互聯網金融大數據實踐

❶ 如何運用大數據為徵信服務

二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的「中小微企業融資困境」。小微企業貸款的瓶頸是「缺乏高效率、低成本、高精度基礎徵信服務」。在此背景下，小宇宙給大家講解幾種大數據徵信的探索之路。

一、 大數據徵信誕生的背景

二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的「中小微企業融資困境」。林毅夫早在2001年《經濟研究》發表的文章《中小金融機構發展與中小企業融資》，認為小型金融機構更適合服務於小企業，奠定了我國之後大力推動中小型金融機構發展的理論基礎。城市商業銀行、農村信用社、小額貸款公司紛紛成立，帶動全社會的小微企業貸款產品激增，資金供給量大大提高，數年間小微企業融資環境得到了很大的改變。

然而，小型資金機構的出現並沒有從根本上解決小微融資的困境，相對於大企業，小微企業對資金的佔用比例極低（約30%），與小微企業對GDP的貢獻（約70%）極不相稱。近年來，小微企業的生存壓力不斷增大，傳統行業競爭激烈，利潤空間被不斷擠壓，賒銷使小微企業面臨殘酷的資金周轉壓力，因資金鏈斷裂倒閉的小微企業比比皆是。這種情況更加劇了資金機構「惜貸」行為，對小微企業貸款的負面預期導致小微企業貸款收縮，小微企業、小型金融機構兩方陷入惡性循環。小微企業和小型資金機構處於整個信貸體系的最底層。

小微企業信貸的困局看似很復雜，牽扯宏觀、微觀各方的行為，但實際我們看所有小微信貸的難點，全部集中於一點：資金方認為無法看清小微企業的風險，自然不能放款，這稱之為「信息不對稱風險」；既然無法識別風險，資金方制定了迴避小微借款的貸款政策，形成了「逆向選擇」，小微信貸就此止步，陷入無錢可貸的困境。無論是大型銀行，還是小型資金機構，都面臨同樣的問題，所以都對小微信貸無計可施。這個問題可以籠統地稱為社會誠信體系欠缺導致信用風險高。

信用體系欠缺導致資金方難以看清小企業實際情況，這有著現實的原因。我國的小微企業內部管理是很隨意的，很多交易不會以規范的方式記錄下來。正規的資金方需要經過嚴密的盡職調查第一還款來源（依靠經營償還借款），輔之以第二還款來源（抵押品），才能做出決策。這個過程可以稱之為「徵信」或者「信用審核」。前面我們已經分析過，由於資金方缺乏有效的可利用於小微企業的信用調查、審核手段，對於小微貸款項目，這個過程不但冗長成本很高，而且通常難以找到准確、真實、有價值的信息，阻礙了小企業信貸的成功率性。同樣，對於那些私募資金機構、民間資金機構，本來沒有能力進行相關調查，放貸只能靠感覺和其他手段，風險更大。

由此，我們可以得出結論：小微企業貸款的瓶頸是「缺乏高效率、低成本、高精度基礎徵信服務」。可以想像，如果資金方有能力以一種低成本的方式准確識別小企業是否可信，再加以輔助風控措施（擔保、抵押等），小微業務將變得有利可圖，資金通道可以就此而打開，小微信貸就會變得順暢而有序。大數據徵信正是在這種社會背景下應運而生的。

二、 大數據徵信技術的幾條探索之路

隨著大數據技術在各行業的深入應用，運用大數據為徵信打開一條通路，逐漸成為了社會主流的意識。信用服務從業者、政府信用辦公室、互聯網金融公司對此進行了不懈的探索，期待找到一種可以針對於小微企業的量化深度評判方法。下面我們分析一下當前主要幾種方法的特點。

(一) 量化信用評價（評級）模型（由內而外型）

多年以來，信貸機構、徵信機構和評級機構一直期待著能夠形成一個量化信用模型，將各方面的數據導入模型之後，能夠自動生成評級結果，提示是否可以放貸。經過長期的探索、研究、試驗之後，這個理想的模型一直沒有出爐。我國部分有實力的資金方引進日本、美國知名咨詢公司的信用分析模型，但這些模型對我國的實際情況的適用性很差，沒有達到期待的效果——導入相關數據後即可對企業償還能力和償還意願作出可靠的判斷。

國外的先進模型以及國內機構的多年模型探索，都沒有形成一個普遍性有效的評判小企業的量化模型，主要原因是我國小企業的數據質量低下。由於無論國內外使用的企業數據主要是財務報表數據，而財務數據是會計師事務所出具的。我國誠信體系存在巨大缺失，會計師事務所出具的審計報告幾乎是製造出來的，其可信度很低。對於誠信企業，這份報告具有較大的參考性，而對於蓄意騙貸企業，也未必能夠從審計報告中看出破綻。各種量化模型的探索之所以沒有得到令人滿意的結果，正是由於其所依據的數據質量是低下的，所以無論如何也不可能得出真正有價值的信息。這種方法基本上宣告了是無效的。

