本书系统构建大数据征信的知识体系与实践框架,涵盖征信体系发展历程、核心技术基础、数据处理流程、信用评分模型及风险管控等核心内容。本书先追溯传统征信到大数据征信的三阶段演进,剖析两者在数据来源、处理技术与应用场景方面的本质差异;再深入讲解关系型与非关系型数据库、分布式计算、人工智能等关键技术,以及数据采集、整合、存储、预处理与特征工程的实操方法;最后聚焦信用评分模型的传统与创新形态,结合风险评估与管理策略,辅以典型案例展现多场景应用。全书兼顾理论深度与实践指导,既呈现跨学科融合特性,又直面行业伦理与合规挑战,为读者提供全面的大数据征信知识图景。
样章试读
目录
- 目录
第1章 大数据征信概述 1
1.1 征信体系的历史与发展 2
1.2 大数据征信与传统征信的区别 5
1.3 大数据征信的业务模式与应用 9
1.4 新一代大数据征信的发展趋势 14
1.5 本书知识点脉络 16
本章小结 17
思考题 18
参考文献 18
第2章 关键技术基础 19
2.1 关系型数据库 20
2.2 非关系型数据库 25
2.3 分布式计算 29
2.4 人工智能技术 39
本章小结 50
第3章 数据采集、整合与存储 51
3.1 数据概念及分类 52
3.2 数据采集 54
3.3 数据整合 70
3.4 大数据存储 75
本章小结 88
思考题 88
参考文献 88
第4章 数据预处理与特征工程 90
4.1 数据预处理 91
4.2 特征工程 103
本章小结 122
思考题 123
参考文献 123
第5章 信用评分模型 125
5.1 信用评分模型概述 126
5.2 传统信用评分模型 129
5.3 大数据信用评分模型 134
5.4 信用评分模型的验证与优化 137
5.5 信用评分模型的应用与案例 139
本章小结 143
思考题 144
参考文献 148
第6章 信用风险评估与管理 149
6.1 信用风险的识别与分类 150
6.2 信用风险的量化 156
6.3 信用风险的控制策略 168
本章小结 173
思考题 174
参考文献 175
第7章 预测分析与决策 175
7.1 预测分析在征信中的价值与定位 176
7.2 征信中的预测模型:方法与应用 178
7.3 预测模型的评估与优化 189
7.4 信用决策系统的构建 194
本章小结 199
思考题 199
第8章 法律伦理与社会影响 200
8.1 法律框架 201
8.2 伦理困境 206
8.3 大数据的社会影响 208
本章小结 209
思考题 210
参考文献 210
第9章 大数据征信架构与平台 211
9.1 大数据征信平台架构概述 212
9.2 数据采集层架构 216
9.3 数据处理与存储层架构 219
9.4 分析应用层与服务输出架构 222
9.5 平台性能优化与运维监控 224
9.6 征信业务运行全流程分析 226
本章小结 228
思考题 229
参考文献 230
第10章 大数据征信的实践应用 231
10.1 征信机构的大数据征信应用模式创新 232
10.2 传统金融业务中的大数据征信应用 236
10.3 互联网金融中的大数据征信应用 241
10.4 政府监管领域的大数据征信应用 248
10.5 跨行业大数据征信应用案例综合分析 254
本章小结 259
思考题 260
参考文献 261