【独家】消费金融大数据分析方法与金融大数据分析师养成

消费金融离不开风险的精准评估以及自动化审批。很多消费金融公司也都是愿意提倡这些的，现在我们可以秒贷了，甚至可以凭一张身份证放贷，这都是基于高度的自动化。但最难的还是风险评估，有很多时候风险评估是没有办法做到自动化的。比如说风险投资公司，如果它能够自动识别这些风险何必要人呢？所以金融大数据工程师最需要知道的第一点是大数据的边界在哪里，什么情况下我们要通过大数据分析、分析风险精准到什么程度、怎么应用，不要把大数据夸大化；第二点是数据是什么，我们知道数据是不断在变的，大数据在不断地积累迭代，能否形成体系架构来迭代提高，这是关键。

??

消费金融大数据与数据工程师

我们认为跟消费金融相关的数据包括消费人群信用数据、经营人群信用数据、收入数据、资产数据、抵押数据。

金融机构其实看不到数据，他们关注的是盈利，是如何选客户和营销。因此数据产品一定要返回到生产的流程里面，这样才能产生价值。

这样的大数据应用有防范欺诈风险的，防范不同的欺诈所要求的数据都是不同的，如果我们不能在数据采集、分析的过程中把它区分开来，数据产品是没有办法使用的。

同样的数据在不同的应用是不一样的，在同一个应用里面在不同的情况下它也不一样。最后数据工程师可能会产生统计模型，用以描述不同随机变量之间如何关联，例如行为的不同随机变量。但只有关联性并不够。

举一个非常经典的啤酒和尿布的例子。

Super bowl举行的时候，一些人把尿布和啤酒放在一起卖，会发现尿布和啤酒的销售量都提高了。统计模型发现了这两者的关联性，但这并不意味着这样的搭配销售具有普适性。因为这一现象的本质是这个区域里正好有一些20多岁到30多岁、爱看球类比赛的年轻人，并且他们都有孩子，出来买啤酒时可以正好买尿布。因此数据工程师不能满足于表面现象，而要发掘本质原因。数据工程师要能在玩儿数据的过程中增长自己的知识，知其然知其所以然，这样你做的产品才可能会更有效。因此大数据并不是盲目地告诉你这个东西是什么，而是要从这个数据里找到规律，这是知识，是颠扑不破的真理，这是一个合格优秀的数据工程师需要做到的。

总结来说，金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

Q&A

提问1：第一个问题是，我发现数据要预测时面临的最大的困难是未来变化特别快，数据无法描述未来，比如英国脱欧和负利率等，场景非常难以描述。我是做推特分析的，语言变化特别快，怎么样去处理这样的问题。第二个是，在具体使用技术的时候，刚开始我们就是做大数据加加减减而已，然后我们可能再去做模型，甚至做知识图谱，您怎么来评价这些技术本身对整个金融大数据的推动也好，它的局限性。

杨子君：大数据领域最重要的不是寻找正确的答案，而是寻找正确的问题，就是大数据到底能帮我们做什么。像你说的推特，第一个问题是，是不是大数据能解决的，也许肯定是，你是最有权利有答案的。如果确实是大数据能解决的，现在的大数据是不是足够我解决这个问题，如果不能足够解决这个问题，很可能的情况下是我的认知不够，也可能是我的数据不够。所以我觉得，在大数据领域，对于数据工程师或者设计师来说特别重要的是，要会问正确的问题。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!