监管科技应用之贵州样本:大数据助力防范互金风险

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

5月27日在贵阳结束的“2017中国国际大数据产业博览会”上,21世纪经济报道记者注意到,一些科技手段正成为监管部门的重要辅助。

而贵阳市,正着手联合百度金融等机构,借助人工智能、大数据、机器学习等科技力量打造“贵州金融大脑”,以监管科技对全省金融风险等领域实施并加强持续监测和预警。

实际上,监管科技(RegTech)在金融科技中的关注度正不断升温,且已成应用热门。

除中国人民银行成立金融科技委员会外,包括中国证券投资基金业协会、中国互联网金融协会以及中国支付清算协会也成立了金融科技专委会或相关研究工作组。

中国人民银行科技司司长李伟指出,新技术与金融业务交叉渗透,使金融业态复杂多变,潜在风险不容忽视。央行方面也指出,强化监管科技应用实践,利用大数据、人工智能、云计算等金融监管手段,提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。

贵阳市人民政府副市长王玉祥在数博会上介绍,贵阳在去年5月推出了大数据防护金融风险平台,叠加区块链技术的2.0版本将在6月份发布。这一版本可覆盖传统金融和新金融机构,实施政府监管和一些商业化服务。接下来,贵阳还将与专门从事大数据金融风险控制模型的美国SAS公司合作,研发3.0版本的风险防控平台。

在贵州,金融云工程与地方金融风险防范工程均是2017年六大工程之一,而金融云建设与地方金融风险防范密切相关。

联手百度打造“金融大脑”监测系统

按照贵州省对金融云工程的建设设想,将综合运营大数据、云计算、区块链、人工智能等前沿科技,实现政府、金融监管部门、金融机构数据信息的汇聚、打通、应用,降低监管成本,防范化解风险。

目前,其一期工程在政用方面已经实现金融风险监测预警、地方金融审批监管、企业信息查询、打击非法集资举报分析等平台。商用领域则可以实现金融机构的网络舆情数据库、金融政策、金融机构黑名单查询、授信信息查询等资源共享平台。其二期将覆盖地方交易场所、小贷公司、融资担保公司的第三方存管、登记结算以及金融风险动态监测等功能。

贵州金融云三期主要是建设贵州金融大脑,实现对全省金融风险和地方金融机构经营风险的持续监测和预警,提升金融精准服务、服务“三农”和小微企业能力。

在数博会上,由百度金融联合贵州省金融办、大数据局等部门合作推出“贵州金融大脑”亮相。

百度副总裁张旭阳介绍,“贵州金融大脑”以人工智能、大数据、机器学习为技术基础,融合贵州省政务、企业、金融、互联网等多渠道数据,对中小微企业进行画像,金融机构可以此作为参考为中小微企业提供相应的融资服务。

监管科技的应用与威力

百度金融还表示,将继续探索与地方政府大数据合作模式,将科技能力复制到其他地区。

以庞大的地方国资系统为例,国资委过去在管理国企时受人员精力所限,基本只管理到集团一级,而国企集团下属子公司、孙公司层级庞大,难以覆盖。贵州基石数据科技有限公司业务负责人告诉21世纪经济报道记者,通过授权,公司对国有企业数据库中的国企行为信息进行分析和描述,对国企生产经营、改制重组、资产处置、关联交易、招投标过程中等方面的重点监控,如发现企业及关联企业潜在风险,并在事中出现异动在线监控,事后及时监管处置。还可以针对性设置重点关注模块,便于管理部门及时掌握企业动态并作出决策。

基石数据另一业务负责人表示,以互联网金融为例,除工商注册中涉及投资管理的企业外,还有许多公司以科技的名义注册但从事投资咨询事宜,这时就应当对企业在互联网上涉及投资宣传的一并纳入观察企业库,结合法院判决信息、企业工商信息等,多维度共同对互联网金融平台进行风险分级。

目前,新三板市场挂牌企业已达到11250家。一位股转系统负责人感叹,单靠人力已经管不过来,以技术为支撑的大数据监管成为可能,并且已经开始尝试应用。

腾讯云反欺诈平台方面介绍,平台投入无锡市使用近两个月,该市网络诈骗案件涉及的网址链接中,72%的中奖诈骗网址、85%的手机病毒链接、98%的仿冒银行和伪基站网址得到过滤拦截。通过与6省市的公安部门、运营商以及部分通信管理部门合作,平台在全国超过20个城市落地,仿冒公检法类诈骗的总金额下降超过一半。

21世纪经济报道记者在采访中了解到,许多监管部门都已经采用技术手段提升管理能力和水平。不过,背后仍需政府部门的数据打通和监管合力支撑。

一位中部地方国资机构人士表示,贵州作为大数据综合试验区,许多政府部门的数据打通上起到了较好的示范。但由于其所在地区政府部门的数据共享打通缺少顶层设计,部门间割裂比较明显,在大数据等技术支持监管等方面仍有较长的路要走。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
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。
156 1
|
19天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
1月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
72 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
192 2
ly~
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
159 3
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
471 2
ly~
|
2月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
657 2
|
3月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
169 5
|
3月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
280 6