正版新书--大数据金融与征信 何平平 车云月 清华大学出版社 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

何平平 车云月 著

图书标签:

• 大数据
• 金融
• 征信
• 金融科技
• 风险管理
• 信用评估
• 金融创新
• 数据分析
• 清华大学出版社
• 何平平

店铺： 麦点文化图书专营店

出版社： 清华大学出版社

ISBN：9787302484400

商品编码：29650069318

包装：平装-胶订

出版时间：2017-10-01

基本信息

书名：大数据金融与征信

定价：42.00元

作者：何平平 车云月

出版社：清华大学出版社

出版日期：2017-10-01

ISBN：9787302484400

字数：

页码：

版次：1

装帧：平装-胶订

开本：16开

商品重量：0.4kg

编辑推荐

---

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，中国金融信息安全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。

内容提要

---

本书面向金融应用，系统地阐述了大数据金融与征信本身及其在现实生活中的应用，具有全面性、实用性和前瞻性等特色。全书共8章，章和第2章阐述大数据金融及大数据技术相关的基础知识问题，是后面章节的基础。第3章至第6章详细介绍大数据在银行业、证券业、保险业及互联网金融行业中的应用，是本书的主要内容。第7章重点阐述大数据在征信中的实际应用，是本书的另一重点问题，也是当代大数据研究的热点问题。第8章特别强调中国金融信息安全，这是大数据金融与征信的发展进程中不可避免的问题。本书力争把大数据与其实际应用糅合在一起介绍，力求活学活用。

本书可以作为高等学校互联网金融院系课程教材，也可供互联网金融研究者、从业者、管理人员参考所用。

目录

---

目录

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医疗 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

