论个人金融数据的权益配置

个人金融数据的价值在于共享、流通、分析研判,是构建金融信用风险防范体系的基础性资源.个人金融数据的权属不清、数据流通法律规制不健全造成个人金融数据流通壁垒.个人对金融数据的权利绝对化以及金融机构对投入较大成本而控制管理的个人金融数据权利弱化,亦是加剧阻碍个人金融数据流通的重要原因.就个人而言,因个人金融数据具有信用评价功能,可精准描绘个人信用"画像"(profile),并具有社会价值、资产价值、流通价值等关乎社会公共利益的价值属性,不宜将个人金融数据权利私人化、绝对权化,个人金融数据存在个人对金融信息的防御性法益,在法益遭受侵害时可行使删除、更正、赔偿等权利.就金融机构而言,金融机构基于服务目的、数据安全考量而对个人金融数据事实控制,应得到法律的确认并进一步配置金融机构享有占有、使用、收益等财产性权利.打破金融机构行为规范模式的枷锁,采用赋权模式可更周全保护个人金融数据安全利用和有序流通,此种赋权模式具有理论基础、功能价值和现实需求.     

大数据时代下高校财务管理如何做好基础数据的分析

在高校财务管理过程中,基础数据分析十分关键.做好基础数据分析不但可以为高校财务管理提供基本的数据支持,同时也能对高校的财务支出和收入情况有全面的掌握.但是受到管理数据多、分析过程复杂等因素的影响,高校财务管理的基础数据分析还存在较大难度.大数据时代的来临,给基础数据分析提供了有力的手段,实现了数据的快速准确分析.因此,大数据时代下高校财务管理应学会正确应用数据分析手段,并积极做好基础数据的分析,为财务管理工作提供有力保证.     

数据开采技术

一、引言数据开采是目前数据库领域最有潜力的研究发展方向。数据开采研究的主要目标是发展有关的方法论、理论和工具,以支持从大量数据中提取有用的和让人感兴趣的规则。它是用于开发信息资源的一种全新的数据分析处理技术。对于拥有海量生产数据的银行、保险和信息产业等部门,应用数据开采技术将能极大地提高其决策支持的广度和深度。从广义上说,数据开采（ＤａｔａＭｉｎｉｎｇ,也叫数据挖掘）是从一些事实或观察数据的集合中发现知识的过程。数据开采的对象可以是数据库,也可以是文件系统,或其他任何组织在一起的数据集合,如Ｉｎ…     

数据仓库中的逻辑数据模型

在数据仓库项目中，我们常常需要进行数据整合，即将企业不同业务系统的数据进行抽取、清洗、转换，最后变成可以进行数据分析的企业基础数据集。逻辑数据模型（以下简称LDM）就是企业基础数据的一部分，它是企业数据资产的全面的、准确的描述，是数据整合的核心或目的。数据整合就是将不同来源的数据整合到一个统一定义、统一形式的LDM中。     

大数据时代商业银行企业文化面临的挑战

大数据的特点可以归结为4个V：Volume（体量）指数据规模庞大；Variety（多样）指数据类掣繁多、构成要素复杂，除了传统的结构化数据外，还包括文字、语音、视频、文档等非结构化数据；Value（价值）指数据价值潜力巨大，但隐藏较深，需要运用综合复杂的分析算法对数据进行挖掘与整理；Velocity（速度）指数据的处理速度快、时效性强，并及时反馈处理结果。     

国库会计数据集中模式下资金风险防范探析

一、当前国库会计数据集中面临的新风险（一）制度风险一是制度建设真空地带引发的风险。《中国人民银行国库会计核算监督办法》、《国库会计数据集中系统业务处理办法（试行）》、《国库会计数据集中系统业务操作规程（试行）》等制度,只是规范了国库会计核算监督与TCBS业务处理行为,没有将事后监督信息化建设纳人制度层面。未开发TCBS事后监督业务子系统．也未给各地自行开发的国库事后监督系统预留接口,国库基础数据无法共享。     

