大数据金融-第1章大数据金融简介

2.大数据的内涵

(1)数据类型

(2)技术方法

(3)分析与应用

3.大数据的特征

多样性:随着互联网的发展和传感器类型的增加，网页、图片、音频、视频、微博等未处理的半结构化和非结构化数据越来越多，主要是非结构化数据，数量激增，类型多样。非结构化数据比结构化数据更复杂，数据存储和处理的难度增加。

时效性:大数据的时效性是指在数据量极大的情况下，能够在一定时间和范围内及时处理，这是大数据区别于传统数据挖掘的最显著特征。只有对大数据进行实时创建、实时存储、实时处理和实时分析，才能及时有效地获取高价值信息。

价值导向:蕴含了大量的深层价值，大数据的分析、挖掘和利用会带来巨大的商业价值。

4.大数据和传统数据的区别

5.大数据的背景

1.根据大数据结构分类

2.按照大数据获取和处理的方式进行分类。

3.以其他方式分类

1.增加销售机会

0.商业大数据的来源

1.客户

2.市场

3.商品

4.供应链

0.数据来源

2.市场和精准营销

3.客户关系管理

4.企业运营管理

5.数据商业化

0.数据来源

2.支付定价

3.研究与开发

4.新的商业模式

5.公共卫生

1.营销

2.服务

3.操作

4.风险控制

大数据金融是指运用大数据技术和大数据平台开展金融活动和服务，对金融业积累的大数据和外部数据进行云计算等信息处理，结合传统金融开展金融融资和创新金融服务。

1.网络演示

大量的金融产品和服务通过网络呈现。

2.风险管理已调整。

风险管理的概念——财务分析(第一还款来源)、抵押财产或其他担保(第二还款来源)会不那么重要。

风险定价法——通过数据更加关注交易行为的真实性和信用的可信度。

对客户的评价——全方位、立体/生动。

风险管理的主要手段——基于数据挖掘的客户识别和分类。

3.减少信息不对称

4.提高金融服务的效率

在正确的时间和地点，以正确的方式向正确的消费者提供正确的产品。

5.拓展金融企业的服务边界。

由于效率的提高，其经营成本必然降低，最适合扩大经营规模。

金融从业者会服务更多的个人。

6.产品可控可接受。

对于消费者来说，通过网络化呈现的金融产品的收益或成本以及产品的流动性是可以接受的，其风险是可控的。

7.普惠金融

大数据金融的高效率和扩大的服务边界，大大拓展了金融服务的对象和范围，金融服务更加接地气。

1.快速放款，精准营销个性化服务。

基于大量长期的信用和资金流大数据，随时计算信用评分，根据贷款需求和信用评分，使用在线支付实时放贷。

2.客户基础大，运营成本低。

大数据金融以大数据云计算为基础，主要基于大数据的自动计算，不需要大量的人工，成本低，整合碎片化的需求和供给，将服务领域拓展到更多的中小企业和中小客户。

3.科学决策和有效控制风险

根据交易借贷行为违约率等相关指标估算信用评分，利用分布式计算制作风险评估模型，解决了信用分配、风险评估、授权实施、欺诈识别等问题，有效降低了不良贷款率。

基于电子商务平台上形成的在线交易信息和在线支付形成的金融大数据，利用云计算等先进技术对数据进行处理和分析，形成信用或订单融资模型。

典型代表就是阿里小贷。基于电子商务平台的交易数据、社交网络的用户交易和交互信息、购物行为习惯等大数据，通过云计算实时计算和分析得分，形成电子商务平台网商的累积信用数据。通过电子商务构建的网络信用评级体系、金融风险计算模型和风险控制体系，实时向网商发放订单贷款或信用贷款。比如阿里小贷，可以在几分钟内提供贷款。

企业利用自身的上下游产业链(原材料供应商、制造商、经销商和零售商)，充分整合供应链资源和客户资源，提供金融服务。

JD.COM商城和Suning.cn是供应链金融的典型代表。

在供应链金融模式中，电商平台只是作为信息中介提供大数据金融，不承担融资风险和防范风险。-渠道商是核心企业。