大数据融资平台互联网论文

摘要：小微企业在我国企业中的体量不断增大，已经发展成为我国经济的主要推动力。但由于小微企业在发展过程中面临的融资难，在很大程度上限制了小微企业进一步发展。基于大数据平台的互联网金融兴起为小微企业的融资提供了新契机。其次，本文对小微企业的融资模式以及传统金融模式下小微企业的融资问题进行分析，在此基础上重点对互联网金融背景下小微企业的融资策略进行了论述。下面是小编为大家整理的《大数据融资平台互联网论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

大数据融资平台互联网论文 篇1：

基于大数据的互联网融资平台信用评级

摘要：互联网融资平台利用大数据技术进行信用评级，提供融资服务已成为互联网金融的重要形式。文章首先分析了这一形式在技术上和规模经济上的优势所在，然后介绍了互联网融资平台信用评级的模式以及实施路径，最后对互联网融资平台在进行大数据信用评级时的风险管理提出了建议。

关键词：大数据;互联网金融;信用评级;风险管理

一、 引言

长期以来，信用评级的做法是从宏观经济环境、行业发展趋势、企业管理层基本素质、企业财务指标、企业组织结构、企业销售业绩、特殊事件风险等角度收集信息，对被评级客体能否到期偿还进行定量分析与定性分析。所以，信用评级是一个综合考虑宏微观因素，对资金需求方的客观还款能力和主观还款意愿进行评估的系统性工作。但是，囿于数据的收集和数据的分析技术，传统信用评级方式存在如下缺陷：（1）评级是以企业的往期财务信息和其他运营信息为基础，不能提供这些数据的企业，特别是小微企业，就无法获得信用评级或只能获得极低的信用级别，募集资金因此也受到限制，使得授信活动无法实现普惠性。（2）对企业管理者主观因素的分析尚停留在表面，因偿还意愿导致违约产生的原因还需深入挖掘。（3）使用的信息为静态、过期数据，缺乏动态、即时性数据，存在时滞性，缺乏前瞻性。因此，传统的信用评级是一种静态的、滞后的、局部的评级方法，以这种方式进行信用评级，会产生资金分配的不平衡性，使得信用等级高的主体越发容易获得资金，信用等级低的主体越不容易获得资金，即所谓的马太效应。为了克服传统信用评级存在的这些局限性，业界和理论界围绕信用数据的收集和分析进行不断的理论开拓和应用创新。

进入21世纪以来，快速发展的信息处理技术和IT硬件技术，推动着人类依托互联网进行信息交流，资源分配，生产安排和资金融通等经济活动，形成所谓的互联网经济和互联网金融。在互联网经济发展的过程中，人们通过网络积累了海量数据。因此，对数据的理解、获取、存储和使用等方面都得到了极大地拓展，开始进入大数据时代。

大数据是指信息量大到无法在一定时间内用常规软件工具对其内容进行抓取和处理的数据集合，它具有“4V”的特征，即多样化（Variety）、大量化（Volume）、快速化（Velocity）和价值化（Value）。其中，多样化是指大数据类型十分丰富，需要用多种分类方法才能描述。比如在信用评级领域，信用大数据按内容划分，可分为运营大数据、交易大数据和交互大数据。按组织形式划分，可分为结构化数据、半结构化数据与非结构化数据。按时序性划分，可分为静态的离散型数据（点数据）与动态的连续型数据（流数据）。大量化是指大数据的数据量惊人。比如，Facebook每天产生300TB数据，淘宝每天产生30TB的数据。因此，大数据企业总是存在数据快速增长与数据存储扩容相对缓慢的矛盾。快速化是指由于大数据包含的数据量无比巨大，因此处理信息的速度需要十分迅速，才能实现大数据的可适用性。为达到这一目标，云计算和数据挖掘技术被广泛使用在大数据处理上。价值化是指大数据能提供足够的信息去发现研究对象的内在规律，即所谓的知识发现（KDD，Knowledge Discovery in Database）。由于信用大数据来源丰富多样，属性信息极为复杂，数据量十分庞大，数据价值密度低，为实现这一属性必须利用机器学习进行数据挖掘，获得有用的知识。

大数据和大数据处理方法的出现对信用评级乃至整个金融行业都产生了深远的影响，围绕大数据技术重新构造信用评级行业成为理论和实务热点。在理论研究上，孙中东（2013）提出应用大数据技术，银行的信用评级体系可以进一步完善、创新。蔚赵春等（2013）从挑战和机遇两个方面分析大数据给商业银行带来的影响。赵付玲等（2013）则围绕大数据背景下商业银行的信息化建设展开讨论。王伟等（2014）认为可以用大数据思维强化小微企业信贷风险管理。在实际操作中，信用评级的方法和业务模式都发生了显著和深刻的变化，建立网上融资平台，使用大数据收集和处理技术进行信用评级日益成为互联网金融的基本业务模式，对传统金融业务模式形成了强烈冲击。

在大数据下，互联网融资平台进行信用评级较传统信用评级具有哪些优势？如何通过互联网平台进行大数据信用评级？大数据评级过程中又有哪些问题需要考虑？本文围绕以上几个展开阐述，以期对大数据下互联网融资平台的信用评级做出一个较为全面的把握。

二、 基于大数据的互联网融资平台优势分析

1. 互联网融资平台的技术优势。首先，传统信用评级使用的数据，主要是来自于企业在各类生产运营活动结束后汇总、记录的运营数据，这些数据多以文件或电子文档的形式存在。比如从企业财务报表可以获得财务数据，从季报、年报等可以获得销售数据，从仓库台账可以获得存货数据等。而利用大数据技术，则不局限于生产运营结束后，从运营前的准备过程、运营中的操作过程都可以收集到数据进行信用分析，数据的形式从文本扩展到音频、图片、视频等多媒体形式，收集的范围也从企业文件扩展到各种存储媒质、互联网网页上、电商网站的后台数据库中，甚至社交软件的聊天记录里，从运营大数据扩展到交易大数据、交互大数据，因此包含的内容也更加丰富，不仅包含传统评级必需的“硬信息”，也包含丰富的“软信息”，从而形成实现对企业的全面、实时、动态性信用评级的基础。

