互联网金融与大数据分析 现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。作为一个大学生，我想先谈谈我眼中的大数据。 最早接触“大数据”这个词，是我在高中的时候，那时候会用空闲时间玩一个名为
《英雄联盟》的网游，相信现在大学生也有很多在玩这款游戏。我讲到这个游戏，是因为我在这个游戏里看到了大数据。那时候，有人会利用大数据技术，做个调查，把玩游戏的各个阶段的人，玩游戏用的各种手法统计起来，每周做一次，统计本周各个游戏人物的胜率，登场率，各个物品的使用率，从而来预测下周的打法走势，预测新的战术。这就是我最早接触的大数据技术的应用，当时我就感到很神奇，原来数据还可以这么用，原来通过大量的数据进行就可以进行精准的预测。
在接触大数据之前，我想很多同学应该都有和我一样的疑问，为什么网页推广的商
品就是我想买的，为什么网页推广的新闻和链接就是我想了解的。通过大数据技术来看，这个现象很容易解释。我们都会用搜索引擎，比如，当我们搜索“什么牌子的花露水好用时”系统就采集的我们的数据，通过数据，了解到我们想要买花露水，这时候网页推广的商品就变成了花露水。相比大数据时代之前，网页推广的广告可能会另我们很烦，但是有了大数据技术，推广的商品正是我们需要的，我们也就对广告的不爽少了很多。
《大数据时代》这本书里有一个这样的例子，谷歌可以预测一种流行的传染病在何
时何地爆发，而且可以精准到特定的地区和州。谷歌通过搜集2003到2008年期间爆发传染病时当地人用谷歌的搜索引擎留下的数据，整理相关热搜词条。在传染病爆发之前，如果某个区域也有很多人搜索这些词条，就可以预测出该地区将会爆发传染病。 大数据时代还对传统的商业模式有很强的冲击，大数据带来的是一场变革，在数据面前，一起规律都有迹可循。利用数据里规律，可以带到意想不到的效果。就如同华尔街的“你开心他就买你焦虑他就抛”利用电脑程序分析全球3.4亿微博账户的留言，进而判断民众情绪，再以“1”到“50”进行打分。根据打分结果，再决定如何处理手中数以百万美元计的股票。判断原则很简单：如果所有人似乎都高兴，那就买入；如果大家的焦虑情绪上升，那就抛售。这一招收效显著——当年第一季度，公司获得了7%的收益率。
对于互联网金融，大数据分析的作用也是巨大的。 以下我就浅谈一下大数据分析在互联网金融中的应用。
1. 大数据”能够帮助金融机构提升风控能力
LendingClib 成立于2007年。今天我们似乎很难相信，最初它只是FaceBook 上的一个应用。当时它的自我定位是“社交工具”，通过人际关系网络促成借贷交易。因此在发展初期，LendingClub 研发出一套基于人际关系的算法，来帮助用户搜索合适的借贷目标。随着业务的扩大，LendingClub 现在的风控技术逐渐成形。目前LendingClub 通过借款人的FICO （普通信用分）得分、负债收入比、信用记录等数据来筛选贷款，并为每笔贷款确定利率。当然，这些都是利用IT 技术自动完成的。为什么LendingClub 可以为每笔贷款精确地定价，正是因为它掌握了先进的风险控制技术和大数据。用这家公司
CEORenaudLaplanche 的话说，他们致力于“数据的民主化”。
在大数据的环境下，银行可以利用先进的互联网、云计算等新兴技术，对消费者的刷卡行为进行数据化的分类、统计，通过整理数据获取消费者的消费习惯、消费能力、消费偏好等非常重要的数据信息。通过客户数据、财务数据来区隔客户，通过消费区域定位、内容定向，知晓他们的消费习惯，然后进行深入地数据分析挖掘和展开精准营销。
2. 大数据可以应用于互联网征信
