大数据金融解决方案
金融行业的大数据应用案例及解决方案
金融行业的大数据应用案例及解决方案清晨的阳光透过窗帘的缝隙，洒在我的键盘上，指尖轻触键盘，思绪如大数据般涌现。
今天，我们要聊聊的是金融行业的大数据应用案例及解决方案。
这是一个充满挑战和机遇的话题，让我们一起走进这个奇妙的世界。
一、大数据在金融行业的应用案例1.风险控制记得有一次，我帮助一家银行构建风险控制模型。
通过分析海量数据，我们发现，借款人的还款能力与他们的社交网络、购物习惯等息息相关。
于是，我们设计了一个基于大数据的风险控制模型，将借款人的这些信息纳入评估体系。
这样一来，银行在发放贷款时，能够更加精准地判断借款人的还款能力，降低风险。
2.客户画像在金融行业，了解客户是至关重要的。
一家保险公司通过大数据分析，为客户构建了详细的画像。
他们发现，不同年龄、职业、地域的客户，对保险产品的需求差异很大。
于是，公司根据这些数据，推出了一系列针对不同客户群体的保险产品，大大提高了销售额。
3.资产配置一家基金公司利用大数据，对全球股市、债市、商品市场等进行分析，为投资者提供最优的资产配置方案。
他们通过实时数据监控，调整投资组合，降低投资风险。
这种方法，让投资者在市场波动中，始终保持稳健的收益。
二、大数据在金融行业的解决方案1.数据采集与清洗大数据的第一步，是采集和清洗数据。
金融行业涉及的数据量巨大，包括客户信息、交易记录、市场行情等。
我们需要通过技术手段，将这些数据进行整合、清洗，为后续分析提供准确的基础数据。
2.数据存储与管理金融行业的数据存储与管理，需要考虑安全性、稳定性、可扩展性等因素。
我们可以采用分布式存储、云计算等技术，确保数据的安全和高效访问。
3.数据分析与挖掘数据分析与挖掘是大数据的核心。
金融行业可以利用机器学习、深度学习等技术，对数据进行深入分析，挖掘出有价值的信息。
4.应用场景拓展大数据在金融行业的应用场景非常广泛。
我们可以将大数据技术应用于风险控制、客户服务、投资决策等方面，提高金融服务的质量和效率。
大数据金融反欺诈解决方案
精确的事件分析引擎
CEP引擎实时计算分析（过滤、关联、聚合）与欺诈案件相关的多类事件之间的关联性，精确定位用户意图，还原事件场景，降低误杀率. 例如：某用户，在修改密码后，接着重新绑卡，然后进行提现操作的风险评估.
1. Event Processing Flow
2. Based OpenSource CEP Framework
身份核实
交叉验证，多头借贷，多头申请
跨平台交易查询
设备ID、 IP、地理位置、交易时间、用户ID交易场景，事件以及事件持续时间
用户行为库
IP全球最精准IP定位、 GPS经纬定位、基站定位数据
移动设备信息库
基于设备、IP、地理位置、地域、联系人、通话记录，社交关系等多维度数据挖掘用户关联图谱
用户关联图谱
第11页/共18页
灵活高效的规则引擎
Pattern Matcher
Agenda
Inference Engine
Production Memory（Rules）
Working Memory（Facts）
Rule Repository
Rule Management Console
Rule Engine APIs
法院案件号、欠款描述、身份证号、组织机构代码、姓名、手机号、银行卡号，不良买家、不良商户
司法失信信息
硬件属性信息IP信息GPS地理位置信息设备所安装应用信息
第15页/共18页
设备指纹
第16页/共18页
智能的关联分析
组团欺诈分析
不一致性验证
第17页/共18页
感谢您的观看！
第18页/共18页
第4页/共18页
反欺诈要解决的问题
金融行业的大数据应用案例及解决方案
金融行业的大数据应用案例及解决方案1. 风险管理：金融机构可以利用大数据分析技术，对大量的市场数据、客户数据和交易数据进行处理和分析，以识别和预测风险事件。
通过建立风险模型和预警系统，金融机构可以及时发现和应对市场风险、信用风险和操作风险等。
2. 个性化营销：金融机构可以利用大数据分析技术，对客户的个人信息、交易记录和行为数据进行分析，以了解客户的需求和偏好。
