金融监管大数据平台（精选12篇）
1.金融监管大数据平台 篇一
大数据环境下的企业信用法律监管制度
作者：天天论文网 日期：2016-2-3 9:16:21 点击：0 摘 要:大数据环境下,企业信用呈现体态虚拟化与数字化、影响因素广平化与纵深化的新特点,而企业信用监管的法律、制度不健全,相关保障措施欠缺。应建立以企业信用基本法为基础的企业信用监管法律体系,并以中央为主导、地方为特色完善企业信用分类监管制度,提升大数据技术处理能力与企业信用监管水平,注重企业信用法律监管中权益保护的均衡性,做好企业信用法律监管的保障工作。
关键词:大数据;企业信用;法律;监管
计算机技术的发展和云计算技术的兴起使得大数据在社会经济生活中的应用不断加强与深化。大数据是一个相对比较抽象的概念,单是从字面来看就表示了数据之多之大,但其最主要的内含在于数据的全面性和不可穷尽性。截至目前,学界尚未对大数据形成统一的概念。一般认为,大数据是指数量巨大、类型众多、结构复杂、有一定联系的各种数据所构成的数据集合。[1]大数据的主要功能在于可以不断提升数据的使用价值,实现数据的快速流转和多样化的数据处理模式。大数据为企业的经营决策提供了更为全面详尽的数据支持,为企业的信用信誉建设搭建了新的平台和快速构建通道。
大数据技术的不断发展势必会对企业信用监管体系产生极大的挑战与冲击,同时亦会为其发展革新带来新的机遇,如何更好地迎接挑战,把握机遇就显得尤为重要。
一、大数据环境下企业信用新特点(一)信用体态虚拟化与数字化企业信用体系是包括企业信用信息的征集、确立、开发、建设在内的一项复杂的系统工程。大数据背景下,企业各方面信息的收集处理都以数字化进行。企业信用构建的过程中会涉及到政府、社会、其他企业及公民个人,大数据的应用可以将这一系列的内容进行虚拟化的量化处理。各信息源的流入及输出都在虚拟化的大数据环境下完成,不同的数据之间在数字化的虚拟空间里相互影响彼此作用,从而对企业信用的现实构建起着极为重要的作用。大数据通过对数据进行直接处理的流处理模式和对数据先储存后处理的批处理模式,对数据进行分析并利用恰当的方式将结果输送给终端用户。[2]企业信用状况以在政府、信用机构等方面的信用数据方式记录存在且这些数据都是以电子产品为载体虚拟化存在着的。
传统的企业信用监管业务是在有限范围内对企业的实体信用数据进行分析、处理,并以此为基础对企业信用行为进行规制,大数据在使得企业信用虚拟化的同时也为相关法律监管提供了全新视角。
大数据使得企业信用数据来源呈现出多样化、多层次的特点。大数据是信用数据规模几何性的扩增,其中包括企业为职工缴纳各项保险提供各种福利的数据以及企业从事社会公益活动,落实社会责任的数据。大数据可以收纳企业的法人信息、交易习惯、信用记录、纠纷投诉等一系列与信用相关的数据。这些数据看似分散且单位价值低,但通过运用大数据技术对数据进行交叉处理,提取分析后就会变成直接反映企业信用状况的直观表征。对信用数据的收集,传统上往往以企业主体的财务、人事等静态数据为基础,其信息收集的层次较为单一。而大数据环境下,对企业信用信息的涵盖是包括多个层次的,除了对传统的静态信息进行收集处理,还重视对交易习惯、行为特征等动态数据的规整运用,从而对企业信用体系的构建及信用状况的分析把握得更为准确稳定。
(二)信用影响因素的广平化与纵深化传统数据模式下,企业信用状况影响因素主要源于企业内部和企业外部两个方面:一方面源于企业自身的经营管理情况,包括企业内部财务会计处理、产品质量、社会责任的履行等对企业信用的影响;另一方面则源于企业外部的政府、金融机构、社会组织等对企业信用的监管、评级与记录。通过对企业内外部信用行为及评价进行定性化处理,形成有关部门对企业信用进行法律监管的基础和依据。在大数据环境下,企业信用的影响因素在传统基础上向着更广范围更深层次发展,影响企业信用的某一细小方面和小微数据通过不断地发散推广并进行数据的提炼处理而使得原有数据价值和作用被无限放大,形成规模集聚效应。
大数据环境下的企业信用是一种“数字化信用”①。具体而言,数字化信用基于数学算法,取得参与者的认可,将所有的参与者联系起来,其信用由全体参与者构成。[3]这时任何一个社会个体都可能成为企业信用的全体参与者之一,企业存在的基础是为社会提供商品或服务,在全球化环境下企业的产品可能会被延伸至世界的任何一个角落,该产品的受用者会对企业的产品做出自己的评价。当然,并非所有的评价都会进入数字化的处理程序,只有在借助计算机互联网技术将评价进行广平化分享传递的情况下才会形成企业信用数据的大数据源并构成企业的“数字化信用”的组成部分。
企业信用的影响因素在大数据作用下呈现出明显的广平化与纵深化的特点,对企业信用的法律监管亦应重视该特点,在监管的过程中注重对信用数据收集的广面覆盖与重点把握。
二、大数据环境下企业信用法律监管面临的新挑战(一)企业信用监管的法律、制度不健全1.相关法律规制不健全在法律方面,对企业信用的调控主要通过合同法、商标法、专利法、民法通则、反不正当竞争法等有关法律法规予以调整,刑法方面也有关于诚信的法律规定以及对违反诚信的刑罚制裁。通过一系列法律法规的规制对不诚信行为予以惩处,使企业的违法成本高于失信所获得的收益,从而以功利主义的角度对企业信用进行法律监管。但这些立法的目的都是为了规范一定的社会秩序和调整一定的社会行为,在司法实践中,对于企业守信行为的法律适用往往呈现出一种针对同一行为适用不同法律的混乱现象,不利于对企业信用进行针对性的监管。尤其是对大数据环境下企业信用全员参与的“信用数字化”方面的法律规范尚不全面,不能完全适应企业信用虚拟化和影响因素广平化、纵深化的新特点。另外,法律本身就具有滞后性,再加上现代科学技术发展的快速性,使得现存的一些实体法难以正确合理地适用于大数据环境下的企业信用监管。但现代法治的基本理念是不允许当事人通过法律行为而规避实体法的适用,即使不合理的法律也只能透过立法程序而予以改进。[4]这就要求进一步完善大数据环境下企业信用监管的法律制度建设,使得监管行为符合实体法的要求。
2.制度分类不完善在企业信用监管制度方面,有关分类监管制度也尚不成熟。各管理部门都出台了有关信用监管的文件,以期实现对信用的分类监管。早在2003年,国家工商总局和国家税务总局就分别出台了《国家工商行政管理总局关于对企业实行信用分类监管的意见》和《纳税信用等级评定管理试行办法》,同时,央行及劳动保障部门也开始进行征信活动以及企业信用等级评定。而由于部门间信息化建设、技术水平差异等原因,会出现数据共享滞后、信息融合度不高等问题。[5]虽然有关企业信用监管制度的文件早在十多年前就已出台,且随着时间的发展不断修改更新完善,但这些都与大数据下企业信用监管的实践差距较大。现有监管制度缺乏大数据环境下个人信用与企业信用之间的融合。很长一段时间以来,企业因为经营问题、管理问题以及不可抗因素导致企业资不抵债,此情形下,企业所有者携款潜逃的事时有发生,企业主个人的诸如作风问题、责任意识等因素对企业成败具有较大的影响。可以说,在企业的生产经营过程中,企业主的个人信用与企业整体信用是密不可分的。同时,作为企业产品使用者的用户能否对企业产品做出客观真实的评价,消费个人的信用行为也是与企业总体的信用息息相关的。然而,目前企业主的个人信用数据和消费者个人的信用数据与企业的信用数据是脱轨的,而且企业信用数据更新相对比较滞后,这都不利于有效的企业信用监管防范机制的建立。
(二)大数据环境下企业信用法律监管的相关保障措施欠缺1.企业信用法律监管技术和水平急需提高大数据给企业信用建设提供了新的发展渠道,与此同时也对企业信用的法律监管技术和水平提出了新的要求。当前,我国的信用监管水平不足以适应大数据环境下对企业信用进行有效规制的需要,大数据技术发展的迅猛性和不确定性也给有关监管部门提出了技术性的难题,除了监管法律制度不能适应大数据环境下企业信用监管新规律外,监管人员的知识和技术尤其是应对大数据的技术和能力还比较欠缺。在市场经济条件下,由于企业的趋利性,一些企业为了谋取非法利益会利用大数据下技术及法律监管漏洞扰乱市场监管秩序。尤其是在全球化下,人口流动量极大,市场经济交易具有极大的不确定性,经贸行为更多是发生在陌生人之间。“一般来说,处于陌生环境的个人对他人以及周围环境都无法产生一种切身的责任感和道义感,这就使他或她更易于从事一些在家乡或熟悉的环境中所不为的行为”。[6]在陌生交易环境下人们自律性极大降低的同时,再加上大数据技术所提供的虚拟性、隐匿性,个人及企业的信用行为监管更需要通过相应的技术手段予以加强。
2.监管过程中的信息安全与隐私保护意识需要加强大数据环境下信息量快速增加,信息规模急速膨胀。由于数据量大,在对各种数据进行集中处理的过程中容易发生数据遗漏,同时也容易出现数据的泄漏。大数据环境下,对企业信用的法律监管更是包涵了传统信用监管与大数据的双重特性,在监管的过程中如何保证数据的安全性、完整性以确保监管准确高效的进行是监管工作者应该重视的。同时,为了监管而收集的企业各种数据不可避免地会涉及到企业商业秘密及其他数据相关者的个人隐私。传统模式下,更多的监管是通过实体的定性化规制实现的,这是不能满足于大数据下信用监管的数字化特点需要的。适应大数据新时代的要求,强化对信息、隐私安全的保护意识才能顺利推进对企业信用的有效监管。
三、构建全方位、立体化的法律监管(一)建立以企业信用基本法为基础的企业信用监管法律体系大数据环境下,企业信用监管呈现出新的特点,需要更为细致完备的法律去对监管的各个环节进行规制,从而实现新环境下监管工作有法可依的状态。完善的法律监管模式应在包括消费信用、工商信用以及信贷等有关信用交易体系内形成全方位的、严密的监管法律。信用交易可以极大地便捷市场交易行为及夸大市场交易规模,有效地适应全球化贸易的需要。良性高效运行的信用交易必须形成于国家信用管理制度之上,而要形成健全的国家信用监管体系就必须健全信用监管的法律,完善立法。