大数据技术可以对人口统计数据、消费数据、网站行为数据、社交数据、金融数据等结构化以及非结构化数据进行挖掘和关联性分析，给出相应信用评分，为金融机构提供信用参考。
百融金服为某领先P2P 公司提供风险评估，将该企业的不良率降低到以前的1/2。与此同时，光大银行与百融金服等大数据供应商的合作，使得该行得以更快地获取客户的违约情况和偏好，提高银行自身的审批处理效率，促使银行违约率下降，且对客户的偏好有了更精准的判断。在没有大数据之前，选择客户主要依赖人民银行的征信数据，但有些客户在人民银行是没有相关信贷数据的，从银行的角度来说，这就很难辨别。而百融金服提供的一些互联网信息，为我们去评价一个客户起到了很好的帮助作用，这便使得有些以前会被拒绝的客户成功申领了信用卡。与此同时，与金融机构自身的交易数据相比较，这些大数据公司的数据量会更宽泛，我们能够以此更好地识别客户偏好，有助于为其提供更精准的服务。
3. 数据打破金融机构对客户的信息垄断。
大数据有助于提升金融市场的透明度。金融客户的信用状况将随着其资产、经营和各类交易状况的变化而变化，传统商业银行利用投入大量人力和财力，建立特有的信息收集、分析和决策体系，以解决信息不对称问题。近年来，互联网金融平台直接收集潜在的金融交易双方信息，形成了新的金融信息来源模式，金融客户信息、交易价格信息和社会经济状况等数据更为精细和透明，使利率形成更为准确和市场化。
在中国，我觉得应用大数据技术于互联网金融中最成功的就是阿里巴巴。所以我选择了三个关于阿里的案例，具体分析大数据分析在互联网金融中的应用。
1. 余额宝
以基金的申购、赎回预测为例，基于淘宝和支付宝的数据平台，可以及时把握申购、赎回变动信息。 利用历史数据的积累可把握客户的行为规律。比如余额宝可以根据数据来判断用户什么时间发工资，然后在客户发工资的这段时间，可以推荐理财产品。
2． 阿里小贷
淘宝网的“阿里小贷”更是得益于大数据，阿里小贷这个业务用了30PB 数据，800 亿个信息项，100 多个数据模型。今天做一个阿里小贷不需要流程判断，数据判断就可以给他放贷，一个在银行没有记录的农民甚至可以通过阿里小贷贷十块钱。它依托阿里巴巴（B2B ）、淘宝、支付宝等平台数据，不仅可有效识别和分散风险，提供更有针对性、多样化的服务，而且批量化、流水化的作业使得交易成本大幅下降。每天，海量的交易和数据在阿里的平台上跑着，阿里通过对商户最近100 天的数据分析，就能知道哪些商户可能存在资金问题，此时的阿里贷款平台就有可能出马，同潜在的贷款对象进行沟通。
3. 淘宝信用贷款
淘宝网在聚划算平台推出了一个奇怪的团购“商品”——淘宝信用贷款。开团不到10 分钟，500 位淘宝卖家就让这一团购“爆团”。他们有望分享总额约3000 万元的淘宝信用贷款，并能享受贷款利息7.5 折的优惠。据悉，目前已经有近两万名淘宝卖家申请过淘宝信用贷款，贷款总额超过14 亿元。淘宝信用贷款是阿里金融旗下专门针对淘宝卖家进行金融支持的贷款产品。淘宝平台通过以卖家在淘宝网上的网络行为数据做一个综合的授信评分，卖家纯凭信用拿贷款，无需抵押物，无需担保人。由于其非常吻合中小卖家的资金需求，且重视信用无担保、抵押的门槛，更加上其申请流程非常便捷，仅需要线上申请，几分钟内就能获贷，被不少卖家戏称为“史上最轻松的贷款”，也成为淘宝网上众多卖家进行资金周转的重要手段。
以上就是我所认知的互联网金融与大数据技术，我认为，随着当今大数据与互联网金融的发现，社会现在急需掌握大数据分析技术的互联网金融人才，正好的我的专业是计算机，可以向大数据分析方向发展。我想通过大学的学习，可以成为一个金融方面的数据分析师。
