2017中国大数据金融论坛

第一篇：2017中国大数据金融论坛

http://

第二篇：金融数据

PMI指数的英文全称为PurchasingManager‵ index ,中文含义采购经理指数，PMI指数5为荣枯分水线。当PMI大于50时，说明经济在发展。调查采用非定量的问卷形式，被调查者对每个问题只需作出定性的判断，在上升、不变或下降三种答案中选择一种。基于对样本企业采购经理的月度问卷调查所得数据合成得出，再对生产、新订单、雇员、供应商配送与库存五项类指标加权计算得到制造业PMI综合指数。

定向降准，加大定向降准措施力度，对发放“三农”、小微企业等符合结构调整需要、能够满足市场需求的实体经济贷款达到一定比例的银行业经融机构适当降低准备金率。扩大支持小微企业的再贷款和专项金融债规模。

逾期贷款（借款人未按合同约定日期还款的借款）罚息利率由现行按日万分之二点计收利息，改为在借款合同载明的的贷款利率水平上加收30%—50%；借款人未按未按合同约定用途使用借款的罚息利率，由现行按日万分之五计收利息，改为借款合同载明的贷款利率水平上加收50%-100%。

汽车合格证是汽车另一个重要的凭证，也是汽车上户时必备的证件。只有具有合格证的汽车才符合国家对机动车装备质量及有关标准的要求。

融资租赁是指出租人对租赁物件的特定要求和对供货人的选择，出资人向供货人购买租赁物件，并租给承租人使用，承租人则分期向出租人支付租金，在租赁期内租赁物件的所有权属于出租人所有，承租人拥有租赁物件的使用权。

简单的融资租赁：承租人选择需要购买的租赁物件，出租人通过对租赁项目风险评估后出租租赁物件给承租人使用。在整个租赁期间承租人没有所有权但享有使用权，并负责维修和保养租赁物件。

回租融资租赁是指设备的所有者先将设备按市场价格卖给出租人，然后又以租赁的方式租回原来设备的一种方式。优点在于承租人即拥有原来设备的使用权，又获得一笔资金，所有权不归承租人，租赁期满后根据需要决定续租还是停租。回租租赁业务主要用于已使用过的设备。委托融资租赁一种方式是拥有资金或设备的人委托非银行金融机构从事融资租赁，第一出租人同时是委托人，第二出租人同时是受托人。出租人接受委托人的资金或租赁标的物，根据委托人的书面委托，向委托人指定的承租人办理融资租赁业务。在租赁期内租赁标的物的所有权归委托人，出租人只收取手续费，不承担风险。另一种方式是出租人委托承租人或第三人购买租赁物，出租人根据合同支付货款，又称委托购买融资租赁。

项目融资租赁：承租人以项目自身的财产和效益为保证，与出租人签订项目融资租赁合同，出租人对承租人项目以外的的财产和收益无追索权，租金的收取也只能以项目的现金流量和效益来确定。出卖人通过自己控制的租赁公司采取这种方式推销产品。

经营性租赁：在融资租赁的基础上计算租金时留有超过10%以上的余值，租期结束时，承租人对租赁物可以选择续租、退组、留租。出租人对租赁物件可以提供维修保养，也可以不提供，会计上与出租人对租赁物件提取折旧。

第三篇：中国大数据行业调查报告

中国大数据行业调查报告

公司使用大数据的基本情况

无论你是来自互联网行业、通信行业，还是金融行业、服务业或是零售业，相信都不会对大数据感到陌生。据调查报告显示，32.5%的公司正在搭建大数据平台，处于测试阶段；29.5%的公司已经在生产环境实践大数据，并有成功的用例/产品；24.5%的公司已经做了足够的了解，开发准备就绪；基本不了解的只占3000+用户的13.5%。

现有公司大数据的使用情况

其中，大家对大数据平台提出的的主要需求有：36.5%是进行海量数据的离线处理，比如大数据BI；23.2%是为了大量数据的实时处理，比如在线交互式分析；40.3%的公司的大数据平台则同时负责这两种业务。

大数据平台主要负责的业务

传统观念下，大数据往往是大型互联网公司的玩物。然而，通过本次调查，我们却发现在那些对大数据平台有需求的公司中，研发团队规模远没有我们想象的大，29.11%的研发团队仅有1-10人，次居第二的10-50人的规模占到了25.77%,两种规模的研发团队就超过了一半。可见，当下大数据的需求已不止步于大型公司。

研发团队规模 从传统架构到大数据时代应用程序架构的转变往往都会遇到一些问题和挑战。在对计算框架门槛调查中，非专业人士难于入手这一难题的比例达到了46.5%，这对企业人才的培训提出了迫切的要求。

