大数据将颠覆润滑管理模式

第一篇：大数据将颠覆润滑管理模式

大数据将颠覆润滑管理模式

“如果把风机比喻成人体，那么润滑油就是他的血液，可见风机的运行状况与润滑系统密切相关。”随着大批风电机组陆续走出质保期，风电后运维市场的巨大商机正在浮出水面，而润滑系统管理则是其中最重要的一环。

润滑管理成重要一环

据预计，2014年到2016年，每年将有约14吉瓦-18吉瓦风机质保到期;2017年和2018年，年增长规模将达到26吉瓦和30吉瓦。到2022年，将有累计约187吉瓦的风机质保到期。“大批机组陆续出质保意味着风机运维从制造商的手中有可能转移到开发商或专业运维公司的手中，运维权的变化实质上是一个新旧交替的开始。一方面，已经进入初装市场的润滑油供应商要力图巩固自己的地盘，让自己的润滑服务进入更久远的后运维市场，另一方面，对于没有进入到初装市场的供应商来说，后运维市场则是必须抓住机会。”郑州奥特科技公司的相关负责人称。

风机属于大型高精度、高价值运转设备，风机的所有轴承、齿轮等部件均处于频繁启停、高负荷连续运转的工况条件下，且风力发电场又大多集中自然环境较为恶劣的地区，易对设备造成严重侵害，维修保养难度较大，成本较高。据统计数据显示，风机故障的1/3是由于润滑引起的，风电机组润滑管理已经成为风电运维中最重要的一部分，而每年润滑油的相关费用则大约占到一台风机运维费用的1/5。

科德宝集团负责润滑业务的一位人士告诉记者，在风机领域，润滑油主要用于主变速箱、变桨和偏航变速箱、制动液压控制和变桨控制、偏航和主轴承等部位。其中最关键的是带动发动机运转的主变速箱，它也是齿轮传动箱风机的心脏。主变速箱决定着整个系统能否正常运转，一旦发生故障，不仅影响发电效率，而且修复成本也非常高昂。

记者从业内了解到，目前，美孚、壳牌、福斯等外资品牌基本上垄断了国内的风电润滑油市场。而国内一些专业服务公司则侧重于提供油品检测、换油、滤油、废油回收等相关服务。需要整套解决方案

我国陆上风能资源集中在“三北”地区，这给风电润滑带来的挑战是极端低温严寒条件下的润滑可靠性，包括润滑油品的低温流动性、润滑油品的冬季免维护冗度、严寒条件下润滑性能保持性。此外，随着对风电机组运行效率的日益重视，也需要提高润滑产品的可靠性，以及满足润滑清洁度、过滤特性和长寿命等需求。“而伴随着风机的大型化和性能的提升，也随之给润滑带来更大的压力，润滑油必须承受更高的运行温度和更重的负载。”科德宝集团上述人士表示。郑州奥特科技公司相关负责人告诉记者，风电集中润滑系统在目前实际应用过程中，暴露出一些亟待解决的问题：比如，风电场内所有风电集中润滑系统均处于独立工作状态，不便于集中监控管理;传统集中润滑系统“定时定量”的润滑方式，不能满足系统内各个润滑部位的差异化需求，造成有的部位润滑不良，有的部位油脂过量;集中润滑系统处于模糊不可控工作状态，润滑状态异常不易判断，检修难度高，故障发现时往往已造成极大损失;集中润滑系统个别润滑部位发生堵塞或泄露，直接导致其它润滑部位得不到有效润滑;润滑泵泵送性能差，不能泵送高粘稠度油脂，在高寒地区低温环境下更为明显;废油回收不彻底，污染严重，操作低效，且存在安全隐患等。

然而，针对风电润滑环节存在的这些问题，绝不仅仅是提供润滑油如此简单，而是要提供一整套的润滑管理方案和服务。业内人士告诉记者，积极的维护策略可以帮助维护人员实时监控润滑油和齿轮箱等设备的运行状况，并及早排除隐患。客户不仅仅需要润滑产品，更需要润滑解决方案。沈阳奥吉娜集团公司董事长魏国平认为，如果把风电机组故障比作一头牛，主齿轮箱的故障就是牛鼻子，牵住牛鼻子，一切问题就迎刃而解。奥吉娜集团目前仅占据风电润滑油市场约2%的份额，其目标是占据整个风电润滑油市场50%的份额。为了解决润滑环节出现的种种问题，也有多家国内企业推出包括油品质量检测服务、机械换油滤油服务、油品及备件供应服务、废油处理服务、油品在线监测系统、油液精滤系统以及齿轮箱冷却系统改造服务等内容的一站式风电机组润滑管理服务，试图给出全方位解决方案。而在业内看来，各家服务目前缺乏统一标准，服务水平也参差不齐。应充分利用大数据