互联网金融与大数据分析 现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。作为一个大学生，我想先谈谈我眼中的大数据。 最早接触“大数据”这个词，是我在高中的时候，那时候会用空闲时间玩一个名为
《英雄联盟》的网游，相信现在大学生也有很多在玩这款游戏。我讲到这个游戏，是因为我在这个游戏里看到了大数据。那时候，有人会利用大数据技术，做个调查，把玩游戏的各个阶段的人，玩游戏用的各种手法统计起来，每周做一次，统计本周各个游戏人物的胜率，登场率，各个物品的使用率，从而来预测下周的打法走势，预测新的战术。这就是我最早接触的大数据技术的应用，当时我就感到很神奇，原来数据还可以这么用，原来通过大量的数据进行就可以进行精准的预测。
在接触大数据之前，我想很多同学应该都有和我一样的疑问，为什么网页推广的商
品就是我想买的，为什么网页推广的新闻和链接就是我想了解的。通过大数据技术来看，这个现象很容易解释。我们都会用搜索引擎，比如，当我们搜索“什么牌子的花露水好用时”系统就采集的我们的数据，通过数据，了解到我们想要买花露水，这时候网页推广的商品就变成了花露水。相比大数据时代之前，网页推广的广告可能会另我们很烦，但是有了大数据技术，推广的商品正是我们需要的，我们也就对广告的不爽少了很多。
《大数据时代》这本书里有一个这样的例子，谷歌可以预测一种流行的传染病在何
时何地爆发，而且可以精准到特定的地区和州。谷歌通过搜集2003到2008年期间爆发传染病时当地人用谷歌的搜索引擎留下的数据，整理相关热搜词条。在传染病爆发之前，如果某个区域也有很多人搜索这些词条，就可以预测出该地区将会爆发传染病。 大数据时代还对传统的商业模式有很强的冲击，大数据带来的是一场变革，在数据面前，一起规律都有迹可循。利用数据里规律，可以带到意想不到的效果。就如同华尔街的“你开心他就买你焦虑他就抛”利用电脑程序分析全球3.4亿微博账户的留言，进而判断民众情绪，再以“1”到“50”进行打分。根据打分结果，再决定如何处理手中数以百万美元计的股票。判断原则很简单：如果所有人似乎都高兴，那就买入；如果大家的焦虑情绪上升，那就抛售。这一招收效显著——当年第一季度，公司获得了7%的收益率。
对于互联网金融，大数据分析的作用也是巨大的。 以下我就浅谈一下大数据分析在互联网金融中的应用。
1. 大数据”能够帮助金融机构提升风控能力
LendingClib 成立于2007年。今天我们似乎很难相信，最初它只是FaceBook 上的一个应用。当时它的自我定位是“社交工具”，通过人际关系网络促成借贷交易。因此在发展初期，LendingClub 研发出一套基于人际关系的算法，来帮助用户搜索合适的借贷目标。随着业务的扩大，LendingClub 现在的风控技术逐渐成形。目前LendingClub 通过借款人的FICO （普通信用分）得分、负债收入比、信用记录等数据来筛选贷款，并为每笔贷款确定利率。当然，这些都是利用IT 技术自动完成的。为什么LendingClub 可以为每笔贷款精确地定价，正是因为它掌握了先进的风险控制技术和大数据。用这家公司
CEORenaudLaplanche 的话说，他们致力于“数据的民主化”。
在大数据的环境下，银行可以利用先进的互联网、云计算等新兴技术，对消费者的刷卡行为进行数据化的分类、统计，通过整理数据获取消费者的消费习惯、消费能力、消费偏好等非常重要的数据信息。通过客户数据、财务数据来区隔客户，通过消费区域定位、内容定向，知晓他们的消费习惯，然后进行深入地数据分析挖掘和展开精准营销。
2. 大数据可以应用于互联网征信
