2018中国大数据风控行业研究报告
中国大数据发展调查报告(2018年)

报告目录
前言 .............................................................................................................................. III 观点摘要 .........................................................................................................................4 一、调查背景 ..................................................................................................................6 (一)调查方法及样本....................................................................................................................... 6 (二)报告术语界定........................................................................................................................... 7 二、大数据产业规模........................................................................................................8 (一)大数据产业总体规模............................................................................................................... 8 (二)大数据核心产业规模............................................................................................................... 9 (三)细分领域规模........................................................................................................................... 9 三、大数据应用.............................................................................................................10 (ห้องสมุดไป่ตู้)大数据应用现状.....................................................................................................................10 (二)大数据应用场景.....................................................................................................................13 (三)大数据应用带来的效果.........................................................................................................13 (四)大数据应用的主要障碍.........................................................................................................14 (五)未来大数据投入趋势.............................................................................................................15 四、大数据资源.............................................................................................................16 (一)数据规模..................................................................................................................................16 (二)数据来源..................................................................................................................................16 (三)数据类型..................................................................................................................................18 (四)数据共享..................................................................................................................................19 (五)数据管理..................................................................................................................................20 五、大数据平台.............................................................................................................21 (一)建设模式..................................................................................................................................21 (二)自建大数据平台模式.............................................................................................................22 (三)采购公有云服务模式.............................................................................................................24 (四)大数据产品选型.....................................................................................................................25 六、政策需求和资源需求...............................................................................................26 (一)政策需求..................................................................................................................................26 (二)资源需求..................................................................................................................................27
