金融大數(shù)據(jù)信用風(fēng)險(xiǎn)控制項(xiàng)目簡(jiǎn)介

金融大數(shù)據(jù)信用風(fēng)險(xiǎn)控制項(xiàng)目簡(jiǎn)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(xiǎn)控制項(xiàng)目背景 3二、 客戶情況及市場(chǎng)情況 41. 客戶情況 42. 市場(chǎng)情況 5三、 技術(shù)選型 6四、 項(xiàng)目團(tuán)隊(duì)構(gòu)成 7五、 團(tuán)隊(duì)成員技能需求 8

金融大數(shù)據(jù)信用風(fēng)險(xiǎn)控制項(xiàng)目背景通過解決金融企業(yè)的信息不對(duì)稱，大數(shù)據(jù)可以幫助金融企業(yè)解決由于信息不對(duì)稱而帶來(lái)的營(yíng)銷、定價(jià)、風(fēng)險(xiǎn)、欺詐以及催收等問題。大數(shù)據(jù)時(shí)代，金融機(jī)構(gòu)之間的競(jìng)爭(zhēng)將在網(wǎng)絡(luò)信息平臺(tái)上全面展開，說(shuō)到底就是“數(shù)據(jù)為王”。誰(shuí)掌握了數(shù)據(jù)，誰(shuí)就擁有風(fēng)險(xiǎn)定價(jià)能力，誰(shuí)就可以獲得高額的風(fēng)險(xiǎn)收益，最終贏得競(jìng)爭(zhēng)優(yōu)勢(shì)金融大數(shù)據(jù)信用風(fēng)險(xiǎn)控制項(xiàng)目依托大數(shù)據(jù)技術(shù)及來(lái)自互聯(lián)網(wǎng)、金融機(jī)構(gòu)、線下零售、社交、媒體、航空、教育、運(yùn)營(yíng)商、品牌商等多維數(shù)據(jù)源，創(chuàng)新性地為信貸，保險(xiǎn)，投資理財(cái)?shù)刃袠I(yè)企業(yè)提供獲客引流、精準(zhǔn)營(yíng)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(yùn)營(yíng)管理水平。堅(jiān)持開放、互補(bǔ)的數(shù)據(jù)聯(lián)盟戰(zhàn)略，致力于運(yùn)用新技術(shù)、新手段，為金融機(jī)構(gòu)搭建營(yíng)銷與風(fēng)控體系，成為國(guó)內(nèi)金融領(lǐng)域最大的第三方風(fēng)控及營(yíng)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(xiǎn)的高低順序，如bbb級(jí)高于bb級(jí)，但其間的級(jí)差無(wú)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(gè)授信企業(yè)在股票市場(chǎng)上的價(jià)格變化信息入手，著重分析該企業(yè)體現(xiàn)在股價(jià)變化信息中的自身信用狀況，但對(duì)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(gè)風(fēng)險(xiǎn)因子，且各變量必須服從正態(tài)分布;決策樹要求對(duì)所有申請(qǐng)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(cuò)誤”也很難評(píng)價(jià)。ZestFinance：ZestFinance包含70,000個(gè)變量，利用10個(gè)預(yù)測(cè)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(fèi)者信用評(píng)分。然而，ZestFinance進(jìn)行信用評(píng)估時(shí)，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(guó)生存的土壤。中國(guó)沒有集中的征信所，金融體系也尚不完善。很難適應(yīng)中國(guó)目前的信貸業(yè)務(wù)。國(guó)內(nèi)大部分中小銀行信用風(fēng)險(xiǎn)管理仍停留依靠經(jīng)驗(yàn)判斷傳統(tǒng)階段,以感覺、經(jīng)驗(yàn)、關(guān)系決策:缺乏對(duì)客戶信用評(píng)級(jí)、統(tǒng)一授信風(fēng)險(xiǎn)量化信息系統(tǒng)；缺乏對(duì)公司類客戶、個(gè)人客戶優(yōu)劣的判別統(tǒng)一標(biāo)準(zhǔn)；缺乏對(duì)客戶風(fēng)險(xiǎn)量及授信邊界系統(tǒng)科學(xué)的模型客戶情況及市場(chǎng)情況客戶情況預(yù)測(cè)中國(guó)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(xiǎn)評(píng)估如下：還款能力有限。