大數據分析融資

① 馬雲做大數據怎麼賺錢

隨著大數據時代的來臨，大數據早已不再神秘。帶給我們眾多的沖擊，每個人都應當與時俱進、不斷提升，放棄殘缺的守舊思想，大膽接受新的挑戰。
任何一家有EXCEL表格的公司，都敢說自己是大數據公司;任何一個地方政府公開有數字的PDF文檔，就敢說是政府大數據公開。以至於業界人士擔憂，某天大家再聽這個概念都麻木了，然而行業還是沒有做出多少事情。
區域數字鴻溝巨大
說起掘金大數據，一定繞不開政府數據。地方政府掌握著80%以上的數據。每隔一段時間，從中央到地方，都會發布關於大數據開放的政策。高層談新經濟，言必稱大數據。
而在執行層面，目前地方政府大多處於觀望狀態。關注政務數據領域的清華大學數據科學研究院執行副院長韓亦舜表示，政府數據開放並沒有那麼復雜，需要有地方能真正去實踐和摸索，做一些事情，當下所有的人都在談數據開放，但做實事的不多。
韓亦舜曾建議西部一些地方政府借大數據發展的機會，率先開放數據獲得先發優勢，另外同步做好信息化補課。
6月份，筆者見到一位來北京尋求合作的西部省份地理信息測繪局局長，他長期在部委工作，前些年調到地方當部門一把手，發展大數據思路清晰，不過讓他苦惱的是，當地信息化水平不高，很多地方沒有數據，有的數據還在紙上。
他醞釀出台一個規定，以後所有的圖都不準畫在紙上，必須上網，以電子化的形式存儲。當下他最想解決的問題是信息化，先收取數據，然後通過建立地方數據中心的形式，與企業合作，做地理信息垂直領域的數據開放和挖掘。
走在前沿的貴州省，希望以發展大數據彎道超車，實現新經濟的騰飛。然而從數據開放的程度來看，當地一些職能部門，所謂的公開數據還停留在提供PDF文件階段，遠非結構化的數據，按照國際數據公開標准來說，並不能算政府數據公開。
單從數據開放來看，思路最清晰規劃更具體的，還是廣東、上海等發達地區。對於地方政府的大數據園區來說，發達地區好比「富二代」，一出生就含著金湯匙，但大部分地區還是「窮二代」，需要更大力度的數據挖掘與開放。由於各地在大數據方面存在差距，不同區域的數字鴻溝會繼續深化。
飢渴的大數據創業公司
在掘金大數據的背景下，企業早已經等不及了。早些年，部分企業通過各種交易手段，獲得政府數據。在數據開放的背景下，部分企業還在依託不規范交易，已經有政府部門被巡視組查出了因數據交易衍生腐敗。
一部分企業希望參與政府數據公開進程，幫助政府做數據公開。比如數據堂公司與貴陽市政府共建數據生態城市。還有一批公司，則是急速擴張，跟各地政府成立相關的合資公司。
當然，還有轉型大數據二次創業的公司。在貴陽數博會上，筆者見到很多大數據公司，就是以前賣電腦和軟體開發的IT公司，轉型做大數據，業務范圍無所不在，包括智慧城市、軟體開發、智慧農業、醫療等。
除上述歸類外，企業為了獲取政府數據，採取各種「曲線救國」的招式。前不久，筆者熟悉的一家南方大數據創業公司，為了獲取某西部城市政府部門數據，報名參加當地的創業大賽，希望通過得獎，引起當地政府重視，達成數據合作。
這家公司的CEO在參賽間隙，拖著行李箱與當地國企聯絡，希望能夠以合資的形式成立公司，共同挖掘當地數據。
這位CEO還通過各種方式，找到該市分管大數據的負責人，希望能夠談成合作。他勾畫的藍圖很美好：獲取一個城市的數據，做成樣板，然後在全國復制，迅速從0到1成為該行業的「寡頭」企業。
不過，目前還沒有關於這家公司取得實質進展的消息，但這家公司尋求政府大數據開放的決心和路徑，頗具有典型性。
政府資源導向，仍是目前很多數據公司努力的方向。很多大數據公司在融資過程中，強調一定要有國有資本進入，而且堅決遠離境外資本。
從2015年國內最大的幾筆大數據創業公司的融資情況來看，幾乎都有國有資本進入，即便只佔很小的比重。在某大數據公司融資發布會上，筆者隨機問了幾家投資機構選擇投資這家公司的原因，答案驚人一致：有政府數據資源。
而在一些專家和專業投資人看來，從價值投資的角度，一是真正有技術優勢的公司，二是有自己數據源的公司。依託政府資源的公司，從長遠來說，並沒有太大的投資價值。
樂觀者認為，政府數據開放最終會走向規范化，有科技含量的公司最終會在泡沫破滅後存活下來。
BAT能否領軍?
BAT中的某一家，會成為全球最大的數據公司么?
在專業人士看來，媒體喜歡造概念，這個說法很不專業。因為數據就像石油一樣，每個地理區間都有，誰儲存了多少，很難量化和比較。
馬化騰和張小龍都說，他們很焦慮，因為用戶花在微信上的時間太多了。不過馬化騰又說，微信公眾號是騰訊前三年最偉大的發明，因為可以把人留在微信上，大家就離不開了。
BAT三家公司一方面通過自身的數據，做出反映數字中國的圖譜，甚至把脈經濟走向;另外也在建立自身的數據生態體系;以網路為代表，則認為大數據的最終應用是人工智慧。
京東CTO張晨告訴筆者，因為京東有自己的物流體系，其電商數據包括詳細的消費者畫像。張晨說，如果通過電商大數據分析，提高精準服務水平，能提高銷售一個百分點，對京東來說都是很大的大數據價值變現。
互聯網企業的數據，在整個大數據生態中，能夠起到多大作用，各方都在摸索。很多人認為，互聯網企業的數據價值被高估了。
比如韓亦舜認為，相對實體經濟來說，互聯網企業的數據，更多是第三產業，是對消費者端的，相對整個實體經濟，比如說製造業體系產生的數據，互聯網數據並不算多。
「互聯網只是個工具。」國家統計局一位原副局長在一次數據研討會上直言。他認為，互聯網是傳遞現代數據的工具，不能唱得比實體經濟還高。
至於BAT如何從大數據掘金，筆者聊了很多業內人，聽得都不太明白，仍不得解。一家企業CEO表示，現在大家的思路其實都不清晰。
6月份，馬雲在一次活動上說，阿里是一家大數據公司，不過我們也不知道怎麼用數據掙錢。

