互聯(lián)網(wǎng)金融基礎(chǔ)第8章習(xí)題-在線練習(xí)(答案與解析)

9/9單選題（共20題）芝麻信用是一家大數(shù)據(jù)（）公司。BA、P2PB、征信C、眾籌D、風(fēng)控解析：答案為B。從本章案例1與解析可以了解到芝麻信用是一家大數(shù)據(jù)互聯(lián)網(wǎng)模式下建立的征信系統(tǒng)。芝麻信用為客戶建立的征信模型，除了身份特質(zhì)、履約能力、行為偏好和人脈關(guān)系，還包括（）。BA、購物行為B、信用歷史C、金融資產(chǎn)D、房產(chǎn)解析：答案為B。從本章案例1可以看到：“在模型中，信用歷史是非常重要的一項(xiàng)，其他維度包括身份特質(zhì)、履約能力、行為偏好和人脈關(guān)系。”可知答案為信用歷史。精準(zhǔn)營銷是在精準(zhǔn)定位的基礎(chǔ)上，依托現(xiàn)代信息技術(shù)手段建立（）的顧客溝通服務(wù)體系，實(shí)現(xiàn)企業(yè)可度量的低成本擴(kuò)張之路。CA、專業(yè)化B、大眾化C、個(gè)性化D、普及化解析：答案為C。從案例導(dǎo)學(xué)中精準(zhǔn)營銷的案例分析可以看到，精準(zhǔn)營銷（PrecisionMarketing）是在精準(zhǔn)定位的基礎(chǔ)上，依托現(xiàn)代信息技術(shù)手段建立個(gè)性化的顧客溝通服務(wù)體系，實(shí)現(xiàn)企業(yè)可度量的低成本擴(kuò)張之路。因此此處選C。百融金服目前從事的大數(shù)據(jù)有關(guān)的業(yè)務(wù)主要有（），iData互聯(lián)網(wǎng)金融分析引擎，用戶評(píng)估報(bào)告以及銀行業(yè)解決方案等。CA、銀行貸前預(yù)警B、小微貸后預(yù)警C、信貸審批系統(tǒng)D、風(fēng)控解析：答案為C。從案例導(dǎo)學(xué)中百融金服案例的介紹可以看到，百融金服目前與大數(shù)據(jù)有關(guān)的業(yè)務(wù)主要有信貸審批系統(tǒng)、iData互聯(lián)網(wǎng)金融分析引擎、用戶評(píng)估報(bào)告以及銀行業(yè)解決方案等。人臉識(shí)別技術(shù)是以（）為目標(biāo)，通過從給定的靜態(tài)或動(dòng)態(tài)圖像中提取人臉信息等手段，與數(shù)據(jù)庫中已知身份人臉進(jìn)行匹配的過程。AA、身份檢索或校驗(yàn)B、評(píng)判美丑C、采集個(gè)人信息D、保障人身安全解析：答案為A。刷臉消費(fèi)案例分析中，說明人臉識(shí)別技術(shù)是以身份檢索或校驗(yàn)為目標(biāo)，通過從給定的靜態(tài)或動(dòng)態(tài)圖像中提取人臉信息等手段，與數(shù)據(jù)庫中已知身份人臉進(jìn)行匹配的過程，是人工智能技術(shù)的典型應(yīng)用。智能投顧主要運(yùn)用云計(jì)算、大數(shù)據(jù)、（）、等技術(shù)來為客戶生成資產(chǎn)配置建議。B量子計(jì)算B、人工智能C、圖像視覺D、語音識(shí)別解析：答案為B。智能投顧也稱機(jī)器人投顧(robo-advisor)，其運(yùn)用云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)將資產(chǎn)組合理論等其他金融投資理論應(yīng)用到模型中，再將投資者風(fēng)險(xiǎn)偏好、財(cái)務(wù)狀況及理財(cái)規(guī)劃等變量輸入模型，為用戶生成自動(dòng)化、智能化、個(gè)性化的資產(chǎn)配置建議，并對(duì)組合實(shí)現(xiàn)跟蹤和自動(dòng)調(diào)整。智能客服可根據(jù)客戶的上下文信息理解客戶本意，主要依靠（）技術(shù)。A自然語音處理B、知識(shí)管理C、會(huì)話流程控制D、自動(dòng)問答系統(tǒng)解析：答案為A。自然語音處理技術(shù)的逐漸成熟，智能客服可根據(jù)上下文理解客戶的本意，與客戶進(jìn)行多輪對(duì)話，解決了客戶單次問題信息不完整無法作答的痛點(diǎn)，針對(duì)客戶上下文信息了解到客戶的本意，為客戶提供個(gè)性化的服務(wù)和咨詢，使得溝通順暢。