大數據金融與征信

第1章 大數據金融概述 1
1.1 大數據概述 2
1.1.1 大數據的內涵與特征 2
1.1.2 大數據的分類 7
1.1.3 大數據的價值 8
1.2 大數據應用領域 10
1.2.1 商業 10
1.2.2 通信 11
1.2.3 醫療 13
1.2.4 金融 16
1.3 大數據金融的內涵、特點與優勢 18
1.3.1 大數據金融的內涵 18
1.3.2 大數據金融的特點 19
1.3.3 大數據金融相對於傳統
金融的優勢 20
1.4 大數據帶來金融業大變革 20
1.4.1 大數據帶來銀行業大變革 21
1.4.2 大數據帶來保險業大變革 22
1.4.3 大數據帶來證券業大變革 23
1.4.4 大數據帶來征信行業大變革 25
1.4.5 互聯網金融中的大數據應用 26
1.5 大數據金融模式 27
1.5.1 平台金融模式 27
1.5.2 供應鏈金融模式 29
1.6 大數據金融信息安全 30
1.7 大數據應用案例 30
1.7.1 案例之一：滴滴出行 30
1.7.2 案例之二：大數據與美團
外賣的精細化運營 34
本章總結 43
本章作業 44
第2章 大數據相關技術 45
2.1 大數據處理流程 46
2.1.1 數據采集 46
2.1.2 數據預處理 47
2.1.3 數據存儲 48
2.1.4 數據挖掘 48
2.1.5 數據解釋 49
2.2 數據來源 49
2.2.1 核心數據 50
2.2.2 外圍數據 52
2.2.3 常規渠道數據 53
2.3 大數據架構 54
2.3.1 HDFS系統 56
2.3.2 MapReduce 60
2.3.3 HBase 62
2.4 數據挖掘方法 63
2.4.1 分類分析 64
2.4.2 回歸分析 65
2.4.3 其他方法 66
本章總結 69
本章作業 70
第3章 大數據在商業銀行中的應用 71
3.1 客戶關系管理 72
3.1.1 客戶細分 72
3.1.2 預見客戶流失 74
3.1.3 高效渠道管理 75
3.1.4 推出增值服務，提升客戶
忠誠度 75
3.1.5 案例——大數據幫助商業銀行
改善與客戶的關系 76
3.2 精准營銷 76
3.2.1 客戶生命周期管理 77
3.2.2 實時營銷 78
3.2.3 交叉營銷 79
3.2.4 社交化營銷 80
3.2.5 個性化推薦 81
3.3 信貸管理 82
3.3.1 貸款風險評估 82
3.3.2 信用卡自動授信 84
3.3.3 案例——大數據為商業銀行
信貸管理提供更多可能 85
3.4 風險管理 86
3.4.1 大數據風險控制與傳統風險
控制的區別 86
3.4.2 基於大數據的銀行風險管理
模式 89
3.4.3 反欺詐 95
3.4.4 反洗錢 99
3.5 運營優化 101
3.5.1 市場和渠道分析優化 101
3.5.2 產品和服務優化 103
3.5.3 網絡輿情分析 104
3.5.4 案例——大數據分析助力
手機銀行優化創新 106
本章總結 108
本章作業 109
第4章 大數據在證券行業中的應用 111
4.1 大數據在股票分析中的應用 112
4.1.1 基於基本面分析的數據挖掘
方法 112
4.1.2 基於技術分析的數據挖掘
方法 113
4.1.3 決策樹法的應用 114
4.1.4 聚類分析法的應用 115
4.1.5 人工神經網絡算法的應用 116
4.2 客戶關系管理 119
4.2.1 客戶細分 119
4.2.2 客戶滿意度 122
4.2.3 流失客戶預測 124
4.3 投資情緒分析 127
4.3.1 投資者情緒的測量 127
4.3.2 基於網絡輿情的投資者情緒
分析 129
4.4 大數據與量化投資 134
4.4.1 量化投資概述 134
4.4.2 證券量化投資中的主要分析
工具 135
4.4.3 大數據在證券量化投資中的
應用 136
本章總結 139
本章作業 140
第5章 大數據在保險業中的應用 141
5.1 大數據保險 142