保障风机的可靠运行，除依靠高品质润滑油外，还需要创新技术手段。业内认为，大数据时代来临将彻底改变对风机润滑管理的传统模式。

据介绍，大数据使得数据安全、数据分析、数据挖掘等专业化处理所产生的各种数据价值翻番，甚至在某些方面颠覆了传统的业务模式。在进行风机润滑管理时，可以实现分析处理与之相关的所有数据，而不再依赖于随机采样，这将大大提升润滑管理的精准度和实时性。截至目前，我国在运行的风机约为7万台，按照新的规划，到2020年将达到12万台。魏国平认为，每一台风机，每天都形成实时监控的数据流，其中有大量在线润滑油分析数据和离线润滑油分析数据。这样的信息流虽然每时每刻都在产生，却没有人进行大数据挖掘和分析，造成数据资源的浪费。同时由于主齿轮箱涉及多学科、多行业，因此需要多方合作才能确保主齿轮箱的可靠性，减少故障率。“因此，有必要建立监控大数据链接中国风机主齿轮箱可靠性自主创新合作社，建立一个汇集材料科学工程师、主齿轮箱制造工程师、轴承制造厂、运维工程师各方面资源的平台，将碎片化的数据流进行整合，通过云计算系统的分析研究后实现共同利用。”魏国平建议，“同时在大数据分析过程中找到风机存在的缺陷，实现对症下药，从而改善我国在风电基础研究领域不足的现状，提高风电自主创新能力。” 【编辑推荐】

技术人必读：从编程到管理——程序员的晋升之路

技术人必读：从编程到管理——程序员的晋升之路移动·开发技术周刊第150期

创业CEO：管理工时不如管理工质

为什么需要应用性能管理？

用大数据分析管理现代食物链

第二篇：移动互联网将颠覆所有商业模式

移动互联网将颠覆所有商业模式

2014-04-25 作者：华西都市报(成都)出处： 比特网论坛 责编：邢铖 分享至新浪微博 转播到腾讯微博

2014年4月24日，中国西部互联网大会召开。

4月24日，由中国互联网协会互联网金融工作委员会、成都市互联网协会、华西都市网络科技有限公司主办的中国西部互联网大会暨互联网金融创新研讨会在成都举行。近150家来自全国、西部地区及四川省的互联网及金融企业高层、政府领导、专家学者出席。

大会围绕“用互联网思维促进产业创新和金融发展”，解读互联网金融相关法律法规，传播互联网金融新模式,探讨如何促进传统企业产业升级和创新，探讨西部地区互联网金融的发展模式。

来自全国金融行业高层和余额宝、支付宝、人人贷、宜信、苏宁云商、万国数据、易贷网等金融企业，以及华西都市网、安全宝等本土互联网精英均作精彩演讲并在分享环节交流心得体会。

与会企业负责人均纷纷表示看好成都的互联网市场，并畅谈在蓉城发展的计划。“成都的互联网发展非常蓬勃，充满激情与魅力。”小i机器人营销副总裁许戈亚表示，以此次大会为契机，看到了火热的成都市场，因此决定在成都建设小i机器人的分支机构。

大会上，华西都市网络科技有限公司发起的成都市互联网协会互联网金融工作委员会、成都市互联网协会新媒体委员会也正式揭牌。观点

介入PC互联网等于找死

“企业不介入互联网是等死，介入互联网是找死，如果基于移动互联网一定不会死。”翼龙贷董事长王思聪的观点引起了与会者的注意，他独特的观点解答了传统企业触网的困惑。传统的PC互联网的黄金期在最近一两年就将结束，如果现在还在做一些基于PC互联网的商业活动，只能是找死。

王思聪意识到，移动互联网的趋势还没有完全确定下来，而基于移动互联网的模式将是全新的模式，甚至将颠覆工业革命以后形成的所有商业模式和我们所有的意识形态。“移动互联网时代还没有完全到来时，如果投资者、从业者要投资或者布局的话，提前一两年进行，大家都会有机会。”