人工智能領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和（）等。D專用系統(tǒng)B、專精系統(tǒng)C、專業(yè)系統(tǒng)D、專家系統(tǒng)解析：答案為D。專家系統(tǒng)（ExpertSystem)是一種在特定領(lǐng)域內(nèi)具有專家水平解決問題能力的程序系統(tǒng)。它能夠有效地運(yùn)用專家多年積累的有效經(jīng)驗(yàn)和專門知識(shí)，通過模擬專家的思維過程，解決需要專家才能解決的問題。專家系統(tǒng)屬于人工智能的一個(gè)發(fā)展分支。人工智能概念首次進(jìn)入五年計(jì)劃是在哪個(gè)工程？（）C十一五B、十二五C、十三五D、十四五解析：答案為C。2016年3月，人工智能概念進(jìn)入“十三五”重大工程。根據(jù)國際知名咨詢公司麥肯錫的報(bào)告顯示：在大數(shù)據(jù)應(yīng)用綜合價(jià)值潛力方面，信息技術(shù)、（）、政府及批發(fā)貿(mào)易四大行業(yè)潛力最大。CA、多媒體B、現(xiàn)代物流C、金融保險(xiǎn)D、服務(wù)業(yè)解析：答案為C。由金融大數(shù)據(jù)的應(yīng)用一節(jié)中可以看到，金融保險(xiǎn)行業(yè)潛力最大。個(gè)人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、（）、興趣數(shù)據(jù)、風(fēng)險(xiǎn)偏好等。AA、消費(fèi)能力數(shù)據(jù)B、人際關(guān)系數(shù)據(jù)C、財(cái)產(chǎn)數(shù)據(jù)D、隱私數(shù)據(jù)解析：答案為A?？蛻舢嬒駪?yīng)用主要分為個(gè)人客戶畫像和企業(yè)客戶畫像。個(gè)人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險(xiǎn)偏好等。在客戶畫像的基礎(chǔ)上銀行可以有效的開展精準(zhǔn)營銷，包括：實(shí)時(shí)營銷、（）、個(gè)性化推薦以及客戶生命周期管理。C口碑營銷B、體驗(yàn)營銷C、交叉營銷D、網(wǎng)絡(luò)營銷解析：答案為C。從本章內(nèi)容講解中金融大數(shù)據(jù)的應(yīng)用一節(jié)中可以看到，精準(zhǔn)營銷可以分為實(shí)時(shí)營銷、交叉營銷、個(gè)性化推薦以及客戶生命周期管理。客戶身份識(shí)別主要是通過人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等（）技術(shù)快速提取客戶特征進(jìn)行高效身份驗(yàn)證的人工智能應(yīng)用。BA、物理識(shí)別B、生物識(shí)別C、化學(xué)識(shí)別D、電子識(shí)別解析：答案為B。客戶身份識(shí)別主要是通過人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等生物識(shí)別技術(shù)快速提取客戶特征進(jìn)行高效身份驗(yàn)證的人工智能應(yīng)用。技術(shù)的進(jìn)步使生物識(shí)別技術(shù)可廣泛應(yīng)用于銀行柜臺(tái)聯(lián)網(wǎng)核查、遠(yuǎn)程開戶、支付結(jié)算、反欺詐等業(yè)務(wù)領(lǐng)域中。智能投顧（ROBO-Advisor）主要是根據(jù)投資者的風(fēng)險(xiǎn)偏好、財(cái)務(wù)狀況與理財(cái)目標(biāo)，運(yùn)用智能算法及投資組合理論，為用戶提供智能化的（）服務(wù)。CA、銀行B、證券C、投資管理D、借貸解析：答案為C。智能投顧主要是根據(jù)投資者的風(fēng)險(xiǎn)偏好、財(cái)務(wù)狀況與理財(cái)目標(biāo)，運(yùn)用智能算法及投資組合理論，為用戶提供智能化的投資管理服務(wù)。大數(shù)據(jù)和人工智能在保險(xiǎn)行業(yè)的應(yīng)用可以分為三大方面：客戶細(xì)分及精細(xì)化營銷、（）和精細(xì)化運(yùn)營。BA、智能投顧B、欺詐行為分析C、運(yùn)營優(yōu)化D、個(gè)性化推薦解析：答案為B。