非结构化数据在内部审计中的应用研究

非结构化数据具有格式多样、存储规模大、蕴含信息丰富等特征,结合大数据技术挖掘非结构化数据中的审计线索对促进现代内审工作发展具有重要作用。本文分析了内审工作中非结构化数据的特点及应用现状,提出了非结构化内审数据的处理思路及流程,并对推动非结构化数据在内审工作中的进一步应用提出了对策建议。     

内容管理:银行非结构化数据管理之路

在银行信息化电子化过程中,所处理的信息包括两部分:一部分为结构化信息,即平常所理解的数据;另一部分为非结构化信息,我们可以称之为内容(Content)。随着银行信息系统的进一步完善,结构化数据的存储和处理通过数据库技术已逐步得到解决,而如何有效地获取、管理非结构化内容,并在各种系统中有效地利用这些非结构化内容,是下一阶段进一步提高银行信息化水平的主要障碍,内容管理显得日益重要。交通银行广州分行下辖东莞分行、南海支行、番禺支行、开发区支行等分行和支行,现有国际业务单证业务处理系统和授信管理信息系统,但两个处理系统相互…     

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。     

关于IPO后中信证券股份有限公司绩效的实证分析

本文通过对中信证券2000--2009年年度报告中的数据进行绩效分析，揭示了中信证券抓住机遇通过IPO上市，扩大公司规模、提升盈利能力和流动性以及为公司发展进行再融资的过程；不难看出，作为上市公司中信证券存在着创新业务压力大、管理水平与公司规模亟待提高等新的挑战。     

多模态数据在金融风控领域的应用

随着金融科技的不断进步,人工智能算法在金融风控领域的应用也逐渐深化。信用评分模型作为一种应用最广泛的风险评估模型,主要使用个人信息、征信等结构化数据进行模型构建,对图像、文本、语音等非结构化数据的利用存在局限性。为了有效利用各种形态的数据,文章研究提出一种利用多模态数据的框架,融合结构化数据和非结构化数据中的有效信息,进而提升模型的风险识别能力。该算法可应用于其他涉及非结构化数据的领域中,算法组件可以根据实际业务数据进行任意替换。实验证明,与只使用结构化数据的基线模型对比,非结构化数据特征能够有效提升模型的风险识别能力,其中AUC提升4%,KS提升6%,模型稳定性指标PSI稳定在0.01。     

数智化在通信运营企业建设项目审计中的探索

针对现有方法的不足,结合建设项目审计实际业务特点,探索适用于通信运营企业建设项目审计的数智化审计方法。通过利用OCR等技术将非结构化数据转化为结构化数据,能够将建设项目管理过程中大量文档资料、签证记录、预算表格等转化为计算机可处理的结构化数据,然后运用RPA、NLP等人工智能技术,构建审计模型分析等方式辅助建设项目审计人员完成资料审核、准确定位审计疑点,达到降低审计风险、提高工作效率的目标。     

大数据时代的商业银行数据治理研究

随着金融创新的快速发展和信息科技的日新月异,商业银行积累的数据量呈现几何倍数的增长,数据来源也已从传统的结构化数据逐渐扩展到以网络日志、社交媒体为代表的半结构化和非结构化数据,商业银行逐步进入大数据时代。在大数据时代如何有效治理结构化、半结构化和非结构化的海量数据,     

金融创新 数据为源

近年来，我国金融业持续深化市场化改革，产品创新步伐不断加快。随着客户信息和市场信息获取渠道的日益多元化，如何通过对结构化数据、半结构化数据和非结构化数据的整合分析，洞察、把握及有效选择客户，成为金融业面临的共同课题。大数据技术的产生，适逢其时。     

证券化：银行处置不良资产的新尝试——访中国工商银行李鹰博士

2004年4月8日，中国工商银行在北京分别与瑞士信贷第一波土顿、中信证券股份有限公司、中诚信托投资有限责任公司签署工行宁波市分行不良资产证券化项目相关协议。4月8日至22日，工行与中信证券一起，在北京、上海、武汉、深圳、青岛等地进行了路演。4月23日，中信证券向投资者发出正式定单。4月28日，根据投     