同时，王思聪给目前最火的互联网金融泼了一盆冷水。“互联网金融火不了多久了。”互联网金融的从业者动了银行的奶酪，也就是存贷业务，但P2P的金融必定要回归中介的性质，自己不能有资金池，人人都来做金融目前是不可能的。

互联网金融进入青春期

“互联网以及互联网金融就像爱情和政治一样，我们天天都谈论，但是就搞不清楚它到底是什么东西。”发改委国际合作中心国际金融研究所执行所长王玉荣的演讲中不时冒出的比喻，让听众感同身受。

王玉荣紧接着用了另一个比喻解释了互联网金融所处于的阶段。“一种技术、一个机构的发展都遵循了神奇的步伐，年幼的时候青春无知，成年的时候看破红尘，年老的像法学家一样审视世界，互联网金融正处于萌动的青春期。”

“为什么互联网金融在美国、欧洲和日韩都没有像中国这么火呢？”王玉荣梳理了中国金融行业的现实背景。中国的银行一年期定期利息是3%左右，六个月至一年的贷款利息是6%，这个利差给余额宝等互联网金融产品生存空间。但是欧洲、美国的利差是没有我们想象这么大的。“IT企业不需要牌照就可以做金融，实际这需要一个慢慢规范的过程。”

互联网金融应挖掘本土化的市场机会

贷帮网CEO尹飞提出，按照互联网的格局，如果跟着巨头的风潮投资，那很有可能颗粒无收，因为无论从资源还是“烧钱”上来说，实在无法和巨头抗衡。因此，尹飞认为，要做互联网金融，并不应该着眼于全行业或者全国，而是要根据行业和地域的特点，在熟悉的领域层层细分。

因此，尹飞向成都的互联网公司建议，如果要做互联网金融一定要做到“小而美”，要抓住自己擅长的，也就是本土化的市场和客户，不擅长的东西则应该统统想办法跟擅长的人合作。

第三篇：微信未来将颠覆哪六大行业

看到一盒益达口香糖，打开微信，对着瓶身的条形码一扫，手机立即显示易讯、亚马逊、当当和1号店都有售。其中，易讯卖9.9元，当当卖9.9元，亚马逊中国卖11块，1号店卖10块。其中当当最便宜。点开易讯的链接，选择微信支付，若已开通微信支付，直接输入密码即可进行消费;若未开通微信支付，提交订单绑定银行卡、设定支付密码，验证后即可进行消费。

扫一扫，扫出新世界。这是微信5.0里对扫一扫的强大功能给出的定位。扫一扫，将线下和线上、人和机、物和网完美的结合起来。而在这个结合的过程中，因为微信支付的加入，线下和线上、人和机、物和网才真正形成了一个了圆。

随着支付功能的推出，微信正在快速渗透到我们日常生活中的各个细节，它也将改变以下六个行业的格局：

1、广告业；

2、电商业；

3、出版业；

4、影院餐饮业；

5、CRM；6银行基金业。

一、广告业--找回那浪费的50%广告费

传统广告基本是在广播、电视、报纸杂志等传统媒介上投放广告，视听类媒体计费通常以广告时长和时段进行计费，平面媒体通常是以位置、发行量和版面进行计费。无论如何计费，广告主都不能获得直接的转化数据。

Dell可谓对传统媒体广告运用最娴熟的企业，在不同的媒体投放不同的订购电话。但即便如此，也难以将用户关注强关联至用户购买转化。

随着移动互联网时代的到来、社交媒体的兴起，由微信的扫一扫和支付将引领起广告业CPS(单个销售成本)的可能。用户看见商品，立即扫描、立即比价、立即购买，广告投入带来的销售非常直观，再也不会出现如宝洁的CEO感叹的“有50%的广告费被浪费了”。现在，不管你从事什么行业，赶快抢占你的移动互联网广告位吧！

二、电商业--电商网站不是平台是货架

无论何时何地，扫描商品包装条形码，即可获得商品在各个电商网站的售价，选择一个最低售价下单购买，一气呵成。这是微信提供的极致购买体验。

在这个体验中，微信将变成商品的入口，各大电商都成为了成列商品的货架。消费者只需选择最便宜的那个价格下单即可。这就相当于在一个巨无霸的批发市场里，开了沃尔玛、家乐福等各家卖场，各家卖场基本都成列的有绝大多数的商品品类。这个时候卖场比拼的将是售价和服务，谁的售价低、谁的服务好，用户将选择从哪个货架上取东西。