保險(xiǎn)行業(yè)的應(yīng)用可以分為三大方面：客戶細(xì)分及精細(xì)化營銷、欺詐行為分析和精細(xì)化運(yùn)營。目前國內(nèi)外證券行業(yè)的大數(shù)據(jù)及人工智能應(yīng)用大致有（）、客戶關(guān)系管理、投資景氣指數(shù)以及量化交易四個(gè)方向。CA、客戶生命周期管理B、風(fēng)險(xiǎn)管控C、股價(jià)預(yù)測(cè)D、運(yùn)營優(yōu)化解析：答案為C。Facebook上的粉絲數(shù)、Twitter上的聽眾數(shù)和Youtude上的觀看人數(shù)都和股價(jià)密切相關(guān)。券商可根據(jù)以上信息預(yù)測(cè)股價(jià)在10天、30天之后的上漲情況。券商可根據(jù)客戶歷史交易行為和流失情況來建立模型，從而預(yù)測(cè)客戶流失的概率。DA、本次投資行為B、歷史投資行為C、本次交易行為D、歷史交易行為解析：答案為D。券商可根據(jù)客戶歷史交易行為和流失情況來建立模型，從而預(yù)測(cè)客戶流失的概率。大數(shù)據(jù)與人工智能在金融行業(yè)的發(fā)展需要以（）為基礎(chǔ)，充分整合數(shù)據(jù)資源。AA、數(shù)據(jù)B、應(yīng)用C、人才D、資產(chǎn)解析：答案為A。商業(yè)銀行經(jīng)過多年信息化建設(shè)已經(jīng)積累起海量的金融業(yè)務(wù)數(shù)據(jù)，這些精確、高密度的金融業(yè)務(wù)數(shù)據(jù)始終是銀行最基礎(chǔ)和最核心的數(shù)據(jù)資產(chǎn)，價(jià)值挖掘潛力巨大。商業(yè)銀行發(fā)揮自身數(shù)據(jù)資產(chǎn)的價(jià)值，關(guān)鍵在于（）。BA、數(shù)據(jù)B、應(yīng)用C、人才D、資產(chǎn)解析：答案為B。數(shù)據(jù)的價(jià)值體現(xiàn)在應(yīng)用。互聯(lián)網(wǎng)企業(yè)與傳統(tǒng)企業(yè)的區(qū)別不在于其擁有海量數(shù)據(jù)，而在于前者能夠通過大數(shù)據(jù)技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行分析挖掘并直接應(yīng)用到業(yè)務(wù)流程之中，以充分發(fā)揮其數(shù)據(jù)價(jià)值，從而形成獨(dú)特的競爭力。商業(yè)銀行如何發(fā)揮自身數(shù)據(jù)資產(chǎn)的價(jià)值，關(guān)鍵在于應(yīng)用。銀行業(yè)大數(shù)據(jù)與人工智能應(yīng)用面臨的五大挑戰(zhàn)：數(shù)據(jù)來源和存儲(chǔ)模式不能有效支撐大數(shù)據(jù)分析、缺少成熟的分析模型和訓(xùn)練工具、（）、新增成本投入較高和監(jiān)管機(jī)制變革滯后。AA、專業(yè)的數(shù)據(jù)分析人員匱乏B、數(shù)據(jù)匱乏C、缺乏有效管理D、收益較慢解析：答案為A。目前很多數(shù)據(jù)分析師較擅長的是通過數(shù)據(jù)分析對(duì)已發(fā)生的問題查找原因，但缺乏發(fā)掘未知問題的能力，也缺少對(duì)趨勢(shì)預(yù)測(cè)的把握，而大數(shù)據(jù)的價(jià)值恰恰在于預(yù)測(cè)未來。如果只熟悉數(shù)據(jù)分析工具操作，卻不熟悉銀行的業(yè)務(wù)和運(yùn)作細(xì)節(jié)，就無法從既有數(shù)據(jù)中挖掘出新的價(jià)值，達(dá)到推動(dòng)銀行業(yè)務(wù)發(fā)展的目的。從業(yè)內(nèi)目前的情況看，同時(shí)符合上述條件的復(fù)合型人才少之又少，專業(yè)分析團(tuán)隊(duì)的建設(shè)任重道遠(yuǎn)。多選題（漏答或錯(cuò)答不得分，共10題）智能投顧作為人工投顧的替代品，通過獲取用戶的（A）以及（B）等指標(biāo)，運(yùn)用智能算法以及組合投后的自動(dòng)化管理技術(shù)，幫助用戶實(shí)現(xiàn)主、被動(dòng)投資策略相結(jié)合的定制化投顧服務(wù)。A、風(fēng)險(xiǎn)偏好水平B、大致預(yù)期收益率C、銀行推薦程度D、產(chǎn)品收益率解析：答案為AB。