目录

第1章 大数据金融概述 1
1.1 大数据概述 2
1.1.1 大数据的内涵与特征 2
1.1.2 大数据的分类 7
1.1.3 大数据的价值 8
1.2 大数据应用领域 10
1.2.1 商业 10
1.2.2 通信 11
1.2.3 ** 13
1.2.4 金融 16
1.3 大数据金融的内涵、特点与优势 18
1.3.1 大数据金融的内涵 18<div class="WordSection1"> <p>目录 </p> <p> </p> <p>第1章 大数据金融概述 1</p> <p>1.1 大数据概述 2</p> <p>1.1.1 大数据的内涵与特征 2</p> <p>1.1.2 大数据的分类 7</p> <p>1.1.3 大数据的价值 8</p> <p>1.2 大数据应用领域 10</p> <p>1.2.1 商业 10</p> <p>1.2.2 通信 11</p> <p>1.2.3 ** 13</p> <p>1.2.4 金融 16</p> <p>1.3 大数据金融的内涵、特点与优势 18</p> <p>1.3.1 大数据金融的内涵 18</p> <p>1.3.2 大数据金融的特点 19</p> <p>1.3.3 大数据金融相对于传统</p> <p>金融的优势 20</p> <p>1.4 大数据带来金融业大变革 20</p> <p>1.4.1 大数据带来银行业大变革 21</p> <p>1.4.2 大数据带来保险业大变革 22</p> <p>1.4.3 大数据带来证券业大变革 23</p> <p>1.4.4 大数据带来征信行业大变革 25</p> <p>1.4.5 互联网金融中的大数据应用 26</p> <p>1.5 大数据金融模式 27</p> <p>1.5.1 平台金融模式 27</p> <p>1.5.2 供应链金融模式 29</p> <p>1.6 大数据金融信息** 30</p> <p>1.7 大数据应用案例 30</p> <p>1.7.1 案例之一:滴滴出行 30</p> <p>1.7.2 案例之二:大数据与美团</p> <p>外卖的精细化运营 34</p> <p>本章总结 43</p> <p>本章作业 44</p> <p>第2章 大数据相关技术 45</p> <p>2.1 大��据处理流程 46</p> <p>2.1.1 数据采集 46</p> <p>2.1.2 数据预处理 47</p> <p>2.1.3 数据存储 48</p> <p>2.1.4 数据挖掘 48</p> <p>2.1.5 数据解释 49</p> <p>2.2 数据来源 49</p> <p>2.2.1 核心数据 50</p> <p>2.2.2 外围数据 52</p> <p>2.2.3 常规渠道数据 53</p> <p>2.3 大数据架构 54</p> <p>2.3.1 HDFS系统 56</p> <p>2.3.2 MapReduce 60</p> <p>2.3.3 HBase 62</p> <p>2.4 数据挖掘方法 63</p> <p>2.4.1 分类分析 64</p> <p>2.4.2 回归分析 65</p> <p>2.4.3 其他方法 66</p> <p>本章总结 69</p> <p>本章作业 70</p> <p>第3章 大数据在商业银行中的应用 71</p> <p>3.1 客户关系管理 72</p> <p>3.1.1 客户细分 72</p> <p>3.1.2 预见客户流失 74</p> <p>3.1.3 **渠道管理 75</p> <p>3.1.4 推出增值服务,提升客户</p> <p>忠诚度 75</p> <p>3.1.5 案例——大数据帮助商业银行</p> <p>改善与客户的关系 76</p> <p>3.2 精准营销 76</p> <p>3.2.1 客户生命周期管理 77</p> <p>3.2.2 实时营销 78</p> <p>3.2.3 交叉营销 79</p> <p>3.2.4 社交化营销 80</p> <p>3.2.5 个性化** 81</p> <p>3.3 信贷管理 82</p> <p>3.3.1 贷款风险评估 82</p> <p>3.3.2 信用卡自动授信 84</p> <p>3.3.3 案例——大数据为商业银行</p> <p>信贷管理提供更多可能 85</p> <p>3.4 风险管理 86</p> <p>3.4.1 大数据风险控制与传统风险</p> <p>控制的区别 86</p> <p>3.4.2 基于大数据的银行风险管理</p> <p>模式 89</p> <p>3.4.3 反欺诈 95</p> <p>3.4.4 反洗钱 99</p> <p>3.5 运营优化 101</p> <p>3.5.1 市场和渠道分析优化 101</p> <p>3.5.2 产品和服务优化 103</p> <p>3.5.3 网络舆情分析 104</p> <p>3.5.4 案例——大数据分析助力</p> <p>手机银行优化创新 106</p> <p>本章总结 108</p> <p>本章作业 109</p> <p>第4章 大数据在证券行业中的应用 111</p> <p>4.1 大数据在股票分析中的应用 112</p> <p>4.1.1 基于基本面分析的数据挖掘</p> <p>方法 112</p> <p>4.1.2 基于技术分析的数据挖掘</p> <p>方法 113</p> <p>4.1.3 决策树法的应用 114</p> <p>4.1.4 聚类分析法的应用 115</p> <p>4.1.5 人工神经网络算法的应用 116</p> <p>4.2 客户关系管理 119</p> <p>4.2.1 客户细分 119</p> <p>4.2.2 客户满意度 122</p> <p>4.2.3 流失客户预测 124</p> <p>4.3 投资情绪分析 127</p> <p>4.3.1 投资者情绪的测量 127</p> <p>4.3.2 基于网络舆情的投资者情绪</p> <p>分析 129</p> <p>4.4 大数据与量化投资 134</p> <p>4.4.1 量化投资概述 134</p> <p>4.4.2 证券量化投资中的主要分析</p> <p>工具 135</p> <p>4.4.3 