在很大程度上,企业主个人的信用行为会影响企业信用,所以,立法应该将企业主的个人行为纳入企业信用监管体系内,对其进行并列监管并以个人信用行为为限对企业信用违法行为承担连带责任。
大数据环境下,国家最高权力机关更应加快制定规范企业主体信用行为,调整各个信用主体间权利义务关系的信用基本法。通过立法对相关主体的权利义务予以明确,为信用数据的收集、处理以及各主体信用行为的奖惩评判提供法律依据,在信用数据的来源、存储、使用的过程中实现全方位、立体化的监管。同时,应当在结合本国实际的前提下积极借鉴欧美等信用法制发达国家的有关立法经验,制定出可行性强、有效性高的本国信用监管法律。企业信用的相关者众多且各相关者所提供的有关该企业信用的数据是对企业进行信用监管的重要数据依据。信用表现为对民事主体经济信赖的社会评价,信用的客观表现是一种评价,这种评价是社会公众的评价,而不是当事人的自我经济评价;这种评价是对特定主体经济信赖的客观评价,它可能是但不一定是肯定性的社会评价。[7]在企业信用监管立法过程中要坚决贯彻诚实信用原则,诚实信用被奉为民法的基本原则,有“君临法域”的效力。
我国《民法通则》《合同法》中都明确规定了诚实信用原则是市场经济主体进行交易订立合同的基本原则,这就可以明确该原则同时也应成为建立企业信用基本法的基本原则。
(二)以中央为主导、地方为特色完善企业信用分类监管制度在完善企业信用监管法律的基础上,要在日常监管工作中实现对主体信用监管的法制化、常态化,就必须在中央政府的主导下形成全国性的、部门性的及地方性的可执行性强的企业信用监管制度,以彰显企业信用法律监管的实效。如将企业投招标等生产经营行为与企业信用记录结合,对信用数据记录不良的企业市场行为进行必要的限制;将企业失信数据进行累加并明确对失信企业的整改措施等。各地在中央的统一部署下应结合本地域特点完善地方信用监管机制,可根据本地的经济发展水平制定出地方性的企业信用激励机制,对信用良好、诚信度高的企业在制度允许的范围内予以税收优惠、财政补贴等倾斜;同时,应积极建立企业信用不良记录黑名单制度,对信用不良企业予以惩处并曝光,在全社会范围内营造守信获益、失信受损的氛围,以进一步激励企业乃至个人珍视信用,诚实守信。
对 企业信用分类监管制度进行完善,首先要充分利用大数据的优势,完善企业主体信用数据信息。当前,金融机构对个人信用信息的构建是比较完善的,在对企业信用信息的完善过程中可利用金融机构所具有的个人信用信息,对企业主、企业负责人、法定代表人、股东等与企业信用密切相关的个人信息进行收集融合。其次,在信用监管的过程中应对监管等级进行分类细化。对企业信用等级可采取平级制方法,分别设立A、B、C不同的信用等级,对企业信用进行量化管理,激发企业自主地进行诚信建设。
四、做好大数据环境下企业信用法律监管的保障工作(一)提升大数据技术处理能力与企业信用监管水平大数据环境下,要实现海量数据的有效整合,挖掘数据信息提升信息价值,就必须进行多种技术的协同。数据挖掘与收集、处理及分析是大数据下企业信用数据处理的主要过程,对数据进行挖掘、存储、使用时必然会涉及引擎搜索技术、云计算处理技术以及数据库技术等一系列的高新技术。所以,在大数据环境下要对企业信用进行高效监管,必须增强学习意识和技术观念,提高自身技能,才能对不法企业运用大数据技术扰乱信用监管秩序的行为进行有效监管,实现有的放矢,堵住不法企业钻技术漏洞的空子。同时,监管过程中还应提升根据现有数据对企业未来信用行为的预测能力,实现对企业信用动态的准确把握,防范于未然,将不法行为扼杀于萌芽状态,引导企业向着健康的方向发展。__在贸易全球化背景下,针对交易过程中一次性博弈现状和大数据下交易行为虚拟性、隐匿性的特点,应建立个人及企业信用跟踪机制,完善信用体系建设,实现信用数据信息的跨行业、跨区域乃至跨国界的共享。交易过程中主体双方信用信息的透明共享可以有效震慑一次性交易中的不诚信心理,有效防止欺诈行为的发生,同时也可为监管部门在信用监管工作中实行区别监管、重点监督提供有效依据。
(二)注重大数据环境下企业信用法律监管中权益保护的均衡性首先,要实现监管与发展之间的均衡。大数据环境下,由于信息影响的广平化与纵深化特点,对企业信用的监管有可能会影响到企业生产经营活动中的冒险意识和创新积极性。若对企业信用监管过度可能会影响企业创造力的激发,不利于市场经济条件下企业竞争力的迸发。对企业信用进行监管,要重视对大数据环境下信用数据隐匿性的运用,在虚拟化中对企业进行监管督促,实现监管于无形,不影响企业实体经济的发展。
其次,要实现信息归集与主体权益保护的均衡。大数据下要实现对企业信用的有效监管,就必须要全方位地对企业信息进行收集,在这一过程中对企业主体商业秘密和有关个人隐私的涉及是不可避免的。有关商业秘密和个人隐私是受法律保护的重要权益,在对企业信用监管过程中要重视数据收集处理与使用的程序及实体的合法性,规范信用监管行为。在赋予监管者权力的同时,要明确监管义务和违法行使权利力的法律责任,实现权力与义务、职权与职责的统一。另一方面,要保障被征信主体的合法权利并制定有效的法律救济措施,使其能在被监管的同时对监管行为进行监督,确保其合法权益的维护。
最后,要实现信用信息共享与信息安全保护之间的均衡。信息共享是实现大数据下对企业信用进行高效监管的基础,信息共享过程中的信息公开是各主体获取他主体信息数据的主要途径。计算机技术和数据挖掘技术的不断发展为不同主体间进行信息共享提供了便利方式,但数据开放性和技术安全性问题也为信息安全问题埋下隐患。有大数据环境下,如果对信息共享问题不加以法律监管及限制,企业及个人零散于各信息机构、电信或中介等部门的信息数据极易经由不法渠道被分享,并为不法分子所利用,进而从事推销甚至诈骗等一系列违法行为。大数据环境下,经汇总处理的信息数据甚至涉及到信息主体的各种隐私信息及法律保护的涉密信息,将非共享信息纳入共享平台可能会严重影响信息主体的实体社会经济活动,这也正是以互联网为依托的“人肉搜索”的可怕性之所在。
总之,在大数据环境下,企业信用信息安全保护面临着制度滞后与技术更新快速两大难题。信息共享下,企业信息安全保护需要在革新制度的同时改进技术保障措施,要明确可共享与不可共享信息的界线及可共享的范围,保证监管过程中的信息流向,技术上要不断研究并及时更新信息共享安全系统,对信息在收集、处理、使用、销毁的流程中进行全面的安全防护,防止信息外泄。充分利用大数据的优点,谨慎把握控制其可能带来的不利影响,在构建企业信用共享平台、对企业信用进行法律监管的过程中完善相关的法律法规,同时,对企业信息安全进行保护,提升大数据环境下企业信用法律监管的成效。
参考文献: [1]涂子沛.大数据革命历史现实与未来[M].北京:中信出版社,2014:85-86.[2]章红,郝嵘,关伟.大数据时代征信业发展思考与建议[J].福建金融,2014(2):36-39.[3]陈娟娟,侯娟.互联网金融背景下“数字化信用”与“传统信用”的交锋———第三方支付平台安全问题的新视角[J].海南金融,2014(7):24-28.[4]江平,周小明.论中国的信托立法[J].中国法学,1994(6):53-59.[5]童军辉.强化信用监管推进商事制度改革———兼论基于“大数据”背景的企业诚信制度构建[J].中国工商管理研究,2015(3):58-60.[6]苏力.法治及其本土资源[M].修订版.北京:中国政法大学出版社,2004:118.[7]吴汉东.论信用权[J].法学,2001(1):41-48.__
2.金融监管大数据平台 篇二
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,
1 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%, 而阿里小额贷款额度为平均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。
2 大数据挖掘在融资领域中的应用
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。
2.1 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。
2.2 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。
3 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。
4 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。
5 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。
摘要：十年前, 互联网和金融还是两个没有关系的领域。今天互联网企业已经开始大举进军金融领域, 打破了传统金融寡头的垄断格局。第三方支付、移动支付、众筹融资、P2P网络信贷、供应链融资服务、互联网理财、保险等多种互联网金融服务模式如雨后春笋般迅速成长起来。根据银监会的数据, 2008年-2013年, 国有大型银行的市场份额从52%下降到42%, 5年里下降了10%, 可以说互联网金融时代真正到来了。马云在2012年网商大会上鲜明地指出互联网金融未来的战略是围绕平台、金融、大数据展开——平台汇聚大数据, 大数据衍生金融, 金融反哺平台。本文主要研究在互联网金融背景下, 我们该如何利用互联网带来的海量数据来帮助新形势下金融服务业创造更多的商业价值。
关键词：互联网金融,大数据,融资
参考文献
[1]吴昭华.大数据时代的互联网金融发展研究[J].电子世界, 2014 (03) :192-193.
