☞【大数据100分】百融金服CEO张韶峰：大数据重构中国信用体系@“大数据100分”之“金融大数据专题月”
新用户请点击标题下
【软件定义世界（SDX）】快捷关注
“中关村大数据产业联盟”推出“大数据100分”论坛，每晚9点开始，于“中关村大数据产业联盟”及专业委员会（工业大数据（工业4.0暨工业大数据）、汽车大数据、农业大数据、金融大数据（目前正在进行金融大数据专题月<2015年4月>）、电信大数据（筹）、电商大数据（筹）、旅游大数据（筹）、房地产大数据（筹）等）微信群进行时长100分钟的交流、探讨。目前已经完成200多场，部分精彩内容已登载在微信公众号：软件定义世界（SDX）【ID:SDx-SoftwareDefinedx】，敬请查阅！
☞【大数据100分】百融金服CEO张韶峰：大数据重构中国信用体系@“大数据100分”之“金融大数据专题月”
主讲嘉宾：张韶峰
主持人：中关村大数据产业联盟副秘书长 陈新河
承 办：
中关村大数据产业联盟
金融大数据专业委员会
嘉宾介绍：
张韶峰：百融金服CEO，张韶峰先生是国内第一家专注于大数据与推荐引擎的互联网技术公司百分点集团的合伙人兼金融事业部负责人，清华大学电气工程自动化学士、硕士。2014年，张韶峰先生创建百融金服，作为大数据应用的首批践行者，立志把百融金服打造成为国内金融领域最大的第三方风控及营销服务提供商。并以传播诚信文化理念，开拓诚信生态环境为己任，为国家全民信用体系的建设及普惠金融的实现贡献一己之力。张韶峰先生最初以管理培训生身份加入全球最大的企业软件公司甲骨文大中国区数据挖掘与商业智能软件部门。之后加入全球最大的IT解决方案提供商IBM，负责商业智能与数据挖掘以及智能分析方案。并创建了天才博通公司，在天才博通期间一手打造了国内第一个SaaS模式的数据挖掘软件系统（Geni-sage Data Mining），时间序列预测效果效果远超欧洲领先水平，获得业界认可。
本日5篇“征信”专题
☞【大数据100分】百融金服CEO张韶峰：大数据重构中国信用体系@“大数据100分”之“金融大数据专题月”
☞【专题】征信全透视
☞【专题】以美国互联网金融公司 ZestFinance为例@大数据征信应用与启示之一
☞【专题】再谈ZestFinance的基于大数据的信用评估技术@大数据征信的应用和启示之二
☞【专题】如何使用非财务类数据降低信贷风险
以下为分享实景全文：
百融金服是一家专业提供大数据金融信息服务的公司。公司依托大数据技术及来自互联网、金融机构、线下零售、社交、媒体、航空、教育、运营商、品牌商等多维数据源，创新性地为金融及相关行业企业提供获客引流、精准营销、客群分析、风控管理、反欺诈、贷前信审、贷后管理等服务，提升金融行业整体运营管理水平。
2014年3月，我们受邀成为石景山互联网金融中心首批入驻企业之一，也是区政府重点扶持企业，并在2014年12月成功取得企业征信牌照。目前，百融金服已经和建设银行、招商银行、光大银行、平安集团、新华保险、中国人寿、太平洋保险、人人贷、陆金所、上海大众等70余家金融机构达成合作协议。
我一贯认为，互联网以及随之产生的大数据开启了一次重大的时代转型，并逐渐渗透和改变着我们的商业、生活以及理解世界的方式，仿佛一夜之间，大数据就成了几乎全民关注的热词。毋庸置疑，大数据正在成为新发明和新服务的源泉，而且酝酿着更多的改变。那么，问题来了，什么是大数据？有何特别？如何运用和发展?