2018年大数据行业分析报告

2018年大数据行业分析报告一、行业所处生命周期 (3)1、第一阶段:大数据行业探索期(2004-2008 年) (3)2、第二阶段:大数据市场启动期(2009-2011 年) (3)3、第三阶段:大数据行业高速发展期(2012-2020 年) (3)二、行业上下游的关系 (4)三、行业监管体制、主要法律法规及政策 (5)1、行业主管部门和监管体制 (5)(1)工业和信息化部 (5)(2)行业自律性组织 (5)2、行业主要法律法规及政策 (6)四、影响行业发展的因素 (7)1、有利因素 (7)(1)大数据上升为国家战略,符合战略性新兴产业发展方向 (7)(2)信息技术不断升级推动行业持续发展 (8)(3)基于大数据进行精准管理和精确营销需求大幅上升 (8)2、不利因素 (9)(1)数据资源短缺,技术水平不足 (9)(2)前期投资大,回报周期较长 (9)(3)高端技术人才缺乏 (9)五、行业规模与发展趋势 (10)六、行业风险 (12)1、市场竞争风险 (12)2、数据安全风险 (12)七、行业竞争格局 (13)1、大数据行业竞争格局 (13)2、行业壁垒 (13)(1)人才和技术壁垒 (13)(2)资金壁垒 (14)一、行业所处生命周期随着大数据从概念渗透转向应用发展,大数据产业正处在蓬勃发展的孕育期与机遇期。
1、第一阶段:大数据行业探索期(2004-2008 年)该阶段,随着大数据库等技术的进步,数据挖掘概念开始普及,越来越多的企业将信息管理作为单独的业务部门,但由于当时企业数据采集能力有限、企业信息化时间较短、本身管理软件中储备的历史数据有限,一些业内厂商推出的领先数据管理方案并不容易获得企业认可,业务尚不足以推动技术的快速进步。
2、第二阶段:大数据市场启动期(2009-2011 年)2008 年金融危机以后,国内企业为了尽快从业务低迷的状态中恢复,获得市场竞争优势,对商业智能(BI)以及商业分析(BA)的需求出现快速提升,主要应用在决策支持、业务优化、销售机会挖掘等领域。
2018年中国大数据行业分析报告

各 省( ( 区 市 )大数据发展指数排名 (1 -1 6 名 )
■我国大数据发展总体处于起步阶段
一级指标 排名 省份 总指数 政策环境 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 湖南 天津 江西 云南 海南 甘肃 广西 内蒙古 山西 吉林 黑龙江 新疆 宁夏 青海 西藏 45 . 47 43 . 99 4 2. 8 1 4 1.2 8 38 . 77 38 .62 37 . 7 1 37 .01 35 .6 5 33 .1 4 3 2. 35 3 1. 79 3 0.6 4 2 5 . 87 1 5 . 75 44 .20 55 .11 37 .6 8 4 2. 7 0 4 1.6 3 44 .61 35 . 5 6 38 .20 38 . 5 1 3 1.6 7 33 .66 61.22 10.00 20.60 4 1. 4 1 人才状况 57 .00 54 .0 9 44 . 9 2 35 . 54 2 9 .2 3 2 8 .12 37 . 59 2 7 .1 5 4 1. 3 1 4 1. 7 2 4 2. 9 6 3 2. 93 20. 93 1 8 . 75 10.00 投资热度 2 4 . 35 1 5 . 37 35 . 8 1 39 .1 3 26. 58 38 . 7 6 3 6.60 33 . 94 1 5 . 37 2 9 . 87 26.11 10.00 3 0. 44 26.11 10.00 产业发展 49 .22 35 . 75 47 .1 4 5 1. 93 5 1.6 7 3 6. 78 2 7 . 53 37 . 98 5 1.0 5 2 3 . 78 1 7 . 49 3 1.0 5 5 0. 79 3 0.6 5 21. 43 创新创业 5 0. 58 5 6.1 3 4 2. 3 1 39 .0 4 3 6. 8 1 38 . 7 1 4 6. 5 2 28.81 2 9 .0 7 39 .66 43 .26 2 4 . 95 33 .16 20.20 11.62 网民信心 48 .2 3 62.06 5 0.0 9 38 . 84 57 . 45 5 6. 88 45 .0 9 7 6.1 8 44 . 45 2 9 .66 3 0.2 7 58 . 77 2 5 . 78 4 6. 7 0 10.00
2018年大数据行业分析报告

2018年大数据行业分析报告2018年11月目录一、大数据时代,演绎第三次浪潮的华彩乐章 (5)1、大数据的定义 (5)2、为何研究大数据 (7)3、大数据发展的基础:数据积累、算力提升、技术创新 (9)二、大数据发展全球加码,广阔空间蕴含商机无限 (10)1、基于大数据对各个行业的深入影响,近几年,美国、欧盟、日本等主要发达经济体都积极推进各自的大数据战略 (10)2、中国亦将大数据视为新经济的重要支撑 (11)3、大数据投融资市场持续升温 (13)三、大数据产业链:数据为源、分析为核、应用为王 (14)1、数据来源:政府、BAT、运营商等是当前大数据的主要拥有者 (15)2、数据管理与分析:存储是支撑、安全是保证、分析是核心 (15)(1)数据处理框架:Hadoop、Spark 是应用较为广泛的两种框架 (16)①Hadoop (17)②Spark (20)(2)数据处理算法:受益人工智能,神经网络算法关注度再次高涨 (24)①BP反向传播算法 (26)②RNN循环神经网络 (27)③CNN卷积神经网络 (29)④Kohonen 自组织神经网络 (30)3、数据应用:应用是完成产业商业化目标,实现价值的终点 (31)(1)政府大数据 (32)(2)医疗大数据 (34)四、相关企业简况 (35)1、四维图新 (35)2、中科曙光 (37)3、海康威视 (39)4、美亚柏科 (41)5、创业软件 (42)大数据时代,演绎第三次浪潮的华彩乐章。
对于大数据,Gartner 给出的定义是需要运用新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
1980年,著名未来学家阿尔文·托夫勒在其著作《第三次浪潮》中,将“大数据”描绘为“第三次浪潮的华彩乐章”。
大数据发展全球加码,广阔空间蕴含商机无限。
基于大数据对各行业的深入影响,美国、欧盟等主要发达经济体都积极推进各自的大数据战略,中国亦将其视为新经济的重要支撑。
2018中国金融行业大数据研究报告

股份制商业银行:中信银行2015年开始筹建大数据平台
•
数据存储 •
大数据技术最为成熟,区块链技术尚处于早期
现阶段,大数据不论从技术还是场景应用上都最为成熟,AI技术在算
法与业务场景结合上还存在提升空间。物联网技术应用环境较小,更 数据收集
多是作为线上数据的补充,区块链技术还处于早期阶段,技术本身还 不够成熟,距离落地应用还需要一定时间。
分散
数据应用
数据平台及分析工具
数据源
集中
2018/4/23 15
谢谢观看!
