- 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
【数据】金融领域7大数据科学案例
笔者邀请您，先思考： 1 金融领域有哪些典型数据问题？ 2 金融领域应用那些数据科学方法？ ? 近年来，数据科学和机器学习应对一系列主要金融任务的能力已成为一个特别重要的问题。 为了帮助您回答这些问题，我们准备了一份对金融行业影响最大的数据科学应用清单。 它们涵盖了从数据管理到交易策略的各种业务方面，但它们的共同点是增强金融解决方案的巨大前景。 管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
1.7K00发布于 2018-07-30 - 来自专栏Spark学习技巧
金融领域7大数据科学案例
涵盖了从数据管理到交易策略的各种业务方面，共同点是增强金融解决方案的巨大前景。 笔者邀请您，先思考： 1 金融领域有哪些典型数据问题？ 2 金融领域应用那些数据科学方法？ ? 为了帮助您回答这些问题，我们准备了一份对金融行业影响最大的数据科学应用清单。 它们涵盖了从数据管理到交易策略的各种业务方面，但它们的共同点是增强金融解决方案的巨大前景。 管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
2.6K40发布于 2018-06-22 - 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？
相对于传统金融来讲，互联金融面对的客户风险较高，其风控面临的挑战更大，对数据风控对要求就会更高。 三、互联网金融行业的风控挑战 中国的互联网金融企业愿意从美国挖一些风控人才来提高自身风控水平。 互联网金融公司只能依靠自己的业务不断积累，利用自己平台积累的数据和种子来解决这个问题，一旦管理不好，会对新兴的互联网金融公司造成较大影响。 大数据风控的一个最大的优势就是丰富了信用风险评估的数据纬度，这些用户行为信息，很大程度是大数据采集和分析的结果，用户一般是不会提供给金融行业的。 大数据风控的劣势： 还是要强调一下，信用风险评估最好的数据还是金融数据，就是人行征信系统里的数据，大数据风控只是一个补充，不能够完全替代传统的信贷风险管理。 借助于移动大数据和用户行为信息，金融企业可以识别恶意欺诈用户。
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。 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。 7）名单库数据 名单库包括白名单、灰名单和黑名单库数据。 黑名单库数据从手机号码、身份证号、设备号、IP、邮箱、银行卡等关键要素构建黑名单库。 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。 通过PSI计算优化，计算时间从20h -> 7h。 的地方， 都改成 row[feld_map.value['field']] 通过使用了少量的内存存储[列名->列下标]映射，即能将Row属性访问复杂度从O(n) -> O(1)，最终实验证明计算时间从7h 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 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。 7、服务客户 企业钱包服务目前已深入费控报销、财税记账、薪酬福利等行业，与SaaS平台在资金处理端进行藕合，客户主要有神州易桥、云代账、悦报销、倍至关怀、易快报、薪人薪事等。 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 - 来自专栏数据科学与人工智能
互联网金融风控7个问题
风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有效的数据分析及评分体系，就是建立常用的风控模型方式； 首先，金融公司设计的任何形态的风控模型，都要符合自身企业的业务发展及市场需求， ，只是民间金融和互联网金融，把一些基础类型的金融产品，更灵活性、服务性、衍生性发挥，并且推陈出新的进行传统金融产品改革，思路和结构变化，很多基础型产品还是来源于传统金融机构。 ，目标人群是明确的，当然他们的互联网背景，也为他们带来了很多的优势，就是多年的用户和商户的数据累计，可以明确的进行数据分析、轨迹消费习惯测算，O2O供应链环节把控、产业链上下游控制等等的防范措施，这就是他们的风控把握明确方向 那么度就在哪里，我认为是要每个企业自身测算的，而且不是一成不变的，每个时期都应该进行数据分析，来及时调整战略方向、目标客户群体等，根据目标客户群体来做行业市场调查，自身累计业务测算和分析，就是数据分析， 7.有效风控模型建立的必要条件是哪些？目前风控市场现状如何？是担保、小贷公司自己做风控，还是委托给第三方？ 风控模型之前已经阐述过了，这里就不做重复了。
3.3K50发布于 2018-02-28 - 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）》。 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7 加强数据生命周期管理 指引第二十三条，提出“加强数据采集的统一管理，明确系统间的数据交换流程和标准，实现各类数据有效共享”。
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。 参考代码 import pandas as pd iris = pd.read_sas('iris.sas7bdat') iris.head() 2.1 R语言 使用haven包的read_sas函数 参考代码 library(tidyverse) iris_data <- read_sas('iris.sas7bdat') iris_data %>% slice_head(n = 10) 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。 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。 因此，在数据阶段，我们需要重视数据的源头、数据的聚集、数据的质量、数据的探索、数据的理解、数据的清洗、数据的转换等一系列与数据相关的工作。 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。 7、服务客户／使用人数 主要使用者：机构的汽车消费金融业务风控审核人员。 目标客户：汽车消费金融公司25家以上，融资租赁公司70家以上，其它有汽车信贷业务的公司千家以上。 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。 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。 数据转换金融数据中的日期字段通常需要转换为Pandas的datetime类型，以便后续的时间序列分析。
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。 ，这是金融行业在互联网创造的大数据时代没有有效运用数据资产、数据资本的一个缺陷。 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。 【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。
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。 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。 从数据中提取信号无疑是金融数据界的终极游戏，有一些有意思的创业公司也在这方面投入了大量精力，比如为华尔街提供社交数据分析的Dataminr，和号称要“为金融界带来一场智能助手革命”的Kensho。 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
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