通过个性化推荐和定制化产品，金融机构可以提供更好的客户体验，提高客户满意度和忠诚度。
3. 欺诈检测：金融机构可以利用大数据分析技术，对大量的交易数据和行为数据进行实时监测和分析，以识别潜在的欺诈行为。
通过建立欺诈检测模型和规则引擎，金融机构可以及时发现和阻止欺诈活动，保护客户的资金安全。
4. 信用评分：金融机构可以利用大数据分析技术，对客户的个人信息、财务状况和信用记录等数据进行分析，以评估客户的信用风险。
通过建立信用评分模型，金融机构可以更准确地判断客户的信用状况，提供更合适的信贷产品和服务。
5. 交易监控：金融机构可以利用大数据分析技术，对大量的交易数据进行实时监控和分析，以识别异常交易和违规行为。
通过建立交易监控系统和规则引擎，金融机构可以及时发现和阻止非法交易和洗钱活动，维护金融市场的稳定和安全。
解决方案：- 建立大数据平台：金融机构需要建立一个可扩展的大数据平台，用于存储、处理和分析大量的金融数据。
该平台应具备高可用性、高性能和高安全性，以支持金融机构的大数据应用需求。
- 数据清洗和整合：金融机构需要对大量的数据进行清洗和整合，以确保数据的准确性和一致性。
这包括数据清洗、数据去重、数据标准化和数据集成等工作。
- 建立模型和算法：金融机构需要建立相应的模型和算法，用于对大数据进行分析和挖掘。
这包括统计分析、机器学习、数据挖掘和人工智能等技术。
- 实时监测和预警：金融机构需要建立实时监测和预警系统，以及时发现和应对风险事件和异常行为。
浅析大数据金融发展存在的问题与对策
浅析大数据金融发展存在的问题与对策随着当今社会信息化程度的不断提升，大数据已经成为金融行业发展的重要驱动力之一。
大数据技术的应用不仅可以提高金融机构的运营效率，还可以为金融市场带来更多创新和机遇。
大数据金融发展还存在着一些问题，需要进行深入的分析和对策的探讨。
一、现阶段大数据金融发展存在的问题：1. 数据隐私保护不足：随着大数据技术的广泛应用，金融机构在收集和运用客户数据时，存在着数据隐私保护不足的问题。
一些金融机构在运用大数据技术时，往往会涉及到客户的个人隐私信息，比如身份证信息、财务信息等。
如果这些信息被不法分子获取，将极大地威胁到客户的财产安全和个人隐私，也会对金融机构的信誉和经营造成严重的影响。
2. 数据安全风险增加：大数据技术的应用，意味着金融机构需要处理更多的数据，并且数据的存储和传输也会更加复杂，这就增加了数据安全的风险。
一旦出现数据泄露或者被攻击，就会对金融机构和客户造成不可估量的损失。
3. 数据质量不高：在大数据的处理过程中，存在着一定程度的数据质量问题，比如数据的准确性、完整性、一致性等。
这些问题会直接影响到大数据的分析和应用结果的准确性和可靠性，导致金融决策和风险控制的准确性受到影响。
4. 技术投入巨大：大数据技术的应用需要大量的技术支持和专业人才，金融机构在引入和应用大数据技术时，往往需要进行巨大的技术投入，这对于一些中小金融机构来说，可能会带来较大的负担。
二、解决大数据金融发展问题的对策：1. 加强数据隐私保护：金融机构在收集和利用客户数据时，应当严格遵守相关的法律法规和标准，确保客户的个人隐私得到有效保护。
金融机构可以通过加强数据加密、权限管理和监控等措施，来提高数据安全性和防范数据泄露的风险。
2. 提高数据安全保障：金融机构可通过引入先进的数据安全技术和系统，建立完善的数据安全管理和应急响应机制，提高数据的安全性和稳定性。
金融机构还可以加强内部员工的数据安全培训和教育，提高员工的安全意识和数据管理水平。
金融大数据的应用场景与方案
金融大数据的应用场景与方案随着现代社会的不断发展，金融行业作为经济界的重要组成部分，对于信息的需求越来越高。
而随着互联网+的发展，金融大数据这个概念也逐渐走进人们的视野，被认为是改变金融行业格局的关键。
本文将探讨金融大数据的应用场景与方案。
一、金融市场情分析金融市场从本质上来说是一种高风险、高收益的行业，不仅受到外部经济、政策环境的影响，更同时会受到内部因素的影响，比如政策、资金流向、信息披露等等。