5.1.1 大數據保險的概念和特征 142
5.1.2 保險業大數據應用的階段 143
5.1.3 大數據在保險行業中的
作用 144
5.1.4 大數據下的數據服務架構 146
5.1.5 保險業大數據應用現狀 147
5.2 承保定價 150
5.2.1 大數據與傳統保險定價
理論 150
5.2.2 大數據對承保定價的革新 151
5.2.3 大數據在車險定價中的
應用 153
5.2.4 大數據在健康險定價中的
應用 156
5.3 精准營銷 162
5.3.1 保險精准營銷 162
5.3.2 大數據與保險精准營銷 164
5.3.3 組建垂直平台生態圈 167
5.3.4 大數據精准營銷在保險業中的
應用 169
5.4 欺詐識別 171
5.4.1 保險欺詐 171
5.4.2 大數據與保險反欺詐 173
5.4.3 大數據與車險反欺詐 176
5.4.4 大數據與健康險的理賠
風險 180
本章總結 182
本章作業 183
第6章 互聯網金融中的大數據應用 185
6.1 基於大數據的第三方支付欺詐
風險管理 186
6.1.1 第三方支付中的欺詐風險 186
6.1.2 大數據應用與欺詐
風險防范 186
6.2 大數據在網絡借貸中的應用 189
6.2.1 推薦系統簡述 189
6.2.2 P2P網站中的個性化推薦 190
6.2.3 基於VITA系統的信貸產品
匹配機制 191
6.3 大數據在互聯網供應鏈金融中的
應用 193
6.3.1 基於大數據的互聯網企業
信用評估 194
6.3.2 案例：京 東供應鏈金融
模式 197
6.4 大數據在互聯網消費金融中的
應用 198
6.4.1 互聯網消費金融的大數據
征信與風控 198
6.4.2 案例：芝麻信用 199
本章總結 199
本章作業 200
第7章 大數據征信 201
7.1 傳統征信 202
7.1.1 征信概述 202
7.1.2 征信的基本流程 209
7.1.3 征信行業產業鏈 212
7.1.4 征信產品 212
7.1.5 征信機構 216
7.1.6 征信體系 218
7.2 大數據征信 227
7.2.1 大數據征信概述 227
7.2.2 大數據征信的理論基礎 230
7.2.3 大數據征信流程 233
7.3 大數據征信典型企業 233
7.3.1 國外大數據征信典型企業 233
7.3.2 國內大數據征信典型企業 242
本章總結 249
本章作業 250
第8章 大數據與中國金融信息安全 251
8.1 金融信息安全的重要性 252
8.1.1 金融信息安全的含義 252
8.1.2 金融信息安全的屬性特征 253
8.1.3 金融信息安全的重要性 254
8.2 大數據給我國金融信息安全帶來的
機遇和挑戰 256
8.2.1 大數據給金融信息安全
帶來的機遇 256
8.2.2 大數據給我國金融信息
安全帶來的挑戰 257
8.2.3 案例：美國「棱鏡門」
事件 259
8.3 大數據金融信息安全風險 263
8.3.1 大數據金融信息安全風險的
類型 263
8.3.2 大數據金融信息安全風險的
特征 266
8.3.3 國內外金融信息安全事件及
事故 268
8.4 我國金融信息安全現狀及
制約因素 272
8.4.1 我國金融信息安全現狀 272
8.4.2 我國金融信息安全的
制約因素 274
8.5 美國金融信息安全保障機制 275
8.5.1 美國金融信息安全保障
機制的特點 275
8.5.2 美國金融信息安全保障
機制的主要做法 276
8.6 我國金融信息安全建設 277
8.6.1 完善頂層設計，盡快構建適應
我國金融發展需要的金融信息
安全保障體系 277
8.6.2 盡快制定我國金融行業國產
信息技術產品和服務替代
戰略 277
8.6.3 盡快制定金融行業自主可控
戰略實施步驟，推進自主可
控國家戰略 278
8.6.4 應用大數據進行信息安全
分析 278
本章總結 278
本章作業 279
參考文獻 281