其次，在获取到这些信息后，需要在云计算下利用大数据机器学习技术进行数据挖掘和知识发现，这需要有软件和硬件良好的结合与支持。互联网平台能够为云计算和大数据机器学习提供这种对接通道。

由此可见，利用人力资源进行信用评级的传统做法在信用大数据下就不再适用，而必须在一个组织规范的互联网平台上才能进行，因此通过互联网平台进行信用评级是技术上的必然要求。

2. 互联网融资平台的规模经济优势。进一步，通过互联网平台进行信用评级，较之传统信用评级方式能实现规模经济优势。

由于传统的信用评级方式需要贷前调查，贷中跟踪，贷后审计，存在较高的成本，如果融资额度不够大，会使贷款利润较低。而互联网平台在设计、运营和管理等方面的投入具有固定成本的性质，总成本不随评级企业的数目变化而发生显著变化，单个企业分摊的成本却越来越小，从而实现信用评级的规模效应。

此外，通过互联网技术能对企业进行实时监测，一旦企业出现危险的信号和行为，会即时预警，提升信用评级的预判性，能够增加信用评级的深度。同时，将经营成熟的互联网融资平台的数据库在监管机构的管理下实现联网，进而建立起面向全社会的信用体系，能够增加信用评级的广度。由于依托互联网融资平台进行大数据信用评级，可以实现传统信用评级下不能或不愿提供的融资业务，从而使其成为互联网金融的基本运作方式。

三、 基于大数据建立互联网融资平台的信用评级模式

1. 互联网融资平台的运作模式。对于互联网融资平台的运作模式，从不同的角度可以进行不同的划分。比如，从运营形态上，可以分为：（1）电商平台模式，如阿里小贷、京东京宝贝;（2）网上超市模式，如陆金所、各家商业银行的网上银行;（3）P2P模式，如人人贷、拍拍贷;（4）众筹模式，如众筹之家。从资金的来源上，可以分为：（1）平台提供资金，如阿里小贷、京宝贝;（2）平台担保，银行提供资金，如京东的供应链金融;（3）平台利用吸收的资金提供贷款，如各家商业银行的网上银行;（4）平台做信用评级，撮合投资者和资金需求方进行融资交易，如各家P2P。

尽管这些互联网融资平台的运作方式不同，但都需要对客户的融资需求进行信用评级，因此是否具有成熟可靠的信用评级技术，有效控制信用风险，成为互联网融资平台的核心竞争力。

2. 互联网融资平台信用评级的模式。当前互联网融资平台的信用评级模式按评级信息的来源划分，主要可以分为三种模式：

（1）基于运营大数据的信用评级。该模式多用于各商业银行的网上银行，以及P2P网贷平台、众筹平台上，其中尤以P2P最为活跃，面对的客户为个人及小微企业这一类低信用水平群体，融资金额从几千元到上百万，很大程度上弥补了信息不对称情况下传统金融机构不愿意对该类群体提供融资服务的空白，因此处于快速发展阶段。

（2）基于交易大数据的信用评级。该模式多用于成熟的电商平台提供的融资服务中，如阿里小贷、京东的京宝贝等。这一类融资平台最近几年随电商市场的发展也保持着良好的发展态势，市场份额上升的很快。

（3）基于交互大数据的信用评级。该模式目前多用于一些提供个人贷款服务的互联网平台上，知名的企业有ZestFinance和WeCash闪银。这类融资平台目前还处于萌芽阶段，但可预见，未来基于交互大数据的信用评级会逐渐成为信用评级的主要方式信贷，会逐渐从个人及小微企业贷款发展到对大企业贷款。

由于不同信用信息的来源、属性不同，导致各类融资平台评级时在指标设计、数据收集、数据分析、数据运用过程中采取的方法都不尽相同。但信用评级的基本流程是相同的，只是在一些步骤的实施过程中，受信息属性的决定而使用不同的评级技术。

四、 基于大数据互联网融资平台信用评级的实施策略

1. 信用评级的流程设计。大数据信用评级的流程可以用图1表示。

由图1可见，实施大数据评级，第一步是对待评项目的理解。首先要掌握项目运营方式、客户特点、市场状况、风险构成等项目内容;其次根据对项目内容的理解设计项目计划，包括安排项目可行的技术路线，制定项目的进度等;再次，待项目计划安排好之后就要确定大数据的来源，因为大数据来源虽然众多，但会受到各种限制，如有的可能过于昂贵，有的则不开放，必须选择那些技术上与经济上均可行的作为数据源。因此，需要基于对项目的理解做好这些在项目正式实施前的准备事项。

第二步是准备数据。所做工作是：根据数据的来源，确定数据的类型，采取可行的数据收集技术，获取大数据;很多数据存在不完整、重复、错误等缺陷，要对数据进行预处理;预处理后的数据如果属于非结构化或半结构化数据，需要进行格式化，转化为结构型数据，为实施下一步骤做好准备。

第三步就是进行机器学习。首先是选择合理的数据挖掘技术对数据进行分析，从中寻找关联关系，其次是解读和评估数据挖掘的结果，找到最合理或最有说服力的，实现知识发现;最后就是根据知识发现的内容，建立适用的信用评级模型。

第四步就是实施评级。根据知识发现的模型，开展对被评级对象的信用评级，生成评级报告，并对结论进行分析，帮助客户理解评级结果。最后对整个项目的运行做全面总结。

在以上各个步骤中，技术上的重点和难点在于数据准备过程中的大数据转化与机器学习过程中的大数据挖掘。大数据转化的困难在于需要把各种各样的非结构化半结构化数据转化为可以被机器处理和学习的结构化数据，大数据挖掘则在于需要对数据进行理解，选择最合适的数据挖掘技术实现知识发现。