(二) 外部資料庫接入（由外向內）模式

在企業內部數據質量不佳的條件下，各類機構開始向外尋找廣度更大、更加可靠的數據來源，例如政府各部門的數據，稅務系統數據、工商信息、行業主管單位業務數據、海關數據等，各行業協會的經營性數據等，也有在電商平台上積累的交易數據（如淘寶上的交易數據）。基於這些數據查找與某企業相關的數據並進行綜合分析。我們稱之為「由外向內型」的數據體系，也就是企業徵信服務不再是從被評價的企業提取數據，而是運用外部數據體系實現。

這種模式的優勢在於：資料庫系統形成之後，單個企業的徵信信息採集將非常容易，徵信服務的邊際成本極低，且速度極快，直接帶來的好處是徵信服務的收費將非常低廉，並且服務量很大。但這種模式也存在自身的劣勢：對接多部門數據入口是一項巨大的系統工程，建設、磨合的成本很高，當前除了工商信息可以達到全國聯網外，其他部門信息均在分布在市級部門，整合工作相當巨大。另外，也是最嚴重的問題還是數據質量。我國的小企業對外報送的經營信息具有很大的隨意性，都是根據具體需要編出來的，例如為了避稅、貸款或者其他目的。有些地區政府為了鼓勵當地企業發展，給予很高的納稅優惠，比如核定一個固定納稅額度，這樣的話就不會要求企業如實報送。因此，從各部門搜集到的數據恐怕與實際情況相差較遠，如果用做徵信服務，可信性也會遭到質疑。同時，一個企業產生的數據並非全部對外報送，事實上，對外報送的數據僅佔一小部分，如基礎財務報表、應納稅額等，而大部分的能夠說明企業情況的數據沉澱在企業內部，如供銷信息、產品品類、資金流轉等，這些數據無法通過外部資料庫找到。外部資料庫的數據量雖大，但針對於某單一企業，卻顯得容量不足了。如果是電商內部生態圈數據也相對片面，因為一個企業不會僅僅通過一個電商渠道銷售，單一電商交易數據顯然是不夠全面的。

如果用外部數據編織數據網的話，這張網將是巨大的，幾乎可以覆蓋全國的企業。但由於關於某一企業的數據量不足，這張網的數據線條比較稀疏，也就是數據網眼很大，多數關於企業的有價值信息都被漏掉了，有效信息過小，不足得出可信的結論。這就是由外向內建立徵信數據體系的探索。

自國務院交辦發改委建立全國信用體系以來，各級政府信用辦公室主導將轄區內各個掌握數據的政府部門連接起來，形成一個統一的信用信息平台，由專業的第三方公司或者設立下屬公司運營，出具滿足社會需求的徵信報告。除政府外，也有社會徵信機構做類似的事情，接入一些政府端數據並運營。從目前的發展來看，這類徵信服務當前能夠提供的最主要的信息是工商注冊類的信息，以及少量的各部門備案信息。這類徵信服務提供的信息簡單，收費低廉，但對於信貸業務而言，基本上沒有發揮太大的作用。

(三) 單體企業數據徵信服務（由內向外）

另外一種數據徵信服務，是從企業內部挖掘有用信息，從這個角度來說，這種方法和傳統的徵信方法是一致的，不同的是採集的信息和分析模式。現在有些專業徵信公司也在研發由內而外的數據徵信方法。這種方法利用的數據量不像社會徵信的數據量那麼大（因此稱「小數據」），但與貸款相關度很高，再保證真實度的基礎上，可以得到很多有價值的信息（「大信息」），並且均為信貸業務中資金方最關注的信息。該項服務可以幫助資金方在最短的時間內評判該企業是否能達到可以貸款的條件，為資金方節約大量的調研時間和成本，適應小微企業融資的效率要求和風控要求。

數據徵信雖然應用的基礎數據量不像政府部門數據那樣多，那樣大，但採集到的都是相關度最高的信息，可以捕捉企業真實經營情況和償還能力。如果從數據網的角度看，這種方法形成的數據網較小（只適用於某單個企業），但數據「網眼」恰好適合保留住關於該企業的大量有價值信息，而篩查掉無關信息、干擾信息，形成深度、高質量的徵信報告，為信貸決策提供可靠依據。

