基于互聯(lián)網(wǎng)金融平臺的大數(shù)據(jù)挖掘研究

董 喆

（山東英才學院,濟南 250000）

2001年IT權威機構Gartner提出了“大數(shù)據(jù)”這一全新概念，到了2009年“大數(shù)據(jù)”這一說法開始在互聯(lián)網(wǎng)上傳播開來。美國奧巴馬政府在2012年高調宣布其“大數(shù)據(jù)研究和開發(fā)計劃”，標志著大數(shù)據(jù)真正開始進入主流的傳統(tǒng)社會。所謂大數(shù)據(jù)研究，最重要的是發(fā)現(xiàn)曾經(jīng)忽略的數(shù)據(jù)的價值，從而發(fā)現(xiàn)規(guī)律和做出預測。

金融服務業(yè)自誕生起就是基于數(shù)據(jù)的產(chǎn)業(yè)。金融服務行業(yè)對大數(shù)據(jù)挖掘天生存在著迫切需求，例如股價的預測離不開對歷史數(shù)據(jù)的分析，銀行業(yè)務的創(chuàng)新離不開對客戶數(shù)據(jù)的分析。傳統(tǒng)金融業(yè)的數(shù)據(jù)主要來源于傳統(tǒng)銀行所掌握的客戶資料、信貸交易信息等，但這種數(shù)據(jù)的提供顯然是不全面的。而互聯(lián)網(wǎng)社交媒體的崛起，恰恰提供了海量的數(shù)據(jù)素材，例如通過社交媒體（如微博、微信、Facebook等）可以獲取用戶的社交圈、興趣愛好、社會地位等；通過電商平臺（如淘寶、天貓、京東）可以獲取消費者的購買偏好、消費水平、交易信息，網(wǎng)商的交易動態(tài)、信用信息、客戶評價等；通過消費點評類網(wǎng)站（如大眾點評網(wǎng)、口碑網(wǎng)）可以獲取消費者評價、商戶口碑、經(jīng)營條件等。這些看似沒有關聯(lián)的海量數(shù)據(jù)，可以通過大數(shù)據(jù)挖掘技術，找出內在規(guī)律，為金融創(chuàng)新提供依據(jù)，創(chuàng)造出更大商業(yè)價值，

1 大數(shù)據(jù)挖掘在國家征信體系中的作用

我國是從近幾年才開始重視居民的征信系統(tǒng)建立的，而建立的依據(jù)主要來自于傳統(tǒng)金融業(yè)的客戶交易信息，而互聯(lián)網(wǎng)金融中“大數(shù)據(jù)+云計算”的運用，可以從整個互聯(lián)網(wǎng)的答數(shù)據(jù)庫中搜集數(shù)據(jù)，完善國家征信數(shù)據(jù)。

第一，大數(shù)據(jù)挖掘可以用于傳統(tǒng)金融業(yè)的信貸評級分析，幫助信貸員收集和處理客戶資料。通過對互聯(lián)網(wǎng)海量數(shù)據(jù)進行分析，獲取相關客戶信息（如客戶交易記錄、交易習慣、資產(chǎn)狀況、投資偏好，甚至社交圈、消費水平、興趣愛好等）與內部相關信息融合，獲得更詳細的顧客背景描述，以便更有效地進行風險管理。此外，還可以把這些信息用于CRM客戶關系管理系統(tǒng)中或進行其他市場營銷活動。

第二，對于本身便是互聯(lián)網(wǎng)出身的金融企業(yè)來說，利用大數(shù)據(jù)更是如魚得水。例如，上海陸家嘴國際金融產(chǎn)權交易有限公司創(chuàng)立的陸金所P2P網(wǎng)絡信貸交易平臺，基于注冊用戶的大數(shù)據(jù)平臺建立風險控制模型，可以對每一貸款人的貸款風險進行測算和評級，并且隨著貸款人的實際貸款類型及還款情況，動態(tài)調整風控數(shù)據(jù)及評級，及時作出預警。從國家征信體系建立的角度講，陸金所大多數(shù)的貸款人都是個體工商戶，而這些用戶尚未被納入現(xiàn)行國家征信數(shù)據(jù)中，因此陸金所通過自有信用數(shù)據(jù)的積累和挖掘建立起自己的征信體系，既不被動依賴于國家目前尚未完善的征信體系，又能切實為小微企業(yè)提供金融服務，解決融資難的問題。從這個角度講，陸金所風控數(shù)據(jù)模型的建立補充完善了國家征信系統(tǒng)。