一、大数据基础
大数据指的是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式、生活方式和关联形态上的颠覆性变化的总和。有一个普遍且常见的误解是：大数据=数据大，而事实上，除了数据量大这个字面意义，大数据还有两个更重要的特征：一是跨领域数据的交叉融合。
同领域数据量的增加是加法效应，不同领域数据的融合是乘法效应
二是数据的流动。
数据必须流动，流动产生价值。到了今天的互联网时代，我们发现即使企业已经打通了内部各个部门之间的数据，但与整个互联网比起来，数据量仍然微乎其微，数据应该以互联网为媒介在企业之间某种形式的流动。
大数据的起源要归功于互联网与电子商务，但大数据最大的应用前景却在传统产业。一是因为几乎所有传统产业都在互联网化，二是因为传统产业仍然占据了国家国内生产总值的绝大部分份额。
那么哪些传统企业最需要大数据服务呢？
金融行业绝对是其中之一
首先，金融业并不销售任何实体商品，它自诞生起就是基于数据的产业。
其二，由于国家管制，金融业在前几年享受了非常好的政策红利，内部变革动力不足。
而目前金融业已经逐渐开始放松管制，新兴的金融机构必将利用互联网以及大数据工具向传统金融巨头发起猛烈攻击。传统金融机构在互联网方面的技术积累和数据积累都不足，要快速应对新进入者的挑战，必然需要大数据服务。
其三，社会对普惠金融的需求日盛，以前被传统金融机构忽视的“屌丝市场”正在以小而美的中长尾效应吸引更多的民间金融力量涌入。
下面我将重点阐述一下对大数据重构中国信用体系的一些思考。
各位都了解，自去年以来，国家密集出台开展社会信用体系建设的各种规划和实施意见。
由此预判，未来几年，应该是在国家主导下、在市场机构的参与下，共同探索和建立全民社会信用体系。
目前，中国的零售金融领域以及征信领域，落后于美国二三十年，但是互联网领域却只和美国相差两三年，甚至在某些细分领域还领先于美国。这样的差距以及中国巨大的市场机会，使得中国的金融发展不会走和美国相同的路径，而是会利用最先进的技术如移动互联网、云计算、大数据技术，跳跃式发展到一个新的模式阶段——互联网金融和大数据征信。
这个预测并非空穴来风，人民银行潘功胜行长在近期一次公开会议上特别提出，利用新技术条件发展新业态征信是需要积极面对的课题。央行对大数据公司进入征信系统持开放态度，并称预计不久将有大数据公司进入征信市场提供征信服务。
利用大数据来做征信，就是要把多种类型的数据绑定到一起，那这些数据怎么来，如何去组合，怎么计算，摆在我们面前的既是机会也是挑战。
我想给大家介绍的是，（一）传统的风险建模思路
20世纪50年代，一位工程师费尔（Bill•Fair）和一位数学家艾塞科（Earl•Isaac）发明了一个信用分的统计模型，80年代开始在美国流行，如今它是美国费爱哲（Fair Isaac）公司的专有产品——费爱哲评分（FICO）。美国三大征信机构都使用该信用分，每一份信用报告上都附有该信用分，以致费爱哲信用分成为信用分的代名词。
费爱哲信用分模型（以下简称传统模型）利用高达100万的大样本数据，首先确定刻画消费者的信用、品德，以及支付能力的指标，再把各个指标分成若干个档次以及各个档次的得分，然后计算每个指标的加权，最后得到消费者的总得分。传统模型的打分范围是300～850，三大征信机构各自输出自己的信用分数，分数越高，信用记录越好，三家的分数不能完全替代使用，但差别不大，相差在20分以内。
传统模型计算的基本思想是把借款人过去的信用历史资料与数据库中的全体借款人的信用习惯相比较，检查借款人的发展趋势跟经常违约、随意透支、甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。其主要采用的变量有：信用记录时间、信用额度、借款逾期记录、房屋按揭还款记录、用款占信用额度的比例、坏账记录等，其中付款记录和借款情况占比最大，合计占有65%的比重。大多数美国银行对个人信用评估时，会在该基础上再添加本行的其他一些侧重指标。
可以看出传统模型需要的输入信息主要是金融、财务、借贷类数据（以下简称为金融数据），输出信息是金融风险评分，输入和输出同属金融信息。欧美国家金融产业发达，征信体系也已经发展了数十年，金融数据相对充足，传统模型在欧美还是比较有效的。模型输入的约10多个变量都来自于金融行业自身，对于预测违约风险是比较有效的，属于强变量。
