金融大数据信用风险控制项目简介.docx
金融大数据信用风险控制项目简介XX科技股份有限公司编制目录一、金融大数据信用风险控制项目背班3二、客户情况及市场情况41客户情况42.市场情况5三、技术选型6四、项目团队构成7五、团队成员技能需求7一、金融大数据信用风险控制项目背景通过?决金融企业的信息不对称，大数据可以帮助金融企业解决由于信息不对称而带来的营销、定价、风险、欺诈以及催收等问题。大数据时代，金融机构之间的竞争将在网络信息平台上全面展开，说到底就是“数据为王”。谁掌握了数据，谁就拥有风险定价能力，谁就可以获得高额的风险收益，般终高得竞争优势金融大数据信用风险控制项目依托大数据技术及来自互联网、金融机构、线下零售、社交、媒体、航空、教育、运营商、品牌商等多维数据源，创新性地为信贷，保险，投资理财等行业企业提供获客引流、精准营销、客群分析、风控管理、反欺诈、贷前信审、贷后管理等服务，提升金融行业整体运菅管理水平。坚持开放、互补的数据联盟战略，致力于运用新技术、新手段，为金融机构搭建营销与风控体系，成为国内金融领域最大的第三方风控及营销服务提供商。序数衡量法：只能反映企业间信用风险的高低顺序，如bbb级高于bb级，但其间的级差无法进行客观量化。Creditmetrics；CreditRiSk+；CreditPortofo1.ioView÷:是组合投资的分析方法，注重直接分析企业间信用状况变化的相关关系,但是它局限于投资组合分析。KMV：从单个授信企业在股票市场上的价格变化信息入手，着重分析该企业体现在股价变化信息中的自身信用状况，但对企业信用变化的相关性没有给予足够的分析。EICO：FICO在方法上通常采取逻辑回归和决策树。然而，这两类方法是存在很大缺陷的。例如，逻辑回归一般只能包含至多IO-15个风险因子，且各变量必须服从正态分布；决策树要求对所有申请者的分类是完全互斥的。显然，这些要求是难以满足的，由此产生的结果是“偏误”还是“错误”也很难评价。ZestFinance:ZestFinance包含70,000个变量，利用10个预测分析模型进行集成学习或者多角度学习，并得到最终的消费者信用评分。然而，ZestFinance进行信用评估时，传统征信数据要占到至少30%清晰的用户定位，完善的征信体系支撑，是ZestEinance在美国生存的土壤。中国没有集中的征信所，金融体系也尚不完善。很举适应中国目前的信贷业务。国内大部分中小银行信用风险管理仍停留依靠经验判断传统阶段，以感觉、经验、关系决策：缺乏对客户信用评级、统一授信风险量化信息系统；缺乏对公司类客户、个人客户优劣的判别统一标准；缺乏对客户风险量及授信边界系统科学的模型二、客户情况及市场情况1.客户情况预测中国绝大部分人的还款能力与还款意愿，更多地需要依赖于分析金融行业之外的海量用户行为数据（弱变量），从中挖掘出具有可以多次复用的规律。客户信用风险评估如下：还款能力有限。消费水平与收入水平不匹配，且借款未被用来提升自己的收入水平：2-4线城市、在游戏、动漫等类目消费水平过高的用户，不良率偏高还款意愿较强。受教育程度较高、道德水平较高：在财经、管理、科技等类型媒体上活跃度较高的用户，不良率偏低还款能力与还款意愿都较强：坐过商务舱以上、或者一年乘坐飞机不少于4次的用户，不良率较低2.市场情况当前，经济下行导致中小企业经营成本不断增加，产品销售价格因结构原因和市场原因相对走低，企业利润空间被进一步压缩，许多中小企业陷入经营困境，导致企业经营风险加大、连锁性风险陡增、潜在信用风险上升、企业主的道德风险骤升。一些重点领域的银行等金融机构信贷风险进入了一个暴露期，一些地区的金融机构已经出现不良贷款回升苗头；不良贷款高危行业中，铜铁与建材等行业信用风险快速上升，制造业领域新增的不良资产已占到整体不艮资产的七成以上，与此同时经济下行也使得个人信贷中的逾期率陡增，不良贷款率上升，如何防控信贷风险，已成为商业银行等金融机构亟待解决的课题。