大数据在证券量化投资中的</p> <p>应用 136</p> <p>本章总结 139</p> <p>本章作业 140</p> <p>第5章 大数据在保险业中的应用 141</p> <p>5.1 大数据保险 142</p> <p>5.1.1 大数据保险的概念和特征 142</p> <p>5.1.2 保险业大数据应用的阶段 143</p> <p>5.1.3 大数据在保险行业中的</p> <p>作用 144</p> <p>5.1.4 大数据下的数据服务架构 146</p> <p>5.1.5 保险业大数据应用现状 147</p> <p>5.2 承保定价 150</p> <p>5.2.1 大数据与传统保险定价</p> <p>理论 150</p> <p>5.2.2 大数据对承保定价的革新 151</p> <p>5.2.3 大数据在车险定价中的</p> <p>应用 153</p> <p>5.2.4 大数据在健康险定价中的</p> <p>应用 156</p> <p>5.3 精准营销 162</p> <p>5.3.1 保险精准营销 162</p> <p>5.3.2 大数据与保险精准营销 164</p> <p>5.3.3 组建垂直平台生态圈 167</p> <p>5.3.4 大数据精准营销在保险业中的</p> <p>应用 169</p> <p>5.4 欺诈识别 171</p> <p>5.4.1 保险欺诈 171</p> <p>5.4.2 大数据与保险反欺诈 173</p> <p>5.4.3 大数据与车险反欺诈 176</p> <p>5.4.4 大数据与健康险的理赔</p> <p>风险 180</p> <p>本章总结 182</p> <p>本章作业 183</p> <p>第6章 互联网金融中的大数据应用 185</p> <p>6.1 基于大数据的第三方支付欺诈</p> <p>风险管理 186</p> <p>6.1.1 第三方支付中的欺诈风险 186</p> <p>6.1.2 大数据应用与欺诈</p> <p>风险防范 186</p> <p>6.2 大数据在网络借贷中的应用 189</p> <p>6.2.1 **系统简述 189</p> <p>6.2.2 P2P网站中的个性化** 190</p> <p>6.2.3 基于VITA系统的信贷产品</p> <p>匹配机制 191</p> <p>6.3 大数据在互联网供应链金融中的</p> <p>应用 193</p> <p>6.3.1 基于大数据的互联网企业</p> <p>信用评估 194</p> <p>6.3.2 案例:京东供应链金融</p> <p>模式 197</p> <p>6.4 大数据在互联网消费金融中的</p> <p>应用 198</p> <p>6.4.1 互联网消费金融的大数据</p> <p>征信与风控 198</p> <p>6.4.2 案例:芝麻信用 199</p> <p>本章总结 199</p> <p>本章作业 200</p> <p>第7章 大数据征信 201</p> <p>7.1 传统征信 202</p> <p>7.1.1 征信概述 202</p> <p>7.1.2 征信的基本流程 209</p> <p>7.1.3 征信行业产业链 212</p> <p>7.1.4 征信产品 212</p> <p>7.1.5 征信机构 216</p> <p>7.1.6 征信体系 218</p> <p>7.2 大数据征信 227</p> <p>7.2.1 大数据征信概述 227</p> <p>7.2.2 大数据征信的理论基础 230</p> <p>7.2.3 大数据征信流程 233</p> <p>7.3 大数据征信典型企业 233</p> <p>7.3.1 国外大数据征信典型企业 233</p> <p>7.3.2 国内大数据征信典型企业 242</p> <p>本章总结 249</p> <p>本章作业 250</p> <p>第8章 大数据与中国金融信息** 251</p> <p>8.1 金融信息**的重要性 252</p> <p>8.1.1 金融信息**的含义 252</p> <p>8.1.2 金融信息**的属性特征 253</p> <p>8.1.3 金融信息**的重要性 254</p> <p>8.2 大数据给我国金融信息**带来的</p> <p>机遇和挑战 256</p> <p>8.2.1 大数据给金融信息**</p> <p>带来的机遇 256</p> <p>8.2.2 大数据给我国金融信息</p> <p>**带来的挑战 257</p> <p>8.2.3 案例:美国“棱镜门”</p> <p>事件 259</p> <p>8.3 大数据金融信息**风险 263</p> <p>8.3.1 大数据金融信息**风险的</p> <p>类型 263</p> <p>8.3.2 大数据金融信息**风险的</p> <p>特征 266</p> <p>8.3.3 国内外金融信息**事件及</p> <p>事故 268</p> <p>8.4 我国金融信息**现状及</p> <p>制约因素 272</p> <p>8.4.1 我国金融信息**现状 272</p> <p>8.4.2 我国金融信息**的</p> <p>制约因素 274</p> <p>8.5 美国金融信息**保障机制 275</p> <p>8.5.1 美国金融信息**保障</p> <p>机制的特点 275</p> <p>8.5.2 美国金融信息**保障</p> <p>机制的主要做法 276</p> <p>8.6 我国金融信息**建设 277</p> <p>8.6.1 完善顶层设计,尽快构建适应</p> <p>我国金融发展需要的金融信息</p> <p>**保障体系 277</p> <p>8.6.2 尽快制定我国金融行业国产</p> <p>信息技术产品和服务替代</p> <p>战略 277</p> <p>8.6.3 尽快制定金融行业自主可控</p> <p>战略实施步骤,推进自主可 </p> <p>控**战略 278</p> <p>8.6.4 应用大数据进行信息**</p> <p>分析 278</p> <p>本章总结 278</p> <p>本章作业 279</p> <p>参考文献 281</p> <p> </p> </div>显示全部信息前 言前言