据人民银行征信中心统计，我国只有3亿多人以前和银行发生过借贷关系，也就是说全中国只有20%多的人口拥有相对可靠的金融数据，针对这20%多的人口，传统模型可以相对可靠地预测他们的信用风险。而对超过70%的历史上尚未与银行发生借贷关系的人口，传统模型就无法有效地评判了。
这个问题如果无法解决，就会严重制约中我国金融业的发展，进而制约消费，影响到我国经济结构的转型。
那么经过不断的尝试和探索，我们是如何做到呢。
从2013年开始，我们依托自身的数据能力逐渐推出了我们的百融用户评估报告和百融信用评分
我们的百融评分是基于我们众多维度的数据和先进的机器学习算法构建出来的
目前，百融评估报告和百融评分已经在很多金融机构中进行广泛应用
我们提出的线上、线下融合的大数据风险建模，已经被越来越多的金融机构逐步认可
我再给各位朋友详细介绍一下百融用户评估报告和百融评分的实践效果
百融金服与国内排名前十的多家全国性股份制商业银行及多家排名前十的P2P公司分别开展了多轮实测。
其中，商业银行A个人风险评估：经过2轮共50万真实用户的测试，基于百融金服用户评估报告，可以将该行线下发展的个人用户的不良率（M3不良率，下同）降低至之前的1/2，将线上发展的个人用户的不良率降低至之前的1/3。
某领先的P2P公司个人以及小微企业风险评估：线上客户整体匹配率66.77%，线下客户整体匹配率43.50%。可以将线上线下客户不良率降低到以前的1/2；
考虑到我们与客户签订的保密协议，在这里我就不便透露客户名称了，请见谅。如果大家有兴趣，我们可以私下交流。
商业银行B个人风险评估：经过1轮共30万真实用户的测试，基于百融金服用户评估报告，可以将该行线下发展的个人用户的不良率降低至之前的1/1.6。
商业银行C个人风险评估：经过2轮共20万真实用户的测试，基于百融金服用户评估报告，可以将该行线下发展的个人用户的不良率降低至原来的1/1.4；对于没有人行征信报告的用户，百融金服将风险评估模型的KS值从之前的0.28提高到0.45。
某领先的P2P公司个人以及小微企业风险评估：线上客户整体匹配率66.77%，线下客户整体匹配率43.50%。可以将线上线下客户不良率降低到以前的1/2；
某小贷公司个人风险评估：基于百融金服用户评估报告，已经将该公司不良率降低至原来的1/3。
我们发现，借贷申请人在某些变量上的表现具有很好的风险识别度和区分度，比如对某商业银行3、4线城市的个人用户来讲，用户在游戏、娱乐类活动上花费的时间费用越多，其信用评分越低（36分）；相反，用户在教育、科学类活动上花费的时间费用越多，其信用评分越高（56分）。
基于此，百融金服与B银行展开了联合建模。模型显示不同分数段的人数基本成正态分布，随着信用得分的升高，该分数段人群的不良率也基本成一条下行线。
某金融机构的销售终端（POS）商户贷款风险评估。不少金融机构通过分析商户的POS机刷卡流水数据来给商户进行授信，销售终端流水数据可以看做是商户的收入数据。
根据台湾征信中心的量化建模经验，小微企业的企业信用40%的权重取决于小微企业主个人信用，20%的权重取决于该小微企业合作上下游企业企业主个人信用。不诚信的小微企业主可能会通过故意做大刷卡流水数据的方法进行“刷信用”，从而达到骗贷目的。
通过“POS流水数据+商户户主个人数据”两类数据联合建模来预估商户的套现风险以及销售终端贷款违约风险，均发现百融金服模型具有较强的指示作用，主要体现在信息的真实性和商户行为特征上。
列举两个有趣而且有效的发现（即小微企业信用与小微企业主的个人行为有较强的关联）：如果显示商户在游戏、动漫、娱乐等类目上消费级别高，则风险很高；如果显示商户在经管、科技等类目上活跃度较高，则风险较低。
某小贷公司手机端小额授信风险评估：该小贷公司的某几款产品只通过手机应用程序接受用户申请，贷款额度在500元至5000元之间，主要瞄准3、4线甚至4、5城市。
与上面介绍的其他案例相比，该案例的独特性在于：一是手机应用程序能够获取手机的硬件编号，如果模型发现该编号的手机在一段时间内变换申请人身份信息在本机构或数家机构之间多次申请贷款，则该手机对应的申请者存在较高的欺诈嫌疑；