智能投顧運(yùn)用云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)將資產(chǎn)組合理論等其他金融投資理論應(yīng)用到模型中，再將投資者風(fēng)險(xiǎn)偏好、大致預(yù)期收益收益率，為用戶生成自動(dòng)化、智能化、個(gè)性化的資產(chǎn)配置建議，并對(duì)組合實(shí)現(xiàn)跟蹤和自動(dòng)調(diào)整。相比傳統(tǒng)投顧，智能投顧的優(yōu)點(diǎn)有（ABCD）。高效B、便捷C、廉價(jià)D、低門檻解析：答案為ABCD。傳統(tǒng)投顧投資門檻高，投顧費(fèi)用昂貴，主要客戶為高凈值人群。智能投顧降低了投資服務(wù)門檻?；诨ヂ?lián)網(wǎng)提供的服務(wù)可根據(jù)客戶以問卷等形式反饋的信息進(jìn)行風(fēng)險(xiǎn)偏好判別，然后計(jì)算機(jī)后臺(tái)利用算法自動(dòng)計(jì)算出滿足條件的投資組合，在全球范圍內(nèi)實(shí)現(xiàn)資產(chǎn)配置，本質(zhì)上來講節(jié)約了專業(yè)投顧的人力成本，且可以更高效、便捷、廉價(jià)地為C端中低凈值客戶提供投資理財(cái)、資產(chǎn)配置等服務(wù)。人工智能的研究領(lǐng)域包括（ABCDE）機(jī)器人B、語言識(shí)別C、圖像識(shí)別D、自然語言處理E、專家系統(tǒng)解析：答案為ABCDE。以上均為人工智能的研究分支。大數(shù)據(jù)與人工智能一個(gè)主要的區(qū)別是大數(shù)據(jù)是需要在數(shù)據(jù)變得有用之前進(jìn)行清理、結(jié)構(gòu)化和集成的（C），而人工智能則是（D），即處理數(shù)據(jù)產(chǎn)生的智能。A、 原因B、目的C、輸入D、輸出解析：答案為CD。人工智能的基礎(chǔ)和輸入是大數(shù)據(jù)，人工智能是大數(shù)據(jù)的輸出，即應(yīng)用?？蛻舢嬒駪?yīng)用主要分為（A）和（B）。A、 個(gè)人客戶畫像B、企業(yè)客戶畫像C、政府客戶畫像D、互聯(lián)網(wǎng)客戶畫像解析：答案為BC?？蛻舢嬒駪?yīng)用主要分為個(gè)人客戶畫像和企業(yè)客戶畫像。銀行在客戶畫像時(shí)，除了內(nèi)部采集到的數(shù)據(jù)，還會(huì)整合哪些外部數(shù)據(jù)？（ABCD）A、 客戶在社交媒體上的行為數(shù)據(jù)B、客戶在電商網(wǎng)站的交易數(shù)據(jù)C、企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)D、互聯(lián)網(wǎng)用戶行為數(shù)據(jù)解析：答案為ABCD。以上均為銀行會(huì)整合的外部數(shù)據(jù)，以增進(jìn)對(duì)客戶的了解。銀行的精準(zhǔn)營銷有以下幾種方式：（ABCD）實(shí)時(shí)營銷B、交叉營銷C、個(gè)性化推薦D、客戶生命周期管理解析：答案為ABCD。在客戶畫像的基礎(chǔ)上銀行可以有效地開展精準(zhǔn)營銷，包括：實(shí)時(shí)營銷、交叉營銷、個(gè)性化推薦以及客戶生命周期管理。生物識(shí)別技術(shù)可廣泛應(yīng)用于（ABCD）等業(yè)務(wù)領(lǐng)域中。柜臺(tái)聯(lián)網(wǎng)核查B、遠(yuǎn)程開戶C、支付結(jié)算D、反欺詐解析：答案為ABCD?？蛻羯矸葑R(shí)別主要是通過人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等生物識(shí)別技術(shù)快速提取客戶特征進(jìn)行高效身份驗(yàn)證的人工智能應(yīng)用。技術(shù)的進(jìn)步使生物識(shí)別技術(shù)可廣泛應(yīng)用于銀行柜臺(tái)聯(lián)網(wǎng)核查、遠(yuǎn)程開戶、支付結(jié)算、反欺詐等業(yè)務(wù)領(lǐng)域中。商業(yè)銀行應(yīng)該如何構(gòu)建大數(shù)據(jù)應(yīng)用體系，充分發(fā)揮數(shù)據(jù)資產(chǎn)價(jià)值，增強(qiáng)業(yè)務(wù)創(chuàng)新能力，加速推進(jìn)銀行轉(zhuǎn)型發(fā)展。