派智库

[摘要]如今，我国的金融行业也逐步进入了一个全新的互联网时代，互联网金融在发展过程中需要运用大数据技术进行客户数据分析和处理，因此，大数据技术是互联网金融发展的关键。基于此，本文提出应该采取相关的技术措施促进我国互联网金融的健康发展，降低互联网金融发展过程中的风险。本文对互联网金融等相关概念进行了详细阐述，对大数据技术在互联网金融领域的应用进行了分析，并提出互联网金融的相关发展政策。

内容来自dedecms

　　（中经评论·北京）在互联网全方位贴近生产、生活各个角落的背景下，互联网金融如第三方支付、P2P模式、众筹模式等近年来呈现爆发性增长态势。与此同时，我国的金融行业也逐步进入了一个全新的互联网时代，互联网金融应运而生并逐渐成为了当今人们生活当中不可或缺的支付和投资方式。虽然互联网与传统金融业务结合的互联网金融服务是当今的一大热点，但不容忽视的是，互联网金融在快速发展的同时，也伴生着风险隐患甚至违规违法行为。因此，应该采取相关的技术措施促进我国互联网金融的健康发展，降低互联网金融发展过程中的风险。本文分析大数据技术在互联网金融中的应用。
　　
　　一、相关概念阐述
　　
　　（一）互联网金融的概念。
　　
　　互联网金融也就是电子金融，它指利用一些互联网技术如移动支付、搜索引擎、云计算等实现资金融通，是一种新型的金融模式，具有支付媒介的作用，它既是采用互联网技术实现传统金融机构金融业务改造的成果，又是互联网企业不断进行业务创新向金融领域发展的结果。互联网金融模式通过互联网技术使互联网金融的交易更加方便快捷和公平透明，提高了客户的参与程度，降低了交易的中间成本。随着互联网金融的发展，它正在成为人们生活中必不可少的投资方式和支付方式，当前互联网金融主要分成第三方支付、P2P模式和众筹模式、大数据金融、信息化金融机构、互联网金融门户五大类。 dedecms.com
　　
　　（二）大数据的概念。
　　
　　大数据代表了数据、思维与技术，指庞大规模的数据信息，从思维角度来讲，它是一种数据分析的前沿技术对数据信息的处理和应用，是数据、处理技术与应用思维三者的统一的一种综合处理技术，其特征可以用“4V+1C”来概括，“4V+1C”分别代表了Value（价值）、Velocity（快速）、Volume（海量）、Variety（多样化）以及Complexity（复杂）这五个单词。
　　
　　二、信息时代大数据技术在互联网金融领域的应用
　　
　　（一）互联网大数据技术。
　　
　　互联网大数据技术包含数据产生、数据获取及数据挖掘。互联网包含着十分丰富的信息，它是一个有机生态，其数据来源包括电商平台、社交平台及消费点评类网站，京东、天猫等电商平台的数据包括的交易流水、客户评价及信用信息；人人网、微信、微博等社交平台的数据信息包括个人的兴趣爱好、社交圈子及社会地位等；口碑网、大众点评网等消费点评类网站可以获得消费者的评价信息。此外，通过其他渠道也可以获取各种支持金融决策的信息。数据获取是依靠逐渐成熟的互联网数据爬取技术、大数据存储技术、数据库技术、搜索引擎技术，再配合网站的API和相关方授权，轻松便捷的获得需要的信息。数据挖掘是一种决策支持过程，指从数据库中包含的大量数据中找出潜在的、隐含的、有价值的、未知的信息的非平凡的过程。数据挖掘主要是基于可视化技术、数据库、统计学、模式识别、机器学习、人工智能技术等，高度自动化的分析获取的数据，并对这些数据进行归纳性的推理，最终挖掘出潜在的模式，帮助决策者调整相应的策略，做出正确的决策，降低风险。金融大数据分析架构。

