- 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
【金融数据】消费金融：大数据风控那点事？
4.个人消费金融授信的5P原则 信用贷款分为抵押贷款和无抵押贷款，其中抵押贷款的风险相对较低，风险评估过程中主要关注抵押品的自身价值和贷款覆盖率，贷款用途和还款能力占信用审批权重比例较低。 很多银行、信用卡中心、互联网金融公司都在争夺这个市场。 个人金融消费贷款除了遵循CCCP消费金融授信审核标准之外，授信5P原则也经常用于评估客户信用风险。 5.外部风险来源的多样化 现在的信贷市场，不再是银行一家的市场。互联网金融企业的崛起，让客户更加容易获得贷款，同时也加大了银行管理信贷风险的难度。 互联网金融的不良贷款率没有对外公布，但是依据行业经验，5%的不良贷款率是一个较好的水平，主要损失来源于过高的互联网恶意欺诈、过高的信贷审批成本、以及过高的获客成本。 5.风控模型冷启动问题 每年都有大量互联网金融公司出现，风控成了所有互联网金融公司的核心竞争力。每一家互联网金融公司都会建立风控模型，实施信用风险管理。
5.1K51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。
2.5K10编辑于 2022-01-20 - 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。 不同角度观察，可以梳理不同数据划分类型。 我结合自己的项目经验，从风控类和营销类两个方面来介绍所用到的数据集。 01风控类数据 凡是对于风控有作用的数据，都可以纳入风控类数据。 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。
1.3K20编辑于 2022-03-29 - 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 例如零值、缺失值率，它们是非衍生指标，需要一次遍历表计算得到，但我们通常不直接监控零值、缺失值率，因为不同特征上比率都不一样，A特征可能5%，B特征可能10%，直接对比率配置告警导致每个特征的阈值都不一样 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
3.6K10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 5、产品功能 第一，便捷的在线开户 企业钱包链接银行账户系统，实现完整的在线企业开户/个人开户流程，企业免除线下繁琐的柜面操作，节约时间成本，增加产品体验。 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
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
86050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）》。 2018年5月21日，在广泛征求意见修订内容后，银保监会正式发布了《银行业金融机构数据治理指引（银保监发【2018】22号）》。下面简称“指引”。 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。 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5 数据治理职责提到高层 指引中八到十一条，阐述了数据治理工作对应的组织架构及对应的职责边界。
3.5K10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
1.2K20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。
1.6K60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。 02 SEMMA SAS公司的SEMMA，分别代码Sample（数据采样），Explore（数据探索），Modify（数据调整），Model（建模），Assess（评估）这5个核心环节。 在做数据建模的时候，需要妥善地处理一些与模型相关的关键问题，罗列如下：1）数据集如何划分；2）模型如何选择；3）超参数如何调整；4）模型如何集成和融合；5）模型的解释性和准确性如何平衡；6）模型的稳健性和鲁棒性如何衡量等 5 Value（价值）：在问题侧的时候，我就说了问题要始于价值。同样，在终点的时候，我们的结果还是要回归于价值。以“底层思维”——如何盈利？ 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。
1.4K10编辑于 2022-01-20 - 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
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。 5、产品功能 风险识别功能： 自动校验姓名与身份号码是否一致；自动校验申请客户是否为黑名单客户（含车贷黑名单）；是否为不良征信人员，是否命中法院被执行、低还款能力等情况。 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。
2.6K70发布于 2018-04-24 - 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。 import pandas as pd# 从CSV文件导入数据df = pd.read_csv('financial_data.csv')# 查看前5行数据print(df.head())2. 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。