二是手机应用程序能够获取申请者的地理位置，如果模型发现申请者在申请时的位置与他在申请表上填写的地址距离较大，那么该申请者风险较高。
以上是我们在实践应用中得到的一些经验，希望向各位朋友学习、请教。
最后，我还要在此呼吁！
随着大数据时代的到来，未来征信业发展要从制度设计、技术进步、信息共享、监督管理、隐私保护等方面不断创新，促进征信业在大数据背景下更快更好地发展。尽快建立符合大数据的征信法律制度和业务规则体系，本着兼顾制度保障和鼓励创新的原则，指导和确保大数据时代征信业发展有法可依。
尽快打破政府以及各个垄断资源、机构间的信息孤岛，规范和统一数据标准和格式，推进建立数据融合、共享以及对外开放的机制，降低金融行业乃至整个商业社会的征信成本进一步推动政府与社会各界公开失信人、失信机构信息，推动全社会对失信人与失信机构进行联合惩戒，提高失信成本。
今天我的分享就是这些，谢谢大家！
互动交流
1、刘政-SAS有p2p公司考虑使用你们的风控模型吗？@张韶峰
@刘政-SAS 有的，已经有多家金融机构在使用百融评分了，我们也推出了《百融信贷审批系统》，用以帮助更多的P2P使用我们的风控模型
2、赵晓庆 联动优势
@百融金服CEO张韶峰 现在在市场上还有芝麻分，考拉分等，您怎么看众多分数未来的发展
@赵晓庆 联动优势关于众多的评分都是需要在市场中进行验证的，我们的评分已经经过多家金融机构的验证，证明了有效性
3、一个牛仔
其实我更关心具体的算法
百融金服CEO张韶峰
具体的算法，因为时间有限，欢迎大家来我们公司，和我们的算法团队详细交流
4、海贼的世界赵星星
想问一下刚才提到的台湾征信中心的建模经验，可有比较正式的文本或者出处在哪里？ 我想有更细致的了解
百融金服CEO张韶峰
@海贼的世界 这个是我们听台湾征信中心的朋友介绍的，详细我们可以线下沟通
5、老梅
请问张总: 百融的风控服务模型能否用于保险投保人风险评估？
百融金服CEO张韶峰
@老梅 目前我们的百融评分模型主要用于借贷人群的风险评估，对于保险投保人的风险评估也在探索中
老梅
第二个问题: 现在有些小贷公司找保险公司，希望能购买信用保证保险产品，但保险公司普遍苦于这类产品也缺乏精算依据，难以定价，那么百融的数据是否能帮助保险公司呢？
百融金服CEO张韶峰
@老梅 可以啊，我们正在与保险公司和金融机构来建立模型
6、豫章文
主要是获取数据的可靠性，您公司咋个样分辩？
百融金服CEO张韶峰
@豫章文 我们通过对众多不同机构数据源的交叉匹配来验证数据的可靠性
7、羊羊羊
请问：对于目前创始人背景参差不齐的p2p公司，有没有尝试去对这一块进行风险评估呢
百融金服CEO张韶峰
@羊羊羊 我们主要针对于信贷领域的风险评估，对于P2P企业评级也还在探索中
8、海鸥 西部资信
@百融金服CEO张韶峰 有基于企业数据的信用模型吗？
百融金服CEO张韶峰
@海鸥 西部资信有的，我们已经拿到企业征信牌照，并且有合作案例
9、王恺 @百融金服CEO张韶峰 如何做好数据资产的合理使用和客户信息有效保护
百融金服CEO张韶峰
@王恺 我们从系统层面，公司流程层面，法律层面等共同来保证我们数据资产的合理使用和有效保护
10、王绪刚-时趣 socialtouch
@百融金服CEO张韶峰 之前推荐引擎的经验对于你们做风控服务有什么帮助吗？
@王绪刚-时趣 social touch 有啊，在推荐引擎的应用当中我们积累了大量丰富的数据采集、数据处理和数据存储、挖掘能力，这些能力同样用于金融风险数据当中
11、易炜林
@百融金服CEO张韶峰 第一个问题；百融金服在做个人风控服务时，数据加工处理过程中的主要权重项有哪些？第二个问题：如果另有一个机构给出的分数和百融不同，消费者应该如何去评价这种横向对比差异？有没有想着去做一个风控行业标准？谢谢。
百融金服CEO张韶峰
@易炜林 第一个问题：我们主要基于用户的行为数据来做风控服务。
百融金服CEO张韶峰
@易炜林 第二个问题：不同的机构的评分是需要通过市场来验证的，不能说有绝对完美的评分，是需要开放的心态来看待的
12、韩笑Sean
@百融金服CEO张韶峰 张总，你们现在和运营商合作的数据中哪些是相对比较好用的?
