社交大数据的分析研究.docxVIP

社交大数据的分析研究大数据征信的概念传统的征信系统由于数据来源较窄，评价的维度比较单一，覆盖的人群有限，再加上评估数据在时间上具有一定的滞后性等缺点，已经不能够满足我国征信市场多元化发展的需求。 而大数据与云计算赋予了互联网金融， 相较于传统渠道更广泛的信息来源，以及更高价值的数据分析决策，打破了我国传统金融行业的格局，为互联网金融的快速发展带来了契机。 而将大数据运用到征信行业，即所谓的大数据征信，也成为了当下炙手可热的话题。 在互联网金融新格局下， 新兴的金融形态纯网络银行，如腾讯旗下的微众银行，就将凭借其社交网络上的海量数据，进行大数据征信。关于大数据征信，主要是指运用大数据技术重新设计征信评价模型和算法，通过多维度的信用信息考察，包括但不仅限于现金流等财务数据，还包括地址信息、行为数据、社会关系等半结构化、非结构化数据，形成对个人、企业及社会团体的信用评价（植凤寅，2014）。 大数据能够通过追踪信用记录，影响银行与客户建立联系的方式，同时互联网技术极大地降低了信息的获取、 处理和传播成本, 使得基于标准化信息 (信用评分和分级) 的资产证券化和各种衍生金融交易成为可能。 关于大数据征信的数据来源， 主要是凭借互联网上的海量数据，主要包括如下表 1 所示的数据类型。在大数据征信的数据来源中，将社交应用类大数据（以下简称“社交数据”）运用于个人的信用评估中，受到了较大的质疑与争议。 将社交数据用于征信虽然在我国是先例， 但是在国外早已有相关的征信机构，将其运用到实际的征信活动中，本文将在总结国外相关社交数据征信经验的基础上，对社交数据在个人征信中的可靠性进行初步的探讨。二、社交数据的概念及特点（一）社交数据的相关概念关于社交数据的概念，目前还未有确切统一的定义。 本文将其定义为：在社交类应用上产生的海量数据的集合。 社交类应用泛指以社交功能为基础的互联网应用，包括狭义的社交网站、微博、即时通信工具、博客等互联网垂直应用1。既然社交数据产生于社交类应用，要了解其特点，首先就要先获悉相关社交类应用的特征。 本文重点分析当前使用较频繁的即时通讯工具（QQ、微信等）、社交网站（QQ 空间、人人网等）及微博（新浪微博、腾讯微博等） 三 大 应 用 。 根 据 中 国 互 联 网 络 信 息 中 心（CNNIC） 的调查显示，2014 年在三大类社交应用中，整体网民覆盖率最高为即时通信， 覆盖率2达到了89.3%，其次为社交网站 ，覆 盖 率为 61.7% ，最 后 为微博（43.6%）。 可见，社交类应用在整体网民中的覆盖率很高，且使用频率也很高，每天至少使用一次的用户占比最大，所以每天都有海量的社交数据生成。其次，还要知道消费者在社交类应用上，都使用了哪些功能，留下了怎样的行为轨迹。 如下表 2 所示，网民在使用即时通讯功能时，主要以聊天和发布朋友圈为主；在社交网站上则主要使用上传照片、发布状态、日志及分享信息等功能；对于微博来说，一般将其用于关注新闻、感兴趣的人，特别以名人明星为主，并转发相关信息。 另外，三大社交类应用都包含在线购物的功能，但网民的使用频率都较低。（二）社交数据的特点既然社交数据属于大数据的范畴，自然拥有大数据的四大基本特点，即数据体量巨大(Volume)、数据类型繁多(Variety)、价值密度低(Value)和处理速度快(Velocity)（维克托·迈尔-舍恩伯格，2012）。 除此之外，社交数据由于产生于社交类应用上，还具有其独有的特点。 从上述对社交类应用的相关情况，及网民主要使用的功能介绍中，可总结出社交数据具有以下的一些优缺点。1.社交数据的优点。一是群体性。 在社交网络中人们具有与自己相似特征的其他人，建立传播网络的倾向，即“物以类聚，人以群分”（谢平等，2012）。 在即时通讯工具中存在群聊天的功能，为了更好的沟通，大家往往会根据各种需求和目的组建不同的群，如关系型群、兴趣型群等，从而构成了不同的社交圈。 在同一个社交圈内的人，都具有一定的共性， 分析同种类型社交圈内的数据，就能够总结出该群体的共同特征及相关规律。二是预测性。在三大社交类应用中，网民经常使用的功能就是在朋友圈、QQ 空间或微博上发布各种状态、评论及照片等内容，而从这些数据中通常能够总结出个人的兴趣爱好、性格特点及消费偏好等。 如果商家通过社交数据，进行相关的大数据分析，就能够提前发现消费者的需求， 从而提前提供让消费者满意的产品或服务，提高消费者的购物体验。 因此，从这个角度上来说，社交数据具有一定的预测性。 但是，该预测的功能更多的体现在商家发现顾客的消费偏好方面， 至于是否能够预测顾客的信用水平，还有待进一步的考察。不过，也有学者认为金融市场价格走势，很大程度上受市场情绪的左右， 社交网络提供的情绪数据能为金融交易带来巨大