金融大数据 ppt课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据
金融大数据
互联网+大数据模式下的征信
金融大数据 - 征信
目录
技术变革推动征信业发展
互联网+大数据征信：广泛 、多维、实时 运用大数据征信模型全面 刻画信用 金融大数据应用案例
神州融大数据风控平台
结束-感谢
大数据
技术变革推动征信业发展
征信背景
征信最早起源于消费分期，需要对消费者进行信用评估，但当时更 多的是通过口碑积累的定性判断，没有定量描述。进入电子化时代 后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和 评估信用，这极大地推动了行业快速向前发展。
可能性、坏账的可能性等； • 每天根据预测的分数和交易状况和提前设定的strategy 自动调整客户的credit line； • 每天根据预先设定的strategy和3，4的结果对客户进行电话、邮件、信件等的促销和催收； • 采用结构化和非结构化数据 • 不仅仅分析客户本人，还可以分析担保人等
金融大数据其他应用
会。 • 交易对手网络风险分析。了解证券和交易对手问的风险概况和联系。 • 消费智能。
阿里金 融
• “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
–
特点：它的每笔贷款额度都很小，太多的资金额度需要更多次的检验;
金融大数据应用2
• 定期（每天）对所有客户的交易日志和当前的债权状况（包括核心系统内的数据和从征信中 心取得的数据）进行分析， 建模，及分析当前模型的精确性；
• 定期（每天）根据分析对客户进行分类（segmentation ）； • 每天针对不同的分类建立不同的模型，进行行为评分、预测对客户营销可能性、 提前还款的
金融增值服务
场景金融与获客导流 通过与大型互联网电商平台的深度合作，平台将开发基于不同信贷业务场景和垂直细分客 户市场的信贷服务产品。帮助互联网平台实现流量的高效转化以及快捷差异化的金融服务 ；帮助金融服务机构规模化获取有效信贷客户，并通过对用户的线上线下行为、交易等数 据进行采集和应用，有效改善信贷资产质量和提升业务运营效率。 资金撮合与资产证券化 联合第三方专业评级机构，帮助入驻的金融机构实现信贷资产生产过程的数字化管理与量 化评级，增加资产透明度和可信度，并通过与理财平台的对接，解决理财资金收益与风险 的有效匹配。
征信发展
在今天的互联网时代，数据承载量非常大，任何数据都可以成为信 用的一部分，即我们可以利用数据与信用的关联度，深层次挖掘信 用数据。人工智能算法模型不止是对过去的统计，也包括对未来的 预测，它可以帮助我们更好地刻画违约概率和信用状况。
技术变革一直推动着征信业的发展
大数据
互联网+大数据征信：广泛、多维、实时
大数据
大数据征信
神州融 大数据风控平台 征信大数据
渗透生活方方面面的信用
Biblioteka Baidu
金融大数据部分应用案例
大数据
• 大数据与小而美的金融信贷 – 完全是构建在互联网的基础 – 通过数据分析，以自主服务模 式为主的、面对小微企业的信 贷工厂 – 24小时开放、随时申请、随 时审批、随时发放的纯互联网 的小额信贷服务
大数据信贷优势
• 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
小微金融业务现状
– 未来互联网金融模式下资源配 置的特点
– 资金供需信息直接在网上发布 并匹配，供需双方甚至不需银 行、券商或交易所等中介，直 接匹配完成信评级的重要依据
良贷款会迅速暴露;模型的反馈和改进时间短;
违约率高 ,利率很高
微贷公司
金融大数据部分应用案例
大数据
• 信贷 – 并不只跟信贷部有关系，还跟客户服务部、法律部、IT架构等等 都有关系 – 这些关系全部串接起就形成了全流程信贷的概念，打破了业务部 门和业务部门之间的界限 – 信贷应用就要重新设计、开发 – 引入影像平台、流程平台、规则引擎平台这些因素降低整体成本
大数据
人群覆盖广泛 活动时间