100-120亿美元。
2018/4/23
14
大数据风控市场集中度:数据源集中度提升、数据分析集中度分散
• • 数据源领域随着百行征信进场,集中度将逐步提升。未来,央行征信、百行征信、BATJ等在数据源领域 拥有绝对优势。 数据应用领域将呈现百花齐放的状态。类比美国,信贷领域的大数据风控公司是FICO,保险领域则是 Verisk Analytics。每个应用领域都有独特的场景理解能力渗透其中,因此,各个金融细分应用领域将持 续会迸发出创新机会。
2018/4/23
3
金融大数据是金融科技的急先锋
大数据
人工智能
物联网
区块链
云计算
•
•
金融科技最重要的是数据创新技术
从数据收集到数据应用的数据流中,涉及到大数据、人工智能、区块 链、物联网、云计算等各项技术,唯有金融大数据贯穿所有数据流程。 大型商业银行:农行2013年开始筹建大数据平台
数据应用
•
•
2018/4/23
大数据风控市场规模分析:2017年国内市场规模140亿
120
•
亿美元
2018中国金融行业大数据研究报告

2018中国金融行业大数据研究报告1. 引言1.1 背景介绍随着信息技术的高速发展,大数据作为一种新兴的资源,已经引起了各行各业的广泛关注。
金融行业作为数据密集型行业,拥有海量的数据资源,是大数据技术应用的天然土壤。
2018年,我国金融行业在大数据领域取得了显著的发展,不仅推动了金融行业的转型升级,也为金融市场的创新发展提供了强大的动力。
1.2 研究目的和意义本报告旨在全面梳理2018年中国金融行业大数据发展的现状、挑战和未来趋势,为金融行业从业者、政策制定者以及投资者提供有益的参考。
通过对金融行业大数据的深入研究,有助于提高金融行业数据资源的利用效率,促进金融行业与大数据技术的深度融合,为我国金融市场的稳健发展奠定坚实基础。
同时,本报告也关注大数据技术在金融行业中的应用创新,为金融行业转型升级提供新思路。
2. 中国金融行业概况2.1 金融行业定义及分类金融行业是指以经营货币资金、信用和风险为主要业务,以金融资产为运营对象,通过提供各种金融产品和服务,促进社会资金流动和资源配置的行业。
金融行业主要包括以下几大类:1.银行业:包括商业银行、政策性银行、外资银行等,主要提供存款、贷款、支付结算、国际业务等金融服务。
2.证券业:包括证券公司、期货公司、基金管理公司等,主要从事证券发行、交易、投资咨询等业务。
3.保险业:包括保险公司、保险经纪公司、保险代理公司等,主要提供人身保险、财产保险、再保险等业务。
4.信托业:信托公司通过设立信托计划,为客户提供财产管理、投资、融资等服务。
5.金融租赁和消费金融:提供设备租赁、汽车金融、消费分期等服务。
2.2 2018年中国金融行业市场规模及增长情况2018年,我国金融行业整体规模保持稳定增长。
根据中国人民银行发布的数据,截至2018年底,我国金融业总资产为294.91万亿元,同比增长6.4%。
具体来看:1.银行业:2018年,我国银行业总资产为261.96万亿元,同比增长6.4%。
2018年中国大数据产业发展形势展望报告

2018年中国大数据产业发展形势展望【内容提要】 2017年,我国大数据产业保持健康快速发展,不断向制造业等传统产业渗透融合,催生出一大批新产品、新服务、新模式和新业态,成为数字经济的重要组成部分,为实现两个强国建设提供了重要动能。
展望2018年,我国大数据产业将继续保持快速增长态势,对其他行业领域的融合渗透效应将向更深层次延伸,制造业数字转型的核心引擎作用将日益凸显,产业发展主基调依然是技术创新驱动,产业集聚特色化发展态势将逐步显现,产业生态体系也将迈入成熟完善阶段。
