基于互联网金融平台的大数据挖掘研究
中图分类号：TP393 文献标识码：A 文章编号：1001-828X（2014）011-000-02
2001年IT权威机构Gartner提出了“大数据”这一全新概念，到了2009年“大数据”这一说法开始在互联网上传播开来。美国奥巴马政府在2012年高调宣布其“大数据研究和开发计划”，标志着大数据真正开始进入主流的传统社会。所谓大数据研究，最重要的是发现曾经忽略的数据的价值，从而发现规律和做出预测。
金融服务业自诞生起就是基于数据的产业。金融服务行业对大数据挖掘天生存在着迫切需求，例如股价的预测离不开对历史数据的分析，银行业务的创新离不开对客户数据的分析。传统金融业的数据主要来源于传统银行所掌握的客户资料、信贷交易信息等，但这种数据的提供显然是不全面的。而互联网社交媒体的崛起，恰恰提供了海量的数据素材，例如通过社交媒体（如微博、微信、Facebook等）可以获取用户的社交圈、兴趣爱好、社会地位等；通过电商平台（如淘宝、天猫、京东）可以获取消费者的购买偏好、消费水平、交易信息，网商的交易动态、信用信息、客户评价等；通过消费点评类网站（如大众点评网、口碑网）可以获取消费者评价、商户口碑、经营条件等。这些看似没有关联的海量数据，可以通过大数据挖掘技术，找出内在规律，为金融创新提供依据，创造出更大商业价值，
一、大数据挖掘在国家征信体系中的作用
我国是从近几年才开始重视居民的征信系统建立的，而建立的依据主要来自于传统金融业的客户交易信息，而互联网金融中“大数据+云计算”的运用，可以从整个互联网的答数据库中搜集数据，完善国家征信数据。
第一，大数据挖掘可以用于传统金融业的信贷评级分析，帮助信贷员收集和处理客户资料。通过对互联网海量数据进行分析，获取相关客户信息（如客户交易记录、交易习惯、资产状况、投资偏好，甚至社交圈、消费水平、兴趣爱好等）与内部相关信息融合，获得更详细的顾客背景描述，以便更有效地进行风险管理。此外，还可以把这些信息用于CRM客户关系管理系统中或进行其他市场营销活动。
第二，对于本身便是互联网出身的金融企业来说，利用大数据更是如鱼得水。例如，上海陆家嘴国际金融产权交易有限公司创立的陆金所P2P网络信贷交易平台，基于注册用户的大数据平台建立风险控制模型，可以对每一贷款人的贷款风险进行测算和评级，并且随着贷款人的实际贷款类型及还款情况，动态调整风控数据及评级，及时作出预警。从国家征信体系建立的角度讲，陆金所大多数的贷款人都是个体工商户，而这些用户尚未被纳入现行国家征信数据中，因此陆金所通过自有信用数据的积累和挖掘建立起自己的征信体系，既不被动依赖于国家目前尚未完善的征信体系，又能切实为小微企业提供金融服务，解决融资难的问题。从这个角度讲，陆金所风控数据模型的建立补充完善了国家征信系统。
除陆金所外，阿里小额贷款也高效地利用了阿里巴巴、淘宝、支付宝等电商平台，不断积累客户消费数据、行为数据及资信数据，并通过交叉检验技术辅以第三方认证确认客户信息的真实性，将客户在电商平台上的行为轨迹映射为信用数据，结合风险控制数据模型，并最终给予一定限额的授信额度。根据有关报道，传统商业银行贷款额度平均为150万元，审批周期最快3天，不良贷款率为2%～3%，而阿里小贷贷款额度为平均4万元，审批周期最快几分钟，不良贷款率小于1%。自2010年成立至2012年8月底，阿里小贷共发放贷款超过300亿元，有消息称日利息最高突破了100万元。尽管与银行的贷款业务相比仍然微乎其微，但阿里小贷效率更高，可实时在线放贷，且不良贷款率很低。这种高效放贷的基础，正是基于阿里巴巴平台上的交易大数据挖掘。
我们已经看到，依托于“移动互联网+大数据+云计算+电子商务”技术，互联网金融已经在小微领域取得了大数据挖掘所带来的征信优势，这正好弥补了国家征信体系建立过程中对小微企业数据采集不足的缺陷。借力于大数据挖掘技术，主动收集小微企业以及个人的信用信息加以分析整合，互联网金融的市场占有率会越来越高。