6.48亿网民，互联 网征信数据可作为补 充
信息广谱多维 活动时间
. 传统数据+生活类数 据+互联网数据 . 上万个变量
数据实时鲜活 活动时间
. 实时互动 . 线上与线下融合 . 生活化、具象化
运用大数据征信模型全面刻画信用
大数据
接入大量外部广谱数据
大数据征信模型
运用大数据征信模型全面刻画信用
互联网金融趋势
• 自下而上的风险分析。分析ACH交易、信贷支付交易，以获取反映压力、违约或 积极发展机会。
• 业务联系和欺诈分析。为业务交易引入信用卡和借记卡数据，以辨别欺诈交易。 • 跨帐户参考分析。分析ACH交易的文本材料（工资存款、资产购买），以发现更
多营销机会。 • 事件式营销。将改变生活的事件（换工作、改变婚姻状况、置房等）视为营销机
金融大数据应用1
• 客户体验 – 支付结算 – 贷款（小微企业贷款和个人贷款） – 统一客户体验（多渠道） – 业务模式融合（保险、证券、理财等金融一站化服务） – 互联网的应用普及使金融信息化程度迅速深化，电子银行、电 子交易服务、电子货币与支付服务、在线金融信息服务以及其 他通过网络提供的金融产品及服务迅速得到推广扩散，金融业 务版图被不断重构。
金融融合创新
• 反洗钱 – 一个欺诈就是一个Case – Case包含了与之相关的所有资料，例如法律规范、业务逻辑、时间顺序、修改轨迹等 – 当需要的时候，可以很快地找出来 – 得出一个嫌疑是否违规犯罪的结论 – 可以了解犯罪者、供应商或欺诈团伙之间的关系 – 并能够对复杂的多渠道欺诈构建更易解读的可视化分析
神州融大数据风控平台
信贷管理云平台
神州融与Experian联合 开发的微金融信贷管理云平台，以“信贷工厂”理念为设 计原则，坚持大数据驱动的风控管理实践与信贷业务决策，并安全运营在阿里金 融云上。 涵盖信贷全流程管理：包括审批、账务、催收等多个子系统，可根据业务流程差 异灵活配置或模块化独立运行。 适用业务范围：平台涵盖消费金融、车贷、房贷、网商贷、POS贷等不同业务类 型，并设定了最佳实践的风控流程、评分模型及业务风控策略体系，可实现针对 个人及小微企业的纯信用、抵质押类信贷业务审批管理，
金融大数据
互联网+大数据模式下的征信
金融大数据 - 征信
目录
技术变革推动征信业发展
互联网+大数据征信：广泛 、多维、实时 运用大数据征信模型全面 刻画信用 金融大数据应用案例
神州融大数据风控平台
结束-感谢
大数据
技术变革推动征信业发展
征信背景
征信最早起源于消费分期，需要对消费者进行信用评估，但当时更 多的是通过口碑积累的定性判断，没有定量描述。进入电子化时代 后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和 评估信用，这极大地推动了行业快速向前发展。
可能性、坏账的可能性等； • 每天根据预测的分数和交易状况和提前设定的strategy 自动调整客户的credit line； • 每天根据预先设定的strategy和3，4的结果对客户进行电话、邮件、信件等的促销和催收； • 采用结构化和非结构化数据 • 不仅仅分析客户本人，还可以分析担保人等
金融大数据其他应用
会。 • 交易对手网络风险分析。了解证券和交易对手问的风险概况和联系。 • 消费智能。
阿里金 融
• “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
–
特点：它的每笔贷款额度都很小，太多的资金额度需要更多次的检验;
金融大数据应用2
• 定期（每天）对所有客户的交易日志和当前的债权状况（包括核心系统内的数据和从征信中 心取得的数据）进行分析， 建模，及分析当前模型的精确性；
• 定期（每天）根据分析对客户进行分类（segmentation ）； • 每天针对不同的分类建立不同的模型，进行行为评分、预测对客户营销可能性、 提前还款的
金融增值服务