@韩笑Sean 目前来看运营商的数据中移动运营商的数据更有价值
13、刘达广大银行
张总，为什么说移动运营商的数据更有价值？
百融金服CEO张韶峰
@劉達 首先，移动运营商覆盖广，并且反应的行为较真实，举个例子来讲，我们一合作银行，要基于移动app发卡，那么我们就可以通过这个移动设备的行为数据来判断申请人的情况。
14、@百融金服CEO张韶峰互联网数据数据想起来确实诱人，但在具体处理时，如何在数据噪音过滤和数据连续性中找到平衡。另外数据稳定性问题也是个令人困惑的问题。
@韩笑Sean 您这个问题非常好，这也是我们在数据处理过程中尽力去完善的事情
韩笑Sean@百融金服CEO张韶峰谢谢，有机会线下交流
陈新河：中关村大数据产业联盟副秘书长；《软件定义世界，数据驱动未来》再次感谢韶峰的精彩分享！
☞“大数据100分”之“金融大数据专题月”4月精彩纷呈
2015年3月30日（周一）晚21：00~22：40
分享主题：《大数据重构中国信用体系》
主题汇报人：张韶峰
汇报人简介：张韶峰，百融金服CEO，张韶峰先生是国内第一家专注于大数据与推荐引擎的互联网技术公司百分点集团的合伙人兼金融事业部负责人，清华大学电气工程自动化学士、硕士。2014年，张韶峰先生创建百融金服，作为大数据应用的首批践行者，立志把百融金服打造成为国内金融领域最大的第三方风控及营销服务提供商。并以传播诚信文化理念，开拓诚信生态环境为己任，为国家全民信用体系的建设及普惠金融的实现贡献一己之力。张韶峰先生最初以管理培训生身份加入全球最大的企业软件公司甲骨文大中国区数据挖掘与商业智能软件部门。之后加入全球最大的IT解决方案提供商IBM，负责商业智能与数据挖掘以及智能分析方案。并创建了天才博通公司，在天才博通期间一手打造了国内第一个SaaS模式的数据挖掘软件系统（Geni-sage Data Mining），时间序列预测效果效果远超欧洲领先水平，获得业界认可。
2015年3月31日（周二）晚21：00~22：40
分享主题：《您的信用您做主》
主题汇报人：李昊
汇报人简介：李昊，闪银奇异（Wecash）CIO联合创始人北京大学 物理学院 凝聚态物理博士学位，巴黎高师 化学学院 欧盟项目访问学者（两年）。北京玖富时代投资顾问有限公司 大数据中心总监，任职期间，与FICO达成战略合作，任FICO项目项目经理（技术方向），负责项目技术层面的管控和验收工作；熟练掌握FICO零售信贷评分模型体系方法论；并作为建模专家参与项目，为包括中信银行，青岛银行，包商银行在内的多家银行建立量化风控模型。2013年联合创业闪银奇异科技有限公司，Wecash闪银成立于2013年11月，Wecash闪银是一家依托大数据分析的科技公司，它是使用数据分析技术和机器学习算法，服务于简单的使命：更快、更精准的信用决策。这项技术可以进行身份识别，并结合个人社交行为及其他互联网信息，对个人信用进行在线评分。
2015年4月01日（周三）晚21：00~22：40
分享主题：《大数据催生新型金融模型》
主题汇报人：孙林
汇报人简介：孙林，数信网 CEO。法国巴黎六大博士毕业 (Paris 6)，研究如何从海量数据中建模个体及群体的行为，并发现背后的行为智慧。曾任互联网金融创业公司IT总监，中国外汇交易中心外汇系统架构师等职务。2013年9月创立北京数云普惠科技有限公司。目前致力于提供基础数据源整合及数据加工，以普及大数据的理念，提高广大的大、中、小、微企业，社会组织及个人利用大数据获益的能力。
2015年4月02日（周四）晚21：00~22：40
分享主题：《FICO的实践和中国大数据征信探索》
主题汇报人：涂志云
汇报人简介：涂志云，出生于1968年1月，江西南昌人，美国斯坦福大学统计学硕士，中国人民大学经济学博士，美国加州大学伯克利分校工商管理硕士；涂志云在互联网金融、个人信用管理、和大数据等领域有近20年的专业经验；曾为世界三大洲的5家信用局开发了作为行业标准的个人信用管理评分，为美国信用局开发了被认为是美国个人信用风险评级的行业标准—FICO信用局评分。涂志云是我国个人信用管理领域唯一入选的中央"千人计划"国家特聘专家