[2]娄飞鹏.互联网金融支持小微企业融资的模式及启示[J].武汉金融, 2014 (04) :6-8.
[3]新平.充分发挥好互联网金融“鲶鱼效应”[N].《上海证券报》, 2014 (02) :A04.
[4]刘英, 罗明雄.大数据金融促进跨界整合[J].《北大商业评论》, 2013 (11) :96-101.
[5]刘新海.大数据挖掘助力未来金融服务业[J].金融创新, 2014 (21) :117-126.
[6]康书生, 曹荣.互联网大数据技术在融资领域的应用研究[J].金融理论与实践, 2014 (01) :108-110.
[7]郭喜才.基于互联网金融背景下的中小型科技企业融资问题研究[J].科学管理研究, 2014 (02) :109-112.
3.上海市场监管引入大数据 篇三
2016年5月4日，上海长宁区市场监管局连续查处了两家非法加工、出售河豚的餐饮店，而提供线索的就是来自消费者在“大众点评”上的“吐槽”。通过长宁区政府与大众点评针对线下食品安全和线上网络订餐监管，联手展开的创新数据和信息共享，长宁市场监管已查处下架了区内700多家有违法行为的餐饮单位。
长宁市场监管局副局长赖树生说，监管部门充分利用大众点评庞大的后台数据及推送功能，有针对性地展开问题整治，对食品安全进行精准执法。针对大众点评用户的评论特点，制定了“餐饮企业食品安全负面评论关键词搜索清单”，包括“河豚鱼”“罂粟壳”“腹泻”“过期食品”“脏乱差”等十大类关键词。信息共享后，监管部门定期对大众点评数据进行关键词搜索，实地排查。
不仅在大众点评上，你在购物平台上吐的“槽”，也被监管部门作为线索当成“宝”。最近，上海工商部门就联合第三方网络平台开发了“网购大家评”网站。这个网购消费评价意见收集平台，将收集消费者对于网站的评价、网购体验、投诉举报等信息，经过分析加工，成为市场监管部门开展行政指导甚至监管执法的重要参考。
以往，消费者的评价信息，只是给其他消费者做参考，监管部门并不感兴趣，觉得“没有用”。一些网站为了防止自己的口碑变差，还会故意不显示或删除消费者的“吐槽”，甚至根本不提供渠道让消费者“吐槽”，导致监管部门很难获取相关信息。
上海市工商局网络交易监管处负责人李弘说，目前已有大众点评、1号店、携程、京东易迅等17家网购平台表示将在自己网页的显著位置添加这一链接，让消费者直接到监管部门的平台上“吐槽”，网购平台无法“插手”。
而监管部门长期积累的企业“赏罚”数据、信用等级，也可以成为消费者选择店铺时，皇冠、星级之外的另一个评价“利器”。市民张先生最近在“饿了么”订餐时就发现：平台上的一些商户信息中都不约而同地挂着“脸谱”（政府部门对餐厅的信用评价等级），点开“脸谱”，营业执照、餐饮服务许可证和食品安全监督公示信息跃然屏上。
这些数据正是由浦东市场监管局与这家网络订餐平台对接并向全社会开放共享的。浦东市场监管局局长陈彦峰介绍，消费者能够更直观地感受到政府信息的价值，通过其理性选择、用脚投票，用市场无形的手“挤出”不符合法律法规、不符合食品安全标准的商户，从而倒逼餐饮行业提高整体水平。
4.金融监管大数据平台 篇四
面向全国客户：省、市、县政府、财政局、地税局、管委会等政府综合治税部门。系统可根据客户需求定制开发，以下功能仅供参考。
综合治税是由地方政府多部门通力合作的税收征管及监控活动。推进政府税收保障工作、加强综合治税力度是提高财政收入质量，增强财政实力的重要保证，尤其从目前征管现状来看，由于涉税信息传递不畅，部分行业、部分税种特别是一些地方零散税源跑冒滴漏现象还较为突出，一定程上造成了税收流失。充分依托各相关部门、单位的职能，建立健全税收保障工作机制，对于实现涉税信息共享、推进综合治税工作、培植壮大税源、依法加强税收征管、堵塞税收漏洞、有效防止税收流失，促进税收与经济协调增长具有非常重要的意义。
综合治税平台是一个跨部门、跨系统的电子政务系统，涉及到市财政局、市国税局、市地税局、市工商局、市质监局、市规划局、市建设局、市水利局、市交通局、市房管局、市供电公司、市公安局、市司法局、市中级法院、市教育局、市科技局、市经贸委、市人事局、市残联、市国资委、市物价局、市文化局、市体育局、市国土局、市环保局、市外经局、市发改委、市劳动保障局、市民政局、市卫生局、市统计局、市城管局、市审计局等（以下简称涉税部门）相关市直部门的数据采集、数据交换、数据整合、应用开发。
客户使用案例：山东济南、济宁、青岛、德州、菏泽等地区；河南郑州地区；江苏徐州地区；湖北恩施州地区；湖南常德地区；贵州遵义、毕节地区； 系统部分功能点介绍（以下仅是系统部分功能，详细方案联系客服）
一、数据上报、采集、查询（涉及40 个部门左右）
二、绩效管理
三、指标报送详情、统计等
四、数据比对（包含地税分析系统、国税分析系统、营改增分析系统等）
1、户籍比对
2、国地税、国税公司信息比对
3、地税工商信息比对
4、出租房屋（房地产税收管理）
5、根据国税的增值税和消费税，地税的营业税，三者税款根据税款缴纳比率，计算出三个附征税款的缴纳数，同附带的三个附征税进行比对。同时进行比对，计算出差额。从而找出遗漏的税款。
6、土地信息比对
7、用电、用水、用气信息比对
8、医保刷卡信息比对
9、酒店、住宿业信息比对
10、交通行业信息比对
11、驾校信息比对
12、房屋销售信息比对
13、股权变更信息分析
14、房产税分析
15、商品房销售情况分析
16、车船税分析
17、其它行业、税种信息比对，可根据地方需求定制开发。
五、疑点欠税问题分配处理、绩效考核等
六、税收查询分析
1、一户式分析、规模企业分析、高新企业分析、重点税源分析等
2、数据综合查询统计分析
3、纳税排名
4、重点企业重点税种同比分析
5、国地税收入行业税收对比
6、分行业、区域、税种、级别、机关单位等税收统计分析
7、柱状图、折线图、饼状图等图形展示税收情况。
七、财政收入分析 1 金库报表查询分析 收入报表查询（一般预算收入分析、全口径、分行业、区域、税种等分析，同
比、环比等分析）3 非税收入分析 4 重点项目查询分析
八、税源电子地图（地理信息系统）功能
1、纳税企业标注功能
2、纳税企业地图查询
3、纳税企业一户式查询、统计等功能
九、掌上应用平台app
1、纳税排名
2、税收情况分析
5.金融监管大数据平台 篇五
【赛迪网讯】10月15日消息，互联网金融发展的关键是风险控制，“风险控制”已然成为 诸多互联网金融企业能否长大的魔咒，这个不争的事实像一座大山摆在众多互联网金融大佬与创业者的面前。为什么阿里金融能够将它的网络小贷不良率控制在不到 1%，有胆量再贷多点吗？大数据挖掘技术和互联网金融的风险控制到底是什么关系？互联网金融将怎样建立有效的风险控制生态体系？本文将带你揭开大数据挖掘 与互联网金融风险控制的神秘面纱。
最近互联网金融圈不仅自己玩的很开心，而且还拉上了金融界甚至央行的大佬们一起玩的很开心。尽管让互联网金融企业头痛的问题——央行征信系统不对市场开放，仍然没有解决，但至少央行的态度明朗，支持互联网金融的发展，并认为互联网金融是传统金融的有益补充。
生命的神奇之处在于它总能找到一个出口。作为新生事物的互联网金融也不例外，在那扇门朝 他们关闭的同时，他们却找到了另外一扇窗。在亦步亦趋的探索中，他们中的大企业通过自身力量，小企业通过联合的力量找到了适合自身发展的风险控制生态系 统，正朝着良性和有序的方向发展，正如凯文凯利在他的《失控》中描述的群氓智慧那只无形的手。
互联网金融掌握了可以颠覆传统金融的风控技术