银行历史数据集中系统实现方法

正目前银行历史数据系统主要采用关系型数据库进行数据存储,如Oracle RAC方式,但此方式具有诸多限定,例如数据量积压到一定值后,将极大影响联机查询效率;只适合存储结构化数据,难以满足对半结构化和非结构化历史数据的处理;成本较高,一套系统性能完善的历史系统其仅硬件成本将超过千万。基于银行历史数据系统具有的"大数据"特征,我们探索采用当前广泛应用的大数据技术解决方案,基于Hadoop/HBase的技术架构,给出技术结果、分析关键技术、技术特性。     

商业智能为银行发展中间业务带来新机遇

一、商业智能简介 商业智能（BI-Business Intelligence）是什么？关于它的定义很多，比较严谨的定义如下： “商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。”     

华为助力农行应战“大数据”

随着信息化的快速发展，商业银行产生的各类数据近年来呈几何数级增长，形成了海量的数据。特别是电子服务渠道所产生的非结构化和半结构化数据，增长更为迅速。     

大数据环境下银行数据分布与存储架构设想

近来,大数据这一IT行业的热门话题,在金融行业也引发了越来越多的关注。在数据爆发式增长的今天,银行每天都在生成、获取海量数据。首先,传统的交易系统每天产生数亿笔客户交易、形成了TB级的结构化数据;其次,业务处理过程中银行采集了大量用于集中作业、集中授权、集中监控的影像、视频等非结构化数据;再次,银行网站每天点击量达到几千万次,     

基于关键词检索的非结构化数据审计应用研究

商业银行非结构化数据的增多,给审计工作带来诸多挑战,面对审计风险的提高,内部审计需要重新审视传统的审计工作模式与方法技术,了解审计发展的困局与出路,掌握非结构化数据分析的发展现状,探索一条可行的非结构化数据审计工作模式,从而提高审计质量与效率,降低审计风险,逐步实现审计信息化。     

从大数据视角反思信贷管理

随着云计算、物联网、社交网络等科技手段的不断进步,人类步入了大数据时代。身处大数据浪潮之中的中国商业银行,积累了几十年存贷汇核心业务相关的结构化数据,还存在电话银行、网银、ATM记录的大量非结构化数据。在大数据模式下,商业银行可以将客户行为与特定的时间、地点、生活场景及客户的社会背景联系起来,形成     

农信行业分布式对象存储应用实践

随着IT建设的快速发展和信息系统规模的不断扩大,农信业务系统对非结构化数据的依赖程度越来越高,非结构化数据的读写效率、扩展性、可靠性成为至关重要的课题。本文结合农信行业面临的数据挑战,提出基于分布式对象存储的内容管理平台解决方案。该方案具有高效的数据读写、无限的扩展能力、完整的数据保护等特点。     

数据中心建设应注重提升数据的可用性和安全性

据来自权威机构的统计显示,企业信息每18个月就会成倍扩张,其中结构化数据(业务数据)以每年32%的速度增长,非结构化数据(如医学影像、网站及多媒体内容等)以每年63%的速度增长,重复数据(包括备份、还原、商业分析等)以每年49%的速度增长。点评:数据给出了启示,在信息量爆炸式增长的当今,加快建设新一代数     

企业信贷大数据云服务平台助力风险控制

随着互联网及非结构化大数据分析挖掘技术的成熟,第三方数据及互联网数据为银行业信贷风险管理提供了更多的风险数据来源。北京鼎富科技股份有限公司凭借自身领先的DINFO-SPIDER互联网信息采集系统和DINFO-OEC非结构化大数据分析挖掘平台,推出了企业信贷大数据云服务平台,服务于企业信贷审核和贷后风险监控等业务领域,对企业公开的、多种渠道的经营信息、企业主动态、行业动态、地区动态等进行监测     

大数据:从概念化走向价值化简

大数据时代开始了！作为大数据概念的技术基础,流媒体、物联网、社交网络、内存计算、分布式计算、海量数据存储、结构化/非结构化数据挖掘分析、数据可视化等并非最近一两年才出现的新概念、新名词,但是将这些成熟的概念以全新的商业模式串接起来,并加以组合包装与运用,却打开了一幅将数据作为继黄金、石油、货币之后的全新的社会财富资源的诱人画卷。     

上市证券公司生产效率研究

本文使用15家上市证券公司2009至2011年的相关数据,采用DEA数据包络分析方法计算了它们的生产效率。结果显示,西南证券和中信证券在三年均表现为DEA有效,技术效率和规模效率最优。其他证券公司或者技术非有效,或者规模非有效,需要提高生产经营水平,以及通过调整生产规模,实现规模报酬不变。