消費(fèi)水平與收入水平不匹配，且借款未被用來(lái)提升自己的收入水平：2-4線城市、在游戲、動(dòng)漫等類目消費(fèi)水平過高的用戶，不良率偏高還款意愿較強(qiáng)。受教育程度較高、道德水平較高：在財(cái)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(qiáng)：坐過商務(wù)艙以上、或者一年乘坐飛機(jī)不少于4次的用戶，不良率較低市場(chǎng)情況當(dāng)前，經(jīng)濟(jì)下行導(dǎo)致中小企業(yè)經(jīng)營(yíng)成本不斷增加，產(chǎn)品銷售價(jià)格因結(jié)構(gòu)原因和市場(chǎng)原因相對(duì)走低，企業(yè)利潤(rùn)空間被進(jìn)一步壓縮，許多中小企業(yè)陷入經(jīng)營(yíng)困境，導(dǎo)致企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)加大、連鎖性風(fēng)險(xiǎn)陡增、潛在信用風(fēng)險(xiǎn)上升、企業(yè)主的道德風(fēng)險(xiǎn)驟升。一些重點(diǎn)領(lǐng)域的銀行等金融機(jī)構(gòu)信貸風(fēng)險(xiǎn)進(jìn)入了一個(gè)暴露期，一些地區(qū)的金融機(jī)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(xiǎn)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(shí)經(jīng)濟(jì)下行也使得個(gè)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(xiǎn)，已成為商業(yè)銀行等金融機(jī)構(gòu)亟待解決的課題。隨著近年來(lái)國(guó)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(jī)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(xiǎn)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(huì)聯(lián)合對(duì)外發(fā)布了《關(guān)于加大對(duì)新消費(fèi)領(lǐng)域金融支持的指導(dǎo)意見》其中第三條強(qiáng)調(diào)：優(yōu)化消費(fèi)信貸管理模式。鼓勵(lì)銀行業(yè)金融機(jī)構(gòu)在風(fēng)險(xiǎn)可控并符合監(jiān)管要求的前提下，探索運(yùn)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(jí)、項(xiàng)目風(fēng)險(xiǎn)、綜合效益和擔(dān)保條件，通過貸款利率風(fēng)險(xiǎn)定價(jià)和浮動(dòng)計(jì)息規(guī)則，合理確定消費(fèi)貸款利率水平。在這樣的背景下,充分利用國(guó)內(nèi)一流的數(shù)據(jù)查詢技術(shù),運(yùn)用多維度數(shù)據(jù)分析，數(shù)學(xué)建模，客觀量化，機(jī)器學(xué)習(xí)算法（scikit-learn），云技術(shù)等方法，運(yùn)用大數(shù)據(jù)來(lái)研發(fā)出一個(gè)金融大數(shù)據(jù)信用風(fēng)險(xiǎn)控制平臺(tái),有效解決了各金融機(jī)構(gòu)的信貸風(fēng)險(xiǎn)控制難題。技術(shù)選型TABLEAU 針對(duì)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(duì)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(duì)接各類應(yīng)用系統(tǒng)及數(shù)據(jù)庫(kù)的數(shù)據(jù)資源HADOOPYARN 針對(duì)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(yùn)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(chǔ)，HADOOP技術(shù)路線CDH/HBASE 格式類數(shù)據(jù)整合與存儲(chǔ)，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(xiàng)目團(tuán)隊(duì)構(gòu)成姓名性別學(xué)歷職稱專業(yè)工作單位項(xiàng)目中的分工每年工作時(shí)間(月)簽字成員A男本科高級(jí)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(xiàng)目管理12成員B男本科高級(jí)