除陸金所外，阿里小額貸款也高效地利用了阿里巴巴、淘寶、支付寶等電商平臺，不斷積累客戶消費數(shù)據(jù)、行為數(shù)據(jù)及資信數(shù)據(jù)，并通過交叉檢驗技術輔以第三方認證確認客戶信息的真實性，將客戶在電商平臺上的行為軌跡映射為信用數(shù)據(jù)，結合風險控制數(shù)據(jù)模型，并最終給予一定限額的授信額度。根據(jù)有關報道，傳統(tǒng)商業(yè)銀行貸款額度平均為150萬元，審批周期最快3天，不良貸款率為2%～3%，而阿里小額貸款額度為平均4萬元，審批周期最快幾分鐘，不良貸款率小于1%。自2010年成立至2012年8月底，阿里小貸共發(fā)放貸款超過300億元，有消息稱日利息最高突破了100萬元。盡管與銀行的貸款業(yè)務相比仍然微乎其微，但阿里小貸效率更高，可實時在線放貸，且不良貸款率很低。這種高效放貸的基礎，正是基于阿里巴巴平臺上的交易大數(shù)據(jù)挖掘。

我們已經(jīng)看到，依托于“移動互聯(lián)網(wǎng)+大數(shù)據(jù)+云計算+電子商務”技術，互聯(lián)網(wǎng)金融已經(jīng)在小微領域取得了大數(shù)據(jù)挖掘所帶來的征信優(yōu)勢，這正好彌補了國家征信體系建立過程中對小微企業(yè)數(shù)據(jù)采集不足的缺陷。借力于大數(shù)據(jù)挖掘技術，主動收集小微企業(yè)以及個人的信用信息加以分析整合，互聯(lián)網(wǎng)金融的市場占有率會越來越高。

2 大數(shù)據(jù)挖掘在融資領域中的應用

大數(shù)據(jù)金融融資主要分為電子商務平臺融資和供應鏈融資。這兩種模式將傳統(tǒng)的抵押貸款模式轉化為以大數(shù)據(jù)挖掘貸款人行為軌跡形成的信用數(shù)據(jù)為依據(jù)的信用貸款模式。這樣不僅有利于融資門檻、成本的降低，而且提高了資金周轉和使用效率。

2.1 電子商務平臺融資模式——以阿里金融為例

電子商務平臺融資主要是指企業(yè)通過在平臺上大量積累的交易數(shù)據(jù)，形成基于大數(shù)據(jù)的金融平臺來分析整合金融風險及產(chǎn)品創(chuàng)新服務。其中以阿里巴巴為典型代表。阿里巴巴依托自有電商平臺，積累了包含每一個買家和賣家行為軌跡的海量企業(yè)和個人的信息和數(shù)據(jù)（購物偏好、消費習慣、店鋪交易信息等），通過打通包括阿里巴巴、淘寶、天貓、支付寶的底層數(shù)據(jù)，將交易數(shù)據(jù)、客戶評價數(shù)據(jù)、貨運數(shù)據(jù)、認證信息等進行量化分析審核，根據(jù)貸款申請人網(wǎng)上交易的活躍程度、投資及回報情況等進行風險評估，判斷申請人的風險等級。通過產(chǎn)品創(chuàng)新，阿里巴巴發(fā)展了多種業(yè)務，包括支付寶、阿里小額貸款、貨幣基金“余額寶”以及保險服務，逐步滲透傳統(tǒng)銀行的“存、貸、匯”三大核心業(yè)務：“支付寶”打通了從“電子商務”到“匯”的通道，“阿里小額貸款”實現(xiàn)了從“匯”到“貸”的轉變，“余額寶”成功突破了從“匯”到“存”的限制。這與傳統(tǒng)銀行業(yè)務形成了巧妙的互補。

2.2 供應鏈融資模式——以京東為例

供應鏈融資主要是在海量交易的大數(shù)據(jù)基礎上，以行業(yè)龍頭企業(yè)為主導，以信息提供方或擔保方的方式，與銀行等金融機構合作，對產(chǎn)業(yè)鏈上下游的企業(yè)提供融資。這種B2P（Business-to-Peer）網(wǎng)絡融資方式主要基于大數(shù)據(jù)和云計算技術，具有“金額小、效率高、成本低、借貸靈活”的特點，其典型代表是京東商城、蘇寧的供應鏈融資模式。京東供應鏈融資平臺依托京東商城的電子數(shù)據(jù)渠道（供應商評價系統(tǒng)、結算系統(tǒng)、票據(jù)處理系統(tǒng)以及銀企互聯(lián)系統(tǒng)等），掌握供應商的信用軌跡并據(jù)此以信息提供方或擔保方的身份與商業(yè)銀行合作向供應商提供訂單融資、入庫單融資、應收賬款融資和委托貸款融資四類融資產(chǎn)品，從而幫助他們獲得銀行的資金支持。同時，京東商城通過供應商的采購、入庫、銷售、結算、財務等數(shù)據(jù)對客戶資信能力進行評估和審核，以此強化風險防控措施。幫助供應商實現(xiàn)融資，不僅解決了供應鏈上的小微企業(yè)融資難的問題，同時帶動了京東的發(fā)展，京東目前正準備將此中大數(shù)據(jù)金融服務推廣到京東生態(tài)圈以外的領域。

