵表現為資金為自己使用，這種形式無疑是拆東牆補西牆，資金漏洞會越來越大，一段出現集中贖回的情況必然資金鏈斷裂，後果就是平台垮台投資人本息全無。
你可以研究下天雄投資，這家平台是當前國內為數不多的在以上幾點做的不錯的平台之一。
E. 互聯網金融和互聯網保險有哪些創新應用
互聯網金融是傳統金融行業與互聯網精神相結合的新興領域。互聯網金融與傳統金融的區別不僅僅在於金融業務所採用的媒介不同，更重要的在於金融參與者深諳互聯網「開放、平等、協作、分享」的精髓，通過互聯網、移動互聯網等工具，使得傳統金融業務具備透明度更強、參與度更高、協作性更好、中間成本更低、操作上更便捷等一系列特徵。理論上任何涉及到了廣義金融的互聯網應用，都應該是互聯網金融，包括但是不限於為第三方支付、在線理財產品的銷售、信用評價審核、金融中介、金融電子商務眾籌創富通寶等模式。不是互聯網和金融業的簡單結合，而是在實現安全、移動等網路技術水平上，被用戶熟悉接受後，自然而然為適應新需求而產生的新模式及新業務。
F. 怎樣判別互聯網金融應用的好壞
作為投資人來說，最應該注意的
1、是否保障本金，如何保障？（如果有擔保版機構參權與，則提供擔保方的真實營業信息，並且須具備擔保資格證）
2、注冊資本（很多人都說這個看不看無所謂，但試想一個注冊資本只有10萬的公司開啟的應用，值得信任嗎）
3、仔細研讀提供的 注冊協議，責任協議等等之類的。（很多人都不看這些基本的東西，導致最後出問題了，找不到責任人）
樹懶理財，也行。
G. 如何將互聯網思維應用到銀行的日常信貸業務中去
首先抄需要定義的是，什麼是互聯網思維？
信息的快速傳遞？產品與用戶的互動？
銀行的日常信貸業務是銀行對公司或個人的業務
如果是信息的交互，可能是銀行和公司通過互聯網的特點實現高效溝通，盡可能迅速地形成業務匹配。
H. 如何利用互聯網金融創新促進企業發展
好大的話題（不是課堂論文吧？）
問如何促進企業發展，主要應從互聯網金融本身的特專點去把握。
總體而言，屬互聯網金融具有成本低，效率高，覆蓋廣，發展快，管理弱，風險大。理解各個特點，就不難把握其對企業發展促進的點了。具體方式可以按照上述特點展開。
進一步，如果想了解互聯網金融前言理論，可以參考網頁鏈接。
goodluck。
I. 區塊鏈技術如何應用於互聯網金融公司
區塊鏈是一種分布式點對點結構，具有去中心化、公開透明、安全程度高、可回追溯性強答等優勢，是徹底解決信任、效率、貿易等問題的有效技術。所以，區塊鏈技術最有可能現在金融領域掀起變革，如交易所清算、跨境支付、銀行間清算等。同時，區塊鏈技術還能夠幫助解決實體經濟的很多協同問題，如物流、供應鏈等。譬如，對保險企業來說，區塊鏈能夠防止保險欺詐，還破解了「定性管理難題」，而且智能合約的推動，有助於提升用戶體驗。
不過，目前仍處於實驗階段，但資本已經快速跟進布局。據前瞻產業研究院發布的《中國區塊鏈行業商業模式創新與投資機會深度分析報告》數據顯示，2012-2015年間，區塊鏈領域的風險投資額增長超過200倍，從200萬美元增至4.69億美元，全球約有205家風投機構參與投資。
不過，雖然區塊鏈發展熱度不減，但距離大規模應用還相差甚遠，至少面臨著技術、應用、安全性等多個層面的問題。更重要的是，政府監管沒有跟進，相關企業不得不考慮政策風險。
J. 徵信在互聯網金融中有哪些新的應用模式
徵信是指按一定規則合法採集企業、個人的信用信息，加工整理形成企業、個人的信用報告等徵信產品，有償提供給經濟活動中的貸款方、賒銷方、招標方、出租方、保險方等有合法需求的信息使用者，為其了解交易對方的信用狀況提供便利。
徵信分為個人徵信和企業徵信。
2013年3月15施行《徵信業管理條例》中規定：任何經營個人徵信業務和企業徵信業務的機構都需經得國務院徵信業監督管理部門批准，取得經營許可證在人行備案。否則一律不得開展徵信業務。
但是目前牌照還沒下發到機構，所以市場上還沒有一家真正可以做個人徵信的機構，但是在市場上已經有個人徵信的業務在開展，不過不是叫信用報告人家叫信用分值，其實都是個人徵信雛形。
徵信業近兩年也迅速發展，徵信市場發展逐漸分化，依託大數據徵信機構側重點也不同，但是基本宗旨是服務經濟，目前各個徵信機構相互競爭都有自己的優勢，面向社會經濟在廣闊的市場中想要佔有一席之地就需要術業有專攻。
目前徵信機構大概偏向就是建檔型徵信，評級性徵信，融資性徵信。
社會信用體系的建設是為了規范市場，那麼徵信服務的就是經濟實體。
題主問到徵信在互聯網金融中有哪些應用，有哪些新的業務模式。
現在言歸正傳。
因為目前的徵信市場還在初步發展階段，市場對徵信的認知度普遍不高，所以要開展徵信業務也是有挑戰的，那麼前期肯定是培育市場的一個過程。
徵信是支持互聯網金融發展的一個重要基礎，還是要回歸其屬性。
所以徵信機構肯定要開展一些新的業務模式，讓市場自己去發展倒逼政府下發推動徵信業發展的政策文件。
央行下放權力給機構做徵信除了簡化自己的業務讓徵信機構能提供更加專業化的服務給實體經濟外，也是希望整合市場資源最後達到信息共享。
目前很多空殼子的徵信機構，他們構思了一個美好的藍圖，想讓小貸公司、P2P等一些民間借貸機構上傳自己的數據，但是目前沒有一家強大的徵信機構能妥談讓他們接入都自己的系統，給自己的資料庫上傳數據。據我所知現在金融辦逐步讓一些小貸公司對接到央行的徵信系統，如果是這樣，那麼徵信機構想整合更多的信息資源就更難了，優勢也不明顯了。
所以徵信機構更是要開展一些新的業務模式，比如融資，P2P信用認證，金融超市，主體擔保型徵信業務。