1. 基於大數據的P2P融資「極速模式」具有哪些特點
P2P已經在中國退出歷史舞台，留下一地雞毛，8000萬中產4萬億打水漂。
「極速模式」是指快速匹配，P2P作為信息中介，是撮合借款人和出借人成交的平台，由多位出借人匹配1位借款人等多種模式。
2. 大數據如何快速查詢融資事件
可以去查下CVSource投中數據，分為網頁版和APP端，這個平台，很容易找到的，建議關注一下，多些了解吧。
3. 享道出行A輪融資接近尾聲 ，總額約3億元人民幣
據悉，寧德時代和阿里巴巴參與了上汽集團旗下移動出行戰略品牌享道出行的新一輪融資，總額約3億元人民幣。
對此，享道出行回應稱：公司作為上汽集團移動出行戰略品牌，一直都在按計劃穩步推進融資，目前A輪融資已經接近尾聲，會在合適的時間公布進一步消息。
據官網信息，享道出行是上汽集團旗下的互聯網專車出行服務平台，於2018年12月18日正式上線運營。該平台整合上汽集團的全產業鏈，利用移動互聯網和大數據技術，提供企業出行服務和個人出行服務，幫助上汽集團轉型成為出行服務與產品的綜合供應商。
此前，上汽集團與阿里巴巴，以及浦東新區聯手打造高端智能純電汽車項目智己汽車。若此次阿里巴巴投資上汽集團旗下享道出行屬實，兩者的合作將進一步加深。
據悉，享道出行將在12月18日發布全新的平台戰略。一位上汽集團出行板塊的內部人士表示，該平台戰略與上汽集團未來的出行板塊規劃有關。「上汽集團對於出行板塊是寄予厚望的，計劃把出行板塊的業務合並起來。比如，EVCARD會和享道出行進行一些業務合並，享道出行的自駕服務將由EVCARD提供。」上述內部人士表示。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
4. 到段馬樂公司談的融資的企業多麼他們的成功率高不高
我陪朋友去咨詢過一次，他們公司的徐總監很有才華，說得我朋友當時很震撼，記得當時討論的是BAT公司的大數據問題，我朋友本來也想做大數據，然後融資，咨詢過後發現其實很多創業條件都不成熟，也是規避了一場創業風險。
5. 大數據模式 中小微企業融資有哪些
1、大數據模式，應該就有大量群體資源，大量項目數據，大量投資機構數據
2、中小微企業明顯資質要求不能太高，就要求融資方式多樣化，不然銀行早就服務了
3、融資是個技術活，一定要找對專業投資方。
4、找對行業投資人，不僅找到資金，專業服務外還有資源匹配
5、以節能環保行業為例子；
國內之前 一直沒有專業投融機構；
但是叫 環投什麼匯 平台的出現就是典型例子
專業投資機構集中化，資金多樣化明顯提升，銀行、保理、融資租賃、PPP、BOT、小貸、互聯網金融服務層出不窮。金融機構提供專業解決方案同時，還提供其它合作方的技術輸出資源。
總之，大數據模式，就是提高准確度，整合資源實現1+1大於2 的效果
希望採納
6. 如何利用大數據做金融風控
大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。
金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。
傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線
互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。
互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。
常用的互聯網金融大數據風控方式有以下幾種：
驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。
如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。
其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐
大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。
如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。
分析客戶線上申請行為來識別欺詐
欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。
企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。
這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險
互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。
市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。
黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。
灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。
黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。
利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。
欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。
欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。
利用消費記錄來進行評分
大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。
按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。
常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。
互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。
參考社會關系來評估信用情況
物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，
參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。
參考借款人社會屬性和行為來評估信用
參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。
經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。