2015年4月03日（周五）晚21：00~22：40
分享主题：《大数据监管是互联网金融监管的新范式》
主题汇报人：李崇纲
汇报人简介：李崇纲，金信网银常务副总经理，曾任北大方正舆情产品总经理； 中国计算机学会大数据专家委员会委员，北京新媒体协会媒体融合论坛副秘书长，中国网络版权维权联盟副秘书长，中关村大数据产业联盟成员； 10多年网络数据挖掘分析经验，网络舆情分析经验；10多年舆情服务一线市场经验；专注大数据在政府、金融等行业领域应用；国内首款舆情监测系统的设计者，长期跟踪网络舆情行业变化; 多家政府企业舆情管理咨询顾问；目前主持开发国内首个大数据防控金融信用风险与智能决策支持系统。
2015年4月04日（周六）晚21：00~22：40
分享主题：《P2P场景大数据应用的实践--积木盒子》
主题汇报人：张良贵
汇报人简介：张良贵，积木盒子大数据应用中心副总裁。吉林大学数量经济学博士，中国人民大学经济学博士后，中央财经大学数量经济研究中心研究员。10年金融从业经验，先后服务于投资公司、私募基金、期货公司、信用评级公司等，主要 领域涉及固定收益、商品期货、有色金属、金融衍生品套利套保、结构化产品设计等量化 模型的研究与开发；
在目标数据挖掘、定量模型研究与设计方面拥有丰富经验。曾在穆迪-中诚信国际任总经理助理、高级分析师，负责信用评级、资产证券化、非标业务评级等 业务开展；参与多项国家级、省部级课题研究，兼任GLG等国际公司的咨询顾问。
2015年4月07日（周二）晚21：00~22：40
分享主题：《互联网金融之风险解构》
主题汇报人：戴星
汇报人简介：戴星，心意贷CIO兼首席风控官。戴星出身于传统金融，曾参与现行银行五级风险分类体系构建工作，后多年从事互联网咨询和投资。进入P2P行业两年，一直战斗在风控前沿，为建立超越银行的风控实操体系而努力。
2015年4月08日（周三）晚21：00~22：40
分享主题：《金融大数据云风控平台》
主题汇报人：吴昊
汇报人简介：吴昊，好贷网大数据平台高级经理。好贷网是中国最大的在线贷款搜索和服务平台，好贷网云风控平台目前的数据已运用于包括各大银行、小额贷款公司、P2P等200余家信贷机构，保护着数百亿信贷资金的安全，持续为合作信贷机构降低风险。好贷网近期与FICO联合发布云风控平台，将共同致力于利用云技术提供风险管理服务。
2015年4月09日（周四）晚21：00~22：40
分享主题：《大数据防交易欺诈系统》
主题汇报人：张炎
汇报人简介：张炎，中智诚征信有限公司，技术总监。张炎获得美国伯克利大学工程学博士，清华大学学士。高级系统架构师，1994年至今约20年相关领域专业经验，2007年-2011年在Fair Isaac担任 Lead Software Engineer，负责 Falcon 防交易欺诈系统的全面升级换代工作。2011年之后于Opera Solutions任高级软件经理。现任中智诚征信有限公司技术总监。
2015年4月10日（周五）晚21：00~22：40
分享主题：《金融大数据》
主题汇报人：鄂维南、王储
汇报人简介：
鄂维南，中国科学院院士、北京大学教授，美国普林斯顿大学终生教授，应用数学和大数据技术专家。鄂教授任中国计算数学协会理事长，大数据专家委员会特邀委员，北京大学元培学院院长。鄂教授致力于大数据技术的科学研究和产业化，主持国家973重点项目《非结构化数据分析》。
王储，普林科技CTO。北京大学数学院本科，美国普林斯顿大学应用数学博士， 师从普林斯顿大学教授、中科院院士鄂维南教授和机器学习领域领军人物、美国工程院院士沙皮尔（R.Schapire）, 研究方向为机器学习与大数据建模分析。王储博士参与过多项机器学习算法和大数据建模分析的研究，其学术成果被业界争相使用。
2015年4月11日（周六）晚21：00~22：40
分享主题：《互联网金融安全何去何从？》
主题汇报人：马骏驱（Jackal Ma)
