大數(shù)據(jù)金融與征信（第2版）

第1章  大數(shù)據(jù)金融概述 1
1.1  大數(shù)據(jù)概述 2
1.1.1  大數(shù)據(jù)的內(nèi)涵與特征 2
1.1.2  大數(shù)據(jù)的分類 6
1.1.3  大數(shù)據(jù)的價值 7
 1.2  大數(shù)據(jù)應(yīng)用領(lǐng)域 9
1.2.1  商業(yè) 10
1.2.2  通信 11
1.2.3  醫(yī)療 13
1.2.4  金融 15
 1.3  大數(shù)據(jù)金融的內(nèi)涵、特點(diǎn)與優(yōu)勢 18
1.3.1  大數(shù)據(jù)金融的內(nèi)涵 18
1.3.2  大數(shù)據(jù)金融的特點(diǎn) 18
1.3.3  大數(shù)據(jù)金融相對于傳統(tǒng)金融的優(yōu)勢 19
 1.4  大數(shù)據(jù)使金融業(yè)大變革 20
1.4.1  大數(shù)據(jù)使銀行業(yè)大變革 20
1.4.2  大數(shù)據(jù)使保險業(yè)大變革 21
1.4.3  大數(shù)據(jù)使證券業(yè)大變革 23
1.4.4  大數(shù)據(jù)使征信行業(yè)大變革 24
 1.5  大數(shù)據(jù)金融模式 26
1.5.1  平臺金融模式 26
1.5.2  供應(yīng)鏈金融模式 27
1.6  大數(shù)據(jù)金融信息安全 28
 1.7  大數(shù)據(jù)應(yīng)用案例 28
1.7.1  案例之一：北京市政交通一卡通 28
1.7.2  案例之二：大數(shù)據(jù)與美團(tuán)外賣的精細(xì)化運(yùn)營 30
本章總結(jié) 39
本章作業(yè) 40
第2章  大數(shù)據(jù)分析方法 41
2.1  大數(shù)據(jù)處理流程 42
2.1.1  數(shù)據(jù)采集 42
2.1.2  數(shù)據(jù)預(yù)處理 43
2.1.3  數(shù)據(jù)存儲 44
2.1.4  數(shù)據(jù)挖掘 44
2.1.5  數(shù)據(jù)解釋 45
2.2  數(shù)據(jù)來源 45
2.2.1  核心數(shù)據(jù) 46
2.2.2  外圍數(shù)據(jù) 47
2.2.3  常規(guī)渠道數(shù)據(jù) 48
2.3  大數(shù)據(jù)架構(gòu) 49
2.3.1  HDFS系統(tǒng) 52
2.3.2  MapReduce 56
2.3.3  HBase 58
2.4  數(shù)據(jù)挖掘方法 59
2.4.1  分類分析方法 59
2.4.2  回歸分析方法 68
2.4.3  其他方法 71
本章總結(jié) 74
本章作業(yè) 75
第3章  大數(shù)據(jù)相關(guān)技術(shù) 77
3.1  物聯(lián)網(wǎng)技術(shù) 78
3.1.1  物聯(lián)網(wǎng)技術(shù)概述 78
3.1.2  物聯(lián)網(wǎng)技術(shù)的系統(tǒng)架構(gòu) 78
3.1.3  物聯(lián)網(wǎng)技術(shù)的發(fā)展歷程、現(xiàn)狀及趨勢 80
3.1.4  物聯(lián)網(wǎng)的關(guān)鍵技術(shù) 80
3.2  云計(jì)算技術(shù) 87
3.2.1  云計(jì)算概述 87
3.2.2  云計(jì)算系統(tǒng)架構(gòu) 88
3.2.3  云計(jì)算的發(fā)展歷程、現(xiàn)狀與趨勢 90
3.2.4  云的服務(wù)模式 92
3.3  人工智能技術(shù) 93
3.3.1  人工智能技術(shù)概述 93
3.3.2  人工智能技術(shù)的層次結(jié)構(gòu) 94
3.3.3  人工智能技術(shù)的發(fā)展歷程、現(xiàn)狀與趨勢 95
3.3.4  人工智能中的關(guān)鍵技術(shù) 97
3.4  大數(shù)據(jù)技術(shù)與三種技術(shù)的關(guān)系 102
本章總結(jié) 103
本章作業(yè) 104
第4章  大數(shù)據(jù)在商業(yè)銀行中的應(yīng)用 105
4.1  客戶關(guān)系管理 106
4.1.1  客戶細(xì)分 106
4.1.2  預(yù)見客戶流失 108
4.1.3  高效渠道管理 109
4.1.4  推出增值服務(wù)，提升客戶忠誠度 109
