这是非常专业的一部分，请结合语音自行理解！

当老师把这些教材放出来的时候，我的内心几乎是崩溃的~老师您的逻辑实在是太强了！文艺小青年实在是看不懂呢？微信前的朋友们，你们现在是完全的数据控？还是跟小锦一样完全蒙圈？

数据控的图赶紧撸走不谢，非数据控的结合语音大家自己理解去吧！小锦泪流满面的先看看大伙都提问了什么吧！

我觉得对传统的理论的影响不会那么大。因为互联网金融本身其实就是一个金融。我们只是以互联网的方式去经营这场金融行业。

我觉得更是一个互补的方式去解释更加合适。比如我们做信用评估，我们用到了很多传统的风控手段。只是在这个基础上加入了很多大数据相关的变量和维度。我们可以从更多的维度去考虑一件事情了。我觉得核心还是在于传统的金融。

对于企业来说，还是那些常用的工具，比如BI系统，商业智能的系统。可以做些可视化也好，还是做报表系统也好。但至于怎么去预测价格，说实话我们还没有涉及到这些问题。但是从学术角度来讲，这方面的模型还是很多的，我们可以去尝试下。

其实我刚刚已经讲过了风控是整个互联网金融的核心。我们做的模型也好，分析也好其实都是围绕着风控的这一块。风控分为贷前、贷中、贷后。我们需要针对每一个环节做一个风控。比如贷前，我们需要评估这个人的信用怎么样，还需要做一些评分。当这个人满足了一定的条件，我们才给他放款。

但是即使我们给他放款，我们也要持续的去做监测，然后去看他的信用的变化是什么样的。在还款的过程中有没有出现一些异象。在还款的过程中也没出现过一些异常的现象，做提前的预警。贷后，我们也会做一些风控。比如我刚刚提到的催收。我们也会有一个贷后催收的评分，哪些人比较容易催收。评分高的，我们就会把他的优先级提前。所以风控是贯穿了整个贷前贷中贷后的非常重要的环节。

我觉得开源算法并不是重点，很多算法都是自己写的。比如回归、神经网络都是非常容易实现的。怎么和数据结合？其实刚刚我也提到了信用评分，这是一个非常经典的机器学习的应用。就是给定一个人，然后对这个人做一些画像，做一些指标。然后在这些指标之上，做些回归模型或者其他的模型。

然后去给这个人打一个分数。根据分数我们可以做一个授信的过程。比如说分数分成三个等级，每个等级我们放款多少。这是一个经典的机器学习的模型加上数据的应用。

锦囊专家原创文章，欢迎联系小锦转载