在不依赖央行征信系统的情况下，市场自发形成了各具特色的风险控制生态系统。大公司通过大数据挖掘，自建信用评级系统；小公司通过信息分享，借助第三方获得信用评级咨询服务。
互联网金融企业的风控大致分为两种模式，一种是类似于阿里的风控模式，他们通过自身系统大量的电商交易以及支付信息数据建立了封闭系统的信用评级和风控模型。另外一种则是众多中小互联网金融公司通过贡献数据给一个中间征信机构，再分享征信信息。
央行的征信系统是通过商业银行、其它社会机构上报的数据，结合身份认证中心的身份审核，提供给银行系统信用查询和提供给个人信用报告。但对于其它征信机构和互联金融公司目前不提供直接查询服务。2006年1月开通运行的央行征信系统，至 2013年初，有大概8亿人在其中有档案。在这个8亿人当中，只有不到3亿人有过银行或其他金融机构发生过借贷的记录，其中存在大量没有信贷记录的个人。
而这些人却有可能在央行征信系统外的其它机构、互联网金融公司自己的数据系统中，存有相 应的信贷记录。市场上一些线下小贷公司、网络信贷公司对于借贷人的信用评级信息需求非常旺盛，也因此催生了若干市场化征信公司，目前国内较大的具有代表性 的市场化征信公司有几家：如北京安融惠众、上海资信、深圳鹏元等等。
从P2P网贷公司和一些线下小贷公司采集动态大数据，为互联网金融企业提供重复借贷查询、不良用户信息查询、信用等级查询等多样化服务是目前这些市场化的征信公司正在推进的工作。而随着加入这个游戏规则的企业越来越多，这个由大量动态数据勾勒的信用图谱也将越来越清晰。
互联网海量大数据中与风控相关的数据
互联网大数据海量且庞杂，充满噪音，哪些大数据是互联网金融企业风险控制官钟爱的有价值的数据类型？下图为大家揭示了互联网海量大数据中与风控相关的数据，以及哪些企业或产品拥有这些数据。
（图）风控相关大数据及代表企业或产品 利用电商大数据进行风控，阿里金融对于大数据的谋划可谓非一日之功。在很多行业人士还在 云里雾里的时候，阿里已经建立了相对完善的大数据挖掘系统。通过电商平台阿里巴巴、淘宝、天猫、支付宝等积累的大量交易支付数据作为最基本的数据原料，再 加上卖家自己提供的销售数据、银行流水、水电缴纳甚至结婚证等情况作为辅助数据原料。所有信息汇总后，将数值输入网络行为评分模型，进行信用评级。
信用卡类网站的大数据同样对互联网金融的风险控制非常有价值。申请信用卡的年份、是否通 过、授信额度、卡片种类；信用卡还款数额、对优惠信息的关注等都可以作为信用评级的参考数据。国内最具代表性的企业是成立于2005年，最早开展网上代理 申请信用卡业务的“我爱卡”。其创始人涂志云和他的团队又在2013年推出了信用风险管理平台“信用宝”，利用“我爱卡”积累的数据和流量优势，结合其早 年的从事的FICO（费埃哲）风控模型，做互联网金融小微贷款。
利用社交网站的大数据进行网络借贷的典型是美国的Lending Club。Lending club于2007年5月24日在facebook上开张，通过在上面镶嵌的一款应用搭建借贷双方平台。利用社交网络关系数据和朋友之间的相互信任聚合人 气。借款人被分为若干信用等级，但是却不必公布自己的信用历史。
在国内，2013年阿里巴巴以5.86亿美元购入新浪微博18%的股份，其用意给人很多遐想空间，获得社交大数据，阿里完善了大数据类型。加上淘宝的水电煤缴费信息、信用卡还款信息、支付和交易信息，已然成为了数据全能选手。
小贷类网站积累的信贷大数据包括信贷额度、违约记录等等。但单一企业缺陷在于数据的数量 级别低和地域性太强。还有部分小贷网站平台通过线下采集数据转移到线上的方式来完善信用数据。这些特点决定了如果单兵作战他们必定付出巨大成本。因此，贡 献数据，共享数据的模式正逐步被认可，抱团取暖胜过单打独斗。其中有数据统计的全国小贷平台有几百家，全国性比较知名的有人人贷、拍拍贷、红岭和信用宝 等。
第三方支付类平台未来的机遇在于，未来有可能基于用户的消费数据做信用分析。支付的方向、每月支付的额度、购买产品品牌都可以作为信用评级的重要参考数据。代表产品为易宝、财付通等。
生活服务类网站的大数据如水、电、煤气、有线电视、电话、网络费、物业费交纳平台则客观真实地反映了个人的基本信息，是信用评级中一类重要的数据类型。代表产品为平安的“一账通”。
互联网金融风控大数据加工过程
（图）大数据加工过程图解析 如上图所示，在进行数据处理之前，对业务的理解、对数据的理解非常重要，这决定了要选取哪些数据原料进行数据挖掘，在进入“数据工厂”之前的工作量通常要占到整个过程的60%以上。
在数据原料方面，越来越多的互联网在线动态大数据被添加进来。例如一个虚假的借款申请人 信息就可以通过分析网络行为痕迹被识别出来，一个真实的互联网用户总会在网络上留下蛛丝马迹。对征信有用的数据的时效性也非常关键，通常被征信行业公认的 有效的动态数据通常是从现在开始倒推24个月的数据。
通过获得多渠道的大数据原料，利用数学运算和统计学的模型进行分析，从而评估出借款者的 信用风险，典型的企业是美国的ZestFinance。这家企业的大部分员工是数据科学家，他们并不特别地依赖于信用担保行业，用大数据分析进行风险控制 是ZestFinance的核心技术。他们的原始数据来源非常广泛。
他们的数据工厂的核心技术和机密是他们开发的10个基于学习机器的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标，而这一过程在5秒钟内就能全部完成。
6.金融监管大数据平台 篇六
《意见》分为8大方面共36条, 其中多个方面与质量监管相关。具体而言, 在运用大数据提高为市场主体服务水平方面, 要求充分运用大数据技术, 积极掌握不同地区、不同行业、不同类型企业的共性、个性化需求, 在检验检测、认证认可、进出口、技术改造、知识产权等方面主动提供更具针对性的服务, 推动企业可持续发展;加快建立公民、法人和其他组织统一社会信用代码制度以及全面实行工商营业执照、组织机构代码证和税务登记证“三证合一”“一照一码”登记制度改革, 运用大数据推动行政管理流程优化再造;根据宏观经济数据、产业发展动态、市场供需状况、质量管理状况等信息, 充分运用大数据技术, 改进经济运行监测预测和风险预警, 并及时向社会发布相关信息, 合理引导市场预期。
在运用大数据加强和改进市场监管方面, 《意见》提出, 要以社会信用信息系统先导工程为基础, 充分发挥国家人口基础信息库、法人单位信息资源库的基础作用和企业信用信息公示系统的依托作用, 建立国家统一的信用信息共享交换平台, 整合金融、质量监管、统计调查等领域信用信息, 实现各地区、各部门信用信息共建共享;充分发挥行政、司法、金融、社会等领域的综合监管效能, 在产品质量、食品药品安全、消费品安全等方面, 建立跨部门联动响应和失信约束机制, 对违法失信主体依法予以限制或禁入;对食品、药品、农产品、日用消费品、特种设备、地理标志保护产品等关系人民群众生命财产安全的重要产品加强监督管理, 利用物联网、射频识别等信息技术, 建立产品质量追溯体系, 形成来源可查、去向可追、责任可究的信息链条, 方便监管部门监管和社会公众查询。
在健全保障措施和加强组织领导方面, 《意见》重点提出要完善标准规范。建立大数据标准体系, 研究制定有关大数据的基础标准、技术标准、应用标准和管理标准等。加快建立政府信息采集、存储、公开、共享、使用、质量保障和安全管理的技术标准。引导建立企业间信息共享交换的标准规范, 促进信息资源开发利用。另外, 《意见》还提出在工商登记、统计调查、质量监管、竞争执法、消费维权等领域率先开展大数据示范应用工程, 实现大数据汇聚整合。