但同时,我国大数据产业发展也面临着数据开放共享水平有待提高、技术创新对产业发展的引领作用仍然不强、助推数字转型程度亟待提升、产业统计和标准体系急需构建、数据安全和数据主权面临新问题等挑战。
在此形势下,赛迪智库建议我国应从推进数据开放共享、强化核心技术创新、深化融合渗透效应、持续完善产业生态、加强行业监管管理五个方面着手,不断提升要素支撑能力、积蓄创新发展动能、促进实体经济发展、拓展市场发展空间并保障发展后续动力。
【关键词】 大数据产业 发展形势 展望2017年,随着《促进大数据发展行动纲要》深入实施和《大数据产业发展规划(2016-2020年)》的发布,我国大数据产业呈现健康快速发展态势,包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节产业规模预计达到4200亿元。
2018年,我国大数据产业发展虽然依然面临着宏观经济下行和结构调整的挑战,但也面临着国家和地方政策重点推动、各领域应用需求不断增长以及生态体系不断完善等重大机遇,预计2018年我国大数据产业将继续保持快速发展态势。
2018年中国大数据产业发展形势展望一、对2018年形势的基本判断(一)产业将继续保持快速增长态势2017年是《促进大数据发展行动纲要》深入推进关键之年,也是《大数据产业发展规划(2016-2020年)》发布并落地实施的第一年,我国大数据产业呈现加速发展态势,产业规模不断扩大,产业链条加速完善,企业实力不断增强。
中国大数据发展调查报告(2018年)

中国大数据发展调查报告(2018年)版权声明本调查报告版权属于中国信息通信研究院,并受法律保护。
转载、摘编或利用其它方式使用本调查报告文字或者观点的,应注明“来源:中国信息通信研究院”。
违反上述声明者,本院将追究其相关法律责任。
I中国大数据发展调查报告(2018年)报告目录前言 (III)观点摘要 (4)一、调查背景 (6)(一)调查方法及样本 (6)(二)报告术语界定 (7)二、大数据产业规模 (8)(一)大数据产业总体规模 (8)(二)大数据核心产业规模 (9)(三)细分领域规模 (9)三、大数据应用 (10)(一)大数据应用现状 (10)(二)大数据应用场景 (13)(三)大数据应用带来的效果 (13)(四)大数据应用的主要障碍 (14)(五)未来大数据投入趋势 (15)四、大数据资源 (16)(一)数据规模 (16)(二)数据来源 (16)(三)数据类型 (18)(四)数据共享 (19)(五)数据管理 (20)五、大数据平台 (21)(一)建设模式 (21)(二)自建大数据平台模式 (22)(三)采购公有云服务模式 (24)(四)大数据产品选型 (25)六、政策需求和资源需求 (26)(一)政策需求 (26)(二)资源需求 (27)II中国大数据发展调查报告(2018年)前言在国家政策的推动下,2017年大数据市场发展迅速,与此同时国内重要软硬件企业陆续推出大数据相关产品。
为进一步掌握中国大数据发展和应用情况,中国信息通信研究院开展了2017—2018年度中国大数据发展状况的调查。
本次活动采用现场访问、电话访谈和在线调查相结合的方式,对中国大数据产业规模、应用现状、数据资源情况、大数据平台、政策和数据需求等问题进行了调研,共回收有效问卷1572份。
本报告以调查数据为基础,结合行业专家的访谈,力争详实客观的反映中国大数据发展现状,为政府和企业了解中国大数据发展状况和制定相关决策提供参考,也为广大关注大数据的从业人员、专家学者和研究机构提供真实可信的大数据发展报告。
