大數據互聯網論文范文

導語：如何才能寫好一篇大數據互聯網論文，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1.互聯網融資平臺的技術優勢。首先，傳統信用評級使用的數據，主要是來自于企業在各類生產運營活動結束后匯總、記錄的運營數據，這些數據多以文件或電子文檔的形式存在。比如從企業財務報表可以獲得財務數據，從季報、年報等可以獲得銷售數據，從倉庫臺賬可以獲得存貨數據等。而利用大數據技術，則不局限于生產運營結束后，從運營前的準備過程、運營中的操作過程都可以收集到數據進行信用分析，數據的形式從文本擴展到音頻、圖片、視頻等多媒體形式，收集的范圍也從企業文件擴展到各種存儲媒質、互聯網網頁上、電商網站的后臺數據庫中，甚至社交軟件的聊天記錄里，從運營大數據擴展到交易大數據、交互大數據，因此包含的內容也更加豐富，不僅包含傳統評級必需的“硬信息”，也包含豐富的“軟信息”，從而形成實現對企業的全面、實時、動態性信用評級的基礎。其次，在獲取到這些信息后，需要在云計算下利用大數據機器學習技術進行數據挖掘和知識發現，這需要有軟件和硬件良好的結合與支持。互聯網平臺能夠為云計算和大數據機器學習提供這種對接通道。由此可見，利用人力資源進行信用評級的傳統做法在信用大數據下就不再適用，而必須在一個組織規范的互聯網平臺上才能進行，因此通過互聯網平臺進行信用評級是技術上的必然要求。

2.互聯網融資平臺的規模經濟優勢。進一步，通過互聯網平臺進行信用評級，較之傳統信用評級方式能實現規模經濟優勢。由于傳統的信用評級方式需要貸前調查，貸中跟蹤，貸后審計，存在較高的成本，如果融資額度不夠大，會使貸款利潤較低。而互聯網平臺在設計、運營和管理等方面的投入具有固定成本的性質，總成本不隨評級企業的數目變化而發生顯著變化，單個企業分攤的成本卻越來越小，從而實現信用評級的規模效應。此外，通過互聯網技術能對企業進行實時監測，一旦企業出現危險的信號和行為，會即時預警，提升信用評級的預判性，能夠增加信用評級的深度。同時，將經營成熟的互聯網融資平臺的數據庫在監管機構的管理下實現聯網，進而建立起面向全社會的信用體系，能夠增加信用評級的廣度。由于依托互聯網融資平臺進行大數據信用評級，可以實現傳統信用評級下不能或不愿提供的融資業務，從而使其成為互聯網金融的基本運作方式。

二、基于大數據建立互聯網融資平臺的信用評級模式

1.互聯網融資平臺的運作模式。對于互聯網融資平臺的運作模式，從不同的角度可以進行不同的劃分。比如，從運營形態上，可以分為：（1）電商平臺模式，如阿里小貸、京東京寶貝；（2）網上超市模式，如陸金所、各家商業銀行的網上銀行；（3）P2P模式，如人人貸、拍拍貸；（4）眾籌模式，如眾籌之家。從資金的來源上，可以分為：（1）平臺提供資金，如阿里小貸、京寶貝；（2）平臺擔保，銀行提供資金，如京東的供應鏈金融；（3）平臺利用吸收的資金提供貸款，如各家商業銀行的網上銀行；（4）平臺做信用評級，撮合投資者和資金需求方進行融資交易，如各家P2P。盡管這些互聯網融資平臺的運作方式不同，但都需要對客戶的融資需求進行信用評級，因此是否具有成熟可靠的信用評級技術，有效控制信用風險，成為互聯網融資平臺的核心競爭力。

2.互聯網融資平臺信用評級的模式。當前互聯網融資平臺的信用評級模式按評級信息的來源劃分，主要可以分為三種模式：（1）基于運營大數據的信用評級。該模式多用于各商業銀行的網上銀行，以及P2P網貸平臺、眾籌平臺上，其中尤以P2P最為活躍，面對的客戶為個人及小微企業這一類低信用水平群體，融資金額從幾千元到上百萬，很大程度上彌補了信息不對稱情況下傳統金融機構不愿意對該類群體提供融資服務的空白，因此處于快速發展階段。（2）基于交易大數據的信用評級。該模式多用于成熟的電商平臺提供的融資服務中，如阿里小貸、京東的京寶貝等。這一類融資平臺最近幾年隨電商市場的發展也保持著良好的發展態勢，市場份額上升的很快。（3）基于交互大數據的信用評級。該模式目前多用于一些提供個人貸款服務的互聯網平臺上，知名的企業有ZestFinance和WeCash閃銀。這類融資平臺目前還處于萌芽階段，但可預見，未來基于交互大數據的信用評級會逐漸成為信用評級的主要方式信貸，會逐漸從個人及小微企業貸款發展到對大企業貸款。由于不同信用信息的來源、屬性不同，導致各類融資平臺評級時在指標設計、數據收集、數據分析、數據運用過程中采取的方法都不盡相同。但信用評級的基本流程是相同的，只是在一些步驟的實施過程中，受信息屬性的決定而使用不同的評級技術。