7.金融竞技大数据时代 篇七
他现在法国沛丰集团中国公司上班，担任技术支持经理，主要任务是寻找需要小额信贷技术支持与咨询服务、风险管理培训服务的金融机构。很快，他发现，如何控制风险是金融机构发展小微金融遇到的瓶颈。
“银行数据利用率低，尤其小银行，普遍用抵押物、软信息，包括经营历史、状况及个人品质，很少用数据做贷款监测。”他说。
中和农信项目管理有限公司就是这么一家。专注于小额信贷扶贫项目的中和农信拥有十几万客户，也积累了大量数据，但和所有金融机构一样，他们得到有用的信息不会放入系统归纳，并通过数据的发现进行评分。
“他们没有发现数据才是最大的武器。”吴思宏说，面对当前互联网金融的冲击，金融机构应将数据利用引入战略规划。
与传统金融机构相反，互联网企业正利用大数据优势上演逆袭。
腾讯、阿里巴巴、苏宁等均已开展基于供应链的小微贷款业务，而对客户信息的充分了解是其控制风险的有效手段。相关数据显示，阿里金融的贷款坏账率仅为0.76%。
谁掌握了大数据的优势，并善于有效利用数据，谁就将在未来的金融领域分得一杯羹。
金融无法回避风险。这一点，所有的互联网金融模式，甚至是阿里小贷都不能忽视。
三巨头激战互联网金融
利用超强的渠道和低成本的运营，百度正以互联网的24小时法则玩转金融。
10月28日，“百度金融中心——理财”平台正式上线，其携手华夏基金推出的理财计划“百发”，以8%的收益率保证作为营销手段。据悉，超10亿元的销售额、7日年化收益率4.933%的“百发”，3小时即售罄。
显然，发生在中国互联网三巨头（阿里巴巴、腾讯、百度）之间的金融竞争日趋激烈。
6月初，阿里巴巴余额宝对接资产管理公司天弘基金的增利宝。天弘基金最新公布的三季报显示，“天弘增利宝”货币基金以556.53亿元的规模，成为中国规模最大的公募基金。
8月，腾讯微信5.0联合财付通推出“微信支付”。新增的支付功能为其涉足金融行业铺平道路。
本刊记者统计分析发现，三者进军金融的大致路径为：先获取支付牌照，而后开展小额贷款、进军非银行和银行类金融机构，最终趟入金融深水区。
阿里巴巴在获取第三方支付牌照——支付宝后，于2010年成立小贷有限公司。2013年，其与平安集团、腾讯联合成立众安在线财产保险公司，正式进入金融领域，并成立金融事业群。阿里的“大金融”战略版图已清晰呈现。
腾讯亦步亦趋。2011年，腾讯创办在线支付平台——财付通。因财付通与拍拍网、腾讯QQ有着较好的融合，按交易额来算，已占20%的市场份额，仅次于阿里巴巴的支付宝。
之后，腾讯还通过收购益盟操盘手、成立证券软件部，试图进军金融行业。在联合成立众安在线财险后，马化腾开始图谋小贷公司，考虑申请小贷等更多的金融牌照。
“搜索巨头”百度也在抢蛋糕。“百付宝”获批央行第三方支付牌照后，百度理财频道低调上线。而就在余额宝面世仅3个多月后，百度与华夏基金迅速“结对”。
据悉，百付宝项目团队当前正与其他基金公司、银行、信托、证券等机构接触，挑选合适伙伴。业内人士指出，百度在小贷、金融公司搜索入口等方面也有计划，欲全面进军互联网金融。
除了上述三大巨头外，不可忽视的互联网大公司变量还有京东的供应链金融，其为供应商提供采购融资、入库融资、结算前融资等服务。而最新消息是，京东将要涉足P2P业务。
此外，门户网站新浪在今年7月发布“微银行”，用户可用其办理开销户、资金转账、汇款、信用卡还款等业务。
“新科技给金融带来数据和风控的支撑，也给有着大数据基础的互联网企业带来了机会。”吴思宏如此形容互联网掀起的金融浪潮。
挖掘大数据的价值
正如硅谷技术专家和科技出版社员工蒂姆·奥莱利（Tim O’Reilly）所言，“数据是一个平台，因为数据是新产品和新商业模式的基石。”
推动互联网金融发展的核心正是大数据的价值。
中国小额信贷联盟秘书长白澄宇对本刊记者表示，电子商务推动了大数据的产生。之后，基于互联网平台积累的客户经营状况和信用分析，解决了中小企业在传统金融机构中的贷款难题。
“中小企业很难从银行等传统金融机构贷到款，需要抵押和担保，但阿里巴巴却找到了‘钥匙’。”白澄宇说，阿里做小贷有一系列担保措施，贷款客户一般是淘宝网上用支付宝开店的商户，如发生问题，可冻结支付宝账户资金或取消其经营权，这也是一种“软担保”。
本刊记者了解到，阿里小贷的客户基本以本集团的商户为主，与阿里巴巴、淘宝网、支付宝的底层数据完全打通，小企业在网上经营的信用记录、交易状况、投诉纠纷情况等百余项指标信息都在评估系统中，并最终作为贷款的评价标准，最大限度降低了寻找优质企业客户的成本和风险。
“数据是金融行业放贷时控制风险的重要基础。而互联网金融对传统金融的冲击，其实讲的还是阿里。”吴思宏说，阿里小贷整合了电子商务公开、透明、数据可记载的特点，解决了传统金融行业中个人及中小企业贷款存在的信息不对称、流程复杂等问题。
“现在不同企业、行业利用客户数据参与金融市场，但互联网公司数据也要区分，除了阿里巴巴，并不是所有公司都有数据优势，看怎样才能达到数据利用的效果。如P2P，只是中介资金的撮合。”吴思宏说。
大数据优势使得阿里巴巴金融平台继续向其他金融领域延伸，而阿里金融业务，阿里电商业务（阿里集团），物流业务（菜鸟网络）也被视为三个“千亿美元市场”公司。
风险投资的嗅觉向来灵敏，对于互联网金融的投资近两年来喷发增长。本刊记者统计显示，自2010年以来，互联网金融领域先后发生58起重要投资事件，VC机构、大公司、金融机构等成为投资主体。
据本刊记者了解，大公司旗下的公司获得投资明显占了大多数，占比58%。由此可见，金融创业的门槛相当高，没有一定实力或积累的公司很难进入这个领域。
其中，贷款、支付服务占比最高，各自发生了15起投资事件，合计占比达到52%，超过半数，这也是目前互联网金融最为创新的两个方向。新的贷款、新的支付方式，正涌入越来越多的创业公司。
倒逼传统金融机构改革
互联网金融来势凶猛，正倒逼商业银行改造业务模式。
据公开资料统计，目前互联网已渗透至十多个金融细分领域，包括贷款、支付、保险、理财记账、股票基金、信用卡、众筹合投、虚拟币或比特币、外汇期货贵金属等。其中，贷款占比30%，支付与理财记账分别占比13%，股票基金占比11%，保险占比10%。
互联网金融的本质是“大数据+云计算”结合“移动互联网+电子商务”，这正是阿里巴巴的优势。
阿里金融提供的数据显示，阿里小贷至今已累计投放小额贷款300多亿元，为13万家小微企业和个人创业者提供间接融资服务。其中，2012年上半年投放贷款130亿元，共计170万笔，日均1万笔，平均每笔贷款额度7000元。
截至2012年底，支付宝提供的最新数据显示，其注册账户突破8亿，日交易笔数峰值达到1.058亿笔。2012年6月，同时入驻天猫的企业超过6万家，而淘宝的卖家超过700万家。
仅阿里的表现已让传统银行艳羡不已。从去年开始，由于信贷有效需求收缩，银行议价能力下行，小微企业正成为银行业务的蓝海。包括中行、工行、建行、交行的几大国有银行贷款业务，已向小微企业倾斜。
但随着信贷和支付两块业务的“脱媒”，银行收入遭遇互联网的极大挑战。
“银行金融机构系统的数据很多，但系统数据的利用率非常低。目前，传统金融机构对系统的利用率大概不到20%。”建行董事长王洪章在最近的一次论坛上表示，数据的集中、整理和分析，是中国银行业现在面临的最大问题。
对此，白澄宇向本刊记者解释，金融机构通常将保存在分立信息系统中的数据进行整合分析，并将分析结果作为对客户细分的基础，最终形成信贷授予决策。就目前来看，由于上述过程耗费人财物较大，传统银行难以完成上述工作。