午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。
利用司法信息評估風險
涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。
尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。
總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。
7. 綠米完成過億元B輪融資准備干什麼
綠米完成過億元B輪融資 ，將建立智能家居4S服務體系。
2015年發布首款產品「小米智能家庭套裝」，讓智能家居成為了普通人都能使用的大眾消費品，不到一年內，銷量達到百萬級。此後，綠米又不斷圍繞「小米智能家庭套裝」增量式發布了智能插座、智能牆壁開關、空調伴侶、智能窗簾電機等十多款產品，與其他小米生態鏈產品互聯互通，建立了以低功耗、高穩定性、高性價比為核心競爭力的全屋智能家居系統。
從單款精品，到適用於某一場景的小套裝，再到目前整套的智能家居方案，綠米正逐步將旗下產品整合、打包作為整體解決方案落地千家萬戶，不僅僅是單個產品或特定場景的使用，而是通過真正實現各個智能家居產品間的互聯互通，形成1+1>2的系統，從而提供給消費者完整的智能家居體驗。
「過去綠米的產品安裝主要靠用戶自己DIY，但這部分用戶依然是小眾的，為了實現『讓智能家居走進千家萬戶，給用戶一個健康、安全、舒適的家』的願景，綠米計劃未來三年和500家綠米服務商合作建立行業首個智能家居4S服務體系。」綠米創始人、CEO游延筠表示，「綠米的智能家居系統不僅僅應用於家庭，而且正在應用於酒店和公共建築。據統計，安裝了綠米智能家居產品的酒店和公共建築，通過自動化設置有人自動亮燈，沒有人自動關燈和關空調，可以節能20%到40%。而下一階段，綠米將依託智能硬體和數據平台，在智能家居、智能安防、社區服務、商業與公共建築等更廣泛的領域，實現「連接+數據+服務」物聯網戰略生態。」
凱輝基金創始人及董事長蔡明潑先生表示：「中國正在成為物聯網發展最為活躍的市場，相關技術也不斷成熟，在智能家居、零售、出行、工業轉型升級、醫療健康等領域有著廣闊的發展與想像空間。我們看好這一領域的發展前景，而綠米在智能家居與物聯網方面技術上的領先和落地的扎實推進及完善的生態系統是我們投資的最大信心。我們將充分發揮凱輝在歐美的資源與網路優勢，幫助公司積極拓寬海外市場，並在數據服務業務開發方面，推進綠米與凱輝生態圈的其他大數據公司間的交流合作，實現共贏。」
瀾亭資本創始人及董事長劉炯表示：「近兩年市場上不斷涌現出各類型的物聯網家居、家電產品，我們認為只有在系統性整合，產品級工業設計，技術先進性等領域做到面面俱到才能稱得上是真正讓消費者喜歡並願意買單的智能家居，綠米無疑是這些方面的佼佼者，我們非常看好綠米能夠在未來更加廣闊的商用智能家居中取得更好的成績。我們也願意通過我們在人工智慧產業中的投資布局和產業資源，為綠米進行更多的產品和技術對接。」
8. 融資租賃大數據分析平台
億信華辰融資租賃數據分析平台項目建設的目標就是滿足日常經營分析報表的管理要求，推進集團數據分析工作實現規范化、程序化、現代化。建設內容：數據倉庫基礎平台建設和數據應用平台建設兩部分。數據倉庫平台的重點是將核心賬務系統、核心業務系統，資金系統、管會系統、財務系統等業務系統數據的物理集中與邏輯整合；數據分析應用建設主要包括領導駕駛艙、即席分析、資產監控、移動端以及集團化架構管理。
9. 今後大數據技術將在企業融資行為中怎樣發展
knowlesys輿情認為：
大數據能夠幫助企業預測經濟形勢、把握市場態勢、了解消費需求、提高研發效率，不僅具有巨大的潛在商業價值，而且為企業提升競爭力提供了新思路。企業怎樣利用大數據在融資行為中發展？這里從企業決策、成本控制、服務體系、產品研發四個方面加以簡要討論。
企業決策大數據化。現代企業大都具備決策支持系統，以輔助決策。但現行的決策支持系統僅搜集部分重點數據，數據量小、數據面窄。企業決策大數據化的基礎是企業信息數字化，重點是數據的整理分析。首先，企業需要進行信息數字化採集系統的更新升級。按各決策層級的功能建立數據採集系統，以橫向、縱向、實時三維模式廣泛採集數據。其次，企業需要推進決策權力分散化、前端化、自動化。對多維度的數據進行提煉整合，在人為影響起主要作用的頂層，提高決策指標信息含量和科學性；在人為影響起次要作用的底層，推進決策指標量化，完善決策支持系統和決策機制。大數據決策機制讓數據說話，可以減少人為干擾因素，提高決策精準度。
成本控制大數據化。目前，很多企業在采購、物流、儲存、生產、銷售等環節引入了成本控制系統，但系統間融合度較低。企業可對現有成本控制系統進行改造升級，打造大數據綜合成本控制系統。其一，在成本控制的全過程採集數據，以求最大限度地描述事物，實現信息數字化、數據大量化。其二，推進成本控制標准、控制機理系統化。量化指標，實現成本控制自動化，減少人為因素干擾；細化指標，以獲取更精確的數據。其三，構建綜合成本控制系統，將成本控制所涉及的從原材料采購到產品生產、運輸、儲存、銷售等環節有機結合起來，形成一個綜合評價體系，為成本控制提供可靠依據。成本控制大數據化以預先控制為主、過程式控制制為中、產後控制為輔的方式，可以最大限度降低企業運營成本。
服務體系大數據化。品牌和服務是企業的核心競爭力，服務體系直接影響企業的生存發展。優化服務體系的重點是健全溝通機制、聯絡機制和反饋機制，利用大數據優化服務體系的關鍵是找到服務體系中存在的問題。首先，加強數據收集，對消費者反饋的信息進行分類分析，找到服務體系的問題，然後對症下葯，建立高效服務機制，提高服務效率。其次，將服務方案移到線上，打造自動化服務系統。快速分析、比對消費者服務需求信息，比對成功則自動進入服務程序，實現快速處理；比對失敗則轉入人工服務系統，對新服務需求進行研究處理，並快速將新服務機制添加至系統，優化服務系統。服務體系大數據化，可以實現服務體系的高度自動化，最大程度提高服務質量和效率。
產品研發大數據化。產品研發存在較高風險。大數據能精確分析客戶需求，降低風險，提高研發成功率。產品研發的主要環節是消費需求分析，產品研發大數據化的關鍵環節是數據收集、分類整理和分析利用。企業官網的消費者反饋系統、貼吧、論壇、新聞評價體系等是消費者需求信息的主要來源，應注重從中收集數據。同時，可與論壇、貼吧、新聞評價體系合作構建消費者綜合服務系統，完善消費者信息反饋機制，實現信息收集大量化、全面化、自動化，為產品研發提供信息源。然後，對收集的非結構化數據進行分類整理，以達到精確分析消費需求、縮短產品研發周期、提高研發效率的目的。產品研發大數據化，可以精準分析消費者需求，提高產品研發質量和效率，使企業在競爭中占據優勢