场景金融与获客导流 通过与大型互联网电商平台的深度合作，平台将开发基于不同信贷业务场景和垂直细分客 户市场的信贷服务产品。帮助互联网平台实现流量的高效转化以及快捷差异化的金融服务 ；帮助金融服务机构规模化获取有效信贷客户，并通过对用户的线上线下行为、交易等数 据进行采集和应用，有效改善信贷资产质量和提升业务运营效率。 资金撮合与资产证券化 联合第三方专业评级机构，帮助入驻的金融机构实现信贷资产生产过程的数字化管理与量 化评级，增加资产透明度和可信度，并通过与理财平台的对接，解决理财资金收益与风险 的有效匹配。
征信发展
在今天的互联网时代，数据承载量非常大，任何数据都可以成为信 用的一部分，即我们可以利用数据与信用的关联度，深层次挖掘信 用数据。人工智能算法模型不止是对过去的统计，也包括对未来的 预测，它可以帮助我们更好地刻画违约概率和信用状况。
技术变革一直推动着征信业的发展
大数据
互联网+大数据征信：广泛、多维、实时
大数据
大数据征信
神州融 大数据风控平台 征信大数据
渗透生活方方面面的信用
Biblioteka Baidu
金融大数据部分应用案例
大数据
• 大数据与小而美的金融信贷 – 完全是构建在互联网的基础 – 通过数据分析，以自主服务模 式为主的、面对小微企业的信 贷工厂 – 24小时开放、随时申请、随 时审批、随时发放的纯互联网 的小额信贷服务
大数据信贷优势
• 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
小微金融业务现状
– 未来互联网金融模式下资源配 置的特点
– 资金供需信息直接在网上发布 并匹配，供需双方甚至不需银 行、券商或交易所等中介，直 接匹配完成信评级的重要依据
良贷款会迅速暴露;模型的反馈和改进时间短;
违约率高 ,利率很高
微贷公司
金融大数据部分应用案例
大数据
• 信贷 – 并不只跟信贷部有关系，还跟客户服务部、法律部、IT架构等等 都有关系 – 这些关系全部串接起就形成了全流程信贷的概念，打破了业务部 门和业务部门之间的界限 – 信贷应用就要重新设计、开发 – 引入影像平台、流程平台、规则引擎平台这些因素降低整体成本
大数据
人群覆盖广泛 活动时间
6.48亿网民，互联 网征信数据可作为补 充
信息广谱多维 活动时间
. 传统数据+生活类数 据+互联网数据 . 上万个变量
数据实时鲜活 活动时间
. 实时互动 . 线上与线下融合 . 生活化、具象化
运用大数据征信模型全面刻画信用
大数据
接入大量外部广谱数据
大数据征信模型
运用大数据征信模型全面刻画信用
互联网金融趋势
• 自下而上的风险分析。分析ACH交易、信贷支付交易，以获取反映压力、违约或 积极发展机会。
• 业务联系和欺诈分析。为业务交易引入信用卡和借记卡数据，以辨别欺诈交易。 • 跨帐户参考分析。分析ACH交易的文本材料（工资存款、资产购买），以发现更
多营销机会。 • 事件式营销。将改变生活的事件（换工作、改变婚姻状况、置房等）视为营销机
金融大数据应用1
• 客户体验 – 支付结算 – 贷款（小微企业贷款和个人贷款） – 统一客户体验（多渠道） – 业务模式融合（保险、证券、理财等金融一站化服务） – 互联网的应用普及使金融信息化程度迅速深化，电子银行、电 子交易服务、电子货币与支付服务、在线金融信息服务以及其 他通过网络提供的金融产品及服务迅速得到推广扩散，金融业 务版图被不断重构。
金融融合创新
• 反洗钱 – 一个欺诈就是一个Case – Case包含了与之相关的所有资料，例如法律规范、业务逻辑、时间顺序、修改轨迹等 – 当需要的时候，可以很快地找出来 – 得出一个嫌疑是否违规犯罪的结论 – 可以了解犯罪者、供应商或欺诈团伙之间的关系 – 并能够对复杂的多渠道欺诈构建更易解读的可视化分析
神州融大数据风控平台
信贷管理云平台
神州融与Experian联合 开发的微金融信贷管理云平台，以“信贷工厂”理念为设 计原则，坚持大数据驱动的风控管理实践与信贷业务决策，并安全运营在阿里金 融云上。 涵盖信贷全流程管理：包括审批、账务、催收等多个子系统，可根据业务流程差 异灵活配置或模块化独立运行。 适用业务范围：平台涵盖消费金融、车贷、房贷、网商贷、POS贷等不同业务类 型，并设定了最佳实践的风控流程、评分模型及业务风控策略体系，可实现针对 个人及小微企业的纯信用、抵质押类信贷业务审批管理，