1.3.2大数据金融的特点 19

1.3.3大数据金融相对于传统

金融的优势 20

1.4 大数据带来金融业大变革 20

1.4.1大数据带来银行业大变革 21

1.4.2大数据带来保险业大变革 22

1.4.3大数据带来证券业大变革 23

1.4.4大数据带来征信行业大变革 25

1.4.5互联网金融中的大数据应用 26

1.5 大数据金融模式 27

1.5.1平台金融模式 27

1.5.2供应链金融模式 29

1.6 大数据金融信息安全 30

1.7 大数据应用案例 30

1.7.1案例之一：滴滴出行 30

1.7.2案例之二：大数据与美团

外卖的精细化运营 34

本章总结 43

本章作业 44

第2章 大数据相关技术 45

2.1 大数据处理流程 46

2.1.1数据采集 46

2.1.2数据预处理 47

2.1.3数据存储 48

2.1.4数据挖掘 48

2.1.5数据解释 49

2.2 数据来源 49

2.2.1核心数据 50

2.2.2外围数据 52

2.2.3常规渠道数据 53

2.3 大数据架构 54

2.3.1HDFS系统 56

2.3.2MapReduce 60

2.3.3HBase 62

2.4 数据挖掘方法 63

2.4.1分类分析 64

2.4.2回归分析 65

2.4.3其他方法 66

本章总结 69

本章作业 70

第3章 大数据在商业银行中的应用 71

3.1 客户关系管理 72

3.1.1客户细分 72

3.1.2预见客户流失 74

3.1.3高效渠道管理 75

3.1.4推出增值服务，提升客户

忠诚度 75

3.1.5案例——大数据帮助商业银行

改善与客户的关系 76

3.2 精准营销 76

3.2.1客户生命周期管理 77

3.2.2实时营销 78

3.2.3交叉营销 79

3.2.4社交化营销 80

3.2.5个性化推荐 81

3.3 信贷管理 82

3.3.1贷款风险评估 82

3.3.2信用卡自动授信 84

3.3.3案例——大数据为商业银行

信贷管理提供更多可能 85

3.4 风险管理 86

3.4.1大数据风险控制与传统风险

控制的区别 86

3.4.2基于大数据的银行风险管理

模式 89

3.4.3反欺 95

3.4.4反洗钱 99

3.5 运营优化 101

3.5.1市场和渠道分析优化 101

3.5.2产品和服务优化 103

3.5.3网络舆情分析 104

3.5.4案例——大数据分析助力

手机银行优化创新 106

本章总结 108

本章作业 109

第4章 大数据在证券行业中的应用 111

4.1 大数据在股票分析中的应用 112

4.1.1基于基本面分析的数据挖掘

方法 112

4.1.2基于技术分析的数据挖掘

方法 113

4.1.3决策树法的应用 114

4.1.4聚类分析法的应用 115

4.1.5人工神经网络算法的应用 116

4.2 客户关系管理 119

4.2.1客户细分 119

4.2.2客户满意度 122

4.2.3流失客户预测 124

4.3 投资情绪分析 127

4.3.1投资者情绪的测量 127

4.3.2基于网络舆情的投资者情绪

分析 129

4.4 大数据与量化投资 134

4.4.1量化投资概述 134

4.4.2证券量化投资中的主要分析

工具 135

4.4.3大数据在证券量化投资中的

应用 136

本章总结 139

本章作业 140

第5章 大数据在保险业中的应用 141

5.1 大数据保险 142

5.1.1大数据保险的概念和特征 142

5.1.2保险业大数据应用的阶段 143

5.1.3大数据在保险行业中的

作用 144

5.1.4大数据下的数据服务架构 146

5.1.5保险业大数据应用现状 147

5.2 承保定价 150

5.2.1大数据与传统保险定价

理论 150

5.2.2大数据对承保定价的革新 151

5.2.3大数据在车险定价中的

