基于互聯網金融平臺的大數據挖掘研究

董 喆

（山東英才學院,濟南 250000）

2001年IT權威機構Gartner提出了“大數據”這一全新概念，到了2009年“大數據”這一說法開始在互聯網上傳播開來。美國奧巴馬政府在2012年高調宣布其“大數據研究和開發計劃”，標志著大數據真正開始進入主流的傳統社會。所謂大數據研究，最重要的是發現曾經忽略的數據的價值，從而發現規律和做出預測。

金融服務業自誕生起就是基于數據的產業。金融服務行業對大數據挖掘天生存在著迫切需求，例如股價的預測離不開對歷史數據的分析，銀行業務的創新離不開對客戶數據的分析。傳統金融業的數據主要來源于傳統銀行所掌握的客戶資料、信貸交易信息等，但這種數據的提供顯然是不全面的。而互聯網社交媒體的崛起，恰恰提供了海量的數據素材，例如通過社交媒體（如微博、微信、Facebook等）可以獲取用戶的社交圈、興趣愛好、社會地位等；通過電商平臺（如淘寶、天貓、京東）可以獲取消費者的購買偏好、消費水平、交易信息，網商的交易動態、信用信息、客戶評價等；通過消費點評類網站（如大眾點評網、口碑網）可以獲取消費者評價、商戶口碑、經營條件等。這些看似沒有關聯的海量數據，可以通過大數據挖掘技術，找出內在規律，為金融創新提供依據，創造出更大商業價值，

1 大數據挖掘在國家征信體系中的作用

我國是從近幾年才開始重視居民的征信系統建立的，而建立的依據主要來自于傳統金融業的客戶交易信息，而互聯網金融中“大數據+云計算”的運用，可以從整個互聯網的答數據庫中搜集數據，完善國家征信數據。

第一，大數據挖掘可以用于傳統金融業的信貸評級分析，幫助信貸員收集和處理客戶資料。通過對互聯網海量數據進行分析，獲取相關客戶信息（如客戶交易記錄、交易習慣、資產狀況、投資偏好，甚至社交圈、消費水平、興趣愛好等）與內部相關信息融合，獲得更詳細的顧客背景描述，以便更有效地進行風險管理。此外，還可以把這些信息用于CRM客戶關系管理系統中或進行其他市場營銷活動。

第二，對于本身便是互聯網出身的金融企業來說，利用大數據更是如魚得水。例如，上海陸家嘴國際金融產權交易有限公司創立的陸金所P2P網絡信貸交易平臺，基于注冊用戶的大數據平臺建立風險控制模型，可以對每一貸款人的貸款風險進行測算和評級，并且隨著貸款人的實際貸款類型及還款情況，動態調整風控數據及評級，及時作出預警。從國家征信體系建立的角度講，陸金所大多數的貸款人都是個體工商戶，而這些用戶尚未被納入現行國家征信數據中，因此陸金所通過自有信用數據的積累和挖掘建立起自己的征信體系，既不被動依賴于國家目前尚未完善的征信體系，又能切實為小微企業提供金融服務，解決融資難的問題。從這個角度講，陸金所風控數據模型的建立補充完善了國家征信系統。

除陸金所外，阿里小額貸款也高效地利用了阿里巴巴、淘寶、支付寶等電商平臺，不斷積累客戶消費數據、行為數據及資信數據，并通過交叉檢驗技術輔以第三方認證確認客戶信息的真實性，將客戶在電商平臺上的行為軌跡映射為信用數據，結合風險控制數據模型，并最終給予一定限額的授信額度。根據有關報道，傳統商業銀行貸款額度平均為150萬元，審批周期最快3天，不良貸款率為2%～3%，而阿里小額貸款額度為平均4萬元，審批周期最快幾分鐘，不良貸款率小于1%。自2010年成立至2012年8月底，阿里小貸共發放貸款超過300億元，有消息稱日利息最高突破了100萬元。盡管與銀行的貸款業務相比仍然微乎其微，但阿里小貸效率更高，可實時在線放貸，且不良貸款率很低。這種高效放貸的基礎，正是基于阿里巴巴平臺上的交易大數據挖掘。

我們已經看到，依托于“移動互聯網+大數據+云計算+電子商務”技術，互聯網金融已經在小微領域取得了大數據挖掘所帶來的征信優勢，這正好彌補了國家征信體系建立過程中對小微企業數據采集不足的缺陷。借力于大數據挖掘技術，主動收集小微企業以及個人的信用信息加以分析整合，互聯網金融的市場占有率會越來越高。

2 大數據挖掘在融資領域中的應用

大數據金融融資主要分為電子商務平臺融資和供應鏈融資。這兩種模式將傳統的抵押貸款模式轉化為以大數據挖掘貸款人行為軌跡形成的信用數據為依據的信用貸款模式。這樣不僅有利于融資門檻、成本的降低，而且提高了資金周轉和使用效率。