2018中国大数据风控行业研究报告

2018中国大数据风控行业研究报告1. 引言1.1 大数据风险控制的背景与意义随着中国经济的快速发展,金融业务和互联网技术不断创新,大数据在金融、电商等行业的应用日益广泛。
大数据风险控制作为保障行业健康发展的重要手段,正受到越来越多企业的关注。
大数据风控通过分析海量数据,提前发现潜在风险,为企业决策提供有力支持,降低业务风险。
在当前的经济环境下,大数据风控具有重要的现实意义。
1.2 报告的目的与结构安排本报告旨在深入剖析2018年中国大数据风控行业的发展状况,为从业者提供有益的参考。
报告首先从市场规模、竞争格局和政策法规等方面对中国大数据风控市场进行概述;接着分析大数据风控的关键技术;然后通过行业应用案例展示大数据风控的实际效果;最后探讨中国大数据风控面临的挑战与机遇,并提出相应的建议。
报告的结构安排如下:引言部分介绍报告的背景与意义、目的与结构;第二部分概述中国大数据风控市场;第三部分分析大数据风控的关键技术;第四部分展示行业应用案例;第五部分探讨面临的挑战与机遇;结论部分对报告进行总结,并提出行业发展建议。
2. 中国大数据风控市场概述2.1 市场规模与增长趋势2018年,中国大数据风控市场规模继续保持快速增长态势。
受益于金融科技的发展,以及监管政策对风险控制的重视,大数据风控在金融、电商、医疗等多个领域得到广泛应用。
根据相关研究数据显示,2018年中国大数据风控市场规模达到百亿元人民币级别,同比增长率超过30%。
在市场规模不断扩大的同时,增长趋势也愈发明显。
一方面,随着移动互联网、物联网等技术的普及,数据量呈现爆发式增长,为大数据风控提供了丰富的数据资源;另一方面,金融行业风险事件的频发,促使企业对大数据风控技术的重视程度不断提升。
预计未来几年,中国大数据风控市场规模将继续保持高速增长。
2.2 市场竞争格局2018年中国大数据风控市场竞争激烈,各类企业纷纷进入这一领域,包括金融科技公司、大数据公司、传统金融机构等。
中国大数据风控调研报告

• 网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法 律法规颁布,标志着监管套利空间消失。非持牌互联网金融公司必须 积极寻求与持牌金融机构的深度合作,将积累的用户、经验以科技手 段赋能金融机构。
• 金融基础设施建设
• 中国金融基础设施不健全,比如普惠金融信用信息体系、普惠金融统 计体系等。新的数据获取、存储、交易、分析技术不断涌现,中国金 融基础设施将完成越级式发展。
12
金融大数据在理财领域的应用案例:智能匹配
13
金融大数据在保险领域的应用
• 大数据改变保险领域产品理念,降低各环节人力投入
• 借助大数据技术,保险公司能够跟踪用户行为数据,产品设计更加关注用户全生命周期价值; • 通过在各险种建立垂直知识图谱,能够缩短客服人员的培训周期,提高客服效率; • 在核保核赔环节,可以利用图像识别等技术,用技术手段降低欺诈风险。
24
大数据风控市场格局:四类玩家竞争
• 中国市场,互联网巨头、产业类公司、创新型公司和IT类公司等四类玩家通过数据、技术、客户三个方面切入大数据风控领域。 • 美国市场的玩家则通过数据和技术两个方面切入大数据风控领域。
25
大数据风控市场集中度:百行征信入场提升数据源集中度
• 安全法落地提升数据源市场集中度
国征信市场占有率61.8%,2015年微升至63.5%。 由此推断,美国整体征信市场规模约100亿美元