這種數據徵信服務的優勢是，啟動快，無需長期建設成本，很好地適應我國現有的信息基礎和社會現實。其難點在於如何取得借款企業的充分信任因此願意提供深度數據。

企業數據徵信技術已非一個技術上的構想，而是已經開始了大量的實踐。數據徵信已經在擔保業務、小貸業務中發揮了重要作用，幫助擔保公司和小貸公司排查風險、清晰評估項目、提高業務效率。相信隨著市場環境的變化，將有越來越多的人意識到這種技術的價值。

❷ 互聯網金融是什麼 互聯網金融概述

互聯網金融（ITFIN）是指傳統金融機構與互聯網企業利用互聯網技術和信息通信技術實現資金融通、支付、投資和信息中介服務的新型金融業務模式。互聯網金融ITFIN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（尤其是對電子商務的接受），自然而然為適應新的需求而產生的新模式及新業務。是傳統金融行業與互聯網精神相結合的新興領域。

發展模式：眾籌、P2P網貸、第三方支付、數字貨幣、大數據金融、信息化金融機構、金融門戶。

整體格局

當前互聯網+金融格局，由傳統金融機構和非金融機構組成。傳統金融機構主要為傳統金融業務的互聯網創新以及電商化創新、APP軟體等；非金融機構則主要是指利用互聯網技術進行金融運作的電商企業、（P2P）模式的網路借貸平台，眾籌模式的網路投資平台，挖財類（模式）的手機理財APP(理財寶類)，以及第三方支付平台等。

中國現狀

中國金融業的改革是全球矚目的大事，尤其是利率市場化、匯率市場化和金融管制的放鬆。而全球主要經濟體每一次重要的體制變革，往往伴隨著重大的金融創新。中國的金融改革，正值互聯網金融潮流興起，在傳統金融部門和互聯網金融的推動下，中國的金融效率、交易結構，甚至整體金融架構都將發生深刻變革。

隨著信息通訊技術和互聯網的發展，互聯網金融信息對金融市場的影響已經越來越不容忽視。某一個新事件的發生或者是網路上對某支股票的熱議都在很大程度上左右著金融實踐者們的行為，同時進一步影響著股市變化的趨勢。另一方面，在金融市場中，傳統的金融市場的影響因素同樣發揮著巨大的作用。
據《中國互聯網金融行業市場前瞻與投資戰略規劃分析報告前瞻》分析，在中國，互聯網金融的發展主要是監管套利造成的。一方面，互聯網金融公司沒有資本的要求，也不需要接受央行的監管，這是本質原因；從技術角度來說，互聯網金融雖然具有自身優勢，但是要考慮合規和風險管理(風控)的問題。
從政府不斷出台的金融、財稅改革政策中不難看出，惠及扶持中小微企業發展已然成為主旋律，佔中國企業總數98%以上的中小微企業之於中國經濟發展的重要性可見一斑。而從互聯網金融這種輕應用、碎片化、及時性理財的屬性來看，相比傳統金融機構和渠道而言，則更易受到中小微企業的青睞，也更符合其發展模式和剛性需求。
當前，在POS創富理財領域，以往不被重視的大量中小微企業的需求，正被擁有大量數據信息和數據分析處理能力的第三方支付機構深度聚焦著。隨著移動支付產品推出，這種更便攜、更智慧、更具針對性的支付體驗必將廣泛惠及中小微商戶。業內專家認為，支付創新企業將金融支付徹底帶入「基層」，也預示著中小微企業將成為互聯網金融發展中最大的贏家，這對於中國經濟可持續健康穩定發展也將有著重要且深遠的意義。

❸ 企業大數據實戰案例

企業大數據實戰案例

一、家電行業

以某家電公司為例，它除了做大家熟知的空調、冰箱、電飯煲外，還做智能家居，產品有成百上千種。在其集團架構中，IT部門與HR、財務等部門並列以事業部形式運作。

目前家電及消費電子行業正值「內憂外患」，產能過剩，價格戰和同質化現象嚴重；互聯網企業涉足，顛覆競爭模式，小米的「粉絲經濟」，樂視的「平台+內容+終端+應用」，核心都是經營「用戶」而不是生產。該公司希望打造極致產品和個性化的服務，將合適的產品通過合適的渠道推薦給合適的客戶，但在CPC模型中當前只具備CP匹配（產品渠道），缺乏用戶全景視圖支持，無法打通「CP（客戶產品）」以及「CC（客戶渠道）」的匹配。

基於上述內外環境及業務驅動，該公司希望將大數據做成所有業務解決方案的樞紐。以大數據DMP作為企業數據核心，充分利用內部數據源、外部數據源，按照不同域組織企業數據，形成一個完整的企業數據資產。然後，利用此系統服務整個企業價值鏈中的各種應用。