应用 153

5.2.4大数据在健康险定价中的

应用 156

5.3 精准营销 162

5.3.1保险精准营销 162

5.3.2大数据与保险精准营销 164

5.3.3组建垂直平台生态圈 167

5.3.4大数据精准营销在保险业中的

应用 169

5.4 欺识别 171

5.4.1保险欺 171

5.4.2大数据与保险反欺 173

5.4.3大数据与车险反欺 176

5.4.4大数据与健康险的理赔

风险 180

本章总结 182

本章作业 183

第6章 互联网金融中的大数据应用 185

6.1 基于大数据的第三方支付欺

风险管理 186

6.1.1第三方支付中的欺风险 186

6.1.2大数据应用与欺

风险防范 186

6.2 大数据在网络借贷中的应用 189

6.2.1推荐系统简述 189

6.2.2P2P网站中的个性化推荐 190

6.2.3基于VITA系统的信贷产品

匹配机制 191

6.3 大数据在互联网供应链金融中的

应用 193

6.3.1基于大数据的互联网企业

信用评估 194

6.3.2案例：供应链金融

模式 197

6.4 大数据在互联网消费金融中的

应用 198

6.4.1互联网消费金融的大数据

征信与风控 198

6.4.2案例：芝麻信用 199

本章总结 199

本章作业 200

第7章 大数据征信 201

7.1 传统征信 202

7.1.1征信概述 202

7.1.2征信的基本流程 209

7.1.3征信行业产业链 212

7.1.4征信产品 212

7.1.5征信机构 216

7.1.6征信体系 218

7.2 大数据征信 227

7.2.1大数据征信概述 227

7.2.2大数据征信的理论基础 230

7.2.3大数据征信流程 233

7.3 大数据征信典型企业 233

7.3.1国外大数据征信典型企业 233

7.3.2大数据征信典型企业 242

本章总结 249

本章作业 250

第8章 大数据与中国金融信息安全 251

8.1 金融信息安全的重要性 252

8.1.1金融信息安全的含义 252

8.1.2金融信息安全的属性特征 253

8.1.3金融信息安全的重要性 254

8.2 大数据给我国金融信息安全带来的

机遇和挑战 256

8.2.1大数据给金融信息安全

带来的机遇 256

8.2.2大数据给我国金融信息

安全带来的挑战 257

8.2.3案例：美国“棱镜门”

事件 259

8.3 大数据金融信息安全风险 263

8.3.1大数据金融信息安全风险的

类型 263

8.3.2大数据金融信息安全风险的

特征 266

8.3.3外金融信息安全事件及

事故 268

8.4 我国金融信息安全现状及

制约因素 272

8.4.1我国金融信息安全现状 272

8.4.2我国金融信息安全的

制约因素 274

8.5 美国金融信息安全保障机制 275

8.5.1美国金融信息安全保障

机制的特点 275

8.5.2美国金融信息安全保障

机制的主要做法 276

8.6 我国金融信息安全建设 277

8.6.1完善顶层设计，尽快构建适应

我国金融发展需要的金融信息

安全保障体系 277

8.6.2尽快制定我国金融行业国产

信息技术产品和服务替代

战略 277

8.6.3尽快制定金融行业自主可控

战略实施步骤，推进自主可

控国家战略 278

8.6.4应用大数据进行信息安全

分析 278

本章总结 278

本章作业 279

参考文献 281

作者介绍

---

车云月，五洲树人教育投资有限公司创始人，知名职教专家，创新型校企合作领军人物，“5411”教育理念创始人。担任新迈尔教育集团总裁，中关村加一战略新兴产业人才发展中心主任等职位。在IT类创新和综合性人才培养等方面都做出了突破性的创新。凭借其多年的教育行业从业经验与实干精神，打开了职业教育的新局面。近年来更涉足国际教育领域，力争使我国的职业教育更加国际化，培养更加国际化的专业人才。

