
用大數據打造新金融生態圈
大數據已經不再陌生,無論是掏出手機買買買,還是打車叫外賣,基于大數據算法的APP能夠在你打開應用的時候,第一時間把你可能感興趣的內容推送到你的眼前。
然而,大數據的應用到了用戶層面只是普通人接觸到大數據的最淺層的體驗。報告顯示,2016年我國大數據核心產業規模達到3100億元,按照工信部發布的《大數據產業發展規劃(2016-2020年)》,預計到2020年將達到1萬億元的規模。
基于底層技術開發的大數據,在未來還有非常多的可應用場景等待實現。自2007年就開始在大數據領域耕耘的金電聯行,至今已經與中國民生銀行、國家開發銀行、廣發銀行、浦發銀行等近50家銀行合作,提供智能化的金融服務,基于企業數據的挖掘、利用,幫助企業獲得信用貸款,幫助銀行量化監管風險,金電聯行董事長兼總裁范曉忻認為,這是公司的立身之本。
風口總會對著有準備的企業
時至今日,金電聯行在大數據領域的地位已經通過10年的累積逐步顯現。2016年,畢馬威中國首次發布中國領先金融科技50強榜單及報告(KPMG China Fintech 50),作為大數據金融科技創新領域的領軍企業,金電聯行以多年積累大數據處理和建模能力,以及科技金融應用落地實踐經驗上榜。
在10年的發展中,作為大數據理論與云計算技術在信用領域的革命性應用者,金電聯行在中小企業信貸領域打開了缺口,尋找到了降低企業成本和縮短貸款時間的方法。
通過大數據的采集分析,利用了大數據時代數據量無限擴大、鏈條無限延長、體系不斷完善、捕捉難度日益降低的歷史契機,建立了客觀信用評價體系,從解決中小微企業融資的實體經濟問題入手,打破了以財務信息為核心的傳統信用評價思維,改變了以抵押擔保為主的傳統信貸方式,創建一個低成本、大批量、高效能、全風控的純信用貸款管理模式,破解了我國中小微企業信用融資的難題。
這一市場缺口的填補,使得金電聯行走在其他大數據企業之前,并且有能力將應用領域不斷向社會治理、信用體系建設等領域延伸。
目前,金電聯行與北京、上海、天津、山東、貴州、河北、江蘇、浙江、安徽等近30個省市地區建立了戰略合作,為各地政府在精準社會治理、社會信用體系建設、金融風險防控等方面提供全方位支持,并在大數據開放、大數據交易、大數據標準化等方面助力政務大數據基礎建設。
在技術層面,金電聯行擁有中國第一個自主知識產權的大數據信用技術體系。這個體系不依賴于財務數據,不依靠人的主觀分析,對信用主體的行為數據,從采集、清洗、分析、評價以及實時的跟蹤監測,全部通過計算機完成信用評價模式,實現了信息采集、數據運用、分析計算、評價結果和風險預警的高度客觀性、智能性和高效性。
近幾年,范曉忻介紹說,金電聯行技術實現跨越式進步,研發的“智能數據工廠”能夠自動化地、流水線地對數據進行加工和處理。如果把數據資源比作“原材料”,把數據應用比作“產品”,那么,金電聯行就是利用專業的知識和技能建立“生產線”,并且通過深度學習的人工智能推動“生產線”不斷革新升級,這是一整套能夠自我學習、自我成長的“生態系統”。數據工廠實現了大數據應用“質”與“量”的共同提升,能夠依據不同的需求建立算法和模型,助力解決數據應用的實際問題。
在三個最擅長的領域深耕
金電聯行董事長范曉忻在接受《經濟參考報》記者采訪時表示,從2016年開始,大數據的發展已經從“概念的風口”過渡到了“應用的風口”,大量的應用場景開始搭建,大數據逐漸與各行各業深度融合,成為新常態下新金融、新科技和新經濟的高端生產要素。
但范曉忻認為,金電聯行沒有足夠的精力面對大數據產業蓬勃發展的全部領域。他更愿意將公司的業務聚焦一些針對性領域。時至今日,金電聯行在三個最擅長的領域深耕。