那麼問題來了，該公司的數據分散在不同的系統中，更多的互聯網電商數據分散在各大電商平台，無法有效利用，怎麼解決？該公司的應對策略是：1）先從外部互聯網數據入手，引入大數據處理技術，一方面解決外部互聯網電商數據利用短板，另一方面可以試水大數據技術，由於互聯網數據不存在大量需要內部協調的問題，更容易快速出效果；2）建設DMP作為企業統一數據管理平台，整合內外部數據，進行用戶畫像構建用戶全景視圖。

一期建設內容：技術實現上通過定製Spark爬蟲每天抓取互聯網數據（主要是天貓、京東、國美、蘇寧、淘寶上的用戶評論等數據），利用Hadoop平台進行存儲和語義分析處理，最後實現「行業分析」、「競品分析」、「單品分析」 三大模塊。

該家電公司大數據系統一期建設效果，迅速在市場洞察、品牌診斷、產品分析、用戶反饋等方面得到體現。

二期建設目標：建設統一數據管理平台，整合公司內部系統數據、外部互聯網數據（如電商數據）、第三方數據（如外部合作、塔布提供的第三方消費者數據等）。

該公司大數據項目對企業的最大價值是將沉澱的數據資產轉化成生產力。IT部門，通過建設企業統一的數據管理平台，融合企業內外部數據，對於新應用快速支持，起到敏捷IT的作用；業務部門，通過產品、品牌、行業的洞察，輔助企業在產品設計、廣告營銷、服務優化等方面進行優化改進，幫助企業進行精細化運營，基於用戶畫像的精準營銷和個性化推薦，幫助企業給用戶打造極致服務體驗，提升客戶粘性和滿意度；戰略部門，通過市場和行業分析，幫助企業進行產品布局和戰略部署。

二、快消行業

以寶潔為例，在與寶潔中國市場部的合作中發現，並不是一定要先整合內外部數據才能做用戶畫像和客戶洞察。寶潔抓取了主流網站上所有與寶潔評價相關的數據，利用語義分析和建模，掌握不同消費群體的購物喜好和習慣，僅僅利用外部公開數據，快速實現了客戶洞察。

此外，寶潔還在渠道管理上進行創新。利用互聯網用戶評論數據進行社群聆聽，監控與寶潔合作的50個零售商店相關的用戶評論，通過線上數據進行渠道/購物者研究並指導渠道管理優化。

實現過程：

1、鎖定微博、大眾點評等互聯網數據源，採集百萬級別消費者談及的與寶潔購物相關內容；

2、利用自然語言處理技術，對用戶評論進行多維建模，包括購物環境、服務、價值等10多個一級維度和50個二級維度，實現對用戶評論的量化；

3、對沃爾瑪、屈臣氏、京東等50個零售渠道進行持續監控，結果通過DashBoard和周期性分析報告呈現。

因此，寶潔能夠關聯企業內部數據，更有效掌握KA渠道整體情況，甚至進一步掌握KA渠道的關鍵細節、優勢與劣勢，指導渠道評級體系調整，幫助制定產品促銷規劃。

三、金融行業

對於消費金融來說，家電、快消的案例也是適用的，尤其是精準營銷、產品推薦等方面。這里主要分享徵信風控方面的應用。顯然，互聯網金融如果對小額貸款都像銀行一樣做實地考察，並投入大量人力進行分析評判的話，成本是很高的，所以就有了基於大數據的批量的信用評分模型。最終目的也是實現企業畫像和企業中的關鍵人物畫像，再利用數據挖掘、數據建模的方法建立授信模型。宜信的宜人貸、芝麻信用等本質上就是這個架構。

在與金融客戶的接觸中發現，不論銀行還是金融公司，對外部數據的需求都越發迫切，尤其是外部強特徵數據，比如失信記錄、第三方授權後的記錄、網路行為等。

以上是小編為大家分享的關於企業大數據實戰案例的相關內容，更多信息可以關注環球青藤分享更多干貨

❹ 互聯網金融是屬於什麼專業。這個考研分數線多少。

2017年金融學院的大的要求是總分380，公共課55，專業課83。其中金融專碩士（金融分析師方向、信用風險屬管理與互聯網金融方向）復試分數線：總分394，單科55/83；金融碩士（金融工程與量化投資方向）復試分數線：總分385，單科55/83。經濟學院的金融碩士的分數線是總分355，公共課55，專業課83。凱程輔導班每年會把這些整理出來，方便學員參考，可以咨詢一下。

