数据质押——金融服务生态圈落地路径解析

往期的文章中,我们已经分析过,目前供应链金融已由3.0阶段的“平台化”阶段向4.0阶段的“金融服务生态圈”的方向迈进,由“N+1+N”的模式向“N×N”的模式转变,演进的过程使中小企业成了最直接的受益者,小企业融资难的状况迎来结构性的改变。
借助于信息技术,在金融服务生态圈内的企业,无论规模大小,都可以形成以自身为中心的供应链,都有上下游,即“1即N、N即1”的形态。每个企业都是核心和节点,在其周围形成一个可以交叉验证、持续积累的360度全覆盖的真实交易数据和行为数据集合。
无论供应链金融如何发展,其本质仍是金融,风险定价能力仍是竞争的最为核心的内容。在与传统金融的对比中,供应链金融的风控优势是大数据下的征信系统。大数据技术的成熟,使得企业对供应链中的物流、信息流、资金流闭环的实时监控变为可能,并可以进一步地将所得数据翻译成标准化金融语言,在极大地提高了风控的效率,同时让风险更为可视、可控。
那么,如何才能真正实现大数据与供应链金融的深度融合,并发挥出优势呢?除了数据技术的革新之外,更重要的是数据的开放性,即真实、优质的数据来源。可服务于供应链金融的数据主要掌握在核心企业以及政府机构手中,在国家政策的推动下,地×××府、部委分层次的开放数据,企业支付、税务、能耗、社保等方面数据逐渐向社会公开。而在数据驱动供应链金融发展的大背景下,越来越多的核心企业也开始愿意将数据开放。这些公开信息加之行业数据,可以形成对企业全方位、立体化的评价,进而服务于大数据风控体系,推动供应链全链条数字化和金融服务生态圈的构建。
有了数据源和数据技术,则要立足金融本质进行运用。现有供应链金融服务中常见的三种融资模式包含:应收账款、存货和预付款等三种,其分别以应收票据、存货、本票为质押品。在供应链全链条数字化的过程中,依靠交易数据进行金融服务的新型融资方式浮出水面。具体来讲,就是评级和授信的主要依据为供应链中数年积累的真实交易数据,融资的各个环节皆以交易数据为基础和核心。这种与传统的融资模式有明显差异的新型融资模式,称为“数据质押”:即运用大数据分析,以交易过程中所形成的能够交叉验证的真实交易数据和行为数据进行评级和授信。
那么,在开展综合金融服务方面,数据质押究竟具有怎样的优势,又会对金融服务生态圈的构建起到怎样的推动作用呢?可分为以下三个方面:
第一, 可有效解决小微、涉农等金融活动成本高、风险大的问题,将成本和风险降低至正常水平之下,是一条高效、批量拓展三农、小微客户的新途径。
第二, 使银行能够从多方面、多角度了解客户的资金动向和金融需求,实现基于真实交易和数据质押的结算、融资、理财、保险、融资租赁等一站式综合金融服务,促进产品交叉销售。
第三,能够在平台上搭载P2P、众筹等新型的互联网金融服务。在平台积累了足够多的客户和数据之后,完全可以开展P2P、众筹之类的新型互联网金融产品和服务,探索低经济资本占用的新兴利润增长点。
尽管数据质押是构建金融服务生态圈的未来趋势,但是基于供应链金融的特殊性,数据质押在落地过程中中产生了一系列痛点,主要表现为以下几个方面:
1、数据真实性难以保障
企业提供金融服务前,需要依据真实有效的征信数据对客户进行评估。传统的征信数据一般涵盖:投资额、主营收入、吞吐量、货运量、仓储设施等数据,而就现状来看,上述数据或多或少存在失真情况,征信数据可信度角度,难以进行有效的信用风险评估。
2、数据流动性和互动性较低
虽然现在已经迈入了DT时代,但是企业之间仍存在着严重的信息不对等,数据不流通的情况。核心贸易数据各自掌握在核心企业、仓储物流企业或电商交易平台等手中,更不要提不同行业的数据融合,数据孤岛林立,数据壁垒高筑。
3、缺乏科学严密的模型与指标体系
海量的结构化与非结构化数据的简单采集,是无法直接进行运用的,要进行清洗、整合,形成有效的数据集。而进行上述过程,需要结合垂直行业和企业的应用场景进行个性化的模型定制和指标选择。这对于银行或其他企业来说具有很大的难度。
面对这样的困境,银行及其他企业可通过与专业的第三方大数据企业进行合作解决数据质押落地过程中的一系列问题。
首先,专业的第三方大数据公司具有强大的数据采集及挖掘能力,对客户的真实交易数据进行全面挖掘和评估,帮助企业对客户进行全方位的授信资格评估。以MobData为例,依靠其数据挖掘技术,可覆盖国内95%移动设备,累计服务独立设备7.4亿,能够针对客户的需求,提供海量、优质数据,供金融企业进行决策。
第二,专业的第三方数据公司还能依托其数据资源,协助企业开展非金融综合服务。MobData依托其数据能力和1000+三层标签系统,可基于基本信息、媒介触达、消费习惯等信息进行全方位的用户画像。进一步帮助金融企业挖掘潜在客户,降低获客成本,优化营销策略。
第三,基于专业第三方数据公司的合作,有助于生态圈内企业洞察市场变化,提前防范和化解系统性风险,提升自身品牌价值和市场影响力。
企业的目标是提供个性化的数据质押服务,切实提升自身专业分析和研判能力,而这些的前提是企业充分了解行业特征、场景特点、个性化需求。而具备这一前提,企业需要秉承开放的理念广泛与专业的第三方数据平台合作,获取更为广泛的客户群体,深耕垂直行业,用大数据技术武装自己,切实提升供应链金融4.0阶段的企业综合竞争力。