2. 信用评级的实施路径。信用评级的实施路径可以分为内容计算和流计算。首先是内容计算。内容计算多采取主动方式获取数据，方法是设置好信用信息发布源和信息采集时间段，针对信息源的原始信息格式，设计支持多协议的上站机，每隔一段时间对特定的信息发布源进行查询，遇到新内容则马上采集过来，再用于下一步的数据转化和挖掘。

其次是流计算。流计算多采取被动方式，一般用于处理融资平台上的流数据，具体做法是，后台流程设计中在不同的数据流入环节设置不同类型的数据接入接口，及对接的流计算平台，流计算平台负责设置相应的处理规则，根据预设规则将流入的各类数据转化成可以直接分析的结构化数据，从而实现实时的业务分析与判断。

五、 基于大数据互联网融资平台信用评级风险管理策略

互联网融资平台在进行信用评级及提供资金时，处于风险管理重心的是对信息技术风险的控制。由于大数据自身的“4V”特性，且数据中包含的又是大量的用户隐私信息，这使得信息技术风险主要产生在两方面：一方面是大数据存储的安全性风险，另一方面是大数据的收集和使用过程中对公民隐私权的侵犯风险，因此如何确保大数据的存储安全及在使用时的隐私保护是一个挑战，前者涉及到技术安全层面，后者涉及到制度安全层面。

在技术安全策略层面，可以采取的措施有：首先，应依托大数据加密技术对使用的数据实施加密管理，制定出完整的加密保护方案，包括数据密级的设定、加密技术的选择、对密码安全性的攻击测试等;其次，严格网关管理，可以对不同类型的用户制定不同的权限级别，严格控制访问权限;最后，建立面向全平台的数据实时监测引擎，第一时间对各类非法操作发出警告。

在制度安全策略方面，在当前尚无明确立法规范的环境下，要积极进行宣传和游说，获得政府主管部门和社会舆论的重视和支持，争取早日出台规范的数据获取及共享标准，互联网融资平台的设计、管理和风控标准，从而把可能出现的信息技术风险限制在可控范围内。

六、 结论和展望

互联网融资平台利用大数据技术进行信用评级，提供融资服务，与金融机构传统的信用评级和融资服务相比，具有两个方面的优势：一方面，利用大数据技术进行信用评级能克服传统评级方法静态性、滞后性、局部性的缺点，为更多的社会成员提供融资服务，克服资金配置不平衡产生的马太效应，体现技术上的优势;另一方面，利用互联网平台进行大数据信用评级和融资服务，较传统金融机构能产生更大的规模经济效益，增加信用评级的深度和广度。因此，基于大数据的互联网平台融资已成为互联网金融的重要形式。今后除了要在理论上和实际操作中进一步发展和创新信用大数据挖掘技术和评级技术，也需要对信用大数据产业早日形成立法监管和行业技术规范，确保受信主体在获得融资服务的同时自身权益不受侵害，促进本产业持续健康发展和全面信用型社会的建设。

参考文献：

1. 何非，何克清.大数据及其科学问题与方法的探讨.武汉大学学报，2014，（1）：1-12.

2.刘智慧，张泉灵.大数据技术研究综述.浙江大学学报，2014，（6）：957-972.

3. K.Kambatla， G.Kollias， V.Kumar， et al.Trends in big data analytics.Journal of parallel and distributed computing，2014，74（7）：2561-2573.

4. 孙中东.大数据技术应用与银行信用评级体系创新之探.金融电子化，2013，（11）：40-41.

5.蔚赵春，凌鸿.商业银行大数据应用的理论、实践与影响.上海金融，2013，（9）：28-32.

6.赵付玲，安锋，张晓锋.大数据时代商业银行信息化问题浅析.金融理论与实践，2013，（10）：56-60.

7. 孟小峰，慈祥.大数据管理：概念、技术与挑战.计算机研究与发展，2013，（1）：146-169.

8. 王伟，宋西圣.中小企业信用增级与信贷风险防范.金融发展研究，2014，（4）：83-84.

基金项目：上海哲学社会科学规划课题（项目号：2012BGL011）;上海市金融信息技术研究重点实验室开放课题资助项目;国家自然科学基金资助项目（项目号：71372107）。

作者简介：骆建文（1966-），男，汉族，浙江省杭州市人，上海交通大学安泰经济与管理学院教授、博士生导师，研究方向为供应链金融、采购与供应管理;肖肖（1982-），女，汉族，湖北省黄冈市人，上海交通大学安泰经济与管理学院博士生，研究方向为供应链金融。

收稿日期：2014-11-10。

作者：肖肖 骆建文

大数据融资平台互联网论文 篇2：

基于大数据平台的互联网金融与小微企业融资创新研究

摘要：小微企业在我国企业中的体量不断增大，已经发展成为我国经济的主要推动力。但由于小微企业在发展过程中面临的融资难，在很大程度上限制了小微企业进一步发展。基于大数据平台的互联网金融兴起为小微企业的融资提供了新契机。其次，本文对小微企业的融资模式以及传统金融模式下小微企业的融资问题进行分析，在此基础上重点对互联网金融背景下小微企业的融资策略进行了论述。

关键词：大数据平台，互联网金融，小微企业，融资模式

小微企业在我国的经济体系中占有很大的比例，是我国国民经济体系中不可或缺的重要组成部分，小微企业对于推动我国国民经济的发展、缓解社会就业压力、维护社会稳定起到了重要作用。据相关数据统计，小微企业数量在我国企业总数量中所占比例已经超过了90%，为社会提供的就业岗位占所有就业岗位的85%，其创造的生产价值在国民生产总值中超过60%，同时小微企业在出口收入以及财税方面所做出的贡献也超过了50%。虽然小微企业对国民经济的发展起到了巨大的推动作用，但小微企业融资难的问题却始终没有得到解决。近年来，互联网金融的诞生和发展为小微企业的融资带来了新的契机，在互联网金融发展的背景下探讨小微企业的融资创新模式研究具有重要意义。