而金融大数据的应用就可有效地通过分析人们及市场对于资金的需求与分配，搜集各方面的数据信息，并经过深度计算分析，快速反馈金融市场的方向和买卖指令，从而更加准确、可靠地进行投资。
二、风险控制管理金融市场的投资本身存在风险，对于千万资金的管理更需要注意风险控制。
传统的风险控制方法主要都是基于风险评估，然而金融大数据则可以从另一角度，即从经济用户群、市场行情和金融数据等方面入手，构建多维度、動态实时的风险评估体系，进而为金融公司提供全方位的风险管理方案。
三、个性化投资管理人类是多元化的物种，各个人在投资中需要的结果与上限是不一样的。
采用大数据分析，可以实现通过人民群众的消费习惯、收入水平等各方面信息来帮助用户进行风险评估，并对用户进行个性化、定制化的理财建议，从而更好地提升用户的财富积累效率。
四、金融安全管理金融机构作为一个面向大众的公共机构，而金融大数据则成为了重要的保障金融安全的工具。
通过对用户交易、运营、资金等多维度数据的实时跟踪，金融大数据可以快速发现、预警潜在的风险，进而尽早做出有效应对。
五、营销管理与传统的普通广告费用相比，金融大数据的应用可以实现更精准、有效的客户定位，因为它可以从大海中准确地找到目标客户，避免金融公司的广告投入的浪费，提高营销效果。
六、商业信用管理近年来，保险公司、投资公司及银行等因为自身行为的不规范而导致业务崩溃的事情时有发生。
而金融大数据则可以实现对商业信用的管理，从而避免企业行为不当导致风险扩大。
金融行业的大数据应用案例及解决方案
金融行业的大数据应用案例及解决方案1. 引言金融行业是一个信息密集型的行业，大量的数据产生于交易、风险管理、客户关系管理等各个环节。
随着科技的进步和数据技术的发展，金融机构开始广泛应用大数据技术，以提高业务效率、降低风险和创造更多商业机会。
本文将介绍金融行业的大数据应用案例，并提供相应的解决方案。
2. 金融行业的大数据应用案例2.1 风险管理金融机构需要通过大数据技术来识别和管理风险。
例如，利用大数据分析技术，银行可以对客户的交易数据进行实时监测，以识别潜在的欺诈行为。
此外，金融机构还可以通过分析历史数据和市场数据，预测市场波动，从而制定相应的风险管理策略。
2.2 客户关系管理金融机构可以利用大数据技术来改善客户关系管理。
通过分析客户的交易数据、社交媒体数据和其他相关数据，金融机构可以了解客户的需求和偏好，从而提供个性化的产品和服务。
例如，银行可以根据客户的消费习惯和偏好，推荐适合的信用卡或投资产品。
2.3 信贷评分大数据技术可以帮助金融机构更准确地评估客户的信用风险。
通过分析客户的历史交易数据、社交媒体数据和其他相关数据，金融机构可以建立更精准的信贷评分模型。
这样，金融机构可以更好地判断客户的还款能力，减少坏账风险。
2.4 投资决策金融机构可以利用大数据技术来辅助投资决策。
通过分析市场数据、公司财务数据和其他相关数据，金融机构可以发现投资机会，制定更精准的投资策略。
例如，利用大数据分析技术，投资公司可以预测股票价格的波动，从而做出更明智的投资决策。
3. 解决方案3.1 数据采集与存储金融机构需要建立有效的数据采集和存储系统，以确保数据的质量和完整性。
这包括建立数据接口，从各个数据源收集数据，并将数据存储在可扩展的数据仓库或云平台中。
此外，金融机构还需要建立数据清洗和预处理的流程，以提高数据的准确性和可用性。
3.2 数据分析与挖掘金融机构需要利用数据分析和挖掘技术来发现数据中的价值和洞察。
这包括使用统计分析、机器学习和人工智能等技术，对数据进行模式识别、趋势分析和预测建模。
2023-银行金融大数据平台解决方案-1
银行金融大数据平台解决方案随着科技飞速发展，金融行业也呈现出多项新的趋势。
其中之一就是大数据技术的广泛应用，它在银行金融领域的作用愈发重要。
银行金融大数据平台解决方案是应对这一趋势应运而生的，本文将围绕这一主题，简要介绍该解决方案的实现步骤。
第一步：搭建大数据平台银行金融大数据平台需要依托大数据技术进行搭建，包括基础设施、服务平台和应用平台等组成部分。