何平平，博士，副教授，硕士研究生导师，主持完成国家自然科学基金项目1项，教育部人文社会科学规划项目1项，省社科基金重点项目1项，省科技项目5项，企业委托研究项目2项，出版专著1部，教材1部，发表论文20余篇，现在湖南大学金融与统计学院工作，任湖南大学互联网金融研究所所长。

文摘

---

序言

---

《大数据金融与征信》—— 洞悉金融未来，掌控信用脉搏 在这场波澜壮阔的数字化浪潮中，大数据已不再是冰冷的数字堆砌，而是驱动金融行业革新、重塑信用体系的强大引擎。当我们身处一个信息爆炸的时代，每一次的交易、每一次的互动，都在生成海量的数据。这些数据，蕴藏着深刻的洞察，能够揭示个体与企业的真实信用状况，引领金融机构更精准地识别风险、优化服务、创新产品。 《大数据金融与征信》一书，正是这样一本集理论深度、实践指导和前瞻性于一体的著作。它并非仅仅罗列技术名词，而是深刻剖析大数据技术如何渗透到金融领域的每一个环节，特别是征信体系的构建与应用，为读者勾勒出一幅清晰而详实的数字金融蓝图。本书作者——何平平、车云月，两位资深金融与技术专家，依托清华大学出版社的学术底蕴，以其严谨的治学态度和丰富的实战经验，为我们呈现了这场史诗级的变革。 第一部分：大数据时代的金融图景——重塑规则，激发活力 本书开篇，便将我们带入一个日新月异的大数据金融时代。在这里，传统的金融边界正在模糊，新兴的金融模式层出不穷。作者首先深入浅出地阐述了大数据在金融领域的核心价值： 风险管理的革命： 传统的信用评估往往依赖于有限的、结构化的历史数据，难以捕捉动态变化的风险。大数据则通过整合非结构化数据（如社交媒体信息、消费行为、网络浏览记录等）和更广泛的结构化数据，构建起更为全面、动态的风险画像。这使得金融机构能够更早、更准确地识别潜在的欺诈行为、信用违约风险，从而实现精细化风险定价和主动式风险管理。 客户体验的升级： 大数据分析能够帮助金融机构深入理解客户的个性化需求，实现“千人千面”的金融服务。从产品推荐、营销策略到客户服务，每一个环节都可以基于对客户行为的精准洞察进行优化，显著提升客户满意度和忠诚度。 产品创新的引擎： 大数据不仅能够帮助金融机构更好地了解市场需求，还能发现新的业务机会。例如，基于大数据的信用评估，催生了小额信贷、供应链金融等更普惠、更便捷的金融产品，有效填补了传统金融服务的空白。 监管与合规的新挑战与机遇： 伴随大数据金融的兴起，数据安全、隐私保护、算法公平性等问题也日益凸显。本书同样关注大数据在金融监管中的应用，探讨如何利用大数据技术提升监管的效率与穿透力，同时保障市场的稳定与健康发展。 本书在这一部分，不仅仅停留在理论层面，而是通过大量的案例分析，生动地展示了大数据技术如何改变了银行、保险、证券、支付等传统金融业态，以及P2P、众筹、数字货币等新兴金融业态的发展逻辑。读者将能感受到，大数据正在成为驱动金融行业向前发展的强大动力。 第二部分：征信体系的数字化转型——从“点”到“面”，从“历史”到“未来” 征信，作为金融体系的“信用晴雨表”，其重要性不言而喻。而大数据的引入，正在深刻地改变着征信的内涵与外延。本书的重点，正是聚焦于大数据在征信领域的应用与变革。 构建更全面的信用画像： 传统的征信体系主要依赖于个人或企业的信贷历史、公共记录等。大数据则打破了这种局限，将更广泛的维度纳入考量： 行为数据： 用户的消费习惯、支付频率、社交互动、APP使用记录等，都能反映其还款意愿和能力。 社交网络数据： 特定社交关系或群体的信用状况，有时也能成为评估个体信用风险的参考。 交易数据： 除了信贷交易，日常的商品买卖、服务消费等，都可以成为信用评估的素材。 设备与网络数据： IP地址、设备型号、网络使用习惯等，在某些场景下也能辅助识别欺诈风险。 提升征信的精准度与时效性： 大数据分析能够实时捕捉用户行为的变化，使征信评分不再是静态的快照，而是动态的、持续更新的评估。这意味着，即使是信用记录较少的新用户，也能通过其行为数据获得相对准确的信用评估，从而获得金融服务。 普惠金融的有力支撑： 对于那些在传统征信体系中“隐形”的群体，如小微企业、自由职业者、初入职场的年轻人等，大数据征信提供了全新的评估方式。通过分析其日常经营数据、线上交易行为等，能够为其提供个性化的信用产品，有效降低其融资门槛，切实推动普惠金融的发展。 反欺诈与风险预警的升级： 大数据技术在识别异常行为模式方面具有天然优势。通过实时监测海量交易数据，可以快速发现团伙欺诈、身份盗用等风险，并进行有效的预警和干预，保护金融机构和消费者的权益。 征信数据的隐私与安全挑战： 随着数据量的爆炸式增长，如何平衡数据利用与隐私保护成为一个严峻的课题。本书也深入探讨了在大数据征信背景下，如何建立健全的数据安全机制、隐私保护法规以及用户授权管理体系，确保数据使用的合规性与道德性。 作者在这一部分，详细解析了大数据征信模型的设计、算法的应用（如机器学习、深度学习等）、数据清洗与融合的方法，以及征信报告的解读与应用。对于渴望理解现代征信体系如何运作的读者而言，这无疑是一份宝贵的指南。 第三部分：大数据金融的未来展望——挑战与机遇并存 展望未来，大数据金融与征信的发展将更加多元和深入。本书的最后部分，作者将目光投向了更远的未来： 人工智能在征信中的深度融合： 随着AI技术的不断成熟，智能化的征信评估、风险预警、甚至智能催收将成为可能。AI能够自动化处理更复杂的分析任务，并从中学习和优化，使征信体系更加智能化和高效化。 跨领域数据的整合与价值挖掘： 未来，征信将不再局限于金融领域。政府部门的公共数据、互联网平台的用户行为数据、甚至物联网设备产生的环境数据，都有可能被合法合规地整合，构建更全面、更立体的信用生态。 数据伦理与社会责任的再思考： 随着大数据应用的深入，关于算法的公平性、数据的所有权、以及“数字鸿沟”等问题将更加突出。本书鼓励读者思考，如何在追求技术进步的同时，坚守数据伦理的底线，确保大数据金融的健康可持续发展，为社会创造更大的福祉。 全球化背景下的数据流动与监管挑战： 随着金融业务的全球化，跨境数据流动将更加频繁。如何在全球范围内协调数据监管政策，保障数据安全与隐私，将是未来面临的重大挑战。 《大数据金融与征信》一书，以其宏大的视野、严谨的逻辑、以及对前沿技术的深刻洞察，为我们揭示了大数据如何深刻地改变着金融的肌理，重塑着信用的价值。它不仅是金融从业者、技术开发者、政策制定者不可多得的参考读物，更是每一个关注金融未来、渴望理解数字时代信用体系的读者，必不可少的启蒙之作。通过阅读本书，您将能够拨开迷雾，清晰地看到大数据金融与征信的未来发展趋势，并为把握时代机遇做好充分的准备。