三、出版业--数字出版到自出版的进化

传统出版业被改变已是不争的事实，书籍的电子化、音乐的电子化、电影的电子化等等，几乎所有传统出版的内容形式都被数字化了。

看到一本书、一张CD、一张电影海报，扫描即可获得内容简介和购买信息?不，不只是如此，扫描一本书，或许出现了该书的电子版;扫描一张CD，或许出现歌曲的MP3格式;扫描一张电影海报，直接让你看视频„„

这将催生无数的创作者，自由的进行创作。籍籍无名的作家，可以在微信朋友圈或者微信公众号进行连载，用内容吸引用户通过微信支付购买；年轻的歌手可以发布网络歌曲供免费试听付费下载；微电影和一切自投拍的电影可以发布数字版供用户观赏并吸引广告主付费。

四、影院餐饮业--线下服务业的O2O

O2O，自移动互联网热潮来袭，这是一直被各互联网评论人、创业者们欣喜不已的名词。在传统互联网时代，O2O并没有真正做到。铺天盖地的团购扫街小分队，将大街小巷的餐饮店、电影院、KTV、按摩店、美容院扫了个遍，但是除

了给线下商业带来不定期的“捡便宜”的人流热潮外，并没有得到真正的可持续的商业利益。

而微信的产生，将6亿的用户，推送到了所有线下商家面前。用户通过微信查找附近的商家，然后挑选自己喜欢的商品和服务，支付后即可到商家消费。比如一群美女逛街逛累了想做个美甲，通过微信查找最近的美甲店，然后下单购买就可享受服务，免去排队、预约等各种麻烦。而这也完全有别于此前的团购模式的O2O，给商家带来的是持续的近场人流，只要用户在商家附近，商家就可以利用微信将人流吸引到身边。

五、预付卡/会员卡--CRM还可以这样玩

打开你的钱包，是不是除了银行卡之外，还有相当多的会员卡/预付费卡? 地铁卡、公交卡、美容院的卡、理发店的卡、火锅店的卡、超市的卡„„鼓鼓囊囊的一大堆卡，随时还有可能忘了里面是否还有余额或者积分。到了节假日，这种情况就更严重了，家乐福的卡、沃尔玛的卡、百盛商场的卡、天虹商场的卡等等，而且这些卡往往又不能通用，给用户造成巨大的困扰。

接入了微信支付的微信服务号，变成了一个商家CRM平台。每个商家的用户信息，积分、消费记录、消费内容都可以记录下来，用户带着装了微信的手机，就可抛开鼓鼓的卡包。而对商家来说，在微信上发行一张虚拟的会员卡，成本要远远低于发行一张实体的会员卡。而且商家也不用再部署复杂的CRM系统，直接上微信后台查数据即可。

六、银行基金融资--互联网金融的试验田

在银行业还在为传统金融业的互联网化而争论不休的时候，当网上银行、电话银行、手机银行还在为推动用户转型而伤脑筋的时候，招商银行的“微信银行”上线3个月用户已经突破100万。用户只需发个微信，就能获得个人账户情况、信用卡账单等。

招商银行“微信银行”的火爆让中信银行、工商银行、平安银行、广发银行、交通银行纷纷跟进，各银行纷纷推出“微信银行”，用户只需关注银行公众号，就能办理部分银行业务。

当融资业还在为传统融资行业的互联网化而烽火连天的时候，当小贷、担保、典当、金融中介、P2P等机构还在为如何争抢地盘而一筹莫展的时候，宇城金融的“融资超市”平台上线3个月用户已经超过30万。用户只需发个微信，就能一站式解决融资难和融资贵问题，轻松成功的融取资金。

将物理网点变成虚拟网点，将人工电话客服变成在线客服，将庞大的IT系统变成简单易用的公众号，银行业和融资业的变革已经开始。

国内管理资产规模最大的基金公司华夏基金正式登陆微信，并在微信上推出基金交易业务。用户可通过微信支付实现货币基金的存入和快速取现等功能。目前已经有30余家基金公司开通了微信公众号，在微信平台上买卖其他基金公司基金也指日可待。

第四篇：ZestFinance用大数据颠覆传统征信业

ZestFinance用大数据颠覆传统征信业

2014-09-05 大数据邦

硅谷越来越多的科技企业开始向金融圈进军。ZestFinance就是其中之一。这家公司打出的旗号是“将Google算法带入征信领域”，其利用机器学习和大数据技术，创立了一套和传统模式相异的信用评分方式，其中应用的数据变量是传统模式的上百倍。