在基础设施方面，银行金融大数据平台需要建立集群和分布式文件系统等底层基础设施。
在服务平台方面，银行金融大数据平台需要搭建数据服务、数据管理、数据开发、数据治理等诸多服务。
在应用平台方面，银行金融大数据平台需要搭建数据分析、数据可视化、机器学习、人工智能等应用程序。
第二步：数据的采集银行金融大数据平台需要收集来自各个领域的数据，比如交易数据、风险管理数据、客户数据等等。
这些数据需要通过数据源的数据采集技术进行收集，并且要求数据采集的速度、准确性和存储的稳定性等方面都要达到一定的标准。
第三步：数据的处理在数据采集之后，数据需要进行清洗、处理和规范化等一系列操作，使其能够适应业务需求的分析建模和决策制定。
数据处理的方式一般包括ETL（Extract-Transform-Load）过程，就是从各个数据源中取出数据，经过数据清洗、规范化、转换等操作，最终将处理后的数据导入数据仓库。
第四步：数据的建模与分析银行金融大数据平台需要对数据进行建模和分析。
数据建模是指使用建模技术对数据进行建模，形成数据结构的过程，包括关系模型、维度模型、面向对象模型等等。
数据分析是指使用数据挖掘技术、机器学习技术等将数据转化成可视化的数据分析报表和图形等，以便更好地指导业务决策。
第五步：应用开发和推广银行金融大数据平台需要进行应用开发和推广。
在应用系统开发方面，需要有丰富的系统管理和业务规则处理经验，同时综合考虑业务需求和运维要求，开发出满足用户需求的应用。
在平台推广方面，需要进行宣传和推广工作，向用户介绍银行金融大数据平台的优势和特点，使其能够被广泛地应用于实际业务中。
银行大数据项目解决方案10
银行大数据项目解决方案10银行大数据项目解决方案随着现代社会信息技术的快速发展，大数据在各个领域得到广泛应用。
银行作为金融领域的重要组成部分，也迫切需要利用大数据技术来提升业务水平和服务质量。
本文将详细探讨银行大数据项目的解决方案，以帮助银行更好地应对挑战，提高竞争力。
一、背景与意义银行作为金融行业的重要一员，日常业务产生的数据量庞大且多样化。
充分利用这些数据，可以帮助银行更好地理解客户需求，优化产品设计，提高风控能力，并为决策提供数据支持。
银行大数据项目的意义在于，通过挖掘和分析海量数据，为银行提供全方位、精准化的服务，从而满足客户的个性化需求，提升客户满意度。
二、银行大数据项目解决方案1. 数据收集与整合银行大数据项目的第一步是收集和整合各种数据源，包括批处理数据、交易数据、客户行为数据等。
通过建立海量数据的统一接入渠道，实现数据的全面汇集和整合，确保数据的完整性和准确性。
2. 数据存储与处理银行大数据项目需要构建高效可靠的数据存储与处理体系。
传统的数据库技术已无法满足对大数据的存储和处理需求，因此需要引入分布式存储和计算技术，如Hadoop和Spark。
这些技术能够将数据分散存储在多个节点上，并并行进行处理，大大提升数据处理效率。
3. 数据挖掘与分析数据挖掘和分析是银行大数据项目的核心环节。
通过各种算法和技术，挖掘数据中隐藏的规律和价值信息，以帮助银行实现智能化决策和个性化服务。
例如，通过对客户行为数据的挖掘，可以准确预测客户需求，为客户量身定制产品和服务。
4. 风险控制与安全保障银行作为金融机构，风险控制是至关重要的。
在大数据项目中，需要构建完善的风险控制和安全保障机制，确保数据的安全性和隐私性。
采用高级加密算法和权限管理措施，限制不相关人员对敏感数据的访问，同时建立监控机制，及时发现并应对数据安全问题。
5. 服务优化与创新银行大数据项目的最终目标是提供更优质的服务。
通过对大数据的分析和挖掘，银行可以了解客户需求变化趋势，优化产品设计，提供个性化的金融解决方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
仅需企业名称，一键急速获取企业全量征信结果，避免人工操作风险，提升 业务审批效率
经营信用评估
企业经营数据构成
宏观背景数据
数据建模 库数据
群体经营统计 数据
个体经营明细 评价
