- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
3月26日数据动态早报 | 大数据应用、智能金融、超级电商金融以及区块链金融
数据动态早报，让您了解数据新变化、新创造和新价值。 一、通信行业数据动态 1 中国移动公布了截止2016年12月31日年度业绩报告，董事长尚冰在《董事长报告书》（以下简称“报告书”）中更是重提5G研发和物联网重点业务发展。 【搜狐网】 二、电子商务数据动态 1 江苏常熟京云数据科技有限公司和京东云签订合作协议，双方将在“大数据+服装产业”领域建立长期、全面的合作关系。 【DoNews网】 三、互金行业数据动态 1 “科技与金融结合的创新，在很大程度上决定金融业的核心竞争力。目前有四个领域受到高度关注。” 李礼辉指出的四个领域包括大数据应用、智能金融、超级电商金融以及区块链金融。【新浪网】 四、医疗健康数据动态 1 浙江大学成立睿医人工智能研究中心，构建全国首个开放式医学人工智能平台。
1.1K80发布于 2018-02-28 - 来自专栏王的机器
『金融数据结构』「3. 基于事件采样」
本文含 6821 字，48 图表截屏 建议阅读 34 分钟 0 引言 本文是 AFML 系列的第三篇 金融数据类型 从 Tick 到 Bar 基于事件采样 在上贴〖从 Tick 到 Bar〗里，我们已经会从 它们虽然可以做到减少数据量，但是采样数据的方法都没有金融含义支撑，线性等分采样过于简单，均匀采样过于随机。 因此本帖来看看第二种基于事件采样，即背后有金融含义支撑的采样方法。 (df.tail(3)) 首先不做任何采样，画出 tick 数据的价格折线图。 dollar.head(3).append(dollar.tail(3)) 画出 dollar bar 的折现图。 3 总结 处理数据永远是最花精力和时间的，机器学习是，量化金融也是，数据科学更是。
2.7K40发布于 2019-08-05 - 来自专栏数说工作室
金融数据挖掘之决策树（ID3）
数说工作室提供策略编写、数据分析服务和量化支持。
1.1K110发布于 2018-03-28 - 来自专栏数据科学与人工智能
【金融数据】消费金融：大数据风控那点事？
3.识别出潜在风险的人 利用数学模型来识别风险客户，目的是找到欺诈客户和未来不会还款的用户。在识别坏种子时，数学模型和坏种子是关键，数学模型决定风控方式是否科学，数据纬度是否全面，结论是否科学。 例如利率为12%的小额信贷就可以容忍3%左右的不良贷款率，其利差收益完全可以覆盖不良贷款。对于风险较低的消费信贷，其不良贷款率也可以适当放开。 这也是互联网金融反欺诈公司或征信公司兴起的原因，他们主要的作用就是解决了客户信用信息不对称的问题。 3.恶意欺诈和薅羊毛比例较高 信用风险体现在两个方面，一个是客户恶意欺诈，另外一是客户信贷违约。 第一种是将资产打包，以3-4折的方式卖给资产管理公司，由他们去催收，效果不是太好，损失较大，还有法律分线风险，因此不是主流。 3、丰富数据输入纬度以及较细的颗粒度，对传统风控的补充 传统风控模型已经不能适应复杂的现代风险管理环境，特别在数据信息录入纬度上，影响客户信用评分的信息较多，很多都没有引入到风险评估流程。
5.6K51发布于 2018-02-28 - 来自专栏数据科学与人工智能
金融科技：金融科技与数据科学概述
我以一个金融科技数据科学工作者的角度观看，是指利用各种科技服务金融业务和数据以创造商业价值的系统化过程。 2 金融业务，我了解到信贷业务、理财业务、保险业务、支付业务等。 3 金融数据，我接触到征信数据、客户基本信息数据、客户设备数据、客户消费数据、客户行为数据、客户信贷流转数据等。 03 金融科技的数据科学工作介绍 我是在金融科技从事数据科学工作，主要内容包括： 1 业务和数据的理解 2 数据清洗和准备工作 3 数据的探索性分析和报告 4 风控模型设计和应用 5 营销模型设计和应用 6 模型的部署、管理、优化和迭代 7 高效建模环境的搭建和维护 8 全流程数据科学工作的模块化编程 9 数据、规则、模型、策略设计、分析和调优 等等 04 金融科技数据科学人才的三点思考 如何成为一名金融科技数据科学人才 首先，金融科技数据科学人才属于一种复合型人才。这样的人才既需要熟悉金融业务问题，又需要掌握数据科学的知识和技能。 其次，优秀的沟通和表达能力、团队协作能力、项目管理能力，这些软实力，也非常重要。