评分☆☆☆☆☆

我最近在关注一些关于金融行业转型升级的讨论，其中大数据和人工智能是绕不开的核心议题。很多人都在谈论“赋能”，但究竟是如何赋能的，哪些环节被赋能了，以及这些赋能带来的实际效果，往往缺乏一个系统性的梳理。我希望这本书能够在这方面有所建树，它不一定需要去预测未来，但至少能为我们提供一个清晰的“现在时”视角。比如，通过大数据的分析，金融机构在风险控制、产品创新、客户服务等方面，究竟有哪些具体的提升？征信体系又在大数据的驱动下，发生了哪些革命性的变化？我更关心的是，这种变化对整个金融生态系统，乃至我们普通消费者的金融生活，会产生哪些长期而深远的影响。这本书的作者来自清华大学出版社，这个背景本身就带给我一些期待，通常这类出版社的书籍在学术严谨性和内容深度上都有一定的保障。所以，我希望它能够提供一些有价值的见解，不仅仅是信息的堆砌，而是能够引发读者对这个行业未来发展方向的思考，也让我能够对大数据在金融领域的应用有一个更全面的认识。

评分☆☆☆☆☆

我向来对那些能够将复杂概念讲得清晰透彻的书籍情有独钟，尤其是在技术日新月异的今天，很多领域的发展速度之快，简直让人应接不暇。我之前接触过一些关于金融科技的书籍，有些过于侧重技术实现，读起来枯燥乏味，而有些又过于宏观，让人抓不住重点。我一直觉得，一个好的科普读物，或者说一本好的入门读物，最重要的是能够建立起读者与主题之间的桥梁，让读者在轻松愉悦的阅读体验中，逐步建立起对某个领域的认知框架。我希望这本书能够做到这一点，它或许不必深入到算法的每一个细节，但一定能用清晰的逻辑和生动的案例，勾勒出大数据在金融和征信领域的核心价值和应用场景。我更期待的是，它能够给我提供一些思考的角度，比如，在大数据的影响下，未来的征信体系会走向何方？我们作为普通人，又该如何更好地理解和应对这种变化？这种带有前瞻性和启发性的内容，往往是最吸引我的。拿到这本书，我第一个念头就是，它能否成为我打开这个领域的一把钥匙，帮助我更好地理解正在发生的变革。

评分☆☆☆☆☆

我一直认为，对于很多新兴领域，最有效的学习方式就是从那些能够提供“全局观”的书籍入手。尤其是在大数据和金融这样一个跨界融合的领域，它涉及到技术、经济、法律、伦理等多个层面，想要理解透彻，确实需要一个系统的梳理。我希望这本书能够做到这一点，它或许不深入每一个细节，但能帮助我搭建起一个关于“大数据金融与征信”的知识体系框架。比如，它是否能清晰地阐述大数据在金融行业的应用逻辑？它如何影响了传统的征信模式？又催生了哪些新的征信产品和服务？我更期待的是，这本书能够不仅仅停留在“是什么”，更能触及“为什么”和“如何做”，甚至是对未来的发展趋势进行一些有建设性的探讨。毕竟，作为一个读者，我希望能通过阅读，获得更深层次的理解和更广阔的视野，而不仅仅是获取一些零散的知识点。这本书的名字和作者信息，已经引起了我对它内容深度和广度的好奇，我希望它能够满足我对系统性学习的期待。

评分☆☆☆☆☆

我其实是个对“数据”这个词有点敏感的读者，总觉得它背后隐藏着巨大的能量，但同时又带着一丝不确定性。特别是当“大数据”和“金融”这两个词结合在一起的时候，这种感觉就更加强烈了。我总是想知道，究竟是什么样的“大数据”被用来做“金融”的事情？它的来源是什么？又是如何被收集、存储和分析的？而“征信”又是其中一个非常关键的环节，它不仅仅是关于我们能否获得贷款，更是关乎我们作为一个社会个体的“信用画像”。我希望这本书能够以一种抽丝剥茧的方式，为我揭示这个过程的内在逻辑。或许它会从数据采集的源头讲起，然后分析数据如何被处理成有用的信息，再探讨这些信息如何在征信模型中发挥作用，最终影响到金融决策。我希望它能让我明白，大数据究竟是如何被“炼金”的，又是如何成为金融领域中一股不可忽视的力量。读完这本书，我希望能对“大数据征信”有一个更清晰、更具象的理解，而不仅仅是停留在概念层面。

评分☆☆☆☆☆

收到！我将以一个读者的视角，为您撰写五段风格迥异、内容详实的图书评价，每段大约300字，且不包含书中实际内容，避免AI痕迹。 这本书的封面设计倒是挺有意思的，不是那种一眼就能看明白“大数据”和“金融”堆砌在一起的俗套，反而带着一种沉稳的科技感，配色也比较素雅，让人第一眼就觉得“嗯，这本书不一般”。我拿到手的时候，纸张的质感也很不错，拿在手里有分量，翻页的时候也没有那种廉价的刷刷声，是很扎实的印刷。我其实是对金融领域一直有点好奇，但又觉得很多书讲得太过理论化，或者充斥着各种术语，读起来就像在啃一本外文小说，句子都认识，但连在一起就不知道是什么意思了。所以，我特别期待这本书能有一个更平易近人，甚至可以说是“接地气”的切入点，能让我这种对行业了解不深的人也能轻松理解其中的逻辑和脉络。尤其是“征信”这个词，感觉跟我们每个人的生活息息相关，但具体是怎么运作的，背后又牵扯到哪些技术和规则，我一直是个“门外汉”。所以，我希望这本书能像一个优秀的向导，带我一步步揭开大数据的神秘面纱，了解它在金融领域是如何发挥作用的，又如何影响着我们的信用评估和贷款审批。光是这个封面和质感，就让我对它的内容产生了浓厚的兴趣。