个人数字资产的开发、保护与管理北大核心

移动互联网、大数据、云计算、人工智能等新技术与新工具在实际应用中的相互渗透,使得个人数字资产大幅增长,深刻地改变着社会意识形态、行业发展形态、技术进步规律和法律环境状态。个人数字资产具有在线性、沉淀性、非消耗性、虚拟性、共享性特征。对个人数字资产的开发和价值评估,由于受到各种不确定性因素影响,加上法律保护体系还不完善,以致个人数字资产管理亟待加强。为此,要在权利保障优于权利设定、实体权利与程序权利并重的前提下,健全个人数字资产的法律制度,持续推进数字资产交易市场规范发展;要以行业自律的方式,完善流通信任体系、交易机制、定价机制,推动个人数字资产有效流动,发挥数据资源的更大价值;要将智慧安全技术运用到个人数字资产交易活动之中,及时发现、纠正暴露出的安全问题,通过保证用户隐私安全、预判潜在网络风险、加强线上资产控制等方式,强化个人数字资产的安全保障;要引导用户运用大数据思维、共享思维、权利思维,重新审视个人数字资产价值链,提升对新生资产与权利的认知能力。     

大数据技术下的新审计模式研究

本文从大数据和审计需求的角度切入,针对当前大数据审计的现状和发展进行分析,探讨大数据分析下的新审计模式。顺应时代潮流和国家政策导向,提出审计大数据分析的流程以及大数据审计的价值,并通过对大数据环境下内部控制和反舞弊检查审计方案变革的分析,探讨大数据审计业务流程创新以及审计模式的新变化。审计人员在"科技强审"和"审计全覆盖"的政策驱动下,应该提高大数据分析技能,提升审计效率,保证审计质量,促进审计行为和审计技能多样化,从而为审计业务的蓬勃发展作出贡献。     

论企业数据利益的可担保性

企业数据因自身的公共物品属性无法发挥客体界定担保权利私域的参照物作用,而企业数据利益具有财产性与价值性的内容,并能够依托其利益的形态与现行法律框架下的担保客体形态相容纳。区别于单一的赋权或行为控制,将企业数据纳入尚未上升为权利的法益体系并对企业数据利益适用担保法的积极规制,能对担保利益予以更加积极灵活的保护。理论上,企业数据利益因具有特定性与独立性且能够变价转让而具有担保客体适格性。在规范层面,需扩大解释《民法典》第四百四十条第七款担保客体规定以容纳企业数据利益,公示由统一登记渐进至权利担保体系内抵押的登记对抗与质押的移转生效的配套公示模式,而担保的实现要更注重当事人意思自由。此外,引入数据贴标与数据信托等第三方参与的担保机制,愈益满足企业数据利用与保护的双向需求。     

论数据及其价值评估的层次性

随着数据日益成为一种新兴的生产要素,其价值评估越来越受到关注。应基于“重要性原则”将数据分为四个层次：数据负资产、无稀缺性的数据资源、数据资产、数据资本,然后才可能分别地确定其价值评估的具体需求、确切涵义与适宜方法。     

要素市场化改革下企业数据资产权属辨识与价值评估思考

我国数据要素市场化改革正式开启，数据要素开始进入国民经济价值创造体系，数据资产将成为企业重要的资产之一。目前数字资产定义尚未明确，哪些数据要素属于企业数据资产，如何让数据要素成为企业数据资产仍有待探索。本文立足我国要素市场化改革顶层设计，结合资产概念发展进展，为科学界定数据资产提供新的思路。从数据价值创造出发对数据权利进行分类，进而探讨数据权属问题，对数据权利的明确构成了企业数据资产价值开发和管理的重要基础。此外，企业数据资产管理还要解决估值和计量问题，考虑到数据资产价值实现具有高度不确定性，对其价值评估不仅要考虑当前价值，还要评估其未来价值潜力。     

浅谈数据清洗

银行业务系统拥有的海量异质数据中蕴含了大量信息,这些信息是企业管理和决策的基础。整合银行业务数据资源,构建金融数据仓库,并在此基础上开发报表、风险预警等系统是金融企业提高竞争力的重要途径。本文主要阐述了数据清洗的基本原理和处理方法,并对数据清洗系统提出了初步的设计思路。     

运用大数据破解小微企业融资难题的探析

论文从商业银行应用大数据服务小微企业融资的优势入手,分析当前商业银行运用大数据解决小微企业融资中存在的问题,提出了商业银行应树立数据创造价值理念,夯实小微企业发展根基;加强信息系统建设,增强大数据分析能力;加快运营模式创新,提供融资服务效率;深入挖掘信息资源,提升风险防控能力;加强专业队伍建设,营造良好生态环境等途径,不断化解小微企业融资难题.     

