金融大數(shù)據(jù)信用風(fēng)險控制項目簡介

金融大數(shù)據(jù)信用風(fēng)險控制項目簡介XX科技股份有限公司編制目錄一、 金融大數(shù)據(jù)信用風(fēng)險控制項目背景 3二、 客戶情況及市場情況 41. 客戶情況 42. 市場情況 5三、 技術(shù)選型 6四、 項目團(tuán)隊構(gòu)成 7五、 團(tuán)隊成員技能需求 8

金融大數(shù)據(jù)信用風(fēng)險控制項目背景通過解決金融企業(yè)的信息不對稱，大數(shù)據(jù)可以幫助金融企業(yè)解決由于信息不對稱而帶來的營銷、定價、風(fēng)險、欺詐以及催收等問題。大數(shù)據(jù)時代，金融機構(gòu)之間的競爭將在網(wǎng)絡(luò)信息平臺上全面展開，說到底就是“數(shù)據(jù)為王”。誰掌握了數(shù)據(jù)，誰就擁有風(fēng)險定價能力，誰就可以獲得高額的風(fēng)險收益，最終贏得競爭優(yōu)勢金融大數(shù)據(jù)信用風(fēng)險控制項目依托大數(shù)據(jù)技術(shù)及來自互聯(lián)網(wǎng)、金融機構(gòu)、線下零售、社交、媒體、航空、教育、運營商、品牌商等多維數(shù)據(jù)源，創(chuàng)新性地為信貸，保險，投資理財?shù)刃袠I(yè)企業(yè)提供獲客引流、精準(zhǔn)營銷、客群分析、風(fēng)控管理、反欺詐、貸前信審、貸后管理等服務(wù)，提升金融行業(yè)整體運營管理水平。堅持開放、互補的數(shù)據(jù)聯(lián)盟戰(zhàn)略，致力于運用新技術(shù)、新手段，為金融機構(gòu)搭建營銷與風(fēng)控體系，成為國內(nèi)金融領(lǐng)域最大的第三方風(fēng)控及營銷服務(wù)提供商。序數(shù)衡量法：只能反映企業(yè)間信用風(fēng)險的高低順序，如bbb級高于bb級，但其間的級差無法進(jìn)行客觀量化。Creditmetrics；CreditRisk+;CreditPortofolioView+：是組合投資的分析方法，注重直接分析企業(yè)間信用狀況變化的相關(guān)關(guān)系，但是它局限于投資組合分析。KMV：從單個授信企業(yè)在股票市場上的價格變化信息入手，著重分析該企業(yè)體現(xiàn)在股價變化信息中的自身信用狀況，但對企業(yè)信用變化的相關(guān)性沒有給予足夠的分析。FICO：FICO在方法上通常采取邏輯回歸和決策樹。然而，這兩類方法是存在很大缺陷的。例如，邏輯回歸一般只能包含至多10-15個風(fēng)險因子，且各變量必須服從正態(tài)分布;決策樹要求對所有申請者的分類是完全互斥的。顯然，這些要求是難以滿足的，由此產(chǎn)生的結(jié)果是“偏誤”還是“錯誤”也很難評價。ZestFinance：ZestFinance包含70,000個變量，利用10個預(yù)測分析模型進(jìn)行集成學(xué)習(xí)或者多角度學(xué)習(xí)，并得到最終的消費者信用評分。然而，ZestFinance進(jìn)行信用評估時，傳統(tǒng)征信數(shù)據(jù)要占到至少30%清晰的用戶定位，完善的征信體系支撐，是ZestFinance在美國生存的土壤。中國沒有集中的征信所，金融體系也尚不完善。很難適應(yīng)中國目前的信貸業(yè)務(wù)。國內(nèi)大部分中小銀行信用風(fēng)險管理仍停留依靠經(jīng)驗判斷傳統(tǒng)階段,以感覺、經(jīng)驗、關(guān)系決策:缺乏對客戶信用評級、統(tǒng)一授信風(fēng)險量化信息系統(tǒng)；缺乏對公司類客戶、個人客戶優(yōu)劣的判別統(tǒng)一標(biāo)準(zhǔn)；缺乏對客戶風(fēng)險量及授信邊界系統(tǒng)科學(xué)的模型客戶情況及市場情況客戶情況預(yù)測中國絕大部分人的還款能力與還款意愿，更多地需要依賴于分析金融行業(yè)之外的海量用戶行為數(shù)據(jù)（弱變量），從中挖掘出具有可以多次復(fù)用的規(guī)律?？蛻粜庞蔑L(fēng)險評估如下：還款能力有限。消費水平與收入水平不匹配，且借款未被用來提升自己的收入水平：2-4線城市、在游戲、動漫等類目消費水平過高的用戶，不良率偏高還款意愿較強。