2.7K10编辑于 2022-01-20 - 来自专栏数据科学与人工智能
【FinTech】金融服务业3种方式利用数据推动创新
笔者邀请您，先思考： 1 金融科技公司如何利用数据创造价值？ ? 虽然数据具有数百万次的潜在用途，并正在许多应用中使用，但金融服务企业正在使用数据在行业内进行创新的方式有三种： 使用数据进行更快地贷款决策并改善客户体验 我们生活在一个'按需'的时代，即时食品，即时娱乐和即时答案不仅仅是可能的 这是金融机构仍然落后的一个领域，因为许多金融服务申请仍需要数天或数周才能处理。无论是购买贷款还是申请抵押贷款，通常都需要等待批准。 利用数据扩大银行外的贷款审批 消费者金融保护局报道说，仅在美国就有4500万人没有足够的信用记录来产生准确的信用评分。从最近的大学毕业生到高收入移民，这个群体内的人口统计都很广泛。 利用数据推动中小企业的发展 中小企业贷款一直是金融业的一个强硬部分，企业通常缺乏足够的财务历史或必要的资金来通过传统的风险决策流程获得资金。
53120发布于 2018-07-30 - 来自专栏数据科学与人工智能
金融科技：数据篇
金融科技领域的数据，从数据结构角度观察，分为结构化数据、半结构化数据和非结构化数据；从数据所有权角度观察，分为自有数据和第三方数据；从数据作用角度观察，分为营销类数据、风控类数据、财务类数据等。 3）用户的终端数据 终端是入口，通过授权获取相关信息，比方说APP列表信息、短信信息、通讯录信息、设备信息、GPS信息等 4）用户授权运营商数据 运营商数据包括用户信息数据、通话数据、短信数据、流量数据 5）用户授权社保数据 用户社保数据包括用户信息数据、用户缴纳社保明细数据等。 6）用户授权电商数据 用户电商数据包括用户信息数据、用户地址数据、用户电商消费详单数据等。 8）贷中贷款和还款数据 用户贷款信息，用户额度数据，用户还款计划表，用户还款明细等。 9）贷后的催收数据 用户逾期数据，用户催收策略数据，用户失联数据等。 1）用户基本信息数据 2）用户的产品数据 用户已经使用的产品清单和详情数据 3）用户过往营销类数据 用户过往各种方式（触点方式+产品类型+营销时机）营销的数据 4）用户的行为流数据 用户响应某种服务或者使用某种产品全流程的行为轨迹所采集的数据
1.3K20编辑于 2022-03-29 - 来自专栏数据科学与人工智能
3月6日数据动态早报 | 利用大数据防范金融风险
一、通信行业数据动态 1 3月3日，在中国信息通信研究院和新华网联合主办的“网络强国和实体经济”论坛上，工信部总工程师张峰透露，2017年工信部将加大网络强国战略实施力度，以此振兴实体经济，并确保“中国制造 【雨果网】 三、互金行业数据动态 1 利用大数据防范金融风险。金融发展与现代信息技术的深度融合，运用大数据技术作为支撑，提升办案能力，是应对金融犯罪信息化、智能化新情况的必然举措。 一是要采用大数据聚合方法进行风险预警，互联网金融企业的注册信息、招聘信息、网站访问量、营销广告等特征数据经大数据平台聚合，形成对企业的“数据画像”。 李克强总理所做的政府工作报告中，互联网金融再度被提及，并特别强调了互联网金融在内的金融风险防范。 【金融界】 四、医疗建康数据动态 1 在《“洞见·2017”新兴产业投资机会》白皮书中，将人工智能（AI）、虚拟现实（VR）、大数据、云计算、信息安全、工业软件、泛娱乐、社交网络、互联网医疗、互联网金融
1.1K70发布于 2018-02-28 - 来自专栏腾讯大讲堂的专栏
金融风控数据管理——海量金融数据离线监控方法