1互联网金融背景下小微企业融资模式

在我国传统金融模式下，小微企业难以从商业银行等金融机构获得贷款支持的主要原因包括两个方面：一是小微企业经营能力和抗风险能力较弱、财务管理不够规范，且对银行等金融机构的融资产品、融资条件及流程等了解不清楚；二是商业银行对于小微企业的财务及经营状况、资产规模以及偿债能力等信息也了解不全面。基于这两方面的原因商业银行等金融机构在开展贷款业务的过程中，为了控制贷款风险，通常情况下向小微企业提供融资支持的积极性较弱。

而互联网金融的发展为小微企业的融资带来了新的发展，一是降低了小微企业的融资门槛，二是拓宽了小微企业的融资渠道。同时，在传统金融模式下小微企业不仅贷款额度较低，而且贷款成本较高，而在互联网金融模式下，基于大数据的互联网金融平台能够较为全面的了解小微企业的整体经营情况以及财务信息，其贷款流程简单高效，在很大程度上降低了小微企业的融资成本[1]。此外，互联网金融融资不再受时间和空间的限制，小微企业可以采用线上交易的方式来办理贷款，有效满足了小微企业资金需求频率高、额度低以及用钱急等问题，真正满足了小微企业的贷款需求，促进小微企业的发展。

同时我们也不得不认识到，我国互联网金融相关的法律法规还不够完善，互联网金融征信系统还存在诸多问题。因此為了更好的满足小微企业的贷款需求，提高互联网金融对小微企业的贷款支持力度，需要进一步完善互联网金融的征信平台，特别是小微企业相关的征信内容，从而对小微企业的征信进行有效评估，根据评估结果对小微企业给予合理的贷款支持。

2传统金融模式下小微企业的融资问题分析

2.1小微企业融资渠道相对单一

在传统金融模式下小微企业的融资渠道主要包括两种形式：内源融资和外源融资。内源融资主要是指小微企业主用自己的资金，向亲朋好友进行借贷，或者利用企业经营过程中的利润实现融资。外源融资具体来说包括直接融资和间接融资两种方式，直接融资是指小微企业以股票和债券的方式来公开进行资金募集，或者向租赁公司采取融资租赁的方式实现融资；间接融资是指小微企业通过银行等金融中介机构开展各种形式的贷款来实现融资。我国小微企业主要是劳动密集型企业，小微企业的经营权和所有权高度统一，小微企业的所有者为了对小微企业进行有效控制，基本上不会采取出让股权的方式来进行融资。因此小微企业的主要融资方式包括，小微企业经营过程中产生的利润，向商业银行等进行贷款，以及向亲朋好友进行借款。但是由于小微企业的资产规模较小、管理相对落后以及信息不透明等问题，导致商业银行为了控制贷款风险，通常情况下会谨慎向小微企业提供贷款支持，这在一定程度上缩窄小微企业的融资渠道。

2.2小微企业的融资成本较高

小微企业不仅融资渠道相对单一，即便获得外源融资，其融资成本也相对较高。首先，小微企业交易主要采用现金，导致企业可供银行查询的佐证材料，如转账收款记录、银行流水等较少，且财务管理不规范，商业银行等金融机构难以根据小微企业的相关数据对其风险进行有效评估；其次，小微企业由于资产规模较小，在生产经营过程中容易出现停业甚至破产的情况，其风险抵抗能力较差。在这种情况下，商业银行即便向小微企业提供贷款，会采取相应风控措施，如提高贷款利率，增加了其融资成本。民间借贷也是小微企业融资方式的一种，但是民间借贷的成本通常非常高，无形之中增加了小微企业的财务负担，进而提高了融资风险。

2.3金融体制不健全

在我国传统金融体制下，大中型商业银行在金融市场中起主导作用，但它们对小微企业的所有制形式以及生产经营规模等有所偏见，是导致小微企业出现融资难局面的主要原因。在我国小微企业主要是个体工商户以及私营企业主，在当前市场经济环境下，行业面临众多竞争压力，其盈利能力、抗风险能力较弱，对商业银行而言存在较大的不良贷款发生率，大中型商业银行授信政策指引更多偏向其他经营稳定、实力较强的企业。此外，我国小微企业基本上没有形成完善的财务核算机制，导致大中型商业银行难以对小微企业的财务信息以及经营状况进行充分了解，进而无法对小微企业的贷款风险进行有效评估，造成了商业银行对小微企业的贷款歧视[2]。除此之外，现阶段我国政府对小微企业的扶持力度还不够，对小微融资政策指导不强，因此银行等金融机构的导向还不明确。

3互联网金融背景下小微企业融资策略创新

3.1健全小微企业融资担保体系

小微企业在互联网背景下进行融资的过程中，征信担保资格审查是其中的一个关键环节。信用担保融资机构是基于大数据技术可以对小微企业的生产运营信息、财务信息以及贷款偿还能力等进行科学、合理、准确的评估，进而为小微企业获得贷款提供有力的数据支持，是中小型企业资金问题的主要途径之一。但是由于我国现阶段的信用担保融资机构机制不够健全，因此需要我国政府对小微企业的融资担保系统建设给予一定的政策扶持，比如为小微企业的信用评估以及贷款提供一定的优惠政策，加大对信用担保行业发展的支持力度，采取适当的税收减免政策等，从而促进小微企业信用担保公司的快速成长，为小微企业在贷款融资过程中提供全面的征信评价数据，有效满足小微企业的贷款需求，