受教育程度較高、道德水平較高：在財經(jīng)、管理、科技等類型媒體上活躍度較高的用戶，不良率偏低還款能力與還款意愿都較強：坐過商務(wù)艙以上、或者一年乘坐飛機不少于4次的用戶，不良率較低市場情況當(dāng)前，經(jīng)濟下行導(dǎo)致中小企業(yè)經(jīng)營成本不斷增加，產(chǎn)品銷售價格因結(jié)構(gòu)原因和市場原因相對走低，企業(yè)利潤空間被進(jìn)一步壓縮，許多中小企業(yè)陷入經(jīng)營困境，導(dǎo)致企業(yè)經(jīng)營風(fēng)險加大、連鎖性風(fēng)險陡增、潛在信用風(fēng)險上升、企業(yè)主的道德風(fēng)險驟升。一些重點領(lǐng)域的銀行等金融機構(gòu)信貸風(fēng)險進(jìn)入了一個暴露期，一些地區(qū)的金融機構(gòu)已經(jīng)出現(xiàn)不良貸款回升苗頭；不良貸款高危行業(yè)中，鋼鐵與建材等行業(yè)信用風(fēng)險快速上升，制造業(yè)領(lǐng)域新增的不良資產(chǎn)已占到整體不良資產(chǎn)的七成以上，與此同時經(jīng)濟下行也使得個人信貸中的逾期率陡增，不良貸款率上升，如何防控信貸風(fēng)險，已成為商業(yè)銀行等金融機構(gòu)亟待解決的課題。隨著近年來國內(nèi)大數(shù)據(jù)互聯(lián)網(wǎng)金融的蓬勃發(fā)展,頂尖的數(shù)據(jù)機構(gòu)開始從事各種信用維度的數(shù)據(jù)收集、分類、查詢服務(wù),這為在線征信與量化風(fēng)險提供了技術(shù)、數(shù)據(jù)基礎(chǔ)。2016年3月30日，人民銀行、銀監(jiān)會聯(lián)合對外發(fā)布了《關(guān)于加大對新消費領(lǐng)域金融支持的指導(dǎo)意見》其中第三條強調(diào)：優(yōu)化消費信貸管理模式。鼓勵銀行業(yè)金融機構(gòu)在風(fēng)險可控并符合監(jiān)管要求的前提下，探索運用互聯(lián)網(wǎng)等技術(shù)手段開展遠(yuǎn)程客戶授權(quán)，突出整體考核，推出盡職免責(zé)制度。根據(jù)客戶的信用等級、項目風(fēng)險、綜合效益和擔(dān)保條件，通過貸款利率風(fēng)險定價和浮動計息規(guī)則，合理確定消費貸款利率水平。在這樣的背景下,充分利用國內(nèi)一流的數(shù)據(jù)查詢技術(shù),運用多維度數(shù)據(jù)分析，數(shù)學(xué)建模，客觀量化，機器學(xué)習(xí)算法（scikit-learn），云技術(shù)等方法，運用大數(shù)據(jù)來研發(fā)出一個金融大數(shù)據(jù)信用風(fēng)險控制平臺,有效解決了各金融機構(gòu)的信貸風(fēng)險控制難題。技術(shù)選型TABLEAU 針對數(shù)據(jù)分析及智能提供自助式或嵌入式的可視化分析圖表ELASTICSEARCH 針對數(shù)據(jù)分析及智能提供面向用戶的全局?jǐn)?shù)據(jù)探索或面向應(yīng)用的全局?jǐn)?shù)據(jù)搜索CDH/FlumeKafka 數(shù)據(jù)采集，結(jié)合數(shù)據(jù)流技術(shù)對接各類應(yīng)用系統(tǒng)及數(shù)據(jù)庫的數(shù)據(jù)資源HADOOPYARN 針對數(shù)據(jù)服務(wù)及安全類應(yīng)用的定制開發(fā)提供微服務(wù)運行環(huán)境技術(shù)管理工具CDH/HDFS 文件類數(shù)據(jù)整合與存儲，HADOOP技術(shù)路線CDH/HBASE 格式類數(shù)據(jù)整合與存儲，HADOOP技術(shù)路線CDH/HIVE 數(shù)據(jù)清洗HADOOP 數(shù)據(jù)清洗工具CDH/YARN+CM 數(shù)據(jù)負(fù)載及集群管理CDH/HIVESparkML 數(shù)據(jù)分析及智能項目團(tuán)隊構(gòu)成姓名性別學(xué)歷職稱專業(yè)工作單位項目中的分工每年工作時間(月)簽字成員A男本科高級大數(shù)據(jù)工程師應(yīng)用電子技術(shù)XX科技股份有限公司項目管理12成員B男本科高級