• 两组数据交叉验证,同时由于美国市场基本成熟, 行业增速低,预测2017年大数据风控市场规模在 100-120亿美元
• 大数据风控市场规模的基础是居民消费贷款余额 (不含住房贷款):2017年Q3末,美国3.77万亿美 元,中国9.1万亿元,美国与中国比例2.7:1
行业研究报告.《中国银监行政处罚大数据》2018年度研究报告

《中国银监行政处罚大数据》2018年度研究报告随着政府信息公开程度的提升,银保监系统对外公布的行政处罚文书也在迅速增加。
为全面服务银行业监管,辅助银行业金融机构规避经营风险,促进银行业金融机构合规发展,法海风控对银保监系统公布的行政处罚文书[1]进行了全面统计和梳理,提供月度行政处罚情况、高危受惩案由、罚款金额分析、典型受惩案例等在内的月度研究报告,以期全面展示银保监系统最新公布的行政处罚情况。
1. 2018年度行政处罚文书总览据统计,2018年1月1日至12月31日,全国银保监系统共计公布了3311份行政处罚文书[2],相比2017年公布的行政处罚文书数量有所减少。
从全网公布的处罚文书案号连续性看,未公布的处罚文书占比极少。
基于银监处罚数据公开程度的不断提升,本文对2018年银保监系统公布的所有罚单进行了全面统计和梳理,希冀以行政处罚为切入点,对监管维度、处罚力度和惩戒重点进行分析。
从罚单数量和罚没金额来看,银保监会公布20份,各地银监局公布944份,银监分局公布2347份;明确受惩对象[3]为个人的1711份,占比51.68%;受惩对象为机构的1600份,占比48.32%;罚款金额共计208176.72万元,其中对机构罚款195070.53万元,占比93.70%;对个人罚款13106.19万元,占比6.30%。
2018年度公布的文书数量和罚款金额走势如下图所示:数据显示,在1月、5月、12月三个月份公布的处罚力度较大。
其中,1月19日公布了2018年首张罚没高达亿元的超级罚单,5月、12月则公布了银监会机关开具的20张罚单,合计罚没3.397亿元,因此对罚款金额影响较大。
从实际处罚时间来看,2018年第一季度与第二季度公布的数据中存在部分2015年至2017年之间的处罚文书,但随着原银监会与原保监会合并为银保监会后,每月公布文书的时效性越来越强,相信在不断加强监管的大环境下,银监处罚数据的公布力度和更新效率将不断提升。
《2018中国智能风控研究报告》丨亿欧智库最新报告出炉

《2018中国智能风控研究报告》丨亿欧智库最新报告出炉《2018中国智能风控研究报告》专注信贷业务智能风控研究,基于桌面研究、企业拜访和专家调研,明确智能风控定义,分析宏观背景如何推动智能风控产业发展,了解智能风控核心技术、产品与服务流程和应用价值,预测智能风控发展趋势。
风控管理是金融活动的核心。
我国金融产业的发展表现出很强的信贷属性驱动,各类以新技术支撑的智能风控产品服务,已成为不管是传统信贷业务,还是互联网信贷业务的重要支撑工具。
亿欧智库在《金融科技公司服务银行业报告》中预测2020年金融科技规模将达到245亿元,其中智能风控75.9亿元,占比31%,智能风控市场规模巨大,是未来金融科技公司集中发力的市场。
继《2018银行业创新形态及模式研究报告》、《金融科技公司服务银行业报告》等一系列研究之后,亿欧智库基于大量桌面研究以及对金融科技的理解,并与多家金融从业人员、金融科技公司高管沟通交流,撰写了《2018中国智能风控研究报告》。