❺ 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。

❻ 關於話題『互聯網金融』一分鍾脫稿演講，大家幫幫忙啦，我完全沒概念啦。最好有完整的草稿，謝啦。

關於互聯網金融的演講（全文如下，可根據你的具體情況從中刪減）

大家在那裡聊得更多還是財經類的話題，我把他定義為財經類微博。是個很不錯的財經認識交流財經專題的地方。其實，我來這里之前，特地還在半夜寫了一篇文章，因為我不太適合在公眾場合做演講，沒有這個能力，喜歡一個人在小房間寫東西，尤其是大半夜的寫，思路比較清晰。因為人多有時候往往比較難理清思路，一個人就比較容易明白。

我覺得我今天有點像被趙本山給忽悠了的范偉，本來是聽萬總講完以後挺有道理，很有邏輯，講得很好，聽高總講了以後，我也覺得很有道理，也很有邏輯，然後我就悶了，腦子很亂，把昨天晚上好不容易寫的准備今天說的東西全部忘光了，不知道怎麼發言了。因為互聯網和金融這兩種思想實在是太「詭異」。互聯網和金融的思維在這里體現得就非常明顯。我自己做基層信貸出身，一直在這個領域，也辦過幾個網站，這個時候讓我發言，我就不知道到底該怎麼發，因為都聽得挺對的。昨天的文章我已經發在微博上，這里乾脆就撇開文章，說說我的想法。

第一個想法，我很多場合都提過，互聯網金融其實是偽為命題。因為中國金融首先是分業經營，必然意味著金融與金融之間會存在縫隙。我喜歡把互聯網金融定義為夾縫金融。甚至小貸機構，擔保機構，我都定義為夾縫金融。包括民間借貸，也都是，都是為了彌補我國金融機構在市場中競爭低效率的問題而出現，事實上，中國的金融機構過去幾年發展很快，但是這並不是說你有多少能幹，很多時候，只是因為你有一張牌照。而剛好又碰上了中國最好的十年，就是過去十年。

一方面中國經濟高速發展，另一方面給他牌照，使人家進入不了這個行業。所以只要你是銀行，有牌照，就可以高速成長。所以，你會發現過去十年，銀行哪怕服務態度多爛，水平多臭，都可以活的很好，這個也就導致在中國只要拿了牌照以後，就誰也不肯精耕細作，不要干辛苦的事情，躺著賺錢，也就沒人願意干臟活苦活，就是這種情況下，大量進入不了銀行體系的機構，就得到了很大的機會。

我們銀行反應很慢，是頭恐龍，下面撓癢，上面沒反應，審批效率也很慢，你們去想想，現在去銀行開個帳戶，得多麻煩啊，但是在支付寶點個手機號就可以了，而從結果來看那，銀行過了那麼多手續之後，依然有很多糾紛不斷。支付寶那麼簡單的注冊，也好像這么多年沒發生什麼大的事情過，這樣的情況下，支付寶優勢勢必顯現出來了。民間機構利用更好的服務效率，更好的市場切入，硬生生的拉開了一道夾縫。很多夾縫金融就是這樣出現的，利用了牌照機構的低效率和短視，一點點的在夾縫中求生存，不斷的成長。

未來，隨著銀行開始發現好日子過到頭了，本來可以大魚大肉，將來可能要去種菜了，銀行必然沉下心來，你們去看，在過個幾年，銀行可能會沉到你都無法想像的地步和姿態里去，沒辦法，因為隨著高速發展的態勢降低，未來的銀行必然意味著一家銀行有飯吃，別的銀行就沒飯吃的格局，所以走出固有的領域，形成差異化的格局都是各大銀行的戰略性目標了。這種情況下，本來還能在銀行夾縫之間生存的夾縫金融，也就要面臨著很大的考驗。夾縫金融中的一些機構生存越來越困難。

但是這並不意味著夾縫金融全部會活不下去，他們中一些很好的機構，一樣可以活的很好，甚至能打敗金融機構也不一定，但是總體而言，這樣的概率較小，難度很大。互聯網金融就是這種業態，大量的非金融機構利用互聯網的優勢，在夾縫中擠出一塊領地，切入一個市場，完全是可行的，但是，我自己的感覺是媒體對於互聯網金融抬得太高，也捧得太重，回到最後，互聯網金融應該是金融領域的一個部分，一旦互聯網金融真正進入了金融領域，那麼如同剛才萬總說的，滿人入關就成了中國人一樣的道理，互聯網金融進入金融領域，回到最後大家就是金融機構之間的競爭，只是走了不同的差異化路線。有的金融機構致力於大型基礎建設領域，有的立足於零售業務，有的立足小微領域，而互聯網金融則立足於互聯網具備優勢的領域，現在很多觀點說，互聯網顛覆金融。我一直很納悶，互聯網是技術應用，如何顛覆金融呢？金融的核心是信貸，互聯網如果要顛覆金融，是不是想說有了互聯網就不用還錢？這個才叫顛覆吧，否則最多是用互聯網技術可以改造金融目前的運行方式吧。利用了互聯網技術之後，金融的運行可能更健康和穩健，但是顛覆這兩個詞語用的太生猛了。