3.2进一步完善国家征信系统，

在小微企业的融资过程中，信用贷款可以有效的降低融资成本。但是由于商業银行与小微企业之间存在严重的信息不对称问题，导致小微企业难以从商业银行中获得授信支持。因此为了有效满足小微企业的融资需求，必须要尽快解决信息不对称问题。除了要求整合更多的信息资源之外，还需要进一步完善我国的征信系统。国家中心系统的建设是一项系统工程，需要由政府牵头，充分发挥相关部门以及各金融机构的协同发展优势，对各金融机构以及税收机构的信息资源进行有效深入整合，同时在该过程中要特别重视小微企业的注册、纳税、违约以及信用等数据及信息，并且针对小微企业专门建立相应的资质档案对小微企业的征信信息进行有效管理。此外还应该建立信息共享平台，实现小微企业征信信息资源共享。

3.3拓展小微企业的融资渠道，

在互联网金融发展的大背景下，通过大数据技术可以对小微企业的信用信息进行更好的整合和管理，从而为小微企业带来了新的信贷模式，可以更好的满足小微企业的信贷需求。首先，小微企业应该尽量与具有大数据信息的互联网平台开展合作，比如电商平台、政府采购平台以及供应链平台等。其次，我国政府以及各相关部门应该鼓励互联网大数据平台的发展，进而对小微企业的各种信息进行有效收集，积极拓宽小微企业的信贷渠道。

3.4健全小微企业还款违约机制

首先应该在小微企业贷款中，通过建立相应的机制对互联网金融机构所承担的风险进行明确，从而降低违约风险的发生概率。比如在小微企业互联网金融融资的过程中通过建立风险储备机制以及风险识别机制等，既可以有效维护小微企业的贷款权益，也能够很好的控制互联网金融平台的贷款风险。其次应该设置灵活机动的还款模式，以便小微企业在还款的过程中可以自由选择还款和灵活计息模式，比如固定还款计息模式，或者分期变动还款计息模式等，避免小微企业融资过程中发生贷款资金低运转、高收息现象。最后还应该加大对违约者的处罚力度，通过降低违约者的征信级别，以及对违约者的信息进行互联网公告等，提高小微企业的还款意识。

3.5加强互联网金融安全管理

近几年互联网金融的快速发展颠覆了传统的金融发展模式，在很大程度上改变了人们的行为习惯和生活方式，对我国金融行业的变革以及国民经济的发展起到了积极的促进作用。但是我们也必须清醒的意识到，互联网金融风险控制在互联网金融发展中的重要性。因此在我国互联网金融的发展中必须要加强风险管理，提高风险防控能力，进而保障我国互联网金融行业的健康稳定发展，为小微企业的发展提供持续有效的贷款支持。

参考文献

[1]曹秋琴，张瑞龙.基于阿里小贷模式的企业资信评价研究[J]. 中国乡镇企业会计，2016（06）：49-51.

[2]陶士贵，许艺琼.基于互联网金融的商业银行小微企业信贷模式创新[J].南京邮电大学学报（社会科学版），2016（02）：45-52.

作者：张媛媛

大数据融资平台互联网论文 篇3：

大数据时代精准扶贫探析

[摘要]作为一种技术性手段的大数据是精准扶贫实践中的重要资源。大数据为精准扶贫实践中的贫户精准识别、干部精准选派、规划精准实施、政府精准监管提供了较好的契机。但大数据在精准扶贫实践中的运用与推广，也遭遇了技术创新、数据安全、人才培养、管理决策、资金投入等诸多挑战。大数据时代的精准扶贫，需要不断加强大数据扶贫的技术创新、提高大数据扶贫的安全系数、培育大数据扶贫的专业人才、规范大数据扶贫的管理模式、完善大数据扶贫的制度机制，进一步促进精准扶贫的时代转型，实现国家“大数据+精准扶贫”的战略目标。

[关键词]大数据；精准扶贫；大数据扶贫

大数据就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉。从狭义的角度来说，大数据是指在一定的时间里，人们无法借助常规工具对其内容进行获取、管理、处理等大量数据的集合；从广义的角度来说，大数据是指人们从海量数据信息中获取有用价值数据信息的一种能力。

在信息大爆炸的时代，大数据正在深刻地改变着人类传统的政治生活、经济生产、社会生态，信息传输是政治技术的核心要素，大数据的应用与推广已经成为不可逆转的全球性大趋势。2015年9月，国务院印发的《促进大数据发展行动纲要》明确提出，要加快大数据的应用与发展。在扶贫攻坚领域，通过“大数据+精准扶贫”的模式为当前扶贫开发工作提供了新思路。

一、大数据时代精准扶贫的崭新机遇

（一）大数据有利于贫户精准识别

大数据扶贫是精准扶贫适应中国社会新常态的减贫、扶贫、治贫新模式。在粗放式扶贫实践中，贫户的识别往往受限于人力、财力和物力，基层政府对贫困户的识别采取的是人工数据采集和抽样调查的方式，这种粗放式的识别方式必然会出现贫困人口信息的偏差，导致政府扶贫的对象不准，有的真正贫困的人群享受不到国家给予的相关资助。与以往的贫户识别途径不同，在大数据时代，基于物联网、云计算等技术，政府可以获取大量的数据，改变了以往靠样本数据分析的不足，并且通过为贫困户建档立卡的方式，综合分析和评估贫困家庭的各项指标数据（诸如：家庭成员平均年收入、家庭住房状况、医疗卫生状况、子女教育情况等），确保贫困人口的精准识别，并在规定的时间内进行公示，这样不仅防止了贫户数据的隐瞒、造假，还极大地提升了大数据扶贫的实效性。

（二）大数据有利于干部精准选派

精准扶贫的首要问题就是要最大限度地满足贫困人口的需求，通过动态的贫困人口信息系统或贫困人口数据库，深度分析和了解贫户所需，进而选派扶贫“第一书记”或者“专业书记”，充分发挥扶贫干部的优势。通过云计算、物联网、大数据平台，政府不仅要建立扶贫对象数据库，还要建立扶贫干部数据库，并且要及时更新两大数据库，在一定时期内，综合评估考量扶贫干部和扶贫对象，確保扶贫干部队伍的专业性，加快贫困乡村“摘帽”和贫困人员脱贫。除此之外，政府还可以通过对扶贫大数据的分析，举办产业和就业扶贫业务的专题培训，譬如培育“企业+贫户”专业合作社、举办农业知识培训班、拓宽农村剩余劳动力输出渠道等。简言之，大数据运用于扶贫干部的选派和培训是对口帮扶工作的两大基础性环节，为扎实推进大数据时代的精准扶贫、精准脱贫、精准帮扶提供了坚强的组织保障。

（三）大数据有利于规划精准实施

在通过大数据精准识别贫困户基本信息之后，如何因地制宜地将政府的扶贫规划精准实施成为了扶贫干部最棘手的难题。在大数据时代的背景下，政府在推进精准扶贫实践过程中必须运用“大数据”思维、掌握“大数据”技术、普及“大数据”知识，深入研究贫困人口的方方面面，根据贫困区域的现实状况开发符合当地市场需求的特色产业，进而有效规划、精准施策。产业扶贫作为中国扶贫开发工作的重要路径之一，如今“互联网+产业扶贫”的模式成为了国家精准扶贫不可逆转的新常态。一方面，产业化精准扶贫借助“互联网+”平台有利于拓宽贫困地区特色产业（诸如：特色农业产品、特色旅游项目，等）发展的渠道，从而提高贫困人口的收入帮助贫户脱贫致富；另一方面，立足于大数据、云计算、物联网等信息技术平台，依靠信息技术实现扶贫干部与扶贫规划“一对一”的精准决策，结合大数据的合理预测，确保政府扶贫规划科学地实施。

（四）大数据有利于政府精准监管

《简化：政府的未来》指出，如果没有政府的有效监管，也就不会有自由市场。换句话说，如果政府什么都不监管，那么任何国家制度或法律规定都不可能得到合理的维护。不可否认的是，有效地政府监管可以促进社会的公正和公平，维护整个社会的正常秩序。亦如在扶贫领域，政府的有效监管可以确保扶贫信息的准确、可靠、实用性强。大数据时代的精准扶贫可以有效地将扶贫对象、扶贫资金、扶贫信息纳入到大数据平台，政府可以通过大数据平台实现对农村精准扶贫工作全面地、系统地、动态地监督管理。另外，通过对大数据平台的监管，综合考评下级单位或个人的扶贫工作成效，并建立扶贫主体晋升淘汰机制和扶贫对象准入退出机制。因此，在精准扶贫实践过程中，政府要充分借助“互联网+”、云计算、大数据平台等信息化扶贫开发理念和技术性扶贫开发手段实现对各级扶贫单位或个人的精准监管。

二、大数据时代精准扶贫的现实挑战

（一）挑战一：技术创新

庞大而丰富的数据源是大数据发展与应用的前提。然而，当前我国扶贫数据资源主要存在着准确性较差、完整性较低、标准化不高及应用价值不高的情况，如何获取和挖掘应用价值较高的扶贫数据资源是我们要急需突破的技术难题。另外，即使我们能够获取庞大的扶贫数据资源，而对这些数据的归类、提炼、处理、分析始终是我们要克服的技术问题，来自技术上的不足，面对海量的数据信息必然要耗费大量的物力、人力、财力，且难以为精准扶贫决策者提供可靠、有价值的参考信息，结果造成“数据灾难”。迈入大数据时代，人们纷纷鼓吹大数据蕴藏的巨大价值，却鲜见大数据在精准扶贫实践中运用成熟的模式和方法，这便是人们对于大数据的价值逻辑缺乏敏锐性与洞察力，且对于大数据分析的重大要件元素或技术尚不完全成熟。面对每天不断增长的扶贫数据，缺乏对大数据价值逻辑分析的能力与大数据技术创新的能力正是大数据时代背景下精准扶贫要面临的挑战。

（二）挑战二：数据安全

当前，对大数据处理仍然面临着“数据不完备、数据分析时间较长、应用中的安全与隐私保护问题和高能耗”等诸多挑战。不可否认的是，在大数据扶贫时代，一方面，大数据在精准扶贫实践中的运用给人们带来了许多便利和优势，但另一方面，由于扶贫数据还存在管理上的漏洞，那些由政府公布或者存储起来的庞大数据信息容易被不法分子盗窃和利用，这就造成了扶贫数据安全的问题。另外，由于大数据散发着极具诱惑性的利益价值，再加上数据信息采集的手段越来越便捷、隐蔽和高超，在扶贫实践领域，对扶贫对象个人信息的保护，无论在数据信息技术手段还是在法律規定上依然是捉襟见肘。在这种状况下，人们面临着无休止的数据安全骚扰，诸如：不法分子利用短信通知某扶贫对象去领取扶贫救助金，按照短息的通知点击链接，结果扶贫对象陷入了不法分子的圈套或陷阱，造成扶贫主体和扶贫对象的矛盾和冲突，最终导致大数据扶贫绩效大打折扣。大数据精准扶贫，对数据信息安全的保护，既是社会大众应该着重考虑和思考的问题，也是政府责无旁贷的，而且大数据应用与推广的前提条件是数据的开放与共享，因此，扶贫数据的开放与隐私如何平衡以及数据信息安全如何保护将是大数据时代精准扶贫的一个重大挑战。

（三）挑战三：人才培养

大数据精准扶贫，不仅有助于提升扶贫工作的针对性与实效性，还体现了对于帮扶主体可行能力的否定，甚至可能促成扶贫对象出现“由于帮扶带来的不努力改善自身生计水平的集体负向激励”。反思大数据时代的精准扶贫，其受制于大数据技术人才队伍的技术支撑，致使扶贫实践过程中可能出现扶贫数据信息不对称、真伪难辨等困惑，难以达到精准扶贫的效果。大数据时代的精准扶贫每个环节都需要依靠专业人员才能较好地完成，诸如扶贫数据信息的获取、处理分析、反馈等环节，当前国内精通大数据技术的精英少之又少，这势必造成大数据扶贫实践的滞后。因此，大数据扶贫不仅仅是技术和工具的问题，关键还是大数据技术人才培养的问题。

（四）挑战四：管理决策

大数据精准扶贫本质上就是一场扶贫管理与决策的革命。大数据时代的精准扶贫绝不是纸上谈兵的“经验式”管理实践，而是以“数据信息”为核心的管理革命。在精准扶贫领域，大数据的技术挑战、人才挑战、资金挑战都是显而易见的，但其带来的决策挑战更为艰巨。大数据扶贫尤为重要的方面，就是它会直接影响组织怎样决策、谁来决策。在当前扶贫数据信息非常有限、获取数据成本高昂且贫困地区没有被完全“数字化”的时代，重大决策者多数是领导者或是高薪聘请来的拥有专业技能和显赫履历的外部智囊。但是，在当下的精准扶贫实践过程中，扶贫主体（驻村干部或“第一书记”）的决策仍然更多地依赖决策者的个人经验和决策直觉，而并不是基于数据信息。从深层次看，大数据时代的精准扶贫，在重大决策时不能单凭某些或某个人的经验，而是要充分运用数据思维拿“数据说话”，并且大数据技术要与扶贫管理模式或架构相匹配，但这也是目前大数据扶贫最难跨过去的一道坎。

（五）挑战五：资金投入

大数据技术是信息革命或说是“数据革命”中最重要的一环，它将开启全球新一轮的产业升级和经济转型，是一个国家或地区提升国家综合能力和核心竞争力的关键性技术资源。对于中国而言，在此次全球性的“数据革命”浪潮中，资金保障不够，导致应用于精准扶贫实践中的大数据技术“大”而不“精”，导致大数据扶贫的实效大打折扣。事实上，无论是云计算技术或物联网技术还是大数据技术，只要是将这些技术运用到精准扶贫实践中，那么都有一个话题绕不开，就是资金的支撑。由于扶贫项目资金的属性为公共财政支付的方式，并且大数据基础设施、大数据技术研发、大数据获取与处理等都需要巨额的资金投入，无疑给大数据扶贫带来了重大的挑战。

三、大数据时代精准扶贫的选择路径

（一）加强大数据扶贫的技术创新

大数据技术的运用、发展与创新是推动大数据扶贫良性发展的灵魂。如果将大数据比作石油，那么大数据分析工具就是勘探、钻井、提炼、加工的技术。事实上，大数据扶贫实践中，扶贫大数据在大数据技术运用平台基本内容包括数据勘探、数据分析、数据建模、数据挖掘、数据提炼、数据决策六大部分（如图1所示），每个环节都离不开大数据技术的运用与创新，只有掌握每个环节大数据的关键技术，才能将数据资源转化为精准扶贫实践领域所需社会价值。一方面，学习和借鉴大数据技术比较成熟的商业运营模式，将成熟的大数据建模分析技术运用到精准扶贫实践中去，并支持大数据关键技术的研发、专利的申请、科技成果的转移与转化；另一方面，组建大数据技术与应用一体化的科研团队，并聘请国内外大数据专家与大数据技术精英为精准扶贫提供智力支持，对贫困区域构建具体的、可行性较高的大数据模型，以促进大数据技术在实践层面的创新。

（二）提高大数据扶贫的安全系数

任何技术都是一把双刃剑。毋庸置疑，“大数据+精准扶贫”模式给中国扶贫事业带来了全新的机遇，一定程度上来说，“大数据+精准扶贫”的价值（如图2）极大地改善了当前我国农村“粗放式”扶贫的不足，但尽管如此，扶贫大数据的开放、共享与隐私的平衡却成了如何保护大数据安全的重大难题。然而，大数据应用与推广的前提就是大数据的开放与共享，随着云计算、物联网、大数据等技术的飞速发展，大数据时代的精准扶贫尤其要关注大数据环境下不同利益相关者数据交易、扶贫对象隐私保护等关键问题，推行梯度立法，把扶贫数据的开放、交易与共享纳入到法治化的轨道。除此之外，对于大数据安全的保护必须树立控制自身数据信息的权利，并在每个功能区设定权限和密码，政府要重视对敏感数据信息的监督与管理。

（三）培育大数据扶贫的专业人才

在大数据时代，专业人才的因素是大数据扶贫最大的制约，对于大数据技术专业人才的占有，直接决定了精准扶贫能否抢到数据扶贫的先机，能否抓住大数据时代发展的契机，真正将数据扶贫力量转变为精准扶贫的实践效果。因此，大数据时代的精准扶贫专业人才的培养是关键，并且需要政府、社会、高校和企业共同努力去培养与挖掘。

从长远的利益来看，无论是政府和企业，还是社会和科研院所都离不开产学研一体化大数据技术人才培养模式（如图3）。所谓产学研，即企业、学校和科研机构之间相互协同、相互合作加快专业人才的培养和促进专业技术的创新。需要说明的是，产学研一体化大数据技术人才培养的关键是企业、学校和科研机构之间优势互补、互惠互利，学校作为企业人才输送的基地，企业为高校学生提供实战的机会，通过二者之间的合作达到技术创新和人才培养的目标。

（四）规范大数据扶贫的管理模式

“大数据+精准扶贫”目标就是解决以往单凭经验决策的“粗放式”扶贫模式，进行一场前所未有的以“数据信息”为核心的管理革命。大数据時代的精准扶贫工作是一项需长期攻坚的系统化工程，要在构建扶贫指标体系目标的前提下不断地探索和规范“大数据+精准扶贫”的管理模式（如图4）。首先，要构建不同阶段的扶贫指标体系目标，将扶贫指标体系的子目标转交给大数据扶贫中心，根据扶贫区域和扶贫对象的实际情况，并获取、挖掘、分析和处理扶贫大数据，构建符合实际情形的扶贫大数据模型。其次，通过对扶贫大数据模型的可行性做综合分析评估，一方面如果综合分析评估通过，则将评估结果与建议推送给领导信息决策中心，然后领导信息决策中心作出最终的决策与调整，进而实现大数据扶贫的目标；另一方面如果大数据模型可行性综合分析评估没有通过评审，那么还可以通过反馈，进而促使扶贫大数据模型的重建，直至大数据模型可行性评估通过。最后，在整个“大数据+精准扶贫”管理模式的实践过程中，不仅需要云计算、物联网、大数据的技术保障，还需要诸如顶层设计、技术元、基础信息、数据源、服务体系化等诸多因素的支撑。简言之，“大数据+精准扶贫”的管理模式必然是要实现由“经验主义”的决策模式转向以“数据理性”为核心的大数据扶贫管理模式。

（五）完善大数据扶贫的制度机制

大数据在精准扶贫实践中所带来的挑战与风险并不能归咎于大数据本身，如何规范和完善大数据精准扶贫的制度机制才是规避挑战与风险的价值逻辑。由于制度带有长期性、根本性、稳定性和全局性，那么，必须进一步完善大数据扶贫的制度机制，以促进大数据在精准扶贫实践中的运用、推广与共享。首先，建立大数据扶贫的统筹规划机制，将不同部门、不同机构的共识与分歧、利益与冲突进行整合，实现大数据信息资源的共享、人才共享、大数据技术共享，形成“大数据+精准扶贫”的合力。其次，完善领导负责制，进一步健全行政审批“终身负责制”，推行“谁审批，谁担责”，必须将监督和问责纳入法治化的轨道，确保各项大数据扶贫实践工作科学高效运行，形成职责明晰、协同合作的大数据精准扶贫格局。与此同时，要加强大数据安全立法，从保护数据信息安全与隐私层面出发，以“法”规范大数据信息的安全，并构建大数据扶贫动态评估考核机制，推动扶贫过程的公正透明。再次，引导与鼓励公益组织、第三方组织等社会组织积极参与大数据扶贫的实践中来，为政府与社会组织在数据源、技术源以及管理方、资金方、投资者之间搭建合作的桥梁。大力发展“互联网+扶贫”、电商扶贫、数字教育扶贫等大数据扶贫模式，争取社会各界的人力、物力和财力的支持，持续加大数据扶贫、融资信贷服务并拓宽大数据扶贫的融资渠道，加快解决大数据扶贫资金不足的状况。

四、结论与讨论

十九大报告中强调，脱贫攻坚战取得决定性进展，六千多万贫困人口稳定脱贫。但精准扶贫工作仍是工作重心。近年来，基于云计算、物联网、大数据技术在中国市场的兴起与发展，中国政府提出在相关领域推行“互联网+”行动，实现大数据的创新性与实践性发展。政府方面，尽管在国家层面政府对大数据的创新性发展给予高度重视，但是对于大数据在精准扶贫领域的技术创新、数据安全、人才培养、管理决策、资金投入等方面给予的力度依然不足；社会领域，构建社会良性发展的大数据技术生态环境是有效应对大数据技术安全挑战、开放风险、发挥好大数据价值的主要出路，需要社会各界包括互联网企业、IT行业、工业界、科技界以及政府相关部门在国家法治框架下的共同努力，通过打破大数据行业壁垒、成立大数据共享联盟、制定大数据质量评估标准、构建大数据技术专业组织、协同保障大数据信息安全等途径，实现和谐的大数据扶贫生态，促进大数据扶贫向数字化贫瘠与信息化薄弱的贫困区域延伸。

[参考文献]

[1][英]维克托·迈尔

舍恩伯格，肯尼斯·库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013：1

[2][美]史蒂芬·E·弗兰泽奇.技术年代的政党[M].李秀梅，译.北京：商务印书馆，2010：78-81

[3][美]卡斯·桑斯坦.简化：政府的未来[M].陈丽芳，译.北京：中信出版社，2015：25

[4]肖洁.大数据面临的挑战复杂艰巨[N].中国科学报，2015-01-20

[5]Sen A. The political economy of targeting[R]. Washing-ton：World Bank，1992：36

[6]Coady D P， Grosh M E， Hoddiontt J. Targeting of Trans-fers in developing countries：Review of Lessons and Experi-ence[M]. Washington ：World Bank Publications， 2004：36

[7]中国大数据产业观察.注意！大数据应用前夜已来[EB/0L].（2016-8-2）.http：//www.cbdio.com/BigData/2016-08/02/contem_5148869.htm

[8]郑瑞强，曹国庆.基于大数据思维的精准扶贫机制研究[J].贵州社会科学，2015（8）：163-168

[9]邓小平.邓小平文选（第二卷）[M].北京：人民出版社，1994：333

[10]罗敏.法治型政府视阈下地方政府权力清单制度研究 [J]成都理工大学学报：社会科学版，2016（1）：76-80

[11]胡善平，杭琍.中国特色社会主义精准扶贫绩效考核指标体系构建研究[J].牡丹江师范学院学报：哲学社会科学版，2017（2）：64-73

[12]王永鹏，周建鹏，李文文.五大发展理念视域下新疆精准扶贫路径探析[J].牡丹江师范学院学报：哲学社会科学版，2017（2）：74-89[责任编辑]王立国

作者：周超 陈连艳