“一個是金融大數據,金電聯行通過創建的大數據征信、大數據風險量化、大數據信用融資、基礎數據平臺建設等模式,提升了金融服務的效率;另外一個領域是政務大數據,主要幫助政府搭建政務治理平臺,整合多維度企業信用數據,提供企業信息的全面、集中的展示,為政府制定政策提供數據支撐。同時還能夠代替人工,更加精準地完成工作,最大限度地減少操作差錯,節省人力成本,提高政府工作效率。政務大數據的應用也是當前最火爆的領域;第三個是產業大數據,也是最近比較熱門的,與地方政務數據不同的是,產業大數據沒有明顯的區域性,更側重于條數據,邏輯性很強,猶如一部車有上萬個零部件,缺一個零件都不可以,必須所有的零件協同。金電聯行一方面幫助企業進行數據化的治理,如精準生產、精準銷售等,實現產業資源的優化配置,另一方面能讓數據產生金融價值,進而提供產業金融服務,助力產業轉型升級。我們基本上在這三個領域主要應用?!狈稌孕谜f。
當然,應用領域仍然是在不斷持續拓展中的?!拔覀儗⒃谝陨先齻€領域進一步深耕、擴展,未來還希望能夠在中國征信領域形成獨立的第三方大數據征信標準,這是我們最近在努力的方向?!狈稌孕谜f。
大數據的爆發式應用
眼下正是最好的時候,范曉忻認為?!拔覀?007年成立的時候,還沒有‘大數據’這個概念,所有的嘗試都是摸著石頭過河?!?
從大數據行業的共識看,業內流行的說法是,從2009年到2013年是大數據的萌芽期,“大數據”的字樣開始出現并日益受到關注。從2015年到2016年,國家已經認識到發展大數據的重要作用,各項政策文件頻繁出臺(《關于促進大數據發展的行動綱要》、《關于運用大數據加強對市場主體服務和監管的若干意見》),2016年,大數據被上升為國家戰略,從而進入了產業高速發展時期。
“我認為機會已經來了?!狈稌孕谜f,大數據行業在經過喧囂后,已經逐步趨于理性,孕育著時代的需求。
“為什么金融大數據風起云涌,在全國形成燎原之勢?一個因素是人們認知的因素,開始逐漸接受大數據,另外一個因素,是數據越來越多?!狈稌孕谜J為,中國人口紅利的下降也帶來了數據的應用,比如隨著破解融資難題的手段越來越多,很多銀行壞賬開始出現,人的效率低、成本高,機器能產生更高的效率、成本低,所以,可能人口紅利的拐點即將到來,數據將是很好的替代方法。
大數據的爆發式應用將是一個持續性的過程,從范曉忻多年的觀察看,實際上現在的應用還處在非常初級的階段,這個爆發可能在未來就像現在的手機一樣,會在相當一段時間內伴隨人們的成長。數據的應用門類會越來越多,深度和廣度都會越來越大。還有非常重要的一點,數據會越用越多,時代將從IT走向DT,從信息科技走向數據科技?!拔覐?982年開始學習計算機,幾乎是國內第一批,到現在IT已經伴隨我30多年,我相信大數據未來也會伴隨我們成長,慢慢成為生活的一部分,必不可少?!狈稌孕谜f。
用數據解決融資難題
金電聯行對于大數據的挖掘比大部分公司更早一些,始于2007年。那一年,清華大學計算機系畢業的范曉忻開了一家與金融無關的IT類公司,2007年前主要為華北地區的汽車零部件企業做供應鏈管理系統?!捌鋵嵞阌袡C會去做金融。假如每一個供應鏈金融系統里面的1000個供應鏈經銷商,要是能夠通過你的數據,來解決他們的金融融資難題,這不挺好的?!币晃辉谌A爾街從事金融的師弟這樣一句建議,給范曉忻提供了新的視野。
在美國,80%以上靠的是信用貸款,而我國當時幾乎為零,99%以上通過抵押擔保獲得,因為中國的銀行要將風險轉化,要求有變現能力,西方的金融風險則是成本,通過各種金融手段實現風險可控,這是中國和西方金融體系的區別。而這也預示了范曉忻選擇的這條創業道路絕非坦途。
在發現零部件生產商總是在為流動資金短缺苦惱后,范曉忻開始意識到供應鏈數據中的金融價值尚未被充分開發。當時,絕大多數銀行的貸款均需要抵押物,很多汽車零部件優質供應商盡管本身訂單充足,只是缺少短期資金購買原材料,但受制于抵押物不足,很難獲得貸款。在了解到這些小企業們飽受資金短缺之苦后,他開始考慮挖掘那些供應鏈數據背后的金融價值。