大数据技术可以对人口统计数据、消费数据、网站行为数据、社交数据、金融数据等结构化以及非结构化数据进行挖掘和关联性分析，给出相应信用评分，为金融机构提供信用参考。
百融金服为某领先P2P 公司提供风险评估，将该企业的不良率降低到以前的1/2。与此同时，光大银行与百融金服等大数据供应商的合作，使得该行得以更快地获取客户的违约情况和偏好，提高银行自身的审批处理效率，促使银行违约率下降，且对客户的偏好有了更精准的判断。在没有大数据之前，选择客户主要依赖人民银行的征信数据，但有些客户在人民银行是没有相关信贷数据的，从银行的角度来说，这就很难辨别。而百融金服提供的一些互联网信息，为我们去评价一个客户起到了很好的帮助作用，这便使得有些以前会被拒绝的客户成功申领了信用卡。与此同时，与金融机构自身的交易数据相比较，这些大数据公司的数据量会更宽泛，我们能够以此更好地识别客户偏好，有助于为其提供更精准的服务。
3. 数据打破金融机构对客户的信息垄断。
大数据有助于提升金融市场的透明度。金融客户的信用状况将随着其资产、经营和各类交易状况的变化而变化，传统商业银行利用投入大量人力和财力，建立特有的信息收集、分析和决策体系，以解决信息不对称问题。近年来，互联网金融平台直接收集潜在的金融交易双方信息，形成了新的金融信息来源模式，金融客户信息、交易价格信息和社会经济状况等数据更为精细和透明，使利率形成更为准确和市场化。
在中国，我觉得应用大数据技术于互联网金融中最成功的就是阿里巴巴。所以我选择了三个关于阿里的案例，具体分析大数据分析在互联网金融中的应用。
1. 余额宝
以基金的申购、赎回预测为例，基于淘宝和支付宝的数据平台，可以及时把握申购、赎回变动信息。 利用历史数据的积累可把握客户的行为规律。比如余额宝可以根据数据来判断用户什么时间发工资，然后在客户发工资的这段时间，可以推荐理财产品。
2． 阿里小贷
淘宝网的“阿里小贷”更是得益于大数据，阿里小贷这个业务用了30PB 数据，800 亿个信息项，100 多个数据模型。今天做一个阿里小贷不需要流程判断，数据判断就可以给他放贷，一个在银行没有记录的农民甚至可以通过阿里小贷贷十块钱。它依托阿里巴巴（B2B ）、淘宝、支付宝等平台数据，不仅可有效识别和分散风险，提供更有针对性、多样化的服务，而且批量化、流水化的作业使得交易成本大幅下降。每天，海量的交易和数据在阿里的平台上跑着，阿里通过对商户最近100 天的数据分析，就能知道哪些商户可能存在资金问题，此时的阿里贷款平台就有可能出马，同潜在的贷款对象进行沟通。
3. 淘宝信用贷款
淘宝网在聚划算平台推出了一个奇怪的团购“商品”——淘宝信用贷款。开团不到10 分钟，500 位淘宝卖家就让这一团购“爆团”。他们有望分享总额约3000 万元的淘宝信用贷款，并能享受贷款利息7.5 折的优惠。据悉，目前已经有近两万名淘宝卖家申请过淘宝信用贷款，贷款总额超过14 亿元。淘宝信用贷款是阿里金融旗下专门针对淘宝卖家进行金融支持的贷款产品。淘宝平台通过以卖家在淘宝网上的网络行为数据做一个综合的授信评分，卖家纯凭信用拿贷款，无需抵押物，无需担保人。由于其非常吻合中小卖家的资金需求，且重视信用无担保、抵押的门槛，更加上其申请流程非常便捷，仅需要线上申请，几分钟内就能获贷，被不少卖家戏称为“史上最轻松的贷款”，也成为淘宝网上众多卖家进行资金周转的重要手段。
以上就是我所认知的互联网金融与大数据技术，我认为，随着当今大数据与互联网金融的发现，社会现在急需掌握大数据分析技术的互联网金融人才，正好的我的专业是计算机，可以向大数据分析方向发展。我想通过大学的学习，可以成为一个金融方面的数据分析师。