张怀民

摘要：以互联网为载体的各种金融形式得到了广泛应用，给人类经济社会带来巨大变革，更新了人们的生活消费方式。近年来，大数据技术逐渐应用到互联网金融中来，为其提供了坚实的技术保障，更新并完善了互联网金融的业务模式，以精准营销和风险控制为特色。

关键词：大数据;互联网;金融;技术应用

中图分类号：TP393      文献标识码：A      文章编号：1009-3044（2018）36-0005-02

1 互联网技术和大数据技术的融合

互联网金融简言之是将金融功能以互联网技术为载体，依托云计算在互联网平台形成的金融服务体系。互联网金融在人们普遍认识和接受互联网的基础上，将互联网与传统金融结合，形成的满足目前市场需求的新型金融模式，其本质是金融，媒介是互联网。互联网金融发展快、覆盖率高、效率高、成本低，明显弥补了传统金融市场的短板[1]。但是互联网金融发展时间短，模式尚存在漏洞，如管理弱，风险管控困难，目的不明确等缺点。

基于互联网技术的缺陷，大数据技术应运而生，其信息获取能力、储存能力、管理能力和数据智能分析能力远远超出传统数据库，具有数据规模大、运算速度快、数据类型丰富、数据价值高等四大优势[2]。

将大数据技术合理的应用在互联网金融中，可以有效地弥补目前互联网金融的缺陷，通过庞大的数据库分析用户的数据信息，得出数据之间的关联和规律，并将其应用在销售、信贷等金融服务中，实现精准营销。此外，详实的客户信息能够有效地降低互联网金融管控风险，并且能够根据用户需求实现互联网金融产品的精准设计[3]。

2 大数据技术在互联网金融中的应用

2.1 大数据在互联网金融风险防控中的应用

目前国内每个行业仅仅是掌握客户的部分金融信息，每个行业处于数据孤立状态，大数据技术能够有效地将同一个用户在不同行业的金融信息综合起来，实现数据共享，数据对于各行业的效用也发生了质的改变，由参考转为依赖[4]。未来互联网企业与其他行业之间的数据合作需要逐渐增加，通过共享风险管理系统，增加对中小企业第三方服务咨询数据的访问，通过建立更完善的数据收集渠道和信用评级系统为金融风险防控奠定全新的基调，大数据技术在其中起到了纽带作用。

大数据风险控制是基于大数据的风险提示和风险控制，其核心方法是通过对相似群体的数据分析，利用成熟的数据模型进行用户违约率计算，降低互联网金融风险。基于大数据的互联网风险控制具有数据维度大、时效性强、结果精准的优点。风险控制主要从数据源头出发，对原始数据进行预处理操作，提取数据特征，运用多种算法比较得出最优的风险控制模型，得出普适性、稳定性、准确性较高的信用评级体系，并将其应用在互联网金融产品中[5]。大数据风险控制的数据源主要包括1）互联网数据，如访问者的IP地址、网络行为数据、信用数据等;2）用户授权信息，如信用卡数据等;3）第三方数据，如合作机构数据等。

大型数据平台，如淘宝、京东商城等拥有海量数据，它们利用自己的数据和互联网金融特点建立风险控制模型;而中小型的金融机构拥有的数据不足以建立自己的风控模型，它们往往通过第三方平台来共享数据信息获得信用评级和风险管控等服务[6]。无论是哪种风控模型，大数据都起到了至关重要的作用。依靠大数据建立的风控模型针对性强、数据全面、建模科学、防控效率高，为互联网金融发展提供了稳固的屏障。