1.8K10编辑于 2025-01-04 - 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. 大数据在客户个性化服务中的应用金融科技的另一大亮点在于其对个性化服务的深度挖掘。以消费者金融为例，金融机构不再依赖于单一的传统产品，而是根据客户的需求、行为、习惯等数据进行量身定制。 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。
69800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。 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。 在互联网用户群迅速增长并且全球规模最大的同时，中国网民正在迅速的移动化，移动网络发展非常迅速，我们可以看到，用手机接入的网民数量已经超过了5亿，尽管互联网和移动互联网发展快，但是，我们前面已经说过了，互联网真正的价值是互联网在网络化 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？
7.8K91发布于 2018-01-31 - 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。 他表示，“中国移动正按部就班地部署和参与5G网络智能化的研发，聚焦物联网生态化的发展。” 【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。
1K80发布于 2018-02-28 - 来自专栏大数据文摘
大数据金融渐行渐进
这是因为，无论是互联网还是金融业，其实质都是大数据（信息）。 首先，对互联网企业而言，流量、客户等数据（信息）是其涉足金融业的基石。 因此，要准确反映近年新金融趋势，“大数据金融”比“互联网金融”更为贴切。 大数据金融有以下七大特征： 网络化的呈现。在大数据金融时代，大量的金融产品和服务通过网络来展现，包括固定网络和移动网络。 在大数据金融时代，金融产品和服务的消费者和提供者之间信息不对称程度大大降低。对某项金融产品（服务）的支持和评价，消费者可实时获知该信息。 高效率性。大数据金融无疑是高效率的。 传统金融想也不敢想的金融深化在大数据金融时代完全实现。 大数据金融图景 尽管大数据技术还处于早期发展阶段，但大数据金融已透出了一片曙光。我们结合多方面的文献和事实，试图勾勒出大数据金融图景。 综合金融服务方案定制、体验式服务、更多社会化服务会成为金融实体店的主要内容。 高度个性化金融。大数据金融时代，客户已被高度数据化。
797160发布于 2018-05-21 - 来自专栏大数据文摘
金融数据创业公司的机会
金融数据的商机在哪里？ 尤其是我认为如果能把某些精华的互联网理念和流程（比如网络、众包等）以及新技术（大数据）带到金融数据界，还是有机会的，比如： 1）金融网络/社区。 用内部应用商店基础架构网罗一系列最好用的应用（比如能提供HTML５金融表格包括技术分析工具的ChartIQ），不失为开拓彭博终端“下方”市场的一个好办法，也就是瞄准那些买不起整套彭博终端架构的公司，使他们可以选择一系列实际需要的应用 金融数据搜索引擎Quandl已经通过网页信息采集和众包社区贡献的方式汇总了800多万个金融和经济数据集。 但总体上我认为将有越来越多的创业公司进入金融数据领域寻找机会，而且某些公司的确有取胜的可能。我很愿意看到金融数据界的进化会沿着什么路线发展。
1.6K80发布于 2018-05-21 - 来自专栏数据科学和人工智能
数据集 | 金融新闻标题数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集包含从路透社抓取的金融版面头版新闻，数据包括标题、发布日期和文章的预览文本。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
77010编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 金融新闻情感分析数据集
下载数据集请登录爱数科(www.idatascience.cn) 数据集从零售投资者的角度包含了金融新闻头条的观点。数据集包含两列，情感标签和新闻标题，情感标签包含消极的，中立的或积极的。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。 5. 数据引用 Malo P, Sinha A, Korhonen P, et al.
2.7K20编辑于 2022-03-30 - 来自专栏数据科学与人工智能
【数据挖掘】金融行业的数据挖掘之道
结合文本挖掘的客户服务分析流程 在结合了文本挖掘技术之后有了一些流程变化，不仅对结构化数据做分析，同时也能够从客户反馈的文本当中提取出客户的热点意见，再把热点去和结构化数据做关联分析，就能得到更加丰富的分析场景 同时，我们又新建了一套互联网的监测分析系统，能够对互联网上的金融网站和社交媒体网站做到自动的监控和分析，当然有些重要的事情发生的时候可以自动的形成监测报告。 但是进行实际分析和尝试的过程当中发现这样一个典型的算法，在我们的实际业务场景上其实并不是特别的适用，首先我们缺少训练数据，因为我们这一套意见类别的分类体系是新建的，历史上并没有积累好数据，如果我们重新去标注呢 比如说金融行业就要不断地整理梳理自身所需要的特色词汇，这个可能是需要投入比较大的精力的，我们在这个过程中也是花费了不少的精力，最终才能够完成我们所需要的分析的效果。 ，大数据要在传统行业有效的落地还是要从解决小问题开始。
1.5K50发布于 2018-02-27
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