這里還有個關鍵點是互聯網本身其實不是行業，而是一種新興技術，他的覆蓋面總是有限的，當前市面上叫的最生猛的是阿里金融顛覆銀行體系，我聽了就很好笑，阿里金融是依附於淘寶體繫上的，離開了淘寶體系，阿里金融沒有任何優勢，而事實上阿里金融的客戶跟銀行壓根就沒有交叉，阿里金融哪怕把所有的淘寶客戶都做了，也跟銀行一點關系也沒有，那麼他是如何實現顛覆的呢？當然如果有一天淘寶替代了所有的行業，淘寶能造船了，淘寶能造飛機了，淘寶造高速公路了，或許顛覆到是有可能。只是那個時候，我個人感覺阿里也沒必要做金融了。

扯的有點遠，事實上，我國當前的互聯網金融表現出來的特徵，其實最終還是金融機構如何快速提高效率的一個概念，並不是說是一個真正意義上的互聯網金融。為什麼這么說呢？因為前面說了，互聯網金融如果只是純粹的還是按照傳統金融機構的模式進行金融運作，互聯網金融和金融的區別只是有無互聯網這層外衣罷了。核心的實際意義有限。我雖然經常諷刺阿里巴巴，但是事實上不得不承認，在中國能稱得上互聯網金融的只有阿里一家，因為，阿里一開始就想明白了一個事，他其實是改變了中國傳統的金融機構所在走的前後台分離，人工審核信貸的傳統模式。目前阿里在走這么一條路，而這條路反映的是互聯網金融該乾的事兒。用互聯網的思維來考慮金融，一定要凸顯出互聯網的優勢，而不是說你又變成一家金融機構，這個絲毫沒有意義。事實上，我國金融機構已經不少了，遠遠的多了，在多一家叫互聯網的銀行，實在是意義有限。

現在中國做信貸類業務，考量的絕對不是風控能力，而是有多大的風險容忍度。A銀行可以這樣干，不要抵押，B銀行說不但不要抵押，給給你降利率，這不是風控模式的創新。互聯網金融加入進來不在風控上下功夫，在這些地方上跟銀行去做競爭，我用屁股想想，也能想明白，這是一條死路，你一個互聯網公司比資金成本比不過銀行，比風控經驗比不過銀行，比人力優勢，比不過銀行，哪怕比砸錢也一樣比不過，你跟人家玩，除非人品爆發，否則毫無機會。所以，我一直強調，互聯網金融到目前為止，我個人感覺還沒開始，沒有真正的互聯網的金融的開始，有的只是金融的互聯網。

高總說互聯網的模式就是不斷走流量。我說這樣的互聯網如果真的能夠創造出流量，如果真的長年收租，他干金融幹嘛？金融其實是消耗流動性最好，最快的辦法，尤其在中國沒有牌照干金融十有八九是死的一塌糊塗的。別看那些放高利貸的一個個玩的很好，那是因為他們身後死了很多人，你看不到。所以，如果讓我有每年收租我才不幹金融呢，真沒必要。

其實，馬雲是個聰明人，你們自己去看阿里金融，事實上馬雲真要干金融，他完全可以乾的更大，但是他沒有啊。你想想人家一萬億的淘寶，他才幹了多少，大概也額就幹了20來億吧，人家為什麼不幹多點，他是因為沒錢？你信么？他是因為知道金融這口飯不好吃，所以寧願打公關稿，也不願意真去做金融。

阿里金融四個部分，阿里小貸是一部分，虛擬卡是一部分，在線理財產品銷售是一部分，還有虛擬信用卡對應的阿里擔保，我可以鐵定認為阿里小和阿里虛擬信用卡，不太可能是阿里金融的核心，因為這兩個部分一方面是帶有太明顯的金融特徵，另外一方面這種業務就必然是個性化的，真要操作難度也很大。我舉個例子，我們真的把我個人放到台上，我把我所有家底掏給你們看，最後也判斷不了你借我的錢我還不還的了，不是說你把我翻個底朝天，你知道我的家底了，就可以知道我是否能還錢了。大數據說他理論上可以降低違約度，並不代表真的降低了，至少目前還沒有明確的可以下定論是肯定可以降低的案例來，全球都沒有。信貸這個事情整體上而言，我個人感覺靠概率難度還是很大的，具體你們可以去看下我有篇關於小微企業貸款的文章，裡面提到了概率不適用信貸案例的闡述。