作者：housecheng 腾讯WXG工程师 |导语 解决金融风控数据监控“开发门槛高”“重复工作多”的痛点，实现PSI计算性能十倍速提升。 背景 在金融业务上，质量和稳定是生命线，我们需要对所有已经上线的风控要素，如策略、模型、标签、特征等构建监控。 这种模式主要的问题在于： 开发门槛高，要素负责同学需要掌握spark离线计算、mysql等数据库的增删数据，还需要手动配置例行化任务，在告警系统上登记注册等，耗时费力； 重复工作多，要素指标相似、重合度很高 计算psi需要3次遍历表，计算缺失率需要1次遍历表，共计需要3+3+1=7次遍历 而实际上都是对同一table表的遍历，可以合并，如下图，此时只需要3次遍历，可以节省一倍以上的时间 ? 小结 针对金融风控要素监控的“开发门槛高”“重复工作多”等问题，本文提出了“统一监控计算与检查工具”这一解决方案，本文详细论述了该方案TaskMaker、 Calculator、 Checker等各个模块的设计实现
4K10发布于 2021-04-12 - 来自专栏数据猿
金融科技&大数据产品推荐：金融魔方 ---专业的金融SaaS服务平台
微信公众号ID | datayuancn 本产品为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分；感谢 金融魔方 的产品投递 1、产品名称 金融魔方 ·企业钱包SDK 2、所属分类 金融科技 ·金融赋能服务 3、产品介绍 在金融牌照合规的基础上，链接银行、保险等金融机构核心业务系统，将合规的金融账户、金融产品、交易支付系统、风控、清结算系统等复杂功能集成为一套成熟 对所有敏感数据进行数据加密或摘要处理，符合中国人民银行标准合规的金融行业定制加密要求。 第二，人性化的服务设计，账户完全线上化操作，多层敏感数据传输全程SSL加密，数据签名机制，保证数据请求的合法有效，提供完整的技术解决方案和快速的模块化对接。 在企业金融变现所需金融产品选型、融资贷款需求等方面，构建以企业经营数据为基础的风控模型和数据模型，一方面提升理财、保险的场景定制化能力，另一方面降低自身融资服务的门槛，让金融服务的门槛更低，更贴近企业经营实质
7.7K60发布于 2018-04-24 - 来自专栏机器之心
专访 | 文因互联：从「金融数据」到「金融知识」
只要它把数据按照一定规则、以一种人类能理解的方式进行组织，我们是否也可以从三万份「数据」里获得等量的「信息」与「知识」? 这就是文因互联希望完成的工作：对纷繁复杂的数据进行处理，归纳总结出金融知识和逻辑，辅助解决各种金融场景下的问题。 ? 承担这样的转换工作的，是文因研发数百个能力模块。 郑锦光表示，「有的方法可能适用于通用数据集，而另外一些方法可能更贴合领域专业数据集。 在金融问答场景下，除了事实类问题（比如某公司股价/资本积累率/实际控制人）之外，最常见的还有三类问题：第一类是关于行业里有哪些公司（某公司的相似企业有哪些），第二类是行业规模，第三类是行业的产业上下游。 ，这相当于将分析师的工作前置，融入搜索之中；有大量公告发布需求的金融业核心机构，使用「公告摘要」功能，能够快速地得到一份由机器提取关键信息点并按照规定制式组织语言而成的摘要，这是帮助机构员工节省时间与迅速提高效率的手段
94450发布于 2018-06-08 - 来自专栏韩锋频道
解读:“金融数据治理指引”
2018年3月16日，银保监会发布了《银行业金融机构数据治理指引（征求意见稿）》。 本次指引旨在指导银行业金融机构加强数据治理，提高数据质量，发挥数据价值，提升经营管理水平。将数据治理纳入公司治理范畴，将数据治理情况与公司治理评价和监管评级挂钩。 指引中第五十三条还特别指出，“外国银行分行以及银行业监督管理机构负责监管的其他金融机构参照执行本指引”。参考下现有银行金融机构。 ? 解读2 将数据治理纳入公司治理范畴 指引第四条，“银行业金融机构应当将数据治理纳入公司治理范畴，建立自上而下、协调一致的数据治理体系。” 解读3 原则：覆盖、匹配、持续、有效 指引第五条指出，“银行金融机构数据治理应当遵循以下基本原则：…” 全覆盖原则 纵向覆盖数据的全生命周期，横向覆盖业务经营、风险管理、内控流程数据。
3.7K10发布于 2019-06-06 - 来自专栏数据科学与人工智能
金融科技：数据导入技术