与市场上已有的大数据风控报告相比,报告明确智能风控定义,研究范围清晰;从个人信贷和企业信贷两个模块分别分析智能风控的技术实现和应用落地;通过问卷调查的形式,揭示智能风控企业发展现状。
市场上对于智能风控的定义还受限于大数据风控,定义片面甚至混乱。
随着人工智能发展进入落地阶段,对于“智能”的定义已不局限于大数据或者人工智能等技术的应用。
亿欧智库通过企业拜访和专家调研,智能风控与传统风控的互补和革新主要体现在两个方面——技术和应用,而政策、经济、社会、技术多项利好因素推动智能风控产业发展。
从银行业金融机构、消费金融机构和互联网金融公司对于智能风控的需求来看,各类信贷业务主体对于智能风控的要求不同。
各类信贷主体需要通过自建风控系统或对外合作建立风控系统以完备自身风控能力。
金融机构智能风控的技术服务,可以将其分为三类:互联网公司、银行金融科技子公司和金融科技公司。
其中互联网公司是从数据端切入信贷风控业务,而创新型公司大多从技术端切入。
- 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)。
金融大数据重点是获客、身份验证和授信环节。
• 获客环节建立用户画像,跟踪用户完整生命周期; • 身份验证环节,通过活体识别等技术解决申请人是否本人的问题,关联分析则是利用图关联技术,找出欺诈团伙; • 授信环节汇聚多方数据源,通过建模进行风险定价,金融科技服务商输出信用评分给机构使用。
7
金融大数据在信贷领域的应用案例(一):智能营销
• 基于海量多维数据构建全渠道智能化客户经营体系,真正做到智能营销
8
金融大数据在信贷通过数据和技术甄别信贷领域的潜在风险
9
金融大数据在信贷领域的应用案例(三):关联分析
• 依托图关联技术,帮助金融机构有效识别隐藏在网络中的黑产信息,在团伙欺诈、黑中介识别等领域广泛应用
12
金融大数据在理财领域的应用案例:智能匹配
13
金融大数据在保险领域的应用
• 大数据改变保险领域产品理念,降低各环节人力投入
• 借助大数据技术,保险公司能够跟踪用户行为数据,产品设计更加关注用户全生命周期价值; • 通过在各险种建立垂直知识图谱,能够缩短客服人员的培训周期,提高客服效率; • 在核保核赔环节,可以利用图像识别等技术,用技术手段降低欺诈风险。
• 行业趋于合规
• 网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法 律法规颁布,标志着监管套利空间消失。非持牌互联网金融公司必须 积极寻求与持牌金融机构的深度合作,将积累的用户、经验以科技手 段赋能金融机构。
• 金融基础设施建设
• 中国金融基础设施不健全,比如普惠金融信用信息体系、普惠金融统 计体系等。新的数据获取、存储、交易、分析技术不断涌现,中国金 融基础设施将完成越级式发展。
14
金融大数据在保险领域的应用案例:智能理赔
15
金融大数据在支付领域的应用
• 大数据在支付领域的核心应用是交易反欺诈
• 通过设备指纹、人脸识别、用户行为习惯等方面预先建立交易反欺诈引擎,并根据事后的反馈数据不断优化模型。
16
金融大数据在支付领域的应用案例:交易反欺诈
• 基于大数据分析的风险监控系统,通过分析用户网上交易行为,快速侦测异常行为并作出反馈。
• 根据爱分析调研成果,大数据在各领域成 熟度与市场规模、基础设施和应用范围直
电子
接相关。
商务
电信
金融
• 从三方面评估,金融大数据和其他行业相 比渗透更为深入,已经进入成熟期。
餐 饮 农 业
业务监测
医疗
电力 能
政 务
教源
制育 造
公安
业务洞察
业务优化
气泡大小表示大数据在该行业的市场规模