3 大數(shù)據(jù)挖掘在資本市場中的應用

資本市場（特別是投資組合）是大數(shù)據(jù)的主要用武之地，為了給交易者提供準確及時的預測，大數(shù)據(jù)挖掘是最佳工具。在資本市場中，交易需求驅動了對更加準確的交易信息和趨勢預測的量化要求，同時內部的風險控制和監(jiān)管的壓力需要更加準確和透明的信息。例如，可以利用微博上的海量數(shù)據(jù)，分析出人們的共同情緒從而預測他們的投資行為及股價的走勢。高頻交易和算法交易是大數(shù)據(jù)挖掘在資本市場的典型應用。

4 大數(shù)據(jù)挖掘在保險業(yè)中的應用

保險市場對大數(shù)據(jù)挖掘的應用將從聚焦于高風險用戶細分市場中的欺詐檢測和虧損防堵轉移到基于顧客行為的風險數(shù)據(jù)挖掘，并最終實現(xiàn)科學的差異化定價決策。

例如，汽車保險公司根據(jù)違章紀錄等數(shù)據(jù)來挖掘駕駛者的行為習慣，從而對保險費用進行定價；利用相關技術分析理賠數(shù)據(jù)，將疑似欺詐和高風險的保單與低風險的保單區(qū)分開，來避免數(shù)百萬的保險欺詐，加快保單處理速度。

5 結論

2014年是互聯(lián)網(wǎng)金融的大舉進軍金融界的一年，互聯(lián)網(wǎng)的發(fā)展更強勁地沖擊著傳統(tǒng)金融業(yè)務，傳統(tǒng)金融服務業(yè)也在借力互聯(lián)網(wǎng)尋求突破，兩者的沖突與磨合必將引起更深入的合作和融合?；诖髷?shù)據(jù)平臺而發(fā)展的互聯(lián)網(wǎng)金融將是商業(yè)模式創(chuàng)新的源泉。但是我們也要清楚地看到，金融服務業(yè)尚不能完全駕馭大數(shù)據(jù)，其中一個主要問題就是安全性。保護個人財產(chǎn)安全與分享個人信息數(shù)據(jù)這對矛盾組合擺在了互聯(lián)網(wǎng)金融面前，風險控制不容小覷。

盡管對于中國金融服務業(yè)來說，大數(shù)據(jù)挖掘是一個全新的領域，但是大數(shù)據(jù)挖掘必將會給未來的中國金融業(yè)帶來一系列變革，從客戶管理、風險控制、定價決策、投資組合到產(chǎn)品銷售，大數(shù)據(jù)將和云計算、移動網(wǎng)絡等其他先進的信息技術一起成為支撐未來金融業(yè)發(fā)展的引擎。

[1]吳昭華.大數(shù)據(jù)時代的互聯(lián)網(wǎng)金融發(fā)展研究[J].電子世界，2014(03):192-193.

[2]婁飛鵬.互聯(lián)網(wǎng)金融支持小微企業(yè)融資的模式及啟示[J].武漢金融，2014(04):6-8.

[3]新平.充分發(fā)揮好互聯(lián)網(wǎng)金融“鯰魚效應”[N].《上海證券報》，2014(02):A04.

[4]劉英，羅明雄.大數(shù)據(jù)金融促進跨界整合[J].《北大商業(yè)評論》，2013(11):96-101.

[5]劉新海.大數(shù)據(jù)挖掘助力未來金融服務業(yè)[J].金融創(chuàng)新，2014(21):117-126.

[6]康書生，曹榮.互聯(lián)網(wǎng)大數(shù)據(jù)技術在融資領域的應用研究[J].金融理論與實踐，2014(01):108-110.

[7]郭喜才.基于互聯(lián)網(wǎng)金融背景下的中小型科技企業(yè)融資問題研究[J].科學管理研究，2014(02):109-112.

[8]張玉明.小微企業(yè)互聯(lián)網(wǎng)金融融資模式研究[J].會計之友，2014(18):2-5.