“由于信息的缺失，银行往往对中小企业和微型企业融资采取惜贷行为，或是提出高昂的信贷成本或抵押要求。边缘机构涉足到互联网金融后，给银行敲了警钟。”白澄宇说，未来，能使用新技术，包括大数据、云计算、移动通信的，就具有更多优势，这迫使银行重新开发利用数据。
“如此浩瀚的数据，我们不去挖掘，不去分析，躺在库里是没有用的。对大数据只有吃干榨尽，才能细分客户，不断改善和客户的关系，包括产品创新也是这样。”王洪章说。
与建行相反，工行行长杨凯生对大数据的利用充满信心。他在公开场合表示，工行已搭建起了以数据仓库为核心的经营管理数据体系，实现了客户信息、账户信息、产品信息、交易信息和管理信息的集中管理，形成了数据标准、数据质量、数据架构、元数据、数据生命周期、数据安全以及数据应用等全流程的数据信息管理机制。
不可忽视的风险管理
于佳对互联网金融的投资持谨慎态度。至今，她所在的启明维创创业投资管理上海有限公司还没有投资互联网金融的打算。
“感觉有风险，这种感受是从现在发生的事实看到的。媒体已有报道，因为设立的门槛低，各种不同人才进入，在运作方式和风险控制上都难以把控。当然，不否认有一些平台和机构做得很好，而三大巨头又有足够的实力，不需要我们投资。”作为公司副总裁、执行董事的她对本刊记者谈道。
工行行长杨凯生公开指出，在当前互联网金融的融资领域，P2P机构等正快速扩张。在提高社会资金运用效率的同时，也积累着信用风险，借款方违约难以追讨、P2P机构跑路等事件并不少见。
据媒体报道，重庆市有关部门对5家“人人贷”公司做出相关处罚，其中一家“人人贷”公司已被注销，其余4家被要求逐笔清退现有债权债务，共计4.86亿元。
“主要是因为这些P2P网络借贷平台大搞线下业务，违规发行理财产品：一方面信息不透明，理财资金不知流向何方，甚至编造项目；另一方面期限错配，虽然承诺的理财产品期限都在一年以下，但拿理财资金放出去的贷款却都在一年以上。”于佳说。
此外，在支付领域，支付机构的交易信息、交易流程缺少认证，沉淀资金缺少监管，使得消费者在享受支付结算快捷便利的同时，也面临着交易欺诈、资金被盗、信息隐私流失的风险。“客户备付金及其孳息的所有权一直归属不明，金融消费者的合法权益始终难以落实。”杨凯生指出。
“P2P是从国外引进的，它本身不是金融机构，对双方进行资金撮合，为什么出现P2P跑路，是因为制度和技术问题。”白澄宇说，目前中国小额信贷联盟正要求P2P与第三方支付合作，通过第三方支付划拨资金。
白澄宇认为，发展互联网金融必须基于传统金融的核心价值——风险管理。风险管理是任何金融的基础，包括客户筛选、贷后管理、风险评估等专业技术；在此基础上，互联网金融才谈得上降低交易成本，便捷交易渠道。
“实际上，现在很多机构无风险管理能力，涉入互联网金融应谨慎。百度代销华夏基金，实际上是推销、代售，渠道而已。百度准备注册小贷公司，但必须有风险管理团队。”吴思宏说。
8.金融监管大数据平台 篇八
1 互联网金融和大数据的特点
1.1 互联网金融的特点
交易成本低廉：资金供给双方在资金的融通过程中所发生的成本称之为交易成本，互联网借助信息网络，减少了人力、物力的投入，发布信息、匹配产品、定价、交易都依靠互联网完成，大大降低了交易成本。交易过程快捷简单：互联网金融模式下金融业务由计算机操作，效率高、速度快，不受时间、空间的限制，客户只需要一台电脑就可以实现资金的高效运转。数据价值大：依托于大数据和电子商务，互联网金融实现飞速发展，互联网的便利性使得人们的生活和工作依赖于互联网，将一些单位和个人的消费信息在网络空间暴露，产生了海量的数据库，数据就是资源，只要加以分析和研究就是巨大的商业价值。
风险系数高、创新强：随着科技的发展，不断产生新的金融产品、融资形式，一些互联网产品和支付方式也层出不穷，如网络银行、网络保险公司、众筹融资、网络证券公司、余额宝、支付宝、微信支付、网络贷款等。但现阶段对互联网金融的监管力度较弱，缺乏法律约束，导致一些不法分子非法集资，进行网络诈骗，严重危害了互联网金融的安全。
1.2 大数据技术
9.金融监管大数据平台 篇九
数据一直是信息时代的象征。2011年5月麦肯锡全球研究院发布了报告《大数据：创新、竞争和生产力的下一个新领域》后，大数据的概念备受关注。金融业是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是数据来源。金融业也高度依赖信息技术，是典型的数据驱动行业。1．研究内容
（1）大数据分析在金融领域的应用和创新。如依托大数据分析促进高频交易、风险管理、客户交叉行为分析、客户关系管理等。
（2）互联网金融的架构和发展模式及发展方向。按照二八法则定律来看，80%的金融产品将通过互联网、移动终端等技术走向标准化、大众化、规模化道路。例如，信用卡消费记录中早就包含消费时的位置信息，现在就可以被互联网金融利用。
（3）金融行业客户行为分析。通过大数据分析客户行为，实现个性化和精准化客户服务，有助于企业在创新经营模式时更加贴近、深刻理解客户需求并做出预判，从而改善经营水平、提升经营效率。2.关键技术点
（1）数据搜集。收集客户信息，对客户的基本信息及行为信息进行分析，依托平台细分客户。
（2）客户的行为分析。建立数学模型，对客户的交易行为进行精准化分析，以及参数的设定。
10.用大数据防金融欺诈 篇十
反欺诈解决方案的准确度取决于数据模式是否科学，同时也取决于获取的数据是否全面、准确，由于数据模型是否科学也是建立在事先对大量的数据进行分析的基础上，因此，数据是反欺诈解决方案中的根本，这其中也包括大数据。
“大数据意味着大机会。通过在反欺诈系统中增加对大数据的处理能力，从而让决策更为科学和精准，最终帮助企业获得显著的绩效改进和业务收益。”FICO（费埃哲）公司首席执行官Will Lansing如是说。
作为一家以分析和处理数据为主要业务的公司的负责人，Will Lansing意识到大数据对金融业务系统的价值，这种价值对中国正在兴起的信用卡业务尤其重要。
相对于车贷、房贷等零售信贷业务，信用卡业务利润更高，同时风险也更大，反欺诈系统显得尤其重要。反欺诈需要对用户身份、过往消费行为以及消费发生的时间、地点等要素进行关联分析，资料越详尽，结果就越准确。另一方面，随着信用卡发行量的迅速攀升（目前，全国信用卡的发卡量已经超过2亿张），新的数据几乎每时每刻都在生成，这些因素都在挑战反欺诈系统的执行效率。
Will Lansing说，从某种程度上说，反欺诈系统已经是一种大数据的处理系统。因为在大数据的“3V”特征，即Volume（大数据量）、Velocity（高速率）、Variety（类型复杂）中，目前的反欺诈系统处理的数据至少已经具备两个特征：海量数据、数据生成速度非常快。而未来肯定还会在数据类型方面进一步丰富，不仅能分析和处理结构化数据，还能分析和处理邮件、语音、视频等非结构化数据。到那时，对欺诈行为的判断将更为准确。
“FICO在数据分析技术上有自己的独特优势，比如，我们拥有自适应分析技术可以提高反欺诈的性能，还有一些已获专利的特征剖析技术可以改善欺诈检测的准确性。”Will Lansing表示。“对大数据的处理技术再配合我们这些独特的分析技术将成为我们的核心竞争力。”
11.金融监管大数据平台 篇十一
1 大数据时代特征分析
大数据时代的到来，标志着人类对计算机互联网技术的应用实现了实质性进步，与以往时代所不同的是，大数据时代具有自身特征，其主要表现为：首先，其整体数据量极大，与以往信息时代不同的是，大数据应用的前提就是收集庞大的数据信息，因此，其存储数据的计算量远超过了当前的计量，其基本上使用的都是P/E/Z做计量单位，起码存储在1000T以上，甚至高达10亿T。