每天动态采集 50万家企业 分行业、区域 5类经营流水数据
地方政府开放 动态明细数据 按经营、财务
动态更新
经营信用评估
• 企业基本数据 • 企业流水数据
• 合作方电子 化平台数据
个人信用信息
• 文化素质 • 职业资质 • 职业表现 • 社会行为 • 司法记录 • 经济影响
企业信用信息
• 纳税 • 劳动保障 • 环保 • 社会贡献 • 诚信经营 • 产品质量 • 安全生产
金电大数据
动态数据
数据
处理
采集
动态
跟踪
数据 分类
完整度 检测
金融服务
社会信用
数据 清洗
群体
企业
信用分值
总分 二级评分
三级评分
综客 合观 评信 分用
经营效率评分 企业成长评分 运营稳健评分 资产规模评分
投资效率; 销售效率; 能耗效率; 人力资源效率; 应收账款效率; 客户群体效率; 产品效率
现金流成长性; 应收账款成长性; 产品成长性; 人力资 源成长性; 销售成长性; 客户群体成长性
率 收入能耗比 用电额增长率 用水额增长率
信用分值
评分方法：基于个体属性+环境+群体+个体明细数据的评分方法
• 精细化的个体属性+明细评分机制。 • 在计算根据环境影响的评分项时可以更加精细的估计环境对企业的总影响 。 • 从而更加精细的为该企业评分。
个体数据（属性+明细）
环境
精细化的根据环境影响评分
The First Big Data Credit Company reported by CCTV’s Network News Broadcast
20 News Reports by CCTV Programs like Oriental Horizon and Topics In Focus
等央 近视 二东 十方 次时 报空 道、
信用信息云服 务平台正式投 入经营。
2010.12 2011.11 2012.03 2014.04 2014.07 2015.04 2015.05
发布了完整的客观 信用体系模型。
出任中国中小 企业协会副会 长单位。
与三联虹普成 立合资公司， 合力推动纺织 产业升级
2015.06 2015.08
帮助中小企业 纯信用融资额 突破60亿元人 民币
零售业 批发业
制造业
不良贷款集中区域：
二季度末，内蒙古 银行业不良余额 670.3亿元，不良 率4.03%
一季度末，黑龙 江银行业不良率 已达3.5%
从分布， 风险向环渤海和中西 部蔓延。
量化风险防控体系
通过数据化、科技化手段，建立客观、动态、量化 的风险识别及跟踪体系，辅助传统风控模式
根据各环节对应的风险系数，计算出企业客观信用对应的贷款额度
科技创新
看 未 来
动态实时监管 跨行业、跨平台 提前3-6个月
模式创新
电商数据 金融
文创 金融
投融资平台
产业链 金融
量化风险 监管
……
大数据金融解决方案
主体信用+经营信用
个体经营 明细数据
中国人民银行第一批全国性企业征 信服务机构
The First Batch of Nationalwide Corporate Credit Service Certificated by
People's Bank of China
首家登陆央视《新闻联播》的大数据信用公司
传统业务模式转型
依托于大数据及云计算技术，转向互联网金融 、投贷联动、文创金融等新兴业务领域
客观信用与主观经验
建立客观信用评价体系，从而使信贷业务达到 标准化、规范化，实现信贷经验的有效复制
创新与技术
理念创新
科技创新
模式创新
理念创新
信用可计算 风险可量化
理论体系的重大突破——明细数据的意义
二维、静态 财务报表 合计数
税务评价 行政处罚 劳保、环保
法人股东 对外投资 关联族谱
圈子环境
行业因素 区域因素 层级定位
主体信用筛查优势
真实 全面
数据涵盖全国全行业100余个数据项，26个部委数据，通 过全面的社会环境数据呈现企业在社会各方面的痕迹
动态 更新
数据源以端口对接及动态挖掘方式，确保数据更新的及时性和有效 性
简单 高效
分析 计算
社会治理
数据 监测
异常清洗
剧烈波动型异常示例
重复型异常示例
JS060020 销售金额