三、基于大數據互聯網融資平臺信用評級的實施策略

1.信用評級的流程設計。大數據信用評級的流程可以用圖1表示。由圖1可見，實施大數據評級，第一步是對待評項目的理解。首先要掌握項目運營方式、客戶特點、市場狀況、風險構成等項目內容；其次根據對項目內容的理解設計項目計劃，包括安排項目可行的技術路線，制定項目的進度等；再次，待項目計劃安排好之后就要確定大數據的來源，因為大數據來源雖然眾多，但會受到各種限制，如有的可能過于昂貴，有的則不開放，必須選擇那些技術上與經濟上均可行的作為數據源。因此，需要基于對項目的理解做好這些在項目正式實施前的準備事項。第二步是準備數據。所做工作是：根據數據的來源，確定數據的類型，采取可行的數據收集技術，獲取大數據；很多數據存在不完整、重復、錯誤等缺陷，要對數據進行預處理；預處理后的數據如果屬于非結構化或半結構化數據，需要進行格式化，轉化為結構型數據，為實施下一步驟做好準備。第三步就是進行機器學習。首先是選擇合理的數據挖掘技術對數據進行分析，從中尋找關聯關系，其次是解讀和評估數據挖掘的結果，找到最合理或最有說服力的，實現知識發現；最后就是根據知識發現的內容，建立適用的信用評級模型。第四步就是實施評級。根據知識發現的模型，開展對被評級對象的信用評級，生成評級報告，并對結論進行分析，幫助客戶理解評級結果。最后對整個項目的運行做全面總結。在以上各個步驟中，技術上的重點和難點在于數據準備過程中的大數據轉化與機器學習過程中的大數據挖掘。大數據轉化的困難在于需要把各種各樣的非結構化半結構化數據轉化為可以被機器處理和學習的結構化數據，大數據挖掘則在于需要對數據進行理解，選擇最合適的數據挖掘技術實現知識發現。

2.信用評級的實施路徑。信用評級的實施路徑可以分為內容計算和流計算。首先是內容計算。內容計算多采取主動方式獲取數據，方法是設置好信用信息源和信息采集時間段，針對信息源的原始信息格式，設計支持多協議的上站機，每隔一段時間對特定的信息源進行查詢，遇到新內容則馬上采集過來，再用于下一步的數據轉化和挖掘。其次是流計算。流計算多采取被動方式，一般用于處理融資平臺上的流數據，具體做法是，后臺流程設計中在不同的數據流入環節設置不同類型的數據接入接口，及對接的流計算平臺，流計算平臺負責設置相應的處理規則，根據預設規則將流入的各類數據轉化成可以直接分析的結構化數據，從而實現實時的業務分析與判斷。

四、基于大數據互聯網融資平臺信用評級風險管理策略

互聯網融資平臺在進行信用評級及提供資金時，處于風險管理重心的是對信息技術風險的控制。由于大數據自身的“4V”特性，且數據中包含的又是大量的用戶隱私信息，這使得信息技術風險主要產生在兩方面：一方面是大數據存儲的安全性風險，另一方面是大數據的收集和使用過程中對公民隱私權的侵犯風險，因此如何確保大數據的存儲安全及在使用時的隱私保護是一個挑戰，前者涉及到技術安全層面，后者涉及到制度安全層面。在技術安全策略層面，可以采取的措施有：首先，應依托大數據加密技術對使用的數據實施加密管理，制定出完整的加密保護方案，包括數據密級的設定、加密技術的選擇、對密碼安全性的攻擊測試等；其次，嚴格網關管理，可以對不同類型的用戶制定不同的權限級別，嚴格控制訪問權限；最后，建立面向全平臺的數據實時監測引擎，第一時間對各類非法操作發出警告。在制度安全策略方面，在當前尚無明確立法規范的環境下，要積極進行宣傳和游說，獲得政府主管部門和社會輿論的重視和支持，爭取早日出臺規范的數據獲取及共享標準，互聯網融資平臺的設計、管理和風控標準，從而把可能出現的信息技術風險限制在可控范圍內。

五、結論和展望