ZestFinance创立于2010年，创始人道格拉斯·梅里尔（Douglas Merrill）是Google的前信息总监兼工程副总裁，另一位来自金融圈的创始人肖恩·布德（Shawn Budde）曾在第一资本公司（Capital One）负责信贷业务。

记者专访了ZestFinance的创始人梅里尔，他认为，“ZestFinance完全可以取代银行现在用的算法。”

然而，美国个人消费信用评估公司（FICO）中国区总裁陈建表示，这不可能。在美国有1000多家当地信用局为消费者服务，基本隶属于三大征信公司。这三家征信公司分别拥有覆盖全美的数据库，包含超过1.7亿消费者的信用记录。在三大征信公司收集了海量个人征信数据后，还须经过复杂的模型计算才能形成征信产品。这三家征信公司目前使用的计算方法模型都来自同一家公司，即被称为“幕后大佬”的FICO。

越来越多类似ZestFinance的初创公司正在觊觎传统华尔街的地盘。而其势头如同多米诺骨牌，不断推向华尔街的要害。数据变废为宝

在ZestFinance的官网上有这样一句话：“所有的数据都是信用数据。”这句话恰恰浓缩了ZestFinance所做的工作——将成千上万的数据“变废为宝”，应用于信用评分。

这家公司在短短四年时间内，就先后获得了高达1.2亿美元的融资，其背后的出资人都是著名的IT风投，包括FlyBridge、GRP、LightSpeed以及Matrix等。

目前，美国绝大部分金融机构使用的信用评分都来自FICO的模型算法。自上世纪60年代至今，在美国的征信体系中，FICO的地位从未被撼动。

在美国，经过三大征信公司的整理和FICO的计算评分，海量的征信数据就变成了一份份整齐美观的报告和325-900分值区间的评分，用户可以只买报告，也可以报告+评分打包购买。

中国科学院院士、北京大学教授鄂维南对记者表示，FICO的评分模型的确首屈一指，但并非十全十美。FICO信用评分参考的数据变量只有不到50个，因此很多人摸清了FICO关注的变量后，就可以“模型套利”增加自己的信用评分，例如一个人可以每天反复在图书馆借书还书“刷信用”。

“针对FICO的不足，ZestFinance重新设计了一套信用评估模型。和FICO的不到50条参考变量相比，ZestFinance参考的数据变量多达上万条，并采用非线性化的、更前沿的技术来进行分析，从而防止‘模型套利’的现象，更精准地评估消费者信用风险。” 的确，ZestFinance远远超出了FICO 50条变量的界限。在这个位于洛杉矶的65人团队中，大多是数据科学家，他们开发了多个机器学习分析模型，而在这个模型中使用的数据变量多达上万条。上万条数据变量仅仅是原始信息数据，在这些数据基础上，模型可以得出超过7万个可以判断信贷行为的指标。而模型跑完这些指标仅需要不到3秒钟。

所谓机器学习，是让计算机模拟或实现人类的学习行为，以获取新的知识技能，在数据积累中不断自我完善，可谓是人工智能的核心。ZestFinance的模型之一Hilbert就是成功地将机器学习进行商业应用的案例，让机器承接7万个指标的数据分析工作，寻找逻辑关系，并不断自我改善，人类只需要根据结果进行一些逻辑分析和判断。

“多年来，美国金融机构都在用50条数据变量来决定是否给一个客户授信。问题在于，许多人并没有完整的信用记录，这导致在传统信贷中他们不断吃闭门羹，”梅里尔表示，“在ZestFinance，我们分析上万条数据变量，借助更加广泛的数据，从而对客户的风险预判更加精确。”

数据的类型亦极其广泛：一个人的网页浏览历史、手机付费记录、超市购物清单都可成为重要的参考依据，甚至在用户填写信贷申请表时是使用大写字母还是小写字母，也可以成为数据变量。

