行业新闻

互联网金融大数据都为小微企业带来了哪些创新?

发布时间:2016-08-18

大数据对于金融的重要性已是行业共识,无需赘述。目前,大数据在金融行业的应用远远谈不上充分,这里有客观环境和基础设施的制约,也有数据获取的问题、数据积累的问题和数据处理的问题,相应的商业机会存在于解决这些问题的努力之中。


互联网金融创新


传统金融机构与客户的联系密切,获取信息的渠道广泛,还可以承担较高的尽职调查成本,资金融通门槛高,虽然数据基础比较好,发挥大数据效用的需求并不强烈。而面对小微客户时,无论互联网金融机构还是传统金融机构的信审和风控难度都急剧上升,迫切需要多方位的数据支撑。但问题恰恰在于小微客户数据的获取困难大、成本高,因此首先需要数据获取端的创新。


推荐阅读:机遇与挑战 互联网金融商业模式创新不足


这种创新包括两个层面,其一是数据获取流程的标准化,其二是数据获取方式的多样化。如果通过实践摸索和数据分析,能够确定对于何种小微客户应以何种步骤、重点采集何种数据,数据获取的效率必将大大提高,这就是数据获取流程的标准化——根据客户类型选择标准化的步骤进行调查,得到标准化的数据用于分析。有时,由于小微客户的历史数据有限,即使采用了标准化流程也无法得到充足的数据,此时就需要拓展数据获取的方式。例如,ZestFinance利用用户访问贷款网站和填写贷款申请的行为性和操作性信息,可在短时间内快速对用户的信用情况进行评估,就属于数据获取方式的创新。


在数据积累方面,单独一家金融机构对用户的了解毕竟有限,如果能汇总多家机构的数据,再结合客户的日常经营或生活数据进行信用评估,评估的准确度和可靠度必将大大提升。这为征信平台和专业金融数据公司提供了广阔的创新空间,在标准化数据获取流程和多样化数据获取方式的基础上,针对国内实际情况,如何低成本的持续更新用户数据、如何高效的扩充用户量和数据量、如何提供个性化的评估算法,是这些公司的主要挑战。


在数据处理方面,当前金融大数据处理的主要难度不在于体量大,而在缺乏合适的非结构化数据处理工具。例如,社交网络的数据一度被认为对评价个人信用具有重要价值,使用效果却并不理想,原因在于用户的社交图谱易于结构化、易于分析,价值却不大;用户在社交平台上的发言文本有价值,却因为是非结构化的,难以分析和利用。


大数据处理的另外一个挑战是非结构化数据与结构化数据的融合问题。理论上来讲,异源、异构数据对于全面描述对象和交叉验证评价结果意义重大。同样,因为非结构化数据处理的难度,数据融合工作难以开展,导致数据紧缺(可用的数据很少)与数据过剩(不可用的数据又太多)并存。因此,如何处理非结构化数据、如何融合多源数据以获得更加准确的评估结果,是金融大数据处理的主要挑战,蕴藏丰富的商机。

分享到: