大数据时代，互联网金融风控如何利用大数据建斜

2024-11-27 20:23:35
提问者: 负债人

10个回答

匿名 2024-11-27 20:23:35

最佳回答

如果此回答对楼主有帮助，给个采纳好吗？谢谢啦
在大数据时代最有效的一般还是强变量，比如每月工资单我就看那一个数然后就喜上眉梢。当缺乏强变量或者获取不到强变量的时候大数据技术会是非常有效的替代手段。至于未来能否依靠大数据技术在风控领域做到千人千面这还需要时间来验证。大数据技术最大的价值是提升人类社会的效率，降低信息差，优化各类决策，提供更深层度量衡的技术手段。比如用在天体物理领域、用在灾难预测领域、用在工业设计领域。纠结一票能够解决这样问题的同学们如果仅仅是为了多发放两笔没逾期的贷款而存在，当然也是可以的。目前我们关心的技术主要有以下部分：
1.高性能计算：gpu+cpu异构计算、fpga芯片、超大规模（万亿节点）图计算问题。2.autofature：海量数据中如何程序化特征工程，并达到接近人类完成的水平。3.小数据学习：如何利用少量数据训练达到海里数据相同／接近的性能。4.复杂网络：如何将真实世界更有效率的映射在图状数据结构，以及如何对其进行编码。5.数据扩展：如何挖掘更多的数据加入到模型中以及如何获得更多高价值、高质量、高覆盖率的数据。我的逻辑是：
1.靠人力来解决模型开发的问题，在无限维度的数据增长时必然会存在上限。那么寻找在高纬数据中程序化工作的手段是我们必然的选择。2.无限维度的数据增长以及新的算法必然衍生出严重的计算性能问题，如何能够快速的完成海里数据计算决定了整个团队的实验速度。而最终实验速度决定了整个团队的技术能力。3.在面临新业务或者之前从未出现的情况时，依靠深度学习等技术的完成的算法缺乏冷启动的手段，如何能在较小的高维数据集中训练出一个可用的模型是比较有价值的一个课题。4.个人认为图状数据结构是在保证meta data质量的前提下，最具灵活性的数据结构。在解决计算性能、图的特征编码等问题后，也许这是通向通用人工智能的方向。