“很多数据都可以服务于信贷，例如申请人在我们的网站上停留的时间，就可以反映他对申请贷款的谨慎程度和还款诚意。”梅里尔说。

鄂维南认为，信贷记录属于强变量，在强变量缺失的情况下，可参考多种弱变量，当这些弱变量组合起来，就可形成强变量，服务于信贷风控。“例如，孩子是一个家庭支出的源泉，那么如果能推测出借款人孩子的年龄，就能预测他的消费周期：婴儿有奶粉等固定开销、学生每到9月就要缴纳学费等。只要能避开他的主要支出，就可控制坏账。” 在中国，由于征信业历史较短，缺乏足够的信贷数据，就可以用许多弱变量数据来对一个人进行还款预测。目前，学界有许多人也在进行类似的课题研究。

对于这些“弱变量”的开发利用，陈建亦表示认同，“把数据的价值挖掘出来是不可避免的趋势，大数据发展会越来越日新月异。”但他表示，从互联网数据中挖掘价值，最早做的正是FICO。“银行刷卡交易实时获得数据，通过分析进行风险识别，FICO十几年前就发明了，现在90%以上发达市场的银行都在用FICO这套系统。” 争锋FICO 的确，在当前ZestFinance和FICO尚不能同日而语。FICO占领着美国99%的信用评分市场和绝大部分发达国家的信用评分市场，而ZestFinance目前仅服务过10万名美国人。

在中国，FICO目前拥有80人的团队，已经和15家商业银行、30多家城商行和农商行建立了合作。ZestFinance目前在美国以外的其他地区还没有开展业务，但梅里尔告诉财新记者，目前正与多个中国金融机构洽谈合作。

但从未来发展的空间而言，似乎新生事物总能赢得更多青睐。面对ZestFinance等新型信用评分公司的诞生，美国主流媒体纷纷给予了报道——《经济学人》杂志写道：“ZestFinance比传统评分方法让违约率下降了40%。”CNBC表示：“ZestFinance让无账户人群不再被拒之门外。”

这一切声音，似乎都剑指FICO。

梅里尔表示，ZestFinance采用了和FICO截然不同的技术。FICO是基于20世纪50年代创造的“逻辑回归”模型，那时并无很多可供参考的数据变量。但随着互联网时代来临，数据开始爆发式增长，FICO的评分方式并未改变。梅里尔这位曾经的Google人，则将Google算法引入了征信领域，走在了技术的前沿。“ZestFinance完全可以取代银行现在用的算法。”梅里尔自信道。

对于外界的质疑，FICO表示很冤枉。陈建表示，外界对FICO其实缺乏了解。FICO并非只有一种算法，而是有几百种算法。在美国仅注册的算法专利就多达近200个。在不同的数据场景下，使用的数据变量和数量都不同。

陈建认为，数据变量并非越多越好。

“FICO信用评分的候选变量其实有1000多个，只是具体到每个评分中，只使用其中的几十个变量。”陈建表示，认为变量越多模型越好是幼稚的说法。从统计学角度，模型计算一方面要抓住本质规律，一方面要避免过度拟合。

“变量太多会造成过度拟合的问题。就好比做一双鞋子，与你的脚100%拟合，但别人都不能穿。FICO不是给一个人做一双鞋，而是要给全社会使用。如果一些变量不是适用于每个人，就不适合放在模型中。”陈建说。

根据惠誉评级公司的研究结果，FICO分数的影响力正在下降。现在美国各个银行都有自己的模型，他们会用自己的模型去跑征信原始数据，FICO评分只是其中一个参考变量。例如美联银行（Wachovia）对FICO评分的参考比重已经下降为零。

对此，陈建认为只是个别现象。“就我了解，目前美国银行业99%的资产组合还是基于FICO上，拿出1%来试验新的东西是可取的，但这并非主流。”

陈建表示，技术服务于产业，信用评分不是象牙塔里的空想，而是根基深入产业的积累。目前美国99%的银行都使用FICO的评分系统，深厚的积累是其他公司难以比拟的。

陈建毫不掩饰他对FICO的自信：“FICO已经成为发达市场金融管理的肢体部分，不会有人想要卸掉自己原本的胳膊，换上一对高科技的塑料胳膊。” 为无账户人群服务

“金融包容”正在成为一个新兴词汇，它的含义是指让没有银行账户或信用记录不好的人群公平地享受金融服务。

万事达公司CEO Ajay Banga近日在一份关于金融包容的倡议书中表示，目前全球有25亿成年人没有享受过金融服务，其中大部分是妇女和年轻人，以及一些居住在乡村的人。在美国，目前有4400万人没有银行账户。“因此，金融包容需要在所有国家倡议，绝非仅仅发展中国家。”