金融科技行业，我接触的主要数据格式： 1 csv格式或者xlsx格式，轻量级的数据格式 2 SAS软件数据格式，通过SAS软件处理和保存的数据 3 数据库表格数据，关系数据库或者数据平台的数据表 4 第三方数据 API调用传送数据json格式 金融科技行业的数据科学工作，不管是探索，还是分析，还是建模，我们要先导入数据。 我的经验分享如下： 1 首先，清楚数据的格式 2 其次，选择合适的技术栈 3 第三，编写代码导入数据 4 最后，数据检视 01 导入csv格式或者xlxs格式数据 1.1 Python语言 使用pandas 2 使用pyhive库访问和获取大数据平台Hive数仓的数据表 3.2 R语言 使用RODBC包从数据导入数据表，需要在Win系统或者Linux先配置好ODBC。 例如： 1 使用RPostgreSQL包访问和获取PostgreSQL数据库的数据表 2 使用RMySQL包访问和获取MYSQL数据库的数据表 04 第三方数据返回的json格式 4.1 Python语言
1.4K20编辑于 2022-03-29 - 来自专栏FreeBuf
浅析金融大数据安全
传统上对于数据的管理，金融界是有经验的。 但在当前以Hadoop为基础的大数据平台，接触数据的人更多，数据使用的更频繁，数据的内外交互实时，数据种类更复杂，对安全带来了更严峻的挑战。 从金融业态上来说，包括征信、消费金融、P2P、众筹、互联网银行、互联网保险等金融企业，都会需要大数据平台来支撑业务需要。 金融大数据的安全有三个很重要的工作内容，分别是安全管理及监管合规、数据安全、业务安全。具体到实际的安全映射上，分为以下四类。 ? 2、大数据平台安全 2.1基础设施安全 大数据平台首先要考虑自身基础设施安全。由于金融属性，大数据平台不太会考虑使用云的形式。 但最核心的内容，是做好安全域管理，做好边界防控，把大数据平台在内部盒子里运转。 2.2敏感数据保护 大型金融集团里，大数据会包括来自各种内外部机构的数据。
1.7K60发布于 2018-02-08 - 来自专栏数据科学与人工智能
金融科技：数据建模框架
金融科技行业如何开展数据建模工作呢？ 我给大家介绍三种数据建模框架，分别是IBM公司的CRISP-DM，SAS公司的SEMMA和我总结的PDFMV。 2 数据理解：梳理需要哪些数据，如何收集，数据探索性分析，数据质量报告。 3 数据准备：数据整理、数据清洗，数据集成，数据再格式化。 4 建模：数据划分，模型选择和构建。 1 数据采样：一要正确反映业务分析需求，二要考虑数据的规模和维度。 2 数据探索：深入理解数据的过程，利用统计学和数据可视化技术。 3 数据调整：数据转换和再格式化。 4 建模：模型设计和构建。 而3）和4）最终还是回归于与1）或者2）。因此，我们需要重视每个数据项目的价值，有没有价值，有多大价值，价值是否具有持续性。 我是陆勤，在金融科技行业从事数据科学工作，也是一名终身学习者。我工作过的内容主要包括数据清洗和准备、风控评分模型、数字营销模型、风控策略分析、数据建模环境构建和维护等。
1.5K10编辑于 2022-01-20 - 来自专栏FreeBuf
印度一金融公司泄露用户信息，数据量超过3TB
近日，印度一家非银行性质地金融公司 IKF Finance 泄漏了超过 3 TB 的敏感客户和员工数据，可能暴露了其整个用户群体。 该团队表示，MongoDB数据库在关闭前已经暴露了大约一周时间，在发布消息之前，他们尝试联系IKF Finance征询意见，但未获得回应。 IKF Finance的哪些数据遭到泄露？ 泄露的数据实例包括400多万份各种类型的文档，整个数据库的数据量超过3.3TB。 该数据库含有大量敏感的客户和员工信息，具体包括： 印度税务部门颁发的永久账号卡（PAN卡） 印度的生物识别身份证件——Aadhaar cards 护照 贷款合同 泄露数据示例 来源：Cybernews 这次数据泄漏不仅暴露了用户的敏感信息，还为诈骗活动敞开了大门，增加了用户遭受身份盗用和财务损失的风险。
41710编辑于 2024-03-18 - 来自专栏pandas
Pandas数据应用：金融数据分析