② 今後大數據技術將在企業融資行為中怎樣發展

knowlesys輿情認為：

大數據能夠幫助企業預測經濟形勢、把握市場態勢、了解消費需求、提高研發效率，不僅具有巨大的潛在商業價值，而且為企業提升競爭力提供了新思路。企業怎樣利用大數據在融資行為中發展？這里從企業決策、成本控制、服務體系、產品研發四個方面加以簡要討論。

企業決策大數據化。現代企業大都具備決策支持系統，以輔助決策。但現行的決策支持系統僅搜集部分重點數據，數據量小、數據面窄。企業決策大數據化的基礎是企業信息數字化，重點是數據的整理分析。首先，企業需要進行信息數字化採集系統的更新升級。按各決策層級的功能建立數據採集系統，以橫向、縱向、實時三維模式廣泛採集數據。其次，企業需要推進決策權力分散化、前端化、自動化。對多維度的數據進行提煉整合，在人為影響起主要作用的頂層，提高決策指標信息含量和科學性；在人為影響起次要作用的底層，推進決策指標量化，完善決策支持系統和決策機制。大數據決策機制讓數據說話，可以減少人為干擾因素，提高決策精準度。

成本控制大數據化。目前，很多企業在采購、物流、儲存、生產、銷售等環節引入了成本控制系統，但系統間融合度較低。企業可對現有成本控制系統進行改造升級，打造大數據綜合成本控制系統。其一，在成本控制的全過程採集數據，以求最大限度地描述事物，實現信息數字化、數據大量化。其二，推進成本控制標准、控制機理系統化。量化指標，實現成本控制自動化，減少人為因素干擾；細化指標，以獲取更精確的數據。其三，構建綜合成本控制系統，將成本控制所涉及的從原材料采購到產品生產、運輸、儲存、銷售等環節有機結合起來，形成一個綜合評價體系，為成本控制提供可靠依據。成本控制大數據化以預先控制為主、過程式控制制為中、產後控制為輔的方式，可以最大限度降低企業運營成本。

服務體系大數據化。品牌和服務是企業的核心競爭力，服務體系直接影響企業的生存發展。優化服務體系的重點是健全溝通機制、聯絡機制和反饋機制，利用大數據優化服務體系的關鍵是找到服務體系中存在的問題。首先，加強數據收集，對消費者反饋的信息進行分類分析，找到服務體系的問題，然後對症下葯，建立高效服務機制，提高服務效率。其次，將服務方案移到線上，打造自動化服務系統。快速分析、比對消費者服務需求信息，比對成功則自動進入服務程序，實現快速處理；比對失敗則轉入人工服務系統，對新服務需求進行研究處理，並快速將新服務機制添加至系統，優化服務系統。服務體系大數據化，可以實現服務體系的高度自動化，最大程度提高服務質量和效率。