JS010036 销售金额
异常清洗
不同类型企业数据重复异常 银行流水余额：数据相似度达100%
ZJ010115 某食品公司 ZJ010116 某医用公司 ZJ030022 某制造公司 ZJ030023 某纺织贸易公司
国开银行 2014年监管23家担保公司的603家 企业
取消担保公司合作：3家 减少代偿：60% 终止企业续贷：31家
金融机构合作 ……
汇报完毕 感谢聆听
大数据金融解决方案
金电联行
金电联行
大数据金融领军企业
Leader in Big Data Finance
数据资产化领军企业 Pioneer in Data Capitalizing
中国中小企业协会副会长单位
China Association of Small and Medium Enterprises Vice-Chairman Unit
市场现状及需求
近年，我国银行不良率呈不断攀升趋势：
3.40% 3.30% 3.20% 3.10% 3.00% 2.90% 2.80% 2.70%
3.00% 2011
2.95% 2012
2.97% 2013
3.13%
3.31%
2014
2015Q2
不良贷款集中行业：
房地产 钢贸
能源
主要集中行业 行业风险暴露充分
科技创新
全维度 大数据
实验模型 +
实践修正
70% 机器学习
30% 人工参与
科技创新
看历史
建立信用
看现状
看未来 量化风险
计算额度
科技创新
1 2
3
看历史
“信用信息云服务平台”和“信用信息 云端机器人（技术）” 两大核心技术
挖掘企业的有效动态交易信息
通过自学习的模型计算出客观信用指 数
科技创新
看现状
销售数量增 长率
人力指标
管理层员工人数 管理层员工月平均
工资 员工人数 员工月平均工资 人力成本波动 中高层员工工资波
动率 员工总人数波动率 员工离职率 中高层员工占比 人均销售额 人力成本增长率 中高层员工工资增
长率 员工人数平均增长
率 中高层员工人数增
异常清洗
99%自动化+1%人工核查
• 自动识别+主管排查，高效、省时 • 对不同维度、不同来源的数据进行关联验证 • 不局限于单个的数据点的异常，而且包含数据区间的异常，指标
间的异常，甚至包含不同类型企业间的数据异常
自动识别 出异常值
验证
人工抽查
验证
分析指标——产业链
订单
订单增长率
订单波动率
订单响应时间
度 移动贷方金额占比 移动余额占比 月往来还款率 移动往来还款率 月借方金额波动率 月贷方金额波动率 现金流效率 应收账款周转效率 移动应收账款周转
效率
能耗指标
人均用水量 人均用电量 人均用电额 人均用水额 人均用水量增长
率 人均用电量增长
自行监管：根据监管级别进行自行预警，当级别超出正常范围时 ，自动启动预警机制
人工设置参数：平台支持金融机构根据自身风险偏好，设置预警 阀值。
贷后监管
成果展示
合作案例——银行
合作案例——银行
合作案例——担保
风险抑制
广发银行 2014年监管企业178家
不良企业识别：47家 减少代偿：50%
主动填报 企业
互联网 数据挖掘机器人
税务
政务公开 人才
工商
新增 更新
过程 • 销售记录 数据 • 应收账款
• 银行流水 • 用水用电
结果 • 员工人数 数据 • 工资记录
• 房产土地 • 车辆数量
沉淀大数据
主动挖掘
• 宏观经济数据 • 行业数据 • 环境数据 • 行为数据 • 社会事件
授权挖掘
• 购买的国内 外数据库
个体社会 数据完整度
行为数据
环境&群 体数据
主体信用评估
大数据征信平台
企业信息查询
企业血缘 图谱描绘
企业定位排名
企业社会信用 评价
主体信用关注点
企业素质
基本信息 资金情况 资质许可 专利、软著
履约记录
司法执行 开庭记录 判决信息
公共监督
基因特质
“诚信企业”名单
VS
三维、动态
VS 企业生产经营真实数据
VS
明细数据
理念创新
政府机构开放（全国、区域） 行业数据库 互联网挖掘
宏观背景数据
全量大数据
订单、销售、 人力、流水、
应收、能耗 企业经营明细数据
……
建模数据库
50万家企业 明细数据