大数据金融融资主要分为电子商务平台融资和供应链融资。这两种模式将传统的抵押贷款模式转化为以大数据挖掘贷款人行为轨迹形成的信用数据为依据的信用贷款模式。这样不仅有利于融资门槛、成本的降低，而且提高了资金周转和使用效率。
1.电子商务平台融资模式――以阿里金融为例
电子商务平台融资主要是指企业通过在平台上大量积累的交易数据，形成基于大数据的金融平台来分析整合金融风险及产品创新服务。其中以阿里巴巴为典型代表。阿里巴巴依托自有电商平台，积累了包含每一个买家和卖家行为轨迹的海量企业和个人的信息和数据（购物偏好、消费习惯、店铺交易信息等），通过打通包括阿里巴巴、淘宝、天猫、支付宝的底层数据，将交易数据、客户评价数据、货运数据、认证信息等进行量化分析审核，根据贷款申请人网上交易的活跃程度、投资及回报情况等进行风险评估，判断申请人的风险等级。通过产品创新，阿里巴巴发展了多种业务，包括支付宝、阿里小额贷款、货币基金“余额宝”以及保险服务，逐步渗透传统银行的“存、贷、汇”三大核心业务：“支付宝”打通了从“电子商务”到“汇”的通道，“阿里小额贷款”实现了从“汇”到“贷”的转变，“余额宝”成功突破了从“汇”到“存”的限制。这与传统银行业务形成了巧妙的互补。 2.供应链融资模式――以京东为例
供应链融资主要是在海量交易的大数据基础上，以行业龙头企业为主导，以信息提供方或担保方的方式，与银行等金融机构合作，对产业链上下游的企业提供融资。这种B2P（Business-to-Peer）网络融资方式主要基于大数据和云计算技术，具有“金额小、效率高、成本低、借贷灵活”的特点，其典型代表是京东商城、苏宁的供应链融资模式。
京东供应链融资平台依托京东商城的电子数据渠道（供应商评价系统、结算系统、票据处理系统以及银企互联系统等），掌握供应商的信用轨迹并据此以信息提供方或担保方的身份与商业银行合作向供应商提供订单融资、入库单融资、应收账款融资和委托贷款融资四类融资产品，从而帮助他们获得银行的资金支持。同时，京东商城通过供应商的采购、入库、销售、结算、财务等数据对客户资信能力进行评估和审核，以此强化风险防控措施。帮助供应商实现融资，不仅解决了供应链上的小微企业融资难的问题，同时带动了京东的发展，京东目前正准备将此中大数据金融服务推广到京东生态圈以外的领域。
三、大数据挖掘在资本市场中的应用
资本市场（特别是投资组合）是大数据的主要用武之地，为了给交易者提供准确及时的预测，大数据挖掘是最佳工具。在资本市场中，交易需求驱动了对更加准确的交易信息和趋势预测的量化要求，同时内部的风险控制和监管的压力需要更加准确和透明的信息。
例如，可以利用微博上的海量数据，分析出人们的共同情绪从而预测他们的投资行为及股价的走势。高频交易和算法交易是大数据挖掘在资本市场的典型应用。
四、大数据挖掘在保险业中的应用
保险市场对大数据挖掘的应用将从聚焦于高风险用户细分市场中的欺诈检测和亏损防堵转移到基于顾客行为的风险数据挖掘，并最终实现科学的差异化定价决策。
例如，汽车保险公司根据违章纪录等数据来挖掘驾驶者的行为习惯，从而对保险费用进行定价；利用相关技术分析理赔数据，将疑似欺诈和高风险的保单与低风险的保单区分开，来避免数百万的保险欺诈，加快保单处理速度。
结论
2014年是互联网金融的大举进军金融界的一年，互联网的发展更强劲地冲击着传统金融业务，传统金融服务业也在借力互联网寻求突破，两者的冲突与磨合必将引起更深入的合作和融合。基于大数据平台而发展的互联网金融将是商业模式创新的源泉。但是我们也要清楚地看到，金融服务业尚不能完全驾驭大数据，其中一个主要问题就是安全性。保护个人财产安全与分享个人信息数据这对矛盾组合摆在了互联网金融面前，风险控制不容小觑。
尽管对于中国金融服务业来说，大数据挖掘是一个全新的领域，但是大数据挖掘必将会给未来的中国金融业带来一系列变革，从客户管理、风险控制、定价决策、投资组合到产品销售，大数据将和云计算、移动网络等其他先进的信息技术一起成为支撑未来金融业发展的引擎。