其次，其特征主要表现为种类繁多、内容多样。尤其是整个大数据体系中不仅包含了各个行业的信息，同时其收集形式也极为多样，从文字、图片到音频、视频等等，基本上囊括了整个时代的各个信息链条和内涵。正是数据信息的多样化和多元化决定了我们可以通过使用大数据实现对整个数据资源的体系化认知，同时这也从根本上提升了我们对数据的处理和应用能力，使得整个数据分析更有参考价值和意义。
此外，随着当前大数据应用不断成熟，如今数据价值密度相对较低，尤其是在物联网广泛应用影响下，信息感知应用极为广泛。虽然当前大数据时代，整个数据量大，但是有价值的数据较少，其整体价值密度不大，因此如何才能有效完善数据筛选，优化其价值应用，就是当前利用大数据平台过程中所不可忽视的内容。
最后，我们应该认识到大数据时代的重要特征还表现为数据处理深度快，且对数据处理有较高的时效性要求。正是高速的数据处理速度和处理时间要求，决定了当前大数据开发应用不同于传统数据筛选应用。但是我们应该辩证看待大数据平台的优缺点，尤其是当前我们所具备的技术和设施已经无法满足海量信息数据的处理，可以说正是快速发展的时代要求决定了我们必须优化信息数据利用方式，构建完善的数据应用平台和机制。
2 当前大数据分析平台应用内涵及具体状况分析
想要对大数据分析平台应用要求进行体系化认知，就必须清楚大数据分析的定义内涵、应用过程中存在的问题和不足以及其具体的解决对策。只有对其形成体系化了解，才能从根本上服务大数据分析平台建设、应用。
2.1 大数据分析的定义
结合大数据结构复杂，数据更新速度快、价值密度低、整体数据量大等一系列特点，当前我们在应用大数据时，存在较大难度，而全面应用大数据的关键就是实施大数据分析，通过完善大数据分析的具体定义认知，从而构建合理的大数据分析平台。实际上，大数据分析指的是在数据密集的环境下，通过使用科学分析的方法，对数据应用进行重新思考，并完善构建全新数据分析应用模式。大数据分析认为其分析应用过程并非技术上的应用，而是一种具体的使用策略，其核心内涵指的是通过使用一种相对以往更有效分析方式来管理、获取海量数据的方式，并且在这一过程中获取有价值的信息。结合当前大数据应用实际状况，我们可以认为，大数据分析指的是：依据数据生成理论，通过构建大数据分析模型，从而结合集成化大数据分析平台，使用云计算技术完善分析数据资源，并且最终探究出大数据模式背后规律的过程。
2.2 大数据分析方法阐述
目前大数据分析的重要内容是可视化分析，通过集成交互可视化和自动化分析，从而提升大数据分析方法的应用效果。从大数据分析系统架构层面看，整个大数据分析具有9层架构体系，尤其是其中的复杂结构处理技术、平台应用标准规范和虚拟化接入技术以及其知识服务交易模型和大数据知识服务质量评价体系等共同组成了大数据分析服务的关键技术应用机制。在传统数据分析过程中，其更多针对的是原始数据进行抽样、过滤，并结合数据样本分析，从而探究其中存在的具体规律和特点。因此，其中最重要的特点在于通过使用复杂算法能够从体系化的数据中寻找到更多有价值的数据信息。在当前计算水平和存储能力大大提升过程中，大数据分析所面临的对象是整个动态变化的数据群体，而不是客观不变的数据样本，因此其大数据分析的应用重点从高效解决收集到的信息入手，只有提升数据运算的准确性，才能够没满足大数据分析的应用要求。
2.3 大数据分析过程中存在的问题阐述
正是因为当前大数据时代的迅猛发展，整个大数据分析过程中存在着一系列问题和不足，其大大制约了大数据分析的应用效果，其问题集中反映为：首先，想要实现精准的大数据分析，需要解决其大数据存储问题，与以往相比，大数据时代，其整体数据存储远远超过了传统数据时代，而想要实现其数据分析目的，就必须完善数据存储。而目前在大数据时代，整个数据存储并不是静态的，而是动态发展的，因此只有探索完善适应大数据存储的具体机制，才能实现其最终目的。其次，大数据质量不高，分析利用难度大。因此，需要探究增强数据可用性的方法。此外，大数据分析的核心在与数据建模。但是当前由于建模水平较差，暂时很难结合大数据时代特征，完善建模应用。最后，缺乏专业的大数据分析工具。在传统数据分析过程中，经常使用SPSS等软件进行数据分析，但是在大数据时代，缺乏能够完善有效的数据分析工具。因此，结合大数据时代特征，构建大数据分析平台，对于整个大数据时代应用发展来说，极为必要。
3 构建研发大数据分析平台的具体策略
在大数据分析过程中，最需要探究的就是其分析方法。分析方法的好坏直接关系到大数据分析应用的具体结果是否合理有效，同时也关系到其数据分析结果是否切实有用。而不同类型的大数据则需要截然不同的分析方法。而在构建大数据分析平台过程中，需要从以下方面入手：
首先，要结合大数据分析应用的具体要求，完善数据存储技术。当前增速惊人的大数据决定了我们想要实现大数据分析目的，就必须探索完善的数据存储方式。通过应用云存储技术，能够确保其存储容量以及数据整体的可用性和安全性等等，从而解决大数据分析平台的数据存储问题。而通过提升大数据分析存储技术，必然也能够有效提升其具体应用技术。同时优化数据存储，能够有效提升大数据的应用效果，实现大数据分析的良好效果。
其次，大数据分析是大数据应用的核心，而实施大数据分析模式则需要针对当前类型多样、迅速增长的信息数据进行分析，并且通过合理分析，从庞大的数据体系中寻找到有价值的信息内涵，进而为整个决策活动提供相关依据的模式。在大数据分析过程中，数据库、知识库和模拟库是整个数据分析模型构建的主要要素，通过在构建现有知识库和数据库模型基础上，进行数据分析，其得到相应结果，一方面优化模型构造，另一方面也实现对数据的具体应用。通过优化数据模型应用，能够有效提升大数据分析能力和应用实效。
最后，大数据分析系统作为当前数据平台应用的核心，其主要应用功能在于为数据挖掘应用提供完善基础，同时使用分布式存储法和并行计算体系，通过使用多重分布计算，从而实现对各类信息资源进行有效计算和分析，通过提供关联、分类、预算等一系列方法，结合各种数据挖掘分析机制的应用，从而实现整个大数据平台价值效用的体系化发挥。
4 结语
在当前互联网技术对各行各业发展的具体影响推动下，通过使用大数据技术，能够为各行业发展奠定重要基础，尤其是大数据分析的科学性，能够为企业发展提供重要决策依据。而对各企业来说，寻找大数据应用与企业自身经营的结合点，则能够从根本上提升大数据应用效率。而想要构建符合实际经营需要的大数据分析平台，就必须从大数据时代特征分析入手，通过具体了解和体系化融入，从而实现大数据分析平台的具体研发。而构建大数据分析平台将从根本上发挥大数据技术优势。
摘要：随着互联网技术应用日益成熟,如今大数据应用已经成为互联网技术带给整个时代的便利。而想要体系化应用大数据,就必须针对大数据时代的具体特征,完善其应用需求,从根本上探究构建大数据分析平台的具体策略。该文拟从大数据时代特征分析入手,结合当前大数据分析平台应用要求,从而分析构建研发大数据分析平台的具体策略。
关键词：大数据,时代特征,研发大数据,分析平台,具体策略
参考文献
[1]马新莉.面向服务的大数据分析平台解决方案[J].科技创业,2013(10):72-74.
[2]韩晶晶.大数据时代下数据分析理念的辨析[J].管理信息,2014(5):33-35.
[3]程开明.大数据分析研究现状、问题与对策[J].经济理论与管理,2014(13):79-83.