在“大數據”和“互聯網金融”概念尚未興起的2007年夏天,范曉忻和幾個合伙人一起,成立了一家名叫金電聯行的公司,取“金融電子化,聯合銀行”之意,他們想以數據分析連接銀行和中小企業,起初是為他所結識的汽車零部件供應商做客觀信用計算,然后再把他們作為客戶介紹給銀行,申請無抵押信用貸款。
從2007年到2010年這個時間段,范曉忻介紹說,最初,團隊不斷地建立、調整算法模型,花幾年工夫去驗證和試錯,多少次推倒重來。金電聯行在這期間,一直致力于對企業數據的研究,和銀行合作幫助企業獲得信用貸款。那個時代是大數據還在沉睡的時代。
第二個時間段,是進入下一個10年,其中2010年到現在7年的時間,大概還可以分成三個階段:第一個階段,是一些大數據的實踐開始出現,很多大數據公司也逐漸在2011年、2012年成立,說明2010年以后市場環境發生了變化,數據積累到了一定的程度,金電聯行的第一筆1500萬元純信用融資也是在這一時間(2010年)達成,之后陸續在2012年、2013年進入量化風險管理的領域。那幾年的萌芽開始于實踐,不是理念;第二個階段,大概從2012年、2013年到去年,大數據概念的風口出現,那是一個大數據概念被瘋炒的年代,這時候產生了大量的大數據公司,甚至出現了不具備條件的大數據創業公司;第三個階段,到了2016年下半年,范曉忻記得,他當時在一次會議上認真地對公司的同事說,“我們要做好充分的準備,大數據真正的應用可能很快會到來”。
“大數據+”模式廣泛應用
2016年,“大數據+紡織”模式成為金電聯行“大數據+”模式的一次成功實踐。這個模式將紡織行業的全產業鏈數據打通、采集、清洗,形成閉環數據,打造數據驅動的金融生態圈,給傳統行業的轉型發展帶來了新的思維和路徑,引起了社會各界的強烈反響。
新常態下,出于供給側結構性改革的需要,各行業尤其是傳統行業面臨的轉方式、調結構任務十分艱巨,據了解,金電聯行的“大數據+”模式目前正在紙業、酒業、科技、文化等多個行業進行應用。
嚴格地說,大數據作為一種前沿科技,在全世界范圍內還沒有統一的成熟發展模式,各國當前更多的是為解決本國的實際問題而進行探索。金電聯行是國內最早擁有自主知識產權的大數據公司,很多創新不僅在國內前無古人,在國際上也是史無前例的。
談到未來,范曉忻思考要在做寬和做深兩條路上共同發展。一方面,金電聯行從行業深挖的角度入手,通過與清華、北大、復旦等高校合作,鼓勵大數據研究相應的算法和更多的大數據解決方案出現,這些都無疑會使大數據研究深度、能力得到提升。另外,金電聯行設立了人工智能實驗室,讓精英去做更多的大數據底層研究、自學習、機器學習等等,這些雖然不能馬上產生效應,但未來能形成從大數據底層到大數據解決方案的全面的、成熟的體系。
另一方面,范曉忻還計劃擴展大數據的應用領域,首先要在擅長的大數據應用領域進一步拓展,無論地域、產業,還是在擅長的金融領域,同時,在此基礎上向其他領域拓展,如農業大數據、旅游大數據等?!皩τ诮痣娐撔羞@樣的有準備的企業來講,意味著未來有更多的機會,大數據本質是個數學的事,需要算法、需要驗證、需要實踐,需要真正地解決問題,我們不會停止探索的腳步?!?
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA數據分析師證書考試體系(更新于2025年05月22日)
2025-05-26解碼數據基因:從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化,你是否會聯想到背后的銷售數據波動?三年前在零售行 ...
2025-05-23在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25