图灵汇官网

打造智能数据工厂

当前，大数据技术的应用已经深刻改变了传统金融业，同时正成为中国金融体系未来发展的重要支撑力量。大数据不仅是一项独立的技术，更在于其与其他行业的融合，成为金融领域最具价值和影响力的决策工具。作为大数据与金融领域的领先企业，金电联行是如何将智能化数据与高效处理相结合，建设大数据底层架构和计算能力，打造智能数据工厂，实现数据商业价值的呢？

大数据的选择

（1）可追溯的历史数据

金电联行通过对目标企业过往交易行为的分析，确定其运营特征和发展趋势。因此，可追溯的历史数据对于金电联行在互联网金融领域的深入研究至关重要。

（2）多维度数据

金电联行采用了相关性分析作为基础研究方法，建立了全面评价目标企业的客观信誉信息云服务平台。单一维度的数据无法满足分析需求，因此需要在多维度数据中寻找联系。

（3）精细的数据

传统的财务分析体系一直是金融机构评估企业的重要标准。然而，随着互联网金融的发展，大数据时代的到来要求使用明细数据代替财务报表进行分析，这对数据的精细度提出了更高的要求。

（4）易获取的数据

数据越丰富，挖掘效果越好。然而，海量数据的获取和整合是一个挑战。先进技术在数据采集和整合方面具有显著优势，同时数据本身也需要具备较高的成熟度。

金电联行通过产业链上下游、大宗交易、电子商务等方向，对目标企业进行综合评估。金电联行在这些领域拥有丰富的服务经验，自主研发的数据挖掘机器人能够自动识别和分类数据，数据填报平台也可以有效地整合所需数据。通过自学习模型对海量数据进行全面分析，并由专业团队进行抽检验证，以更精准地捕捉企业的运营状况。

大数据处理流程

（1）主体信誉数据获取及标准化

金电联行的一站式征信平台基于多个国家部委和第三方数据库的数据，通过交叉验证和分析，满足相关机构对目标企业主体信誉的需求。由于对接数据源较多，数据整理过程中严格按照标准进行分类和整合。对于金融机构而言，债项方面的违约信息对主体信誉评价至关重要，因此需要将此类数据整合到同一平台进行标准化处理，以便调用、展示、分析和评价。

（2）交易信誉数据获取及标准化

交易信誉数据指的是企业在生产和经营过程中产生的详细数据。获取此类数据主要有两种方式：系统采集和数据填报上传。互联网的优势使得数据交互不受地理限制，可以实现跨区域的信息对称，帮助企业拓宽客群，节约成本。数据收集后，进行详细分类，统一数据类型，命名数据，确定数据的有效范围，填补缺失数据，形成标准化数据。

（3）数据清洗

海量数据获取并标准化后，还需要进行数据清洗，筛选异常数据。针对极端数据、异常数据、虚假数据，排查数据中的异常项，检验数据真实性。每个维度的数据均需进行异常排查，包括剧烈波动型、直线型、重复型、不合理区间型等异常类型。异常数据不一定等同于虚假数据，需要人工对照实际情况进行判断。

（4）行业主标尺

金电联行积累多年的数据采集分析经验，行业主标尺是其重要的科研成果之一。行业主标尺主要用于群体分析，有助于金融机构对客户群的精准定位。首先，确定主标尺的群体；之后，确定样本和目标，对样本的目标值进行排序和分布密度分析，最终形成行业主标尺。

（5）信用评价

一是主体信用评价。金电联行利用一站式服务平台对目标企业的主体信用进行初步评价，不合格的企业将不再进行后续流程，简化工作内容，降低成本。对于存疑的企业，金电联行提供企业族谱和关联筛查功能，完整绘制企业的关联族谱，展现企业直接和间接的关系。平台还可以通过关联唯一标识查询企业的相关性，排查金融风险。

二是交易信用评价。在主体信用达标的情况下，需要进一步了解企业的运营情况。传统机构多采用直接调研的方式，但这种方法成本高且难以全面掌握企业情况。金电联行利用云服务平台将企业的持续更新数据进行可视化处理，从运营能力、发展潜力、管理效率等多个维度展示企业发展规律和走势。

（6）数据追踪

对通过金电联行客观信誉信息云服务平台计算并产出数据资产包的企业，合作方可以有针对性地进行电话访问和线下调研，提高命中率。经过主体信用初筛、交易信用细筛、人工审查等流程的企业，最终进入授信放款环节。放款后需要持续跟踪，通过高频监测企业的主体信用和交易信用变化，动态掌握企业的运营状态。

主体信用智能评级

金电联行基于大数据和云计算技术创建了客观信用评价体系，为金融和社会管理提供了创新性的信用服务。通过互联网技术，实现了对目标企业的在线主体信用评级和动态跟踪。

（1）数据采集及标准化

主体征信通过分析公司资质、科研能力、工商信息、司法执行、法人基本信息等内容，评价企业的主体信用水平。金电联行构建了数据采集、企业评级、动态跟踪等一系列标准，运用互联网数据爬虫技术采集分散在全国各地的数据信息，同时与可靠的第三方数据公司合作，获取企业主体数据源。

以银行业为例，金电联行根据行业需求和应用角度，专门打造了大数据平台，打通银行全应用系统，为其提供从底层基础、技术算法模型到个人信用评分系统、反欺诈系统和精准营销系统等全方位解决方案。

（2）构建企业评级体系

为了提升信息数据的利用率，金电联行设计了评分卡模型，在抓取企业信息后，针对主体信用状况进行加工和自动评分，以分值方式直观展现企业的主体信用水平。此外，金电联行还允许金融机构根据自身经验和偏好调整评分框架、维度和权重。

（3）动态跟踪

动态跟踪系统会跟踪企业的信用评价和评分项目，每类指标和每项评分都可以按照良好、待关注和预警的标准进行划分和评价。异常数据监管会对异常数据进行提示，并通过“概况查看”直接导入到“数据异常集”菜单项下。

（4）异常提示

基于数据清洗技术，针对极端数据、异常数据、虚假数据，可以排查这些数据中的异常项，检验数据真实性，并提示数据之间关系的异常性。系统常用的数据异常分析方法有十余种，常见的异常波动包括剧烈波动型、重复型、直线型、相关性异常和不同企业间异常等。

统计分析

统计分析页面汇总了各项明细数据，还原了企业运营的真实情况。信贷人员可以通过分类查看和逐年比对，交叉检验企业提交的财务报表，避免企业财务造假。系统中的统计数据还可以供风控人员查看，防止信贷人员协助企业财务造假。

主体+交易信用智能评级

金电联行通过大数据采集和进一步分析，建立了高效能、低成本的客观信用评价体系，不依赖财务数据，不依靠人的主观分析，打破了传统信用评价体系中以财务信息为核心的思想，实现了风险预警和评价结果的高度客观性。

大数据与产业深度融合

金电联行深入分析传统产业在研发、生产、营销、管理等全产业链数据，提供市场竞争力、消费需求等决策数据，帮助企业实现数据化管理，优化资源配置，提升数据金融价值，提供产业金融服务，打造数据驱动的产业金融生态系统，助力产业转型升级。

以纺织产业为例，大数据在纺织产业的应用有助于提高企业精细化管理水平，完善企业信用评级，提升企业融资能力，加强上下游信息传递，实现产业内信息共享，提高产业集中度。金电联行通过大数据与纺织产业的深度融合，助力产业整合和效率提升。

通过以上策略，金电联行成功地将大数据技术应用于金融和传统产业，实现了数据的商业价值最大化。