阿里巴巴:大数据控制信贷风险初露端倪

简介: 人们习惯性地认为,只有银行才能建立信用体系,然而在大数据时代,互联网公司运用大数据控制信贷风险已初露端倪。 阿里巴巴、淘宝、天猫这些“阿里系”的电商平台,在深耕电商领域的同时,记录着各个商家、网店的销售额、信用记录、顾客流量、评论、商品价格和存货等信息。

人们习惯性地认为,只有银行才能建立信用体系,然而在大数据时代,互联网公司运用大数据控制信贷风险已初露端倪。

阿里巴巴、淘宝、天猫这些“阿里系”的电商平台,在深耕电商领域的同时,记录着各个商家、网店的销售额、信用记录、顾客流量、评论、商品价格和存货等信息。通过这种模式获取了大量企业以及消费者的行为数据,进而建立信用体系区分信用等级,阿里小贷由此而生。

若以银行体系来评价这类网上商家,大多数都不符合贷款资格。

除了影视行业,大数据在金融行业的运用体现得更为直观。在说阿里之前,不得不提美国的公司Kabbage。Kabbage是一家在美国为网上商家提供金融信贷服务的公司,于2010年4月上线,主要目标客户是ebay、Amazon、PayPal等电商。它的奇特之处在于,其通过获取ebay等公司的网店店主的销售、信用记录、顾客流量、评论、商品价格和存货等信息,以及他们在Facebook和Twitter上与客户的互动信息,借助数据挖掘技术,把这些店主分成不同的风险等级,以此来确定提供贷款金额数量与贷款利率水平,风险过高则拒绝,风险高低与利率成正比,与贷款金额成反比。

显然,若以银行体系来评价这类网上商家大多数都不符合银行的贷款资格,不过在互联网时代,Kabbage的案例说明了运用大量数据足以支撑这些小微企业信用评价体系。Kabbage的这种模式也在国内被成功运用,阿里便是其中一个典型。

一个公开的数据是,截至2013年6月末,阿里小贷成立3年多来,已累计为逾32万家电商平台上的企业及个体户提供融资,累计投放贷款超过1000亿元。资料显示,2010年以来,阿里巴巴先后成立浙江阿里小额、重庆阿里小贷,起初只针对50万元以下贷款,贷款流向为阿里巴巴旗下中小企业。

“大多数小微企业或个体户因无抵押、无担保,加之规模较小风险太大,均被银行拒之门外。”一位小贷公司CEO对记者表示。不过,阿里小贷却与众不同,借款者并不用提交任何抵押与担保,凭借的是企业的“信誉”这一资源,这与传统银行的贷款模式形成了鲜明对比。

信誉从何而来?这些小微企业每天在阿里巴巴、淘宝、天猫这些平台做买卖,留下了包括运营资金、上下游客户信息等各类数据。显然,阿里对这些企业的信誉了如指掌。

上述小贷公司CEO进一步称,阿里小贷实际上是利用了大数据实现了快速信贷审批,这与Kabbage提供信贷服务的企业类似。

在此基础上,阿里金融于又6月13日推出余额宝,短短2个多月便震撼银行界。

之所以有如此大量数据,亦离不开阿里巴巴服务客户的核心理念。阿里巴巴内部人士对记者坦言,如何服务好客户是首选。而在此基础上衍生出的数据,则是能够更好地为客户服务。


原文发布时间为:2013-10-12


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
7月前
|
数据采集 SQL 搜索推荐
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
OneData是阿里巴巴内部实现数据整合与管理的方法体系与工具,旨在解决指标混乱、数据孤岛等问题。通过规范定义、模型设计与工具平台三层架构,实现数据标准化与高效开发,提升数据质量与应用效率。
2322 0
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
|
8月前
|
数据采集 存储 大数据
大数据之路:阿里巴巴大数据实践——日志采集与数据同步
本资料全面介绍大数据处理技术架构,涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容,适用于构建企业级数据平台体系。
772 1
|
8月前
|
分布式计算 监控 大数据
大数据之路:阿里巴巴大数据实践——离线数据开发
该平台提供一站式大数据开发与治理服务,涵盖数据存储计算、任务调度、质量监控及安全管控。基于MaxCompute实现海量数据处理,结合D2与DataWorks进行任务开发与运维,通过SQLSCAN与DQC保障代码质量与数据准确性。任务调度系统支持定时、周期、手动运行等多种模式,确保高效稳定的数据生产流程。
373 0
大数据之路:阿里巴巴大数据实践——离线数据开发
|
7月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
594 0
|
7月前
|
存储 监控 大数据
大数据之路:阿里巴巴大数据实践——事实表设计
事实表是数据仓库核心,用于记录可度量的业务事件,支持高性能查询与低成本存储。主要包含事务事实表(记录原子事件)、周期快照表(捕获状态)和累积快照表(追踪流程)。设计需遵循粒度统一、事实可加性、一致性等原则,提升扩展性与分析效率。
649 0
|
存储 分布式计算 大数据
大数据之路:阿里巴巴大数据实践——大数据领域建模综述
数据建模解决数据冗余、资源浪费、一致性缺失及开发低效等核心问题,通过分层设计提升性能10~100倍,优化存储与计算成本,保障数据质量并提升开发效率。相比关系数据库,数据仓库采用维度建模与列式存储,支持高效分析。阿里巴巴采用Kimball模型与分层架构,实现OLAP场景下的高性能计算与实时离线一体化。
832 0
|
8月前
|
SQL 缓存 监控
大数据之路:阿里巴巴大数据实践——实时技术与数据服务
实时技术通过流式架构实现数据的实时采集、处理与存储,支持高并发、低延迟的数据服务。架构涵盖数据分层、多流关联,结合Flink、Kafka等技术实现高效流计算。数据服务提供统一接口,支持SQL查询、数据推送与定时任务,保障数据实时性与可靠性。
865 0
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
1880 1
|
机器学习/深度学习 搜索推荐 算法
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
|
存储 搜索推荐 数据建模
阿里巴巴大数据实践之数据建模:构建企业级数据湖
阿里巴巴通过构建高效的数据湖和实施先进的数据建模策略,实现了数据驱动的业务增长。这些实践不仅提升了内部运营效率,也为客户提供了更好的服务体验。随着数据量的不断增长和技术的不断创新,阿里巴巴将持续优化其数据建模方法,以适应未来的变化和发展。