互聯網的優勢其實是他的邊際成本非常低，可以快速超越區域隔離，可以把一個標准化的東西快速的成長起來，所以保險產品的在線化的成功概率就很高，因為阿里有這個基因在，也有直接的客戶群體在，保險又是標准化產品，屬性相當。基本可以等同於賣產品，這個模式是容易的，而理財產品的在線化可能沒有那麼容易，因為他還帶是有風險特徵的。如果我在淘寶上買東西，十個九個虧，我可能就不在淘寶上買。這裡面還涉及到每個人的風險偏好都不一致，你無法進行批量化處理，如果你也開始配置專門的投資經理了，那你又回到金融機構的通行做法了，你的優勢就不明顯了。

所以，像諾亞、好買公司，我說回到最後，其實他們還是個傳統的投資咨詢公司，哪怕他們把網站做的再好，在線化程度多高，他們的背後還是要配投資經理，客戶從網路埠進來，還是需要針對性的客戶服務的？所以我昨天晚上那篇文章的核心就是在於區分個性化金融和批量化金融產品的互聯網化的差異，個性化主要指信貸類等帶有很強風險特徵的金融產品，這些產品，其實很難實現互聯網化的。大數據等一些手段是一種嘗試，但是至少才目前來說，也只是大家的一種期望，覺得可以改變金融特徵，真的效果如何，還處於設想狀態，結果如何都很難說。在這種情況下，我對於那些用傳統思維進行金融運作的所謂互聯網金融公司，基本上就持有負面的評價了，主要是指P2P的模式。說句難聽點，P2P在這么走下去，走到非法集資的可能性是非常大的。很多人說我帶有傳統金融的優越性，其實我只要問一句，P2P公司在什麼地方採用了什麼辦法超越了傳統的金融機構？

除了在放款和吸收存款兩個層面放低了門檻外，在核心的風控層面，你找不到一個更優越於傳統金融的地方，連P2P自身都在模仿傳統金融機構，採取的也都是通行的審核標准，那麼我又何來的傳統金融的優越性呢？

我在拍拍貸上看到過一筆40萬的借款，800人借出，我當時第一設想，這個案子符合了中國非法集資的三大要素，只是因為互聯網金融，所以可能監管部門也一直在看，但是最終的最終肯定也是結果說話吧。P2P平台還是要學會自我保護，沒必要去打這種擦邊球，意義不大。

我們如果從理論假設，只要政府不倒閉，理論上，中國的金融機構就不會倒的，銀行，他可以活一萬年。根據類似的辦法，假設我成立一個P2P公司，我不斷的做形象，專門給一百萬以下的投資人許諾遠高於銀行存款的利息，在當前一百萬以下的投資人沒有投資渠道的中國，其實，哪怕我的P2P90%的壞帳率又怎麼樣呢？我一樣規模可以不斷的做大，為什麼呢？事實上，因為目前的P2P帶有銀行的特徵，但卻沒收到像銀行的監管，所以只要不擠兌，就能存活，如何不擠兌呢？那就不斷的把盤子做大唄，順利兌付，形象不斷的提升唄。

因為不在同一條線上競爭，銀行要定期審查，接待內部審計、外部審計，應付這些人我要干多少事，而P2P什麼都不用。所以兩者各自的監管成本也不一樣的，在加上銀行短期內的相對低效，P2P的快速成長也就可以理解了。但是我們來問一句，為什麼要對銀行進行審慎的監管？核心其實還是為了保護投資人的利益。

而中國大量的互聯網是沒有干這個事情，他本身就獲得了監管上的優勢。如果互聯網還是以目前的模式，發展下去，一旦出現類似銀行的擠兌，那麼出事的概率就會大上很多。所以說到最後，我們很多人在想的互聯網可以怎麼樣，可以怎麼樣，但是在實踐中可能性非常小。互聯網技術如果只是比風險容忍度，他比得過銀行，他比銀行有先發優勢，但能不能走到最後，我個人感覺很懸。我們現在規模不大，沒關系，反正一兩百億，一千億之內玩，沒關系，政府也先看著，不管你，結果好，表彰你，結果不好，對不起，進去再說。很悲慘，但是卻是現實。

我跟PROSEPER負責人聊過，他們玩了那麼久才四五億美金。而且人家是鼻祖，為什麼中國能遠遠超過美國？互聯網金融如果只是說在提誰能更快把規模做起來，流量做得越大，對社會沖擊越大，遭受損失就越大。所以監管現在管不管？沒人管。法不責眾，每個P2P都想到最後干成既成事實，規模拚命做大，做大到倒逼監管層不能管的層面，從而形成所謂的大而不能倒的局面。我只想說，最後可能成功的可能只有一家，大部分是做不到的，做不到的人會怎樣，很難想像。很多創業無非只是歸零，但是金融絕對不是，他從一開始就是一隻腳在棺材裡面，一隻腳在棺材外面，哪只腳是你的，要到最後你才知道。而且全身而退的可能性很小，因為金融帶有很大負面性。