原文地址:http://blog.51cto.com/13809152/2132779

时间: 2024-08-30 09:15:31

数据质押——金融服务生态圈落地路径解析的相关文章

CCF - 201604-3 - 路径解析

问题描述 试题编号: 201604-3 试题名称: 路径解析 时间限制: 1.0s 内存限制: 256.0MB 问题描述: 问题描述 在操作系统中,数据通常以文件的形式存储在文件系统中.文件系统一般采用层次化的组织形式,由目录(或者文件夹)和文件构成,形成一棵树的形状.文件有内容,用于存储数据.目录是容器,可包含文件或其他目录.同一个目录下的所有文件和目录的名字各不相同,不同目录下可以有名字相同的文件或目录. 为了指定文件系统中的某个文件,需要用路径来定位.在类 Unix 系统(Linux.Ma

Nlpir大数据知识图谱的落地指南

知识图谱技术作为一门新兴的技术,是人工智能技术的重要组成部分,其建立的具有语义处理能力与开放互联能力的知识库,可在智能搜索.智能问答.个性化推荐等智能信息服务中产生应用价值.就覆盖范围而言,知识图谱也可分为通用知识图谱和行业知识图谱.通用知识图谱注重广度,强调融合更多的实体,较行业知识图谱而言,其准确度不够高,并且受概念范围的影响,很难借助本体 库对公理.规则以及约束条件的支持能力规范其实体.属性.实体间的关系等.通用知识图谱主要应用于智能搜索等领域.行业知识图谱通常需要依靠特定行业的数据来构建

201604-3路径解析

试题编号: 201604-3 试题名称: 路径解析 时间限制: 1.0s 内存限制: 256.0MB 问题描述 在操作系统中,数据通常以文件的形式存储在文件系统中.文件系统一般采用层次化的组织形式,由目录(或者文件夹)和文件构成,形成一棵树的形状.文件有内容,用于存储数据.目录是容器,可包含文件或其他目录.同一个目录下的所有文件和目录的名字各不相同,不同目录下可以有名字相同的文件或目录. 为了指定文件系统中的某个文件,需要用路径来定位.在类 Unix 系统(Linux.Max OS X.Free

seajs模块路径解析 简单总结

seajs模块路径解析 最近在试着用seajs + grunt改造现有项目, 遇到的最大的问题就是seajs命名与调用, 简单总结一下. 模块调用 seajs中调用模块有两种方式,seajs.use(ID) . require(ID). ID命名 完整绝对路径 例如 "http://example.com/test/js/jquery/jquery.js" 以 "." 开头 例如 "./home/main" "../main"

stl+模拟 CCF2016 4 路径解析

1 // stl+模拟 CCF2016 4 路径解析 2 // 一开始题意理解错了.... 3 4 #include <iostream> 5 #include <string> 6 #include <vector> 7 using namespace std; 8 void fre() {freopen("in.txt","r",stdin);} 9 vector<string> l; 10 int main(){

转:VC include 路径解析

VC include 路径解析 要了解vc中使用#include命令包含头文件所搜寻的路径,必须先了解vc中的几种路径: 1. 系统路径 系统路径在vc中是"Tools->Options->Directories"中"Include files"指定的路径. 打开此对话框会发现默认有这几条路径: C:/Program Files/Microsoft Visual Studio/VC98/INCLUDE C:/Program Files/Microsoft

大数据学习路线分享MapReduce全过程解析

大数据学习路线分享MapReduce全过程解析,移动数据与移动计算 在学习大数据的时候接触了移动数据和移动计算这两种联系紧密而又有很大不同的概念,其中移动计算也叫做本地计算. 在以前的数据处理中时使用的移动数据,其实就是将需要处理的数据传输到存放不同处理数据方式逻辑的各个节点上.这样做的效率很低,特别是大数据中的数据量是很大的,至少都是GB以上,更大的是TB.PB甚至更大,而且磁盘I/O.网络I/O的效率是很低的,这样处理起来就需要很长的时间,远远不能满足我们的要求.而移动计算就出现了. 移动计

wind本地MySQL数据到hive的指定路径

一:使用:kettle:wind本地MySQL数据到hive的指定路径二:问题:没有root写权限网上说的什么少jar包,我这里不存在这种情况,因为我自己是导入jar包的:mysql-connector-java-5.1.22-bin.jar我是从wind本地MySQL导数据到hive的指定路径,会出现2019/10/14 19:27:13 - Hadoop file output.0 - Caused by: org.pentaho.bigdata.api.hdfs.exceptions.Ac

wind本地MySQL数据到hive的指定路径,Could not create file

一:使用:kettle:wind本地MySQL数据到hive的指定路径二:问题:没有root写权限网上说的什么少jar包,我这里不存在这种情况,因为我自己是导入jar包的:mysql-connector-java-5.1.22-bin.jar我是从wind本地MySQL导数据到hive的指定路径,会出现2019/10/14 19:27:13 - Hadoop file output.0 - Caused by: org.pentaho.bigdata.api.hdfs.exceptions.Ac