当下计算框架使用过程中存在的问题

打造大数据平台需要企业克服诸多问题和挑战，尤其是安全性和可靠性方面。

大数据平台打造的主要挑战 大数据技术现状 大数据技术在开发者或从业人员的应用中逐步走向成熟，这些成熟的技术在开发人员的探索中得到了初步的稳定发展，公司的使用便是对这些技术的肯定。包括开发语言，数据分析语言、数据库等在内的大数据工具，究竟哪个更适合自己的业务，相信开发者们都有自己的评判标准。

在众多的开发语言中，大数据平台开发者们尤为青睐Java，占到了总比例的65%，远远超过其他开发语言。值得一提的是，Hadoop本身就由Java实现的。

大数据开发语言

在大数据分析语言中，SQL的使用比例达到了64%，是R语言使用者人数的2倍之多。我们从中不难看出SQL-on-XXX项目的前景；同时从R的支持率上，也看到了更多非技术人员，比如数据分析师对低门槛分析类语言的需求。

大数据分析通常用的语言

在大数据存储上，HBase则以67.55%的比例位居榜首，远超其他数据仓库，当然这点与Hadoop原生支持是分不开的。

大数据存储中适合的数据库

对存储在HBase或Cassandra这样NOSQL数据库中的数据进行复杂查询，Solr、Elasticsearch、Splunk等主流的搜索引擎差距并不大。

对存储在NOSQL数据库中的数据进行复杂查询，比较合适的工具 大数据未来发展

诚如上文所说，许多对大数据有需求的公司并不一定具备强大的研发团队，在大数据处理过程中往往遭遇众多挑战。那么，在面临这些挑战时，开发者最迫切需要的是什么？

为了解决公司中的实际问题，39.28%的人希望拥有更犀利和通用的计算框架；37.88%的人希望能拥有更好的数据挖掘算法；21.59%的人则对保障性更高的运维有了更多的期盼。

为了解决公司的实际问题，最希望拥有的新技术

良好的大数据计算平台能够有效地支撑企业的海量数据，对于下一代通用大数据技术平台，Spark和Hadoop是公司的主要选择。同时，我们也看到了新贵Spark的发展前景，对比老将Hadoop，差距也仅有3.7%。

人们看好的下一代通用大数据计算平台

现有公司中，大数据平台已包含的部件位居前三的主要是SQL数据库（90.3%）、NoSQL数据库（50.7%）和HDFS（47.2%），在此基础上，公司计划添加的部件主要包含SQL数据库（57.2%）、Spark（41.5%）和NoSQL数据库（26.9%）。从各公司已有大数据部件和计划添加的部件可以看出，SQL数据库和NoSQL数据库在公司的大数据平台中发挥了重要的作用，得到了各公司的青睐。

现有大数据平台已包含的部件

现有大数据平台计划添加的部件

为了获取更高的收益，企业在前期需要进行有效地成本投入，对大数据平台的投资，公司更加不会吝啬，其中被调查的人群中，45.7%的人所在企业有追加投资大数据平台的打算，同时，公司也期望能够通过多种途径完善大数据平台，主要的完善途径包括基于开源平台自主研发、购买成熟的解决方案，使用公有云。

企业期望完善大数据平台的途径

使用公有云也是企业期望完善大数据平台的有效途径之一，在选择公有云平台方面，企业也面临着很大的倾向性，45.26%的人将阿里云作为首选。

公有云平台的选择 大数据技术培训

技术培训能够对开发者起到一定的指导作用，使得听众可以系统全面的把握新技术的知识脉络，了解技术的发展趋势。在此次调查活动中，69.4%的被调查者表示从未参加过大数据平台构建的技术培训。对于技术培训的形式，49%的人希望是线上培训，收费，成系列型的大数据解决方案，专攻一个方向，解决实际问题；37%的被调查者还是希望免费进行技术培训，即使不成系列，无论是线上线下，能听一节是一节。虽然收费在一定程度上影响了开发者对大数据技术培训的热情，但是能够切实解决实际问题，得到技术和能力的提升，仍是相关技术人员追求的培训目标。

更适合的技术培训形式

那么，对开发者来说，大家特别期望从技术培训中获取的知识又会是什么？

第四篇：大数据决策与合规论坛

北京大学商务智能研究中心携手腾讯举办首次“大数据决策与合规论坛”

5月20-21日，由北京大学商务智能研究中心携手腾讯公司法务部和数据平台部举办的“大数据决策与合规论坛”在深圳腾讯公司总部腾讯大厦多功能厅召开。来自北京大学光华管理学院、中国人民大学，中央财经大学等七所高校的学者和来自腾讯公司法务部、数据平台部、君合律师事务所，博雅立方科技公司，普华永道等企业的实务专家参与了此次论坛。此次论坛以大数据分析为立足点，着眼于大数据时代下如何选择、运用和创新统计理论与统计方法，从而使统计更好地满足金融、营销、管理等各个领域的不同需求。为期两天的会议上，通过会议现场与腾讯公司的内部视频平台，超过500位数据工程师参与其中，与参会的老师，同学，各位专家一起，就大数据时代背景下新的数据分析与价值挖掘问题进行了高水平的讨论。腾讯高级执行副总裁卢山，法务综合部总经理江波，北京大学光华管理学院商务统计与经济计量系系主任王汉生教授等人为会议致辞。