（ABC）A、以數(shù)據(jù)為基礎(chǔ)，充分整合數(shù)據(jù)資源B、以應(yīng)用為驅(qū)動(dòng)，深入挖掘數(shù)據(jù)價(jià)值C、以人才為核心，提升數(shù)據(jù)分析能力D、以平臺(tái)為基礎(chǔ)，充分整合數(shù)據(jù)資源解析：答案為ABC。商業(yè)銀行應(yīng)該從“數(shù)據(jù)—應(yīng)用—人才”三個(gè)層面構(gòu)建大數(shù)據(jù)應(yīng)用體系，全面整合集團(tuán)數(shù)據(jù)資源，充分發(fā)揮數(shù)據(jù)資產(chǎn)價(jià)值，增強(qiáng)業(yè)務(wù)創(chuàng)新能力，加速推進(jìn)銀行轉(zhuǎn)型發(fā)展。目前大數(shù)據(jù)和人工智能在金融領(lǐng)域的推廣和應(yīng)用面臨哪些問題？（ABCDE）數(shù)據(jù)來源和存儲(chǔ)模式不能有效支撐大數(shù)據(jù)分析缺少成熟的分析模型與訓(xùn)練工具專業(yè)的數(shù)據(jù)分析人員匱乏新增成本投入較高監(jiān)管機(jī)制變革滯后解析：答案為ABCDE。以上均為目前數(shù)據(jù)和人工智能在金融領(lǐng)域的推廣和應(yīng)用面臨的問題。判斷題（共10題）芝麻信用是一家大數(shù)據(jù)P2P公司，以開放的方式與征信業(yè)生態(tài)的其他伙伴展開合作與共創(chuàng)。（）解析：芝麻信用是一家大數(shù)據(jù)互聯(lián)網(wǎng)征信公司，不是P2P公司。保險(xiǎn)行業(yè)的大數(shù)據(jù)應(yīng)用可以分為三大方面：客戶細(xì)分及精細(xì)化營銷、風(fēng)控和精細(xì)化運(yùn)營。（）解析：保險(xiǎn)行業(yè)的大數(shù)據(jù)應(yīng)用可以分為三大方面：客戶細(xì)分及精細(xì)化營銷、欺詐行為分析和精細(xì)化運(yùn)營。個(gè)人征信必須使用金融領(lǐng)域的數(shù)據(jù)來進(jìn)行評(píng)估。（）解析：大數(shù)據(jù)技術(shù)的日趨成熟讓金融機(jī)構(gòu)看到了個(gè)人征信的另一種可能性——即利用非金融領(lǐng)域的數(shù)據(jù)為金融機(jī)構(gòu)提供用戶信用評(píng)估。大數(shù)據(jù)技術(shù)可以對(duì)人口統(tǒng)計(jì)數(shù)據(jù)、消費(fèi)數(shù)據(jù)、網(wǎng)站行為數(shù)據(jù)、社交數(shù)據(jù)、金融數(shù)據(jù)等結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行挖掘和關(guān)聯(lián)性分析，給出相應(yīng)信用評(píng)分，為金融機(jī)構(gòu)提供信用參考。刷臉支付只需要用到大數(shù)據(jù)技術(shù)。（）解析：人臉信息的采集和儲(chǔ)存需要用到大數(shù)據(jù)技術(shù)，但是最關(guān)鍵的身份檢索與校驗(yàn)是通過人工智能技術(shù)從圖像提取信息，并與數(shù)據(jù)庫已知身份人臉進(jìn)行匹配的過程，因此不只是大數(shù)據(jù)技術(shù)。智能客服可根據(jù)上下文理解客戶的本意，與客戶進(jìn)行多輪對(duì)話，解決客戶單次問題信息不完整無法作答的痛點(diǎn)。（）解析：自然語音處理技術(shù)的逐漸成熟，智能客服可根據(jù)上下文理解客戶的本意，與客戶進(jìn)行多輪對(duì)話，解決了客戶單次問題信息不完整無法作答的痛點(diǎn)，針對(duì)客戶上下文信息了解到客戶的本意，為客戶提供個(gè)性化的服務(wù)和咨詢，使得溝通順暢。大數(shù)據(jù)本質(zhì)上也是一種資產(chǎn)。（）解析：大數(shù)據(jù)指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)和人工智能協(xié)同工作時(shí)，大數(shù)據(jù)是輸入，人工智能是輸出。（）解析：大數(shù)據(jù)與人工智能一個(gè)主要的區(qū)別是大數(shù)據(jù)是需要在數(shù)據(jù)變