数据要素价值创造的原理、模式及其对税收制度的挑战

数据要素是数字经济的微观基础和创新引擎,厘清数据要素的相关概念及其价值创造的经济学模型,并结合其商业模式分类研究数据价值创造对现有税收体系的冲击具有重要意义。数字经济时代,税源主要源自数据要素创造的价值,经济合作与发展组织（OECD）提出的“支柱一”方案下的金额A反映的主要也是该价值,但其销售阈值的设定、转让定价框架下的方案本身又带来新的税收冲突。结合数据要素在税收实践层面的国际进展,以及我国政府关于构建数据要素基础制度的最新文件精神,通过修订常设机构定义、明确数据的税务属性、清晰数据的产权属性、开征数据交易增值税以及数据税等政策途径,将有助于数字经济背景下数据要素课税的政策制定。     

房地产基础数据要素资产化的理论基础、演进规律与价值实现北大核心

数据资产化作为数据要素价值实现的重要途径,将迎来新的发展机遇。房地产是我国国民经济的重要组成部分,在经济发展以及民生保障等方面起着举足轻重的作用。在数据要素市场化的背景下,系统研究房地产基础数据要素资产化问题具有重要的现实意义,但现有关于数据要素资产化的研究尚未触及房地产领域。据此,本文从对数据资产内涵的理解出发,系统梳理房地产基础数据要素并进行初步分类,探索房地产基础数据要素确权、资产化及价值演进规律,为房地产基础数据要素市场化研究和应用奠定理论基础。     

数据清洗方法在寿险事务处理系统中的应用研究

早期大型的在线事务处理系统（OLTP）问世后不久，就出现了一种用于“抽取”处理的简单程序，其作用是搜索整个文件和数据库，采用某些标准选择合乎要求的数据，将其复制拷贝出来，用于总体分析，这就是数据预处理的前身。数据预处理应包括数据抽取、数据清洗转换、数据加载的整个过程。本文主要研究数据清洗方法在寿险事务处理系统中的应用。     

深化金融数据综合利用

金融业是数据密集型行业,既大量使用数据,也大量生产数据。在依法合规、保障安全的前提下,金融数据资源的融合利用与数据资源价值的充分挖掘,有利于增强宏观分析和金融监管决策支撑,推动金融数字化转型升级,提升金融服务实体经济能力,助力数字经济高质量发展。     

对农村信用社构建大数据分析平台的一些思考

自2009年起,云南省农村信用社整合了行内包括核心业务、信贷管理、财务管理、网上银行、贷记卡等20多个交易系统数据,开始构建自己的数据分析平台——操作型数据存储（ODS）。作为企业级的基础数据平台,ODS承担着全行数据整合、数据治理、数据分析、数据交换及数据服务等重要职能,包括经营决策支持、1104数据报送、金融标准化数据报送、个人结算账户报送等10多个数据应用系统,并为操作风险实时预警系统、     

基于大数据环境的财务报销自动审核系统构建

为了有效地解决当前企业财务报销审核系统中审核差错大、运行效率低的问题,在大数据分析的基础上,对自动财务报销审核系统进行了优化。结合数值概率算法,对大量财务报销数据进行合理分类,并将分类后的数据传输到财务项目配置模块进行审批。优化财务审核安全评价流程,检查审核处理结构的准确性。对系统服务器和处理器模块的硬件配置进行了优化,达到了优化财务自动报销审核运行效果和准确性的设计目标。实验证明,基于大数据分析的财务报销自动审核系统的财务审核差错率较传统系统明显降低,系统运行效率较传统审核系统提高20%-50%。     

数据转换方法在寿险数据预处理中的应用

早期大型在线事务处理系统（OLTP）问世后不久，就出现了一种用于抽取处理的简单程序，其作用是搜索整个文件和数据库，使用某些标准选择合乎要求的数据，将其复制拷贝出来，用于总体分析，这就是数据预处理的前身。数据预处理包括数据抽取、数据清洗转换、数据加载三个过程。本文主要研究数据转换方法在寿险事务处理系统中的应用。