汇报人简介：马骏驱（Jackal Ma)，杭州同盾科技有限公司联合创始人 ，出生于香港，05年获长江商学院第三届EMBA工商管理硕士学位。20多年工作经历遍布北美、大洋、亚洲，历任IBM香港／加拿大高级工程师，加拿大皇家银行技术规划部主管，香港八达通系统总架构师，后专注于发展新兴市场技术应用与咨询服务的商业拓展，先后担任新加坡（Teledata)／香港(博雅思）／美国（Edify/Aspect）／法国（AXA）独资与合资公司技术与咨询服务的高管职务，历任东南亚／大中华／北亚与全亚太的总负责人。 先后成功为亚洲地区引入并本地化前沿技术、咨询与业务模型变革，为多家企业从零开始发展成功的高速成长业务。在中国居住超过12年。 先后参与众多大型企业如浦发／深发／建行／平安等大型企业的咨询与变革项目，同时被委任为多个国家单位（如工信部／发改委）的顾问。2012年加入美国前沿安全与反欺诈企业ThreatMetrix任亚太区副总裁, 把大数据反欺诈理念带到亚洲新兴市场。2014年加入同盾成为联合创始人，负责业务、市场与咨询领域的开展，致力打造一家立足中国，影响全球的反欺诈和风险控制大数据企业。
期待您的加入，期待您的分享！
▌中关村大数据产业联盟 【入中关村大数据产业联盟500人微信群指南】 您只需在中关村大数据产业联盟500人微信群中分享一次大数据思想、案例，即可进入500人微信群，与众多大数据朋友沟通、交流、合作！（入联盟500人微信群，请把代表您能力和水平的PPT及姓名、单位、职务、联系方式发chenxinhe2020@126.com。详情请订阅微信公众号：软件定义世界（SDX）后，查询 500或501 ） 【中关村大数据产业联盟主旨与目标】 落实国家战略，聚合产业势能，促进商学互动， 助力企业成长，倡导数据伦理，探寻数字文明 【中关村大数据产业联盟活动】 〖大数据100分〗以500人圈大数据技术、资本、专家和政策专业人士为依托，每晚9点进行的线上活动。 〖大数据地平线〗以大数据执委会和中关村大数据产业联盟成员为依托，进行的走入企业现场调研活动。 〖大数据香山汇〗以“运动、分享、进步”为宗旨的爬山、PPT分享、研讨活动。 〖大数据沙龙〗“数据驱动，创新未来”为主题的高端大数据沙龙活动。 【中关村大数据产业联盟联盟网站】 http://www.zgc-bigdata.org/ 【大数据媒体方阵】 〖软件定义世界（SDX）〗、〖大数据文摘〗、〖大数据栋察〗、〖科技杂谈〗、〖CSDN云计算〗、〖天云融创〗、〖大数据邦〗、〖199IT〗、〖大数据实验室〗、〖云里数里〗、〖中云网〗、〖云华时代〗、〖大数据问答〗等，目前已覆盖20多万订阅用户。 欢迎加入大数据媒体方阵，第一时间获得〖大数据100分〗等中关村大数据产业联盟提供的独家信息，请在公众号留言或加入个人微信号沟通。 【联系方式】 地址：北京市西城区赵登禹路小绒线胡同22号 电话：010-56380808 个人微信号： sdxtime 电子邮件：sdxtime@gmail.com |
如果您认为该文章不错，请转发至朋友圈。分享知识，分享快乐！
▌【软件定义世界（SDX）】2014年4月份不容错过的精彩文章： “查看信息”中，回复日期代码即可。 回复“20140406”-->武新：大数据架构及行业大数据应用【大数据100分】 回复“20140301”-->互联网的未来【PPT】 回复“20140426”-->大数据产业地图 回复“20140406”-->《互联网思维“独孤九剑”》读书笔记【PPT】 回复“20140429”-->怀进鹏院士：大数据与产业发展转型【PPT】 |
▌【软件定义世界（SDX）】原创文章推荐。 ★《软件定义世界，数据驱动未来》【001】 ★《2013年世界软件产业发展回顾与展望》【003】 ★《平台格局确立，生态体系深化，竞争由硬转软--2013年全球移动互联网发展回顾与展望》【006】 ★《云计算叫好不叫座深层次原因分析》【015】 ★《数据驱动新商业世界【PPT】》【016】 ▌软件定义世界（SDX） 软件定义世界（SDX），数据驱动未来（DDF）！ 微信公众号：软件定义世界（SDX） |