大数据金融1997概述.ppt

大数据金融下的 征信系统 高峡 重庆众意网科技有限公司 ;大数据金融 Panel 重庆百货 互联网金融的分类 第三方支付 P2P 众筹 大数据征信系统 央行征信系统 企业内部征信系统 国外征信案例 FICO 国家战略 113115 ;精准营销 Customer Segmentation 客户分群 微博为什么不盈利？ 缺乏结构化的人群标签数据 无法做精准营销 ;300万行的客户数据 几千个客户属性 需要根据任何客户属性的组合进行查询;市场调研 微软 沃尔玛 谷歌 Motorola 300万的一个Panel到底应该值多少钱？ ;*;300万VIP 易极付三方支付;深度挖掘客户资源 扩大数据的维度 跨行业的信息整合;O2O C2B 供应链 数据平台 金融平台;数据类型多 越来越多非结构化数据；音频、 食品，地理位置信息等多类型数 据对数据处理能力提出更高要求。;所谓对传统金融的彻底颠覆，一个很重要的表现形式是大数据的征信和网络贷款：根据企业的行为数据计算出企业可能违约的概率，在这个基础上进行贷款（B2B是典型）。当前典型的是阿里小贷等。未来大数据的保险也是这样的：根据行为的数据进行保险差别的定价。比如未来的车险将根据个人生活、工作、习惯所有大数据的基础，给出事故发生的概率，然后给出保险的费率。这种模式完全颠覆了现在保险费率的模式。 P2P网络贷款，也是互联网金融的模式。P2P网络贷款是债权，众筹融资就是解决股权问题。如通过众筹模式解决小额风险投资问题，美国已经规定这种模式是合法的。大数据在证券投资中的应用也将非常广泛。互联网金融，尤其是搜索引擎、云计算使人们收集了大量的数据，这些数据在证券投资当中将发挥很大的作 用，而且现在它对股价的预期非常有用。;“大数据+机器智能学习” 利用海量数据挖掘和算法来做一些贷款业务 大量使用了社交媒体和其他的网络工具 每个贷款人都拥有6000到8000条数据;如今人们越来越适应在网上进行消费,即使是在金融危机爆发后也没有过度的打消人们在网上购物的热情;随着人们购物热情的增长,现在信用卡的使用已经越来越普遍,融入到我们的生活之中;区别传统金融模式下，银行只能通过历史信贷信息判断授信对象的信用水平。而在互联网金融模式下，信贷机构可广泛应用信用评分模型，通过电子交易平台信息、物流信息、资金流信息等互联网大数据综合判断授信对象的信用状况。;现状 中国将近4200万小微企业，占企业总数的的97.3% 由于分布零散、业务不规范、盈利不明朗、信 贷时间长、信用难以构建等现状，使得小微企业的贷款相当困难;互联网金融的本质是互联网、云计算、大数据和移动支付等技术在金融领域的运用，但并未改变金融的本质。 征信能力和信用评估能力决定了P2P和众筹等融资平台的成败。 ;大数据征信系统;金融的核心是风控 风控的核心是征信;２００６年由央行建成，是我国重要的金融基础设施。当下互联网金融的快速发展，大大扩展了征信体系的数据范畴，这将推动传统信用评分模式的转变。 根据中国人民银行《中国征信业发展报告》编写组编写的《中国征信业发展报告(2003—2013)》介绍，截至2012年12月底，金融信用信息基础数据库已为8.2亿自然人和1859.6万户企业建立了信用档案。;包括企业信用信息基础数据库和个人信用信息基础数据库。企业信用信息基础数据库始于1997年，在2006年7月份实现全国联网查询。截至去年底，该数据库收录企业及其他组织共计1000多万户，其中600多万户有信贷记录。个人信用信息基础数据库建设最早始于1999年，2005年8月底完成与全国所有商业银行和部分有条件的农信社的联网运行，2006年1月，个人信用信息基础数据库正式运行。截至去年底，该数据库收录自然人数共计6亿多人，其中1亿多人有信贷记录。 央行征信系统的主要使用者是金融机构，其通过专线与商业银行等金融机构总部相连，并通过商业银行的内联网系统将终端延伸到商业银行分支机构信贷人员的业务柜台。 目前，征信系统的信息来源主要也是商业银行等金融机构，收录的信息包括企业和个人的基本信息，在金融机构的借款、担保等信贷信息，以及企业主要财务指标。;*;从销售量 、营业额、 退货量 、好评度、 销售往期同比这些信息中获得最基础的借贷评估 ;客户忠诚度、增长、客单价 、流失、 交易频率 ;同行业排名,排名波动率;*;多种数据来源 央行和企业内部征信系统的割裂 缺乏一个公正的评分依据 ;征信三巨头 三巨头背后;益百利（Experian）是伦敦证券交易所上市企业，入选金融时报100指数成份股。公司总部设在爱尔兰共和国的首都都柏林，同时在美国加利福尼亚和英国诺丁汉等地设有运营总部。益百利在美国和英国都是最大的个人信息产