4.1.5  案例——大數(shù)據(jù)幫助商業(yè)銀行改善與客戶的關(guān)系 110
4.2  精準(zhǔn)營銷 110
4.2.1  客戶生命周期管理 111
4.2.2  實(shí)時營銷 112
4.2.3  交叉營銷 113
4.2.4  社交化營銷 114
4.2.5  個性化推薦 115
4.3  信貸管理 116
4.3.1  貸款風(fēng)險評估 116
4.3.2  信用卡自動授信 118
4.3.3  案例——大數(shù)據(jù)為商業(yè)銀行信貸管理提供更多可能 119
4.4  大數(shù)據(jù)與風(fēng)險管理 120
4.4.1  大數(shù)據(jù)風(fēng)險控制與傳統(tǒng)風(fēng)險控制的區(qū)別 120
4.4.2  基于大數(shù)據(jù)的銀行風(fēng)險管理模式 123
4.4.3  反欺詐 129
4.4.4  反洗錢 132
4.5  運(yùn)營優(yōu)化 134
4.5.1  市場和渠道分析優(yōu)化 135
4.5.2  產(chǎn)品和服務(wù)優(yōu)化 137
4.5.3  網(wǎng)絡(luò)輿情分析 138
4.5.4  案例——大數(shù)據(jù)分析助力手機(jī)銀行優(yōu)化創(chuàng)新 140
本章總結(jié) 141
本章作業(yè) 142
第5章  大數(shù)據(jù)在證券行業(yè)中的應(yīng)用 143
5.1  大數(shù)據(jù)在股票分析中的應(yīng)用 144
5.1.1  基于基本面分析的數(shù)據(jù)挖掘方法 144
5.1.2  基于技術(shù)分析的數(shù)據(jù)挖掘方法 145
5.1.3  決策樹法的應(yīng)用 146
5.1.4  聚類分析法的應(yīng)用 147
5.1.5  人工神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用 148
5.2  客戶關(guān)系管理 151
5.2.1  客戶細(xì)分 151
5.2.2  客戶滿意度 154
5.2.3  流失客戶預(yù)測 156
5.3  投資情緒分析 159
5.3.1  投資者情緒的測量 159
5.3.2  基于網(wǎng)絡(luò)輿情的投資者情緒分析 161
5.4  大數(shù)據(jù)與智能投顧 166
5.4.1　智能投顧概述 166
5.4.2　大數(shù)據(jù)與智能投顧服務(wù)系統(tǒng) 167
5.4.3  大數(shù)據(jù)智能投顧平臺技術(shù)架構(gòu) 168
5.5  大數(shù)據(jù)與量化交易 170
5.5.1  量化交易概述 170
5.5.2  量化交易策略 172
5.5.3  量化交易中的主要分析技術(shù) 177
5.5.4  量化交易的風(fēng)險與控制 177
5.5.5  大數(shù)據(jù)在量化交易中的應(yīng)用 178
本章總結(jié) 183
本章作業(yè) 184
第6章  大數(shù)據(jù)在保險業(yè)中的應(yīng)用 185
6.1  大數(shù)據(jù)保險 186
6.1.1  大數(shù)據(jù)保險的概念和特征 186
6.1.2  保險業(yè)大數(shù)據(jù)應(yīng)用的階段 187
6.1.3  大數(shù)據(jù)在保險行業(yè)中的作用 188
6.1.4  大數(shù)據(jù)下的數(shù)據(jù)服務(wù)架構(gòu) 189
6.1.5  保險業(yè)大數(shù)據(jù)應(yīng)用現(xiàn)狀 191
6.2  承保定價 193
6.2.1  大數(shù)據(jù)與傳統(tǒng)保險定價理論 194
6.2.2  大數(shù)據(jù)對承保定價的革新 194
6.2.3  大數(shù)據(jù)在車險定價中的應(yīng)用 196
6.2.4  大數(shù)據(jù)在健康險定價中的應(yīng)用 200
6.3  精準(zhǔn)營銷 206
6.3.1  保險精準(zhǔn)營銷 206
6.3.2  大數(shù)據(jù)與保險精準(zhǔn)營銷 208
6.3.3  組建垂直平臺生態(tài)圈 211
6.3.4  大數(shù)據(jù)精準(zhǔn)營銷在保險業(yè)中的應(yīng)用 213
6.4  欺詐識別 214
6.4.1  保險欺詐 214
6.4.2  大數(shù)據(jù)與保險反欺詐 216