大数据金融是大数据在金融领域的重要应用。大数据金融市场前景广阔,预计未来5年到10年,金融大数据产业将迎来黄金增长期,大数据也将成为助推“大众创业、万众创新”浪潮的有力抓手。
本书为适应高等学校互联网金融专业人才培养的需要,从理论联系实际的原则出发,以大数据的实际运用为导向,对大数据在金融各行业的应用做了全面系统的介绍。
全书共分为8章,包括大数据金融概述、大数据相关技术、大数据在商业银行中的应用、大数据在证券行业中的应用、大数据在保险行业中的应用、大数据在互联网金融中的应用、大数据征信、大数据与中国金融信息**。<p>前言 </p> <p> </p> <p> 大数据金融是大数据在金融领域的重要应用。大数据金融市场前景广阔,预计未来5年到10年,金融大数据产业将迎来黄金增长期,大数据也将成为助推“大众创业、万众创新”浪潮的有力抓手。</p> <p> 本书为适应高等学校互联网金融专业人才培养的需要,从理论联系实际的原则出发,以大数据的实际运用为导向,对大数据在金融各行业的应用做了全面系统的介绍。</p> <p> 全书共分为8章,包括大数据金融概述、大数据相关技术、大数据在商业银行中的应用、大数据在证券行业中的应用、大数据在保险行业中的应用、大数据在互联网金融中的应用、大数据征信、大数据与中国金融信息**。</p> <p> 由于大数据金融刚刚兴起,可供参考的资料不多,本书也仅仅是在这方面的一个探索,故全书整体框架以编者自己的思路进行呈现。本书以应用特别是金融领域前沿的应用为导向,以在各行业的实践为主线展开。本书内容新颖全面,论述问题**现实意义。本书可以作为高等院校互联网金融专业相关课程的教材,也可供互联网金融研究者、从业者、管理人员参考。</p> <p> 全书主要有以下两大特点。</p> <p> (1) 内容全面。</p> <p> 本书以大数据为出发点,结合国内外的发展现状及*新模式,系统地介绍了大数据在银行业、证券业、保险业、互联网金融行业及征信中的应用,并强调了在应用过程中,中国金融信息**的重要性及保障机制。本书内容涵盖面极广,有效地为各行各业的读者提供了大数据金融与征信的宏观视图。</p> <p> (2) 体例新颖。</p> <p> 本书秉承着注重实际运用的宗旨,编写体例上彰显了可读性和互动性。每章前有“本章目标”和“本章简介”,每章末有“本章总结”和“本章作业”。书中除了理论教学,还配有相关案例和解析,使理论与实践相结合,通俗易懂,开拓了学生的视野,可以更好地满足培养既懂专业知识又能运用所学知识解决实际问题的“复合型”经济人才需求。</p> <p> 本书由新迈尔(北京)特技有限公司组织研发,由何平平拟定大纲并进行统稿,湖南大学互联网金融研究所组织撰写。本书由何平平、车云月担任主编,以下研究生也参与了本书的编写:王杨毅彬、周春亚、张童、刘诗雨、刘晶宇。</p> <p> 本书编写过程中参考了大量的文献资料,有些已经在书后的参考文献中标注,而有些没有,在此一并表示感谢。囿于时间和个人能力,书中难免有疏漏和不妥之处,敬请读者批评指正。</p> <p> </p> <p> 何平平</p>显示全部信息免费在线读第2章 大数据相关技术
本章目标
* 掌握大数据处理流程:数据采集、预处理、存储、挖掘和解释
* 掌握大数据的3种来源:核心数据、外围数据、常规渠道数据
* 掌握大数据的主要架构
* 掌握数据挖掘常用方法