我在微博上苦口婆心的互聯網金融的創業者，也勸互聯網金融的投資人，被人罵了很多次，說我不懂互聯網，說我別有用心，今天聽了萬老師的講話，很開心，終於感覺找到一個盟友。因為在互聯網上，微博上都是在從事互聯網的人，他思維不一樣，他罵他的，我做我的，他說我不懂互聯網，我說他不懂金融。我今天終於找到了一個可以支撐我部分觀點的老師。感覺特別欣慰。我一直有在孤軍奮戰的那種感覺，所以今天很高興。

❼ 互聯網金融專業要學的課程都有什麼

本專業旨在適應國家和地方經濟，培養理想信念堅定，德、智、體、美、勞全面發展，具有一定的科學文化水平，良好的人文素養、職業道德和創新意識，精益求精的工匠精神，較強的就業能力和可持續發展的能力，掌握本專業知識和技術技能，面向互聯網金融行業，能夠適應互聯網金融行業動態變化的工作要求，能夠從事互聯網金融產品設計、系統運營與運維、市場營銷、風險控制、客戶服務等工作的高素質技術技能人才。

就 業 方 向

本專業面向互聯網金融公司、商業、證券、保險公司、投資公司、小貸公司、基金公司等金融機構。就業崗位包括：互聯網金融理財人員、金融大數據分析人員、保險電商運營人員、互聯網保險營銷人員，互聯網金融產品設計師，互聯網金融新媒體營銷人員、互聯網金融分析人員、互聯網金融運營人員等。

❽ 大數據金融是不是互聯網金融

大數據並不是單指互聯網金融。

大數據金融是指依託於海量、非結構化的數據，通過互聯網、雲計算等信息化方式對其數據進行專業化的挖掘和分析，並與傳統金融服務相結合，創新性開展相關資金融通工作的統稱。

大數據金融擴充了金融業的企業種類，不再是傳統金融獨大，並創新了金融產品和服務，擴大了客戶范圍，降低了企業成本。大數據金融按照平台運營模式，可分為平台金融和供應鏈金融兩大模式。兩種模式代表企業分別為阿里金融和京東金融。

拓展資料：

互聯網金融行業面臨大洗牌

在去杠桿的嚴監管的大背景下,近期信用風險事件頻頻爆發,根據網貸之家的數據顯示,自6月以來,P2P行業新增問題平台133家,其中95家發布了相關逾期或停業兌付公告。

違約事件頻發的主要原因1)隨著市面上資金收緊,一些資質較差的企業出現債務違約,影響到相關P2P平台2)一些產品不合規、風控能力較差的平台,高返利的平台受到資金收緊的影響資金鏈斷裂3)P2P平台頻繁暴雷,引發投資者恐慌性擠兌,一些運營良好的P2P平台受到波及導致兌付困難。

短期來看行業集中暴雷會導致行業承壓,另一方面隨著不良企業出清,風控良好、經營合規的頭部互金公司有望迎來快速發展,互聯網金融企業能夠服務一些傳統金融機構難以觸及的領域作為傳統金融機構有效補充,隨著百行徵信建立,徵信體系的逐漸完善,預計行業風控能力將顯著提升,重點關注行業頭部企業

❾ 互聯網金融專業需要學些什麼

本專業旨在適應國家和地方經濟，培養理想信念堅定，德、智、體、美、勞全面發展，具有一定的科學文化水平，良好的人文素養、職業道德和創新意識，精益求精的工匠精神，較強的就業能力和可持續發展的能力，掌握本專業知識和技術技能，面向互聯網金融行業，能夠適應互聯網金融行業動態變化的工作要求，能夠從事互聯網金融產品設計、系統運營與運維、市場營銷、風險控制、客戶服務等工作的高素質技術技能人才。

就 業 方 向

本專業面向互聯網金融公司、商業、證券、保險公司、投資公司、小貸公司、基金公司等金融機構。就業崗位包括：互聯網金融理財人員、金融大數據分析人員、保險電商運營人員、互聯網保險營銷人員，互聯網金融產品設計師，互聯網金融新媒體營銷人員、互聯網金融分析人員、互聯網金融運營人員等。

❿ 有哪些關於雲計算，大數據，物聯網的書籍值得推薦

關於大數據書籍有以下基本了參考看:
1.大數據預測
2.大數據時代
3.大數據分析:決勝互聯網金融時代
4.為數據而生:大數據創新實踐
5.爆發:大數據時代預見未來的新思維