梅里尔表示，ZestFinance正是要为这些没有银行账户以及信用记录不好的人解决贷款问题。

“我最初的灵感来自我的小姨子。”梅里尔向财新记者追忆道，当时他的小姨子要贷款换一副汽车轮胎，然而银行因她没有足够信用记录而拒绝。“后来是我给她借了钱。如果我不借钱给她，她就只能去申请‘发薪日贷款’了。”

梅里尔提到的“发薪日贷款”是指在发薪日之前两周申请的小额个人贷款，借款人只需提供收入证明或政府救济证明，承诺在自己发薪水后即偿还贷款。如果到期无法还清贷款本金和利息，可以提出延期。然而，这种贷款的费率极高，每100美元收取15美元利息，年化利息高达400%。相比之下，信用卡的年化费率则只有12%-30%。

近年来，特别是在金融危机后，华尔街和美国监管层不断将目光投向“发薪日贷款”，认为这是高风险贷款，但屡禁不止。2014年6月5日，一批借款人向美国监管机构提起上诉，指出监管层将这些借款人列为“有声誉风险”的群体是不公平的。按照诉讼内容，美国超过80家主流银行都被监管层勒令中止和这些借款人的关系。

这些特殊借款人也引起了主流人群的同情。美国群众自发组织了团体，推进针对无账户人群的金融包容。

“ZestFinance的使命就是给这些无银行账户或信用记录不好的借款人创造透明公正的信用评分。”梅里尔表示，通过成千上万的数据变量，每个人都可以拥有一份公正的信用评价。

此外，ZestFinance还有另一个重要组成部分，即ZestCash贷款平台。

ZestCash类似一家小贷公司，它的主要业务是给那些没有银行账户或者信用记录不好的人提供小额贷款。ZestCash的借款中有90%是为了采购生活必需品，比如修车和医疗保险。

梅里尔表示，ZestFinance帮助信用记录不好的人贷款主要通过两种方式：一种是直接从ZestCash对其发放贷款；一种是让使用ZestFinance评分系统的金融机构，通过ZestFinance的评分结果对其发放贷款。“迄今为止，我们已经帮助超过10万名没有银行账户或信用记录不好的美国人获得了贷款。”

值得一提的是，ZestFinance并没有因为目标客户是“风险人群”而导致高坏账率。梅里尔表示，目前借助ZestFinance获得的贷款比银行的“发薪日贷款”违约率低50%。“也就是说，在ZestFinance算法的帮助下，‘发薪日贷款’可以节约一半的成本。” 竞争与风险

金融危机后，银行信贷更加谨慎，而硅谷的IT男们则不断尝到金融这块蛋糕的甜头，包括Prosper和Lending Club在内的P2P借贷平台应运而生，类似ZestCash的小额信贷公司也风生水起，包括Zebit、Avantcredit、Kreditech、DemystData在内的公司都看准了银行信贷这块短板。这类公司的共同特点是利用大数据做信用分析，并且大多拥有自己的网络信贷平台。

Zebit创建的Lending Stream网络借贷平台，可以在4分钟内获得50-1500美元的半年期个人信用贷款。

Avantcredit打出的标语是“从这里申请贷款不会影响你的FICO信用分数”。该公司也是自建信用体系，针对不同人的评分，给出的利率也是不同的。

Kreditech位于德国汉堡，两位自信的IT男利用大数据分析手段评估借款人还钱的概率，他们不要求客户提供信用证明，15分钟内就能提供500欧元以内的小额贷款。和ZestCash类似，Kreditech希望用户提供尽可能多的信息，连用户的借贷申请是使用iPad发送还是用老式电脑发送、输入时出错的概率、使用取消键的频率等都考虑在内。

上述公司都获得了风投的青睐，例如Kreditech2013年9月获得了900万美元A轮投资，Avantcredit2013年8月获得2000万美元B轮投资。

陈建认为，此类创新型公司和传统的FICO与银行信贷并不冲突，可以成为传统市场的补充。

当然，这类公司也并非可以为所欲为，也要受到美国监管的制约。其中，1975年通过的《平等信用机会法》（Equal Credit Opportunity Act）中规定，贷款必须发放给所有资信可靠的申请人，不论种族、宗教信仰、性别、婚姻状况、年龄和其他个人特征。然而，随着互联网大数据的井喷，这些信息都随着网络社交信息一起被纳入了ZestFinance等公司的变量测算中。此外，由于所有的征信数据都必须经本人允许采集，因此这种海量采集数据的方式还会面临侵犯消费者隐私的风险。

第五篇：移动设备与大数据颠覆传统市场调研方式

移动设备与大数据颠覆传统市场调研方式

阅 读Post on 13-05-03 17:20

如今，企业通过智能手机、平板电脑等移动设备收集用户数据，再通过大数据技术加以分析，导致传统市场调研方式面临颠覆。即便看似一成不变的零售业和广播电台等行业，位置数据和音频识别技术也可以帮助它们更加了解用户的真实需求。美国科技博客GigaOM今天发表评论文章称，如今，企业通过智能手机、平板电脑等移动设备收集用户数据，再通过大数据技术加以分析，导致传统市场调研方式面临颠覆。即便看似一成不变的零售业和广播电台等行业，位置数据和音频识别技术也可以帮助它们更加了解用户的真实需求。

以下为原文主要内容：

如果厌烦了晚上8点对顾客进行电话调查，或者拿着Arbitron(收听率调查公司)传感器统计收听率，无处不在的智能手机或平板电脑可能会成为你的救星，而你只需放弃一点隐私。

移动设备非常便于收集现实生活中的地理位置、温度、运动、声音等数据。但如果不对这些数据加以利用，它们只能白白浪费。

地理位置是重中之重

零售商对顾客购买的商品乃至在商店内的走动都了如指掌，但一旦顾客离开，零售商便不清楚他们要去哪里。而这种信息非常实用：如果要改进商店或探究营销方式，了解顾客的其他一举一动会大有帮助。西雅图创业公司Placed率先尝试了这种数据的利用。

Placed推出的首款产品针对想要了解用户在何处使用其应用程序和移动网站的开发者。之后，该公司推出了Panels服务，可让企业全天追踪应用用户的地理位置(通常以小额赏金作交换)。

本周，该公司发布了第一季度的研究报告，其中包括哪些百货商店最受那些人欢迎，哪些类型的商家流量增加最多，哪些商家之间的关联性最强或最弱(例如，访问某家店的人也会访问另一家店)。

Placed CEO大卫·西姆(David Shim)表示，Placed几乎可以提供按地理位置、商业类型、人口统计等细分的一切营销数据。他举例称，某高端零售商发现进店的年轻女性很多，但很少购买东西。相反，她们去的下一家店通常是Burlington Coat Factory和Ross等折扣零售店。结论很明确：这些顾客想要了解哪些衣服正流行，然后以较低的价格购买不错的仿制品。

他还注意到，拉斯维加斯一些赌场用Placed研究玩家们离开赌场后去哪些餐馆吃饭，这样当它们要自己开设餐厅和商店时就能做出最佳选择。在这两种情形下，如何才能从顾客身上赚到更多钱，答案可能是降价。如果降价10%可使销量上升14%，就可实现双赢。

反思电台

如果结合声音等其他数据，位置数据的价值会更高。例如，收听率调查公司Arbitron只能了解听众在听什么电台，却不知道他们实际在听什么歌曲。这就好比你在餐厅就餐时听一小时的拉丁电台或在健身馆收听Top 40电台，这并不表明你真的在听或喜欢听它们。

然而，在车内听的歌曲很可能反映你的真实喜好。音乐数据公司Gracenote便拥有这种技术。它采用智能手机和平板电脑内置的麦克风识别用户电视或音响中播放的歌曲，并可检测掌声或嘘声等反应，甚至还能检测用户是否调高了音量。

这样，Gracenote可以研究用户真正喜欢的歌曲，听歌的时间和地点。广播电台可能永远无法像Pandora那样个性化，但通过这种技术，他们可以更好地了解听众需求，而数字电台则可提供比Pandora更好的体验。

数据质量

这些方法听起来都不错，但它们的实现要归功于大数据的出现。Placed拥有确定用户实际位置的特殊算法并且不断改进模型，因而才能提供如此准确的分析数据。西姆表示，公司会询问用户定位是否正确，这项调查每天可收到1.5万条回应。数据库里的130亿个位置中，该公司已验证350万个。

Gracenote拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。该公司希望开发一款根据行车状况自动更换歌曲的车载系统。

有人可能会担心这些应用存在隐私问题，但如果提供一点数据能换来足够的价值回报，这也未尝不可接受。数据收集这只精灵已经逃出瓶子，变成魔鬼还是仆人就看人们如何掌控。

消息源：新浪科技

译者：达西