本章简介
本章从大数据处理流程、数据来源、大数据生态圈及主要架构、数据挖掘的主要方法几个方面来介绍大数据的相关技术。


2.1 大数据处理流程
大数据的处理流程归纳为:首先利用多种轻型数据库收集海量数据,对不同来源的数据进行预处理后,整合存储到大型数据库中;然后根据企业或个人目的和需求,运用合适的数据挖掘技术提取有益的知识;*后利用恰当的方式将结果展现给终端用户。具体包括:数据采集、数据预处理、数据存储、数据挖掘及数据解释这5个步骤,如图2.1所示。

图2.1 大数据的处理流程
2.1.1 数据采集

目录

第1章 大数据金融概述 1
1.1 大数据概述 2
1.1.1 大数据的内涵与特征 2
1.1.2 大数据的分类 7
1.1.3 大数据的价值 8
1.2 大数据应用领域 10
1.2.1 商业 10
1.2.2 通信 11
1.2.3 ** 13
1.2.4 金融 16
1.3 大数据金融的内涵、特点与优势 18
1.3.1 大数据金融的内涵 18

本书主要有以下几个特点: 内容全面。 全书以大数据为出发点,结合国内外的发展现状及新模式,系统地介绍了大数据在银行业、证券业、保险业、互联网金融行业及征信中的应用,并强调了在应用过程中,中国金融信息**的重要性及保障机制。本书内容涵盖面极广,有效地为各行各业的读者提供了大数据金融与征信的宏观视图。 体例新颖。 本书秉承着注重实际运用的宗旨,编写体例上彰显了可读性和互动性。每章前有“本章目标”和“本章简介”,每章末有“本章总结”和“课后作业”。书中除了理论教学,还配有相关案例和解析,突出理论与实践相结合,打破了传统“罗列发条”的教材编写模式,通俗易懂,开拓了学生的视野,更好地满足了培养既懂专业知识又能运用所学知识解决实际问题的“复合型”经济人才的需求。