產品研發大數據化。產品研發存在較高風險。大數據能精確分析客戶需求，降低風險，提高研發成功率。產品研發的主要環節是消費需求分析，產品研發大數據化的關鍵環節是數據收集、分類整理和分析利用。企業官網的消費者反饋系統、貼吧、論壇、新聞評價體系等是消費者需求信息的主要來源，應注重從中收集數據。同時，可與論壇、貼吧、新聞評價體系合作構建消費者綜合服務系統，完善消費者信息反饋機制，實現信息收集大量化、全面化、自動化，為產品研發提供信息源。然後，對收集的非結構化數據進行分類整理，以達到精確分析消費需求、縮短產品研發周期、提高研發效率的目的。產品研發大數據化，可以精準分析消費者需求，提高產品研發質量和效率，使企業在競爭中占據優勢

③ 大數據如何快速查詢融資事件

可以去查下CVSource投中數據，分為網頁版和APP端，這個平台，很容易找到的，建議關注一下，多些了解吧。

④ 大數據分析與金融，有哪些結合點

大數據分析讓銀行更准確知道誰是自己的用戶，大數據分析讓證券市場更容易得到想要的信息，大數據分析也會放保險從業者更容易去找到客戶。

大數據分析與金融的結合，就是與銀行、證券、保險等行業的結合應用，現階段就是找到最需要有效幫助的人，同樣大數據分析能夠獲得對未來布局的信息，讓公司決策准確有效。

⑤ 如何利用大數據做金融風控

大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。

金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。

傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線

互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。

常用的互聯網金融大數據風控方式有以下幾種：

驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。

如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。

其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐

大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。

如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。

分析客戶線上申請行為來識別欺詐

欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。

企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。

這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險

互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。

市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。

黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。

灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。

黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。

利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。

欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。

欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。

利用消費記錄來進行評分

大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。

按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。

常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。

互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。

參考社會關系來評估信用情況

物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，

參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。

參考借款人社會屬性和行為來評估信用

參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。

經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。

利用司法信息評估風險

涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。

總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。

⑥ 大數據模式 中小微企業融資有哪些

1、大數據模式，應該就有大量群體資源，大量項目數據，大量投資機構數據
2、中小微企業明顯資質要求不能太高，就要求融資方式多樣化，不然銀行早就服務了

3、融資是個技術活，一定要找對專業投資方。
4、找對行業投資人，不僅找到資金，專業服務外還有資源匹配
5、以節能環保行業為例子；
國內之前 一直沒有專業投融機構；
但是叫 環投什麼匯 平台的出現就是典型例子
專業投資機構集中化，資金多樣化明顯提升，銀行、保理、融資租賃、PPP、BOT、小貸、互聯網金融服務層出不窮。金融機構提供專業解決方案同時，還提供其它合作方的技術輸出資源。
總之，大數據模式，就是提高准確度，整合資源實現1+1大於2 的效果
希望採納

⑦ 基於大數據的P2P融資「極速模式」具有哪些特點

P2P已經在中國退出歷史舞台，留下一地雞毛，8000萬中產4萬億打水漂。
「極速模式」是指快速匹配，P2P作為信息中介，是撮合借款人和出借人成交的平台，由多位出借人匹配1位借款人等多種模式。

⑧ 融資租賃大數據分析平台

億信華辰融資租賃數據分析平台項目建設的目標就是滿足日常經營分析報表的管回理要求，推進集團數答據分析工作實現規范化、程序化、現代化。建設內容：數據倉庫基礎平台建設和數據應用平台建設兩部分。數據倉庫平台的重點是將核心賬務系統、核心業務系統，資金系統、管會系統、財務系統等業務系統數據的物理集中與邏輯整合；數據分析應用建設主要包括領導駕駛艙、即席分析、資產監控、移動端以及集團化架構管理。

⑨ 大數據，給金融帶來了哪些改變

1、質的指標重於量的指標。2、發展直接融資不是取代間接融資，兩者的關系是相互版促進。權3、直接融資與間接融資的緊密聯系。4、直接融資與間接融資是可以相互轉換的。5、直接融資的發展必然體現在整個社會信用格局的變化上。6、直接融資的發展必將要求相應機構的發展，由此引起整個金融體系的變化。7、直接融資的發展快慢應取決於企業成為真正主體的進程。
根據國際經驗與中國改革進程實際，
國已確定大力發展資本市場、逐步提高直接融資比重的金融發展戰略。為解決已經存在的問題和應對未來可能出現的問題，對直接融資發展的目標和影響進行理論分析，無疑具有重要意義。