本文来自织梦

　　
　　在互联网金融融资领域互联网大数据技术的应用模式分成以下四类：一是传统金融机构和电商平台合作以获得电商平台数据，从而为网商提供融资服务，如中国建设银行和阿里巴巴的合作，中国银行和京东商城合作搭建的供应链金融服务平台；二是传统金融机构自建电商平台，通过平台积累客户数据，进而为其平台的网商提供融资服务；三是独立的互联网公司采用外部提供的互联网大数据为网商提供融资服务，其典型的代表为美国的Kabbage；四是电商平台利用平台积累的自身数据对网商提供融资服务，其典型代表为阿里金融。阿里金融通过互联网数据化运营模式，为阿里巴巴、淘宝网、天猫网等电子商务平台上的小微企业、个人创业者提供可持续性的、普惠制的电子商务金融服务。阿里金融认为数据库是阿里金融最核心的价值，目前最主要的工作就是深度挖掘数据库。阿里金融要把阿里巴巴、淘宝、天猫、支付宝等各平台所有商家的信息贯通起来，进行面向客户细分、产品推荐和风险管理方面的数据挖掘。 织梦内容管理系统
　　
　　（二）大数据征信。
　　
　　大数据征信的发展将不断扩展征信体系的数据范畴，采用先进的信息处理方式和服务理念推动传统信用评分模式的转变，进而不断完善整个社会的信用体系建设。相比传统的征信方式，大数据信用采用云计算技术，从数据录入开始到评价结果输出的整个过程全部由计算机算法完成，避免了主观判断的影响，确保评价结果的真实性；即使同时处理多个受评对象，仍然能够保证快速、准确的高效性。大数据信用的运行成本主要来自知识产权和硬件的投入，相比大规模的人员需求，低成本优势显而易见。此外，大数据信用还能够满足评价结果与信用信息的同步，也就是说，当受评对象的信用信息发生变化时，能够对其信用进行快速及时的计算，保证了信用的实时性。
　　
　　互联网金融风险控制的突破口是建立征信系统，包括做细各个行业的大数据。建立征信系统要联合政府的力量，整合各大商业银行、互联网公司、第三方支付平台、电子商务公司等资源，运用大数据处理技术共同打造信息共享服务平台。未来的征信业将以智能数据分析系统为平台，依靠大数据挖掘技术实现转型升级。一方面，依托大数据的征信体系可以深度挖掘用户信用信息，防范潜在的信用风险，实现有效的风险控制；另一方面，依托大数据的征信体系可以在数据充分信息化的基础上实现精细化管理。大数据征信平台可以通过对企业3-5年，甚至是更长时间的历史生产经营数据以及交易数据进行挖掘、筛选、计算、分析，使企业的生产经营状况、成长发展状态，通过数据真实客观地反映出来。同时，将无形的信用进行量化，形成可以让金融机构为企业发放贷款的信用信息。大数据信用融资改变了通过抵质押从金融机构获取贷款的传统方式，从结构上丰富了国家的金融体系。通过大大数据征信可以破解我国多年的中小微企业信用融资的难题，并不断向金融资本和社会信用市场延伸，形成以“数据约束”解决“信用悖论”的客观信用理论与评价体系，开创我国信用服务的大数据时代。三、互联网金融的发展建议 copyright dedecms
　　
　　（一）鼓励互联网金融创新，同时建立有效的互联网金融监管体系。
　　
　　由于我国的互联网金融处于起步发展阶段，各方面的法律监管体系还不完善，需要不断进行创新，相关政府部门引导互联网金融向着合理、健康的方向发展，互联网金融的创新如下：一是加大技术投入创新互联网金融产品，培养复合型的互联网金融技术人才，以适应新市场下的监管需求。二是加强互联网金融等新兴产品的监管，2016年以来，针对互联网金融监管，我国官方出台了多项全国性政策法规，尤其是随着《关于促进互联网金融健康发展的指导意见》《互联网金融风险专项整治工作实施方案》等文件的问世，使得互联网金融的监管思路逐渐明朗，行业乱象也得到一定程度缓解，发展渐趋理性，在监管过程中，需要严格落实相关政策，明确牵头部门，建立统一的传输标准、数据标准、安全标准，加强互联网金融产品的备案登记管理，合理对互联网金融风险进行控制，尤其是对风险较大的P2P模式要加强监管。三是加强金融消费者的权益保护，明确互联网金融状态下的消费者权益保护规定，明确消费者信息保护、风险承担及消息披露的相关规定。

本文来自织梦

　　
　　（二）建设大数据征信系统。
　　
　　大数据征信系统的建设主要包含以下三方面：一是加快征信相关立法工作。当前我国征信行业的发展比较迅速，但是在立法方面却十分落后，因此，需要完整征信法律体系，为征信系统的发展指引方向，国家相关部门需要根据大数据征信的发展现状，从全国开始着手相关立法工作的开展。二是扩大征信数据的来源。当前大数据征信系统主要是通过互联网平台、银行获得全面细致的客观数据。当前我国的数据来源与发达国家的差距很大，因此，应该将各个政府部门单位的信息进行整合，扩大大数据征信系统的数据来源，为全民提供金融服务。三是加强大数据征信的隐私保护。为了加强对用户信息的隐私保护，应该明确互联网金融征信的数据采集方式、范围和使用原则，建立互联网金融企业信息采集、使用授权和个人不良信息告知制度。 copyright dedecms
　　
　　（三）互联网企业应该增强法律意识。
　　
　　金融行业与其他普通行业有所不同，金融市场的稳定有序直接关系到社会稳定和经济发展，因此，需要受到更多的限制加强监管。互联网企业在金融创新产品金融研发和宣传的过程中，遵守相关法律法规，避免出现一些灰色地带等有潜在危险的行为。
　　
　　四、结语
　　
　　当前，在新规和整治行动之下，互联网金融狂飙突进的发展势头得到遏制，互联网理财产品收益率的“虚火”也在持续降温。以P2P（网络借贷）为例，网贷之家的数据显示，P2P行业综合收益率从今年1月的12.18%-路下滑到11月的9.61%。互联网金融是对传统金融的补充，是更进一步的服务，在发展过程中的定位不能变；互联网金融生命线是风控，在发展过程中要加强风控管理。
　　
　　参考文献： 内容来自dedecms
　　
　　[l]郑联盛.中国互联网金融：模式、影响、本质与风险[J].国际经济评论，2014，（5）：103-118.
　　[2]谢平，邹传伟，刘海二，互联网金融监管的必要性与核心原则[J].国际金融研究，2014，（8）：3－9.
　　[3]魏强.大数据征信在互联网金融中的应用分析[J].金融经济，2015，（8）：11-13.