6.4.3  大數(shù)據(jù)與車險反欺詐 220
6.4.4  大數(shù)據(jù)與健康險的理賠風(fēng)險 222
本章總結(jié) 225
本章作業(yè) 226
第7章  大數(shù)據(jù)征信 227
7.1  傳統(tǒng)征信 228
7.1.1  征信概述 228
7.1.2  征信的基本流程 235
7.1.3  征信行業(yè)產(chǎn)業(yè)鏈 238
7.1.4  征信產(chǎn)品 238
7.1.5  征信機(jī)構(gòu) 242
7.1.6  征信體系 244
7.2  大數(shù)據(jù)征信 250
7.2.1  大數(shù)據(jù)征信概述 250
7.2.2  大數(shù)據(jù)征信的理論基礎(chǔ) 253
7.2.3  大數(shù)據(jù)征信流程 256
7.3  大數(shù)據(jù)征信典型企業(yè) 257
7.3.1  國外大數(shù)據(jù)征信典型企業(yè) 257
7.3.2  國內(nèi)大數(shù)據(jù)征信典型企業(yè) 262
本章總結(jié) 268
本章作業(yè) 269
第8章  大數(shù)據(jù)信用評分方法 271
8.1  信用評分概述 272
8.1.1  信用與信用評分的內(nèi)涵 272
8.1.2  信用評分與信用評級的比較 274
8.1.3  信用評分的應(yīng)用領(lǐng)域 275
8.1.4  我國個人信用評分發(fā)展現(xiàn)狀 276
8.1.5  大數(shù)據(jù)信用評分與傳統(tǒng)信用評分的比較 278
8.2  數(shù)據(jù)挖掘與大數(shù)據(jù)信用評分 280
8.2.1  數(shù)據(jù)挖掘在大數(shù)據(jù)信用評分中的重要性 280
8.2.2  基于數(shù)據(jù)挖掘的信用評分模型構(gòu)建步驟 281
8.3  大數(shù)據(jù)信用評分方法 283
8.3.1  傳統(tǒng)信用評分的方法 283
8.3.2  大數(shù)據(jù)信用評分方法 285
8.3.3  信用評分模型準(zhǔn)確度的效果評估指標(biāo) 287
8.4  大數(shù)據(jù)信用評分典型案例 290
8.4.1  國外大數(shù)據(jù)信用評分案例 290
8.4.2  國內(nèi)大數(shù)據(jù)信用評分案例 295
本章總結(jié) 302
本章作業(yè) 302
第9章  大數(shù)據(jù)與中國金融信息安全 303
9.1  金融信息安全的重要性 304
9.1.1  金融信息安全的含義 304
9.1.2  金融信息安全的屬性特征 305
9.1.3  金融信息安全的重要性 306
9.2  大數(shù)據(jù)給我國金融信息安全帶來的機(jī)遇和挑戰(zhàn) 308
9.2.1  大數(shù)據(jù)給金融信息安全帶來的機(jī)遇 308
9.2.2  大數(shù)據(jù)給我國金融信息安全帶來的挑戰(zhàn) 309
9.2.3  案例：美國“棱鏡門”事件 311
9.3  大數(shù)據(jù)金融信息安全風(fēng)險 315
9.3.1  大數(shù)據(jù)金融信息安全風(fēng)險的類型 315
9.3.2  大數(shù)據(jù)金融信息安全風(fēng)險的特征 318
9.3.3  國內(nèi)外金融信息安全事件及事故 320
9.4  我國金融信息安全現(xiàn)狀及制約因素 324
9.4.1  我國金融信息安全現(xiàn)狀 324
9.4.2  我國金融信息安全的制約因素 325
9.5  美國金融信息安全保障機(jī)制 326
9.5.1  美國金融信息安全保障機(jī)制的特點(diǎn) 327
9.5.2  美國金融信息安全保障機(jī)制的主要做法 327
9.6  我國金融信息安全建設(shè) 329
9.6.1  完善頂層設(shè)計(jì)，盡快構(gòu)建適應(yīng)我國金融發(fā)展需要的金融信息安全保障體系 329
9.6.2  盡快制定我國金融行業(yè)國產(chǎn)信息技術(shù)產(chǎn)品和服務(wù)替代戰(zhàn)略 329
9.6.3  盡快制定金融行業(yè)自主可控戰(zhàn)略實(shí)施步驟，推進(jìn)自主 可控國家戰(zhàn)略 329
9.6.4  應(yīng)用大數(shù)據(jù)進(jìn)行信息安全分析 330
本章總結(jié) 330
本章作業(yè) 332
參考文獻(xiàn) 333