引言金融数据分析是现代金融行业不可或缺的一部分。通过分析历史数据，金融机构可以做出更明智的投资决策、风险评估和市场预测。 Pandas作为Python中强大的数据分析库，因其易用性和灵活性而广泛应用于金融领域。本文将由浅入深地介绍如何使用Pandas进行金融数据分析，并探讨常见的问题及解决方案。 导入数据在金融数据分析中，我们通常需要从CSV文件、Excel表格或数据库中导入数据。Pandas提供了多种方法来读取这些数据源。 数据清洗金融数据往往存在缺失值、重复值等问题。Pandas提供了丰富的函数来处理这些问题。 # 指定日期格式df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')3. 内存溢出当处理大规模金融数据时，可能会遇到内存不足的问题。
2.8K10编辑于 2025-01-04 - 来自专栏数据猿
金融科技&大数据产品推荐：金鹏汽车金融大数据风控系统
金鹏汽车金融大数据风控系统主要基于大数据科技、决策树规则引擎、深度学习等多项核心技术，有效针对新车贷款、二手车贷款等业务，提高风控效率。 官网 | www.datayuan.cn 微信公众号ID | datayuancn 本产品为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分；感谢 网智天元 的产品投递 1、产品名称 金鹏汽车金融大数据风控系统 2、所属分类 消费金融 金融科技·风控、征信、反欺诈、智能定价 3、产品介绍 金鹏汽车金融大数据风控系统一站式完成车贷审批流程。 集团首创集数据、内容、用户、时间、情感于一体的国内领先的五维大数据智能平台，构造了独特的金融大数据智能处理和应用平台，围绕金融数据的手机、整理、分析、管理和综合利用，为金融行业大数据应用提供完整的产品和服务方案 ，帮助客户通过大数据驱动业务运营，创造金融大数据应用价值。
2.9K70发布于 2018-04-24 - 来自专栏速入大数据
大数据与金融科技：革新金融行业的动力引擎
大数据与金融科技：革新金融行业的动力引擎在今天的金融行业，大数据与金融科技的结合正在以惊人的速度推动着金融服务的创新与变革。 特别是在大数据的助力下，金融科技不仅让传统的金融模式更加智能化，更让金融业务的边界变得更加广泛和灵活。那么，究竟是什么使得大数据成为金融科技的核心驱动力？我们不妨从几个具体的应用角度来探讨一下。1. 3. 大数据在投资决策中的应用随着金融市场的复杂性和不确定性增加，投资决策变得愈加困难。而大数据的分析和处理能力，则为投资者提供了更加清晰的决策支持。 大数据推动金融创新与开放银行近年来，开放银行的概念愈发流行，银行和金融机构通过开放API接口，让第三方公司可以访问金融数据并提供创新的金融服务。在这个过程中，大数据扮演了至关重要的角色。 这种创新模式让金融服务变得更加便捷、透明和个性化。总结大数据正在引领金融科技的发展，助力金融行业实现数字化、智能化转型。从金融风险管理到客户个性化服务，再到投资决策和金融创新，大数据的应用已无处不在。
85300编辑于 2025-03-01 - 来自专栏腾讯研究院的专栏
殷剑锋：互联网金融是互联网金融还是大数据金融
现在，互联网金融是非常时髦的词汇，从年初开始，我们一直在跟踪研究，研究来研究去，反正就那点内容，整个思路在其他场合也说过。我的题目是“互联网金融，究竟是互联网金融还是大数据金融”。 第一种模式，基于电子支付的，从电子商务进入金融行业，以阿里为典型，阿里能够做金融，其中很重要的原因淘宝网、天猫、支付宝、阿里云等等所提供的数据，数据是阿里金融的基础，从阿里金融的运营状况可以看到。 大数据来自于数据革命，2011年，Science上有一篇文章，这篇文章总结了近二三十年来大数据发展的动因，1986-1993年，用数字化形式存储的数据只占1-3%，在美国互联网泡沫的顶风2000年，数字化数据只占 金融行业用的这些数据从哪儿来呢？金融行业掌握的数据资产是最多的，主要来自于内部数据，排第一位的是交易数据；第二位是数据记录等等，涉及到媒体、传感器、音频、视频等等不是金融行业应用数据的主要方面。 数据密度非常低；数据处理能力，我们对数据的挖掘和分析能力比其他国家落后很多。 究竟我们应该说是互联网金融，还是大数据金融呢？或者泛泛地说我们应该更加关注互联网？还是应该关注大数据？
8.4K91发布于 2018-01-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号