12.金融监管大数据平台 篇十二
得分：1分
A.点计算
B.线计算
C.云计算
D.面计算
2.梅特卡尔夫定律主要是描述信息网络，指出网络的价值在于网络的互联，联网的接点数与其价值呈现（）的方式，联网越多，系统的价值越大。（单选题1分）A.指数
B.正比
C.反比
D.对数
3.13.关于大数据在社会综合治理中的作用，以下理解不正确的是（单选题1分）得分：1分
A.大数据的运用能够加强交通管理
B.大数据的运用有利于走群众路线 C.大数据的运用能够杜绝抗生素的滥用
D.大数据的运用能够维护社会治安
14.郭永田副主任指出，1982以来，CPU的性能提高了（）。（单选题1分）A.3500倍
B.35000倍
C.350倍
D.35倍
15.《关于加快高速宽带网络建设推进网络提速降费的指导意见》提出，2015年要新增（）行政村通宽带，着力缩小“数字鸿沟”。（单选题1分）
得分：1分
得分：1分
A.1.4万个
B.1.6万个
C.1.7万个
D.1.5万个
16.根据涂子沛先生所讲，普适计算是由以下哪位提出的？（单选题1分）A.摩尔
B.乔布斯
C.比尔·盖茨
D.马克•维瑟
17.在十二届全国人大三次会议上，（）首次提出来要制订“互联网+”行动计划。（单选题1分）分：1分
A.张高丽
B.习近平
C.李克强
D.王岐山
18.活字印刷术是由（）发明的。（单选题1分）
得分：1分
得
得分：1分
A.商鞅
B.鲁班
C.蔡伦
D.毕昇
19.淘宝网正式进入台湾市场是在哪一年？（单选题1分）
得分：1分
A.2010年
B.2011年
C.2009年
D.2012年
20.国务院在哪一年印发了《促进大数据发展行动纲要》？（单选题1分）A.2016年
B.2015年
C.2014年
D.2013年
21.根据周琦老师所讲，大数据在交通方面可以有哪些应用？（多选题3分）
得分：3分 得分：1分
A.多样化展现
B.数据挖掘
C.旅行时间计算
D.出行轨迹选择
22.贵州发展大数据带动的衍生业态包括（）。（多选题3分）
得分：3分
A.智慧健康
B.智慧教育
C.智慧旅游
D.创客小镇
23.人类历史上的五次媒介革命具体指的是语言出现、（）。（多选题3分）
得分：3分
A.文字出现
B.印刷术
C.计算机、互联网、数字化
D.电话、广播、电视
24.信息时代的三大定律指的是（）。（多选题3分）
得分：3分
A.麦特卡尔夫定律
B.摩尔定律
C.牛顿定律
D.吉尔德定律
25.物联网是把物品与互联网相连接，进行信息交换和通信，以实现对物品的智能化（）和管理的一种网络。（多选题3分）得分：3分
A.识别
B.监控
C.跟踪
D.定位
26.根据周琦老师所讲，以下哪些属于数据挖掘的内容？（多选题3分）
得分：3分
A.多维分析统计用户出行规律
B.高德地图导航有躲避拥堵功能
C.补充与完善路网属性
D.建立道路拥堵概率与拥堵趋势变化模型
27.大数据促进人力资源就业工作主要体现在（多选题3分）A.实时数据促进就业
B.人才交流促进就业 C.信息公开促进就业
D.个性服务促进就业
28.20世纪中后期至今的媒介革命，以（）的出现为标志。（多选题3分）A.数字化
B.互联网
C.自动化
D.计算机
29.大数据作为一种数据集合，它的含义包括（多选题3分）
得分：3分
得分：3分
得分：3分
A.构成复杂
B.变化很快
C.数据很大
D.很有价值
30.农业农村信息化业务应用深入发展，其业务应用主要表现在哪几个方面？（多选题3分）分
A.农村电子政务已经基本普及
B.农村综合信息服务平台发展迅速 C.农业信息资源开发利用水平提高
D.农村电子商务蓬勃兴起
31.我国农业物联网取得了比较快的发展，在农产品流通、（）中间应用比较广泛。（多选题3分）分：3分
A.渔业生产
B.畜牧业养殖
C.园艺设施
D.田作物生产
32.下列哪些国家已经将大数据上升为国家战略？（多选题3分）A.中国
B.美国
C.日本
D.法国
33.大数据在今天这个时间点上爆发的原因有哪些？（多选题3分）A.各种监控设备无时无刻不在为我们提供大量的数据 B.各种传感器无时无刻不在为我们提供大量的数据 C.各种智能设备无时无刻不在为我们提供大量的数据 D.互联网的收集和积累
34.根据周琦老师所讲，对大数据的管理和使用包括哪些方面？（多选题3分）
得分：3分
得分：3分 得分：3分
得得分：3A.大数据的挖掘
B.大数据的应用
C.大数据的存储
D.大数据的运营
35.大数据的应用能够实现一场新的革命，提高综合管理水平的原因是（多选题3分）A.从粗放化管理走向精细化管理
B.从柜台式管理走向全天候管理 C.从被动反应走向主动预见型管理
D.从单兵作战走向联合共享型管理
36.使用摩尔定律估算2033年的计算机有何种性能？（多选题3分）A.0.25Tbps
B.0.5Ebyte
C.1Pbyte
D.3PHzCPU 37.《关于积极推进“互联网+”行动的指导意见》提出，要利用互联网提升农业生产、经营、管理和服务水平，培育一批（）的现代“种养加”生态农业新模式。（多选题3分）A.精细化
B.高效化
C.网络化
D.智能化
得分：3分 得分：3分
得分：3分
38.根据涂子沛先生所讲，以下说法正确的有哪些？（多选题3分）得分：3分
A.中国社会迟早要面临数据遗产问题
B.数据垃圾对商业公司是一个挑战
C.个人要把数据当做自己的遗产
D.国家要制定合适的法律来规范数据遗产继承的问题
39.发展现代农业，要发展高产、优质、高效、生态安全农业，可以利用信息技术进行精准控制，实现农业的（）和规模化运行。（多选题3分）
得分：3分
A.集约化经营
B.智能化管理
C.自动化控制
D.标准化生产
40.下列各项表述中正确的有哪些？（多选题3分）
得分：3分
A.中央网络安全和信息化领导小组组长是习近平。B.中央网络安全和信息化领导小组组长是李克强。
C.我国中央网络安全和信息化领导小组宣告成立是在2014年。D.我国中央网络安全和信息化领导小组宣告成立是在2013年。
41.宁家骏委员指出，医疗大数据潜在价值非常大，包括对临床的应用、临床的决策支持等。（判断题1分）o 得分：1分
正确
错误
得分：1分 42.大数据的价值重在挖掘，而挖掘就是分析。（判断题1分）o 正确
错误
得分：1分 43.2000年，全国涉农网站超过6000家。（判断题1分）o 正确
错误
得44.医疗健康服务业、健康中国已经写进今年国务院正式通过的“十三五”规划里。（判断题1分）分：1分
o 正确
错误
45.2015年，国务院办公厅在《关于加快高速宽带网络建设推进网络提速降费的指导意见》中指出：到2017年底，90%以上的行政村将实现光纤到村。（判断题1分）o
得分：1分
正确
错误
得分：1分 46.宁家骏委员指出，到2020年，整个世界的数据量将达到35.2ZB。（判断题1分）o 正确
错误
得47.总书记指出，没有网络安全就没有国家安全，没有信息化就没有现代化。（判断题1分）分：1分
o 正确
错误
48.大数据可以促进经济发展、催生新兴业态，对辅助商业决策、降低运营成本、精准市场营销都有重要作用，进一步提升了企业竞争力。（判断题1分）o
得分：1分
正确
错误
49.总书记指出，要不断推动我国网信事业发展，让互联网更好造福人民。（判断题1分）1分
o
得分：正确
错误
50.当今时代，信息技术进一步推动了经济的增长和社会的发展，推动了知识传播应用进程的变化。（判断题1分）o 得分：1分 正确
错误
51.在没有大数据的条件下，人才的发现与选拔都很难做到“全信息”，大数据能够帮助人们解决这个问题。（判断题1分）o 得分：1分
正确
错误
得分：1分 52.根据涂子沛先生所讲，社会计算的兴起，将改变社会治理的模式。（判断题1分）o 正确
错误
53.物联网的处理技术应用于农业上，可以对动物疾病、植物病虫害，通过传感器进行远程诊断。（判断题1分）o 得分：1分
正确
错误
54.2013年8月，国务院发布《国务院关于印发“宽带中国”战略及实施方案的通知》提出：到2020年，城市和农村家庭宽带接入能力分别达到50Mbps和12Mbps。（判断题1分）o
得分：1分
正确
错误
得分：55.全国 o 正确