其中王汉生教授在致辞时简明扼要的阐述了从数据到价值的产生过程，表达了对于三类重要数据——中文文本、网络结构、移动互联网产生的地理数据、轨迹数据的关注，提出了有关于业界数据分享的隐私保护问题，倡导企业和科研单位的有机融合，创造巨大的价值。

为期两天的论坛共分为4个专题：

在数据抽样计算及互联网金融数据风险专题中，来自北京大学光华管理学院市场营销系的博士生周静指出大数据时代网络抽样的重要性，并给出基于抽样网络数据对社会间相关性进行有效估计的方法；普华永道合伙人季瑞华讲述了互联网金融的数据风险；来自腾讯公司数据平台部的数据专家李勇汇报了大数据场景下实时推荐系统的演进；中央财经大学统计学院的李丰老师基于GPU和虚拟内存技术的快速计算分析了大规模数据的Logistic回归。

下午第二场演讲是位置数据和数据版权专题。来自香港大学法律系的副系主任李亚虹副教授讨论了数据版权保护与分享的相关内容；继而腾讯公司数据平台部数据专家赵伟介绍了腾讯大数据平台的介绍和应用；来自西南财经大学统计学院的兰伟老师给提出了一种新的用于估计给定网络结构下的高维协方差矩阵的回归方法；中国人民大学统计学院的吕晓玲老师提出了POI选择行为的条件Logit模型分析；接下来是来自业界的分享，博雅立方科技有限公司的常莹基于北京三山五园游客数据，分析了基于位置数据的竞争环境和用户特征。第二天的专题由文本分析和实际应用开启。来自北京大学光华管理学院商务统计与经济计量系的王菲菲根据影评文本数据研究其背后的潜在票房价值；同样来自商务统计与经济计量系的博士生黄丹阳提出了关于社交网络标签的统计学分析模型；东北师范大学统计与数学学院的官国宇提出了可变系数的朴素贝叶斯模型并给出其应用；四川大学管理学院的方正教授讨论了基于社交数据的信用评分，并引发了现场的热烈讨论。

最后一个专题是网络数据分析的经济学和管理学视角。中央财经大学商学院的李季老师提出了基于Hazard模型的微博用户转发行为研究；北京大学光华管理学院商务统计与经济计量系的张俊妮老师给出了基于观测数据探索市场研究中的因果推断方法；分别来自北京大学光华管理学院经济系，管理科学系，市场营销系的三位博士生谭娅，丁月和姚凯从不同的角度探讨了基于社交网络数据的用户行为。

此次论坛向大数据背景下的企业和科研单位的合作迈出了开创性的一步，与会者对大数据背景下的理论前沿和实际应用问题进行了深入讨论和交流，对推动我国统计学术研究的发展，进一步培养具有实践操作能力与创新精神的高素质统计人才起到了积极的作用。大数据时代为社会带来了一场新的变革，庞大的数据资源使得各个领域开始了量化进程。统计学作为数据分析的工具，更是面临着前所未有的挑战与机遇。我们有理由相信，在这次论坛的启迪下，大数据背景下的理论与应用问题会更加受到学界和业界的关注与合作，为社会创造更多的理论与实践价值！

第五篇：2017中国产业金融论坛会议笔记

不平衡不充分的问题： 经济是基础，金融是核心

当前我国社会的主要矛盾是人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾。这一矛盾是人民在经济、政治、文化、社会和生态等各个方面日益增长的需要与“不平衡不充分”之间的矛盾，是更好推动人的全面发展、社会全面进步与“不平衡不充分”之间的矛盾。

经济是基础，经济基础决定了整个社会政治的上层建筑。从经济基础的角度来看这个矛盾，“不平衡不充分”主要体现在经济的产业结构、需求结构、增长动力以及区域和城乡的差异上。

金融是现代经济的核心，金融发展的不平衡不充分问题在很大程度上决定了经济发展的不平衡不充分问题。

如何提高金融服务实体经济的能力？

第五次全国金融工作会议提出金融工作的四条原则：回归本源、优化结构、强化监管、市场导向。

“要把发展直接融资放在重要位置，形成融资功能完备、基础制度扎实、市场监管有效、投资者合法权益得到有效保护的多昃次资本市场体系。要改善间接融资结构，推动国有大银行战略转型，发展中小银行和民营金融机构。要促进保险业发挥长期稳健风险管理和保障的功能。

十九大报告：“深化金融体制改革，增强金融服务实体经济能力，提高直接融资比重，促进多层次资本市场健康发展。健全货币政策和宏观审慎政策双支柱调控框架，深化利率和汇率市场化改革。健全金融监管体系，守住不发生系统性金融风险的底线。