随着近年来国内大数据互联网金融的蓬勃发展,顶尖的数据机构开始从事各种信用维度的数据收集、分类、查询服务，这为在线征信与量化风险提供了技术、数据基础。2016年3月30日，人民银行、银监会联合对外发布了关于加大对新消费领域金融支持的指导意见其中第三条强调：优化消费信贷管理模式。鼓励银行业金融机构在风险可控并符合监管要求的前提下，探索运用互联网等技术手段开展远程客户授权，突出整体考核，推出尽职免责制度。根据客户的信用等级、项目风险、综合效益和担保条件，通过贷款利率风险定价和浮动计息规则，合理确定消费贷款利率水平。在这样的背景下，充分利用国内一流的数据查询技术，运用多维度数据分析，数学建模，客观量化，机器学习算法(SCikitTearn),云技术等方法，运用大数据来研发出一个金融大数据信用风险控制平台,有效解决了各金融机构的信贷风险控制难题。三、技术选型 TAB1.EAU针对数据分析及智能提供自助式或嵌入式的可视化分析图表 E1.ASTICSEARCH针对数据分析及智能提供面向用户的全局数据探索或面向应用的全局数据搜索 CDH/E1.umeKafka数据采集，结合数据流技术对接各类应用系统及数据库的数据资源 HADOOPYARN针对数据服务及安全类应用的定制开发提供微服务运行环境技术管理工具 CDH/HDES文件类数据整合与存储，HADOOP技术路线 CDHHBSE格式类数据整合与存储，HADOoP技术路线 CDH/HIVE数据清洗 HADOOP数据清洗工具 CDHYARN÷CM数据负载及集群管理 CDH/HIVESparkM1.数据分析及智能四、项目团队构成姓名性别学历职需专业工作单位项目中的分工年工作时间（月）签字成员A男本科高级大数据工程师应用电子技术XX科技股份有限公司项目管理12成员B男本科高级大数据工程师体育医学技术总览12成员C男本科中级软件工程师计算机科学与技术软件开发12成员D男本科高级大数据讲师计算机科学与技术软件开发12成员E男本科中级软件工程师数学与应用数学软件开发12成员F男本科高圾运维工程师信息管理架构设计12五、团队成员技能需求（1）成员A云计算、大数据高级工程师擅长：负责企业级云计算、大数据平台项目，大数据应用开发项目的立项、论证、验收等项目过程管理，云计算和大数据相关通识性培训。项目经历：区域医疗云计算中心、重庆三峡银行大数据平台、电信分析云项目、重庆移动业务支撑大数据平台建设。(2)成员BQoUdera大数据专家高级软件工程师长期从事技术管理工作，对技术团队的管理和认识有自己独到的见解，善于将人员提升和管理经营有机结合。擅长技术:Windows、1.inux、Exchange,数据库、Hadoopx项目管理等系统开发与管理。(3)成员C商级软件工程师擅长技术：网络通信、网络安全、数据库操作、C1.ui1.ib.cc+o(4)成员D商级软件工程师擅长技术：PythOn爬虫程序开发、Python数据分析、1.inux系统管理、大数据存储与管理、Hadoop大数据开发、Sca1.a函数式编程、数据挖掘、云计算平台架构、Exce1.高级数据分析、图像识别、机器学习、分布式计算、数据可视化分析等。(5)成员E大数据分析师擅长技术：R语言统计分析、EXCe1.数据分析、Q1.ik数据可视化、数据可视化建模、概率论与数理统计。(6)成员FC1.oudera大数据专家商领软件测试工程师曾在上海惠普、IBM、MOTORO1.A、北京融信恒通等公司任职,擅长技术：hadoo-N台设计、运维，熟悉yarn、hdfs/HA、mapreducev1.v2,f1.ume.SqOop、pig,impa1.a,hive,zookeeper,等相关组件集群的搭建和维护管理。