数据盈利
业务重塑
10
金融大数据在信贷领域的应用案例(四):风险定价
• 从数据收集到风险定价,构建基于场景的多维度风控系统
11
金融大数据在理财领域的应用
• 大数据在理财领域的应用重点是营销获客和智能投顾
• 营销环节与信贷领域类似,通过建立用户画像实现精准营销; • 智能投顾包含KYC和匹配环节,重点是分析用户风险偏好,同时将KYC与KYP结合,实现智能匹配; • 未来,金融大数据将向理财的上游资产管理延伸,提升资管效率。
• 对金融科技服务商而言,以风控切入的大数据公司未来发展空间更大
• 风控是金融机构的根基,因此金融机构会采取审慎态度选取大数据风控厂商,建立信任周 期长,但合作紧密度更深。风控合作涉及用户全生命周期数据,风控厂商有机会借数据切 入到其他应用场景,未来发展空间更大。
应用范围
数据来源:爱分析
4
金融大数据进入成熟期
数据来源:爱分析
• 从基础设施看,金融领域基础设施好,信息化、数据标准化程度高
• 信息化是数据化的基础,只有积累大量业务数据才能进行大数据分析,金融 是最早推行信息化建设的行业,也是电子化业务渗透率最高的领域。同时, 国内银行等传统金融机构多数效仿国外的信息化建设方案,与医疗、工业相 比,金融领域以结构化数据为主,数据标准化程度高,数据清洗相对容易。
• 从应用范围看,业务由数据驱动,应用范围广
• 即使传统金融机构,业务也基于IT系统,金融业务与IT紧密结合,完全由数 据驱动。大数据会对金融机构的各项业务产生变革,在金融领域应用范围广, 能够影响到核心业务。
• 从市场规模看,金融大数据市场规模大,金融机构每年IT投入高于 其他行业
• 以银行为例,2017年中国银行业整体IT投资规模近千亿,占中国IT投入约510%。高IT投入,意味着金融机构在大数据业务的付费意愿更高,付费能力 更强,金融大数据的市场空间更大。
17
大数据风控综合价值最大,领跑应用领域
• 对机构而言,大数据风控是金融机构的通用需求
• 不论是银行还是消费金融公司,金融机构普遍有风控需求,底层业务逻辑几乎完全相同, 只是面对客群、风险偏好存在差异。
• 对机构而言,风控是金融机构核心能力
• 银行等传统机构本质上是风险经营。一方面,监管层对金融机构的风控能力提出很高要求, 另一方面,风控直接会影响金融机构的利润水平。因此,大数据风控直接解决金融机构的 核心需求,价值度最大。
• 大数据技术最为成熟,区块链技术尚处于早期
• 现阶段,大数据不论从技术还是场景应用上都最为成熟,AI技术在算法与业 务场景结合上还存在提升空间。物联网技术应用环境较小,更多是作为线上 数据的补充,区块链技术还处于早期阶段,技术本身还不够成熟,距离落地 应用还需要一定时间。
3
金融大数据进入成熟期
基础设施
2
数据是金融科技的核心
• 金融科技最重要的是数据创新技术
• 从数据收集到数据应用的数据流中,涉及到大数据、AI、区块链、物联网等 各项技术。我们定义金融大数据,是覆盖数据全部流程的新技术,而不仅仅 定位数据
和图像视频数据,形成了一张170亿个顶点、680亿条边的关联网络,可以 有效识别骗贷团伙。
2018中国大数据风控行业研究报告
金融科技赋能普惠金融与金融基础设施
• 普惠金融主旋律
• 中国金融服务不均衡,促使国务院发布《推进普惠金融发展规划 (2016—2020年)》,为社会各阶层和群体提供适当、有效的金融服 务成为发展重心。但各类银行机构在客群下沉过程中,难以做到商业 可持续,因此,通过大数据等科技手段提收增效成为金融机构核心诉 求。