2.1 電子商務平臺融資模式——以阿里金融為例

電子商務平臺融資主要是指企業通過在平臺上大量積累的交易數據，形成基于大數據的金融平臺來分析整合金融風險及產品創新服務。其中以阿里巴巴為典型代表。阿里巴巴依托自有電商平臺，積累了包含每一個買家和賣家行為軌跡的海量企業和個人的信息和數據（購物偏好、消費習慣、店鋪交易信息等），通過打通包括阿里巴巴、淘寶、天貓、支付寶的底層數據，將交易數據、客戶評價數據、貨運數據、認證信息等進行量化分析審核，根據貸款申請人網上交易的活躍程度、投資及回報情況等進行風險評估，判斷申請人的風險等級。通過產品創新，阿里巴巴發展了多種業務，包括支付寶、阿里小額貸款、貨幣基金“余額寶”以及保險服務，逐步滲透傳統銀行的“存、貸、匯”三大核心業務：“支付寶”打通了從“電子商務”到“匯”的通道，“阿里小額貸款”實現了從“匯”到“貸”的轉變，“余額寶”成功突破了從“匯”到“存”的限制。這與傳統銀行業務形成了巧妙的互補。

2.2 供應鏈融資模式——以京東為例

供應鏈融資主要是在海量交易的大數據基礎上，以行業龍頭企業為主導，以信息提供方或擔保方的方式，與銀行等金融機構合作，對產業鏈上下游的企業提供融資。這種B2P（Business-to-Peer）網絡融資方式主要基于大數據和云計算技術，具有“金額小、效率高、成本低、借貸靈活”的特點，其典型代表是京東商城、蘇寧的供應鏈融資模式。京東供應鏈融資平臺依托京東商城的電子數據渠道（供應商評價系統、結算系統、票據處理系統以及銀企互聯系統等），掌握供應商的信用軌跡并據此以信息提供方或擔保方的身份與商業銀行合作向供應商提供訂單融資、入庫單融資、應收賬款融資和委托貸款融資四類融資產品，從而幫助他們獲得銀行的資金支持。同時，京東商城通過供應商的采購、入庫、銷售、結算、財務等數據對客戶資信能力進行評估和審核，以此強化風險防控措施。幫助供應商實現融資，不僅解決了供應鏈上的小微企業融資難的問題，同時帶動了京東的發展，京東目前正準備將此中大數據金融服務推廣到京東生態圈以外的領域。

3 大數據挖掘在資本市場中的應用

資本市場（特別是投資組合）是大數據的主要用武之地，為了給交易者提供準確及時的預測，大數據挖掘是最佳工具。在資本市場中，交易需求驅動了對更加準確的交易信息和趨勢預測的量化要求，同時內部的風險控制和監管的壓力需要更加準確和透明的信息。例如，可以利用微博上的海量數據，分析出人們的共同情緒從而預測他們的投資行為及股價的走勢。高頻交易和算法交易是大數據挖掘在資本市場的典型應用。

4 大數據挖掘在保險業中的應用

保險市場對大數據挖掘的應用將從聚焦于高風險用戶細分市場中的欺詐檢測和虧損防堵轉移到基于顧客行為的風險數據挖掘，并最終實現科學的差異化定價決策。

例如，汽車保險公司根據違章紀錄等數據來挖掘駕駛者的行為習慣，從而對保險費用進行定價；利用相關技術分析理賠數據，將疑似欺詐和高風險的保單與低風險的保單區分開，來避免數百萬的保險欺詐，加快保單處理速度。

5 結論

2014年是互聯網金融的大舉進軍金融界的一年，互聯網的發展更強勁地沖擊著傳統金融業務，傳統金融服務業也在借力互聯網尋求突破，兩者的沖突與磨合必將引起更深入的合作和融合。基于大數據平臺而發展的互聯網金融將是商業模式創新的源泉。但是我們也要清楚地看到，金融服務業尚不能完全駕馭大數據，其中一個主要問題就是安全性。保護個人財產安全與分享個人信息數據這對矛盾組合擺在了互聯網金融面前，風險控制不容小覷。

盡管對于中國金融服務業來說，大數據挖掘是一個全新的領域，但是大數據挖掘必將會給未來的中國金融業帶來一系列變革，從客戶管理、風險控制、定價決策、投資組合到產品銷售，大數據將和云計算、移動網絡等其他先進的信息技術一起成為支撐未來金融業發展的引擎。

[1]吳昭華.大數據時代的互聯網金融發展研究[J].電子世界，2014(03):192-193.

[2]婁飛鵬.互聯網金融支持小微企業融資的模式及啟示[J].武漢金融，2014(04):6-8.

[3]新平.充分發揮好互聯網金融“鯰魚效應”[N].《上海證券報》，2014(02):A04.

[4]劉英，羅明雄.大數據金融促進跨界整合[J].《北大商業評論》，2013(11):96-101.

[5]劉新海.大數據挖掘助力未來金融服務業[J].金融創新，2014(21):117-126.

[6]康書生，曹榮.互聯網大數據技術在融資領域的應用研究[J].金融理論與實踐，2014(01):108-110.

[7]郭喜才.基于互聯網金融背景下的中小型科技企業融資問題研究[J].科學管理研究，2014(02):109-112.

[8]張玉明.小微企業互聯網金融融資模式研究[J].會計之友，2014(18):2-5.