利用大数据技术进行风险控制的应用十分广泛，芝麻信用就利用大数据技术对于征信领域存在的风险进行了评估，大幅度减小了自身运营过程中的风险。芝麻信用所用的数据来源是阿里巴巴和其他的网络消费平台，并将其所获取的信息进行细致的划分：个人基本信息（地址及联系方式），消费趋向，个人爱好，支付类型，信用记录等，用以了解未来服务群体的基本信息。芝麻信用的信用评分原则主要有三：用户普遍适用，数据来源准确，数据可解释性，其中数据准确是基础。芝麻信用采用分群评分卡机制和透明模型机制，避免了以往数据模型可解释性较差的缺陷，合理的理论机制基础盒运营经验的结合使其能够适合多数的用户群体，为了保证得到的数据准确合理，芝麻信用会应用多种算法进行运算，并在其中选取最优的方案。除了普適性的数据模型以外，芝麻信用会在大数据中选取一部分较为特殊的数据，分析其特征、特点等，为部分小微企业以及特殊用户群体设立了具有独特需求的信用系统，称之为灵芝系统。相对普适性来说，灵芝系统采用的数据源类型更加丰富，数据的形式更多，采用的算法更先进，更具体。灵芝系统进行风险预测和评估的特点因企业类型而异，因人而异，灵芝系统的风险预测主要通过风险云图、风险报告、风险监控、信用名单盒评分系统等五大部分组成。

2.2 大数据技术在精准营销中和产品设计中的应用

基于大数据的互联网金融通过海量数据建立销售模型，不但能够分析用户的消费倾向，还将用户的信用能力纳入其中，得出综合性强的数据，据此准确定位目标客户，根据用户喜好量身打造金融产品，提升用户的满意程度。此外，利用大数据技术可以根据不同用户的喜好精准的推送产品详细介绍信息，提升了信息传递的效率，且目的性更强。基于大数据的互联网金融精准营销也有效避免了用户浏览大量垃圾信息，实现了企业和用户的双赢[7]。

通过大数据智能分析出的数据，可以为企业设计人员提供用户所需要的设计元素，例如分析用户群体的年龄、消费能力、消费兴趣等，推测用户最需求的金融服务[8]。为设计者提供新的设计思路，使设计出的产品更具有针对性，更加满足用户的使用需求，甚至目前很多金融产品可以实现用户自行设计购买方案，十分便捷。灵芝系统就是相对于普适性的信用评价系统，采用更多的数据类型，对于特殊类型的企业和个人进行独特的数据分析，获得更加有针对性的数据和结果，不但能够有效地进行风险防控，也能以此为根据设计更加符合其消费倾向的金融产品，以获得更加广阔的市场。

2.3 大数据背景下互联网金融面临的挑战

大数据背景下互联网金融面临着诸多挑战，目前亟待解决的问题就是信息失真、客户信息保密和行业间信息沟通差等问题。信息失真严重影响风险控制和互联网金融的产品设计及发展方向;对客户信息进行保密，不被不法分子利用仍然是一项难题;行业间信息孤岛仍然存在，信息沟通和共享需要行业间制定可行和方案和政府的监督实现。

3 基于大数据的互联网金融的自我完善

基于大数据的互联网金融为当今经济社会的发展做出了巨大贡献，但其自身也存在弊病，如在网络遭受黑客或病毒侵袭时，用户的大量信息泄露，如果被不法分子利用，后果严重。数据的共享和用户隐私泄露显然存在尖锐的矛盾，且亟待解决，各企业积极规范自身使用用户信息时进行保密，国家法律也对此进行了严格要求。基于大数据技术的自我完善和法律保障体系的完备均有助于构建良性、和谐的互联网金融服务体系。

参考文献：

[1] 宋书彬，朱红.互联网金融大数据平台信用评价与信息共享机制[J].河北金融，2018（11）：40-44.

[2] 杨静.试论基于大数据框架下的金融风险管理[J/OL].现代营销（下旬刊），2018（11）：38-39

[3] 黄超，陈雅玲.互联网金融下的小微企业融资发展策略[J].经贸实践，2018（21）：122.

[4] 许海龙.互联网金融风险的类型及控制措施探讨[J].中小企业管理与科技（下旬刊），2018（10）：46-49.

[5] 欧阳楚尧.试析大数据下的互联网金融创新发展模式[J].时代金融，2018（29）：48.

[6] 解颖.大数据时代的互联网金融风险监管探讨[J].时代金融，2018（29）：59-60.

[7] 邓利方.金融服务大健康产业的实践思考[J].中共珠海市委党校珠海市行政学院学报，2018（5）：56-62.

[8] 甘绍晨.互联网金融模式与互联网金融创新研究[J].中国商论，2018（27）：55-56.

[通联编辑：光文玲]