
大數(shù)據(jù)時(shí)代,中國(guó)征信行業(yè)發(fā)展現(xiàn)狀研究報(bào)告
中國(guó)步入征信時(shí)代。 征信是現(xiàn)代金融體系的基礎(chǔ)設(shè)施,其本質(zhì)在于對(duì)金融主體的數(shù)據(jù)刻畫。 征信是:
( 1 )金融大數(shù)據(jù)體系建設(shè)的關(guān)鍵環(huán)節(jié);
( 2)傳統(tǒng)金融行業(yè)轉(zhuǎn)型的內(nèi)在要求;
( 3)互聯(lián)網(wǎng)金融再下一城的重要支撐。征信可以減少信息不對(duì)稱、降低交易成本、擴(kuò)大金融總量;如果沒有征信,對(duì)于金融主體就缺乏關(guān)鍵的衡量標(biāo)準(zhǔn),也就無法深入挖掘金融的價(jià)值。
行業(yè)現(xiàn)狀:平淡的歷史,變化的現(xiàn)在。
( 1 )現(xiàn)行征信體系以央行征信系統(tǒng)為主,非營(yíng)利性,收費(fèi)僅用于日常運(yùn)營(yíng),是銀行等金融機(jī)構(gòu)主要征信信息來源;
( 2)商業(yè)征信正發(fā)揮重要作用,部分用于信用評(píng)估、 商業(yè)咨詢、債項(xiàng)評(píng)級(jí)等業(yè)務(wù);
( 3)創(chuàng)新征信模式穩(wěn)步發(fā)展,比如專門針對(duì) P2P 行業(yè)而建的網(wǎng)絡(luò)金融征信系統(tǒng)( NFCS) 和小額信貸征信服務(wù)平臺(tái)( MSP)。
征信的本質(zhì): 對(duì)金融主體的數(shù)據(jù)刻畫
征信是指對(duì)企業(yè)組織和個(gè)人的信用信息進(jìn)行采集、整理、保存和加工,并向信息使用者提供的活動(dòng),其本質(zhì)在于利用信用信息對(duì)金融主體進(jìn)行數(shù)據(jù)刻畫。
征信的基本功能在于:
( 1)對(duì)金融機(jī)構(gòu)而言,征信有助于信用風(fēng)險(xiǎn)管理,金融機(jī)構(gòu)只有掌握了信用主體的特征與信息后才能通過各類測(cè)試和分析做出信貸決策,并能夠在貸前、貸中和貸后均實(shí)現(xiàn)風(fēng)險(xiǎn)管理;
( 2)對(duì)信用主體而言,一方面征信系統(tǒng)的存在能夠?qū)ζ湫纬蔁o形的監(jiān)督,提高償還意愿,另一方面當(dāng)其信息為金融機(jī)構(gòu)全面掌握并評(píng)估后,有望降低借貸成本;
( 3)對(duì)監(jiān)管部門而言,征信系統(tǒng)能夠輔助對(duì)金融市場(chǎng)的監(jiān)督管理,以及制定貨幣政策。
征信是現(xiàn)代金融體系的基礎(chǔ)設(shè)施。 征信本身不創(chuàng)造信用,卻是信用活動(dòng)乃至整個(gè)經(jīng)濟(jì)金融體系征信的基石。 現(xiàn)代金融體系中, 征信的作用在于利用數(shù)據(jù)對(duì)每個(gè)金融主體進(jìn)行刻畫和信用評(píng)估,進(jìn)而激發(fā)金融主體間的潛在融資需求,并支撐起總體融資規(guī)模的擴(kuò)大。因?yàn)檎餍艡C(jī)構(gòu)承擔(dān)了部分信用風(fēng)險(xiǎn)管理的職能,金融機(jī)構(gòu)的中介屬性將會(huì)弱化, 整個(gè)金融體系的交易成本有望降低。
征信是金融大數(shù)據(jù)體系建設(shè)的關(guān)鍵環(huán)節(jié)
當(dāng)前征信體系對(duì)企業(yè)和個(gè)人覆蓋率偏低。 目前央行的金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)是我國(guó)最主要的征信系統(tǒng), 但覆蓋率仍較低。 截至 2014 年底, 共收錄自然人 8.57 億人和企業(yè)及其他組織 1969 萬戶, 而同期全國(guó)總?cè)丝诤褪袌?chǎng)主體數(shù)量為 13.68 億人和 6932.22 萬戶, 覆蓋率僅為 62.6%和 28.4%。 考慮到有貸款記錄的個(gè)人和企業(yè)占收錄數(shù)量的比重不到一半,且無貸款記錄的主體僅有基本信息,因此央行征信系統(tǒng)實(shí)際的有效覆蓋率更低,同時(shí)亦表明未來征信行業(yè)的潛在空間廣闊。
數(shù)據(jù)來源仍以信貸信息為主,缺少多維度信息。 2014 年央行企業(yè)征信系統(tǒng)共采集約 2.19億條信貸信息, 3320.2 萬條非信貸信息,占比僅 13.2%;個(gè)人征信系統(tǒng)共采集 12.52 億條信貸信息, 2.59 億條非信貸信息,占比約 17.1%。 此外互聯(lián)網(wǎng)(尤其是移動(dòng)互聯(lián)網(wǎng))對(duì)企業(yè)和個(gè)人活動(dòng)的滲透, 互聯(lián)網(wǎng)數(shù)據(jù)將在征信中占據(jù)越來越重要的地位,而這亦是央行征信系統(tǒng)以及傳統(tǒng)的商業(yè)征信機(jī)構(gòu)所缺乏的。
征信是傳統(tǒng)金融行業(yè)轉(zhuǎn)型的內(nèi)在要求
當(dāng)前經(jīng)濟(jì)環(huán)境下商業(yè)銀行增速放緩,金融深化和轉(zhuǎn)型勢(shì)在必行。 對(duì)商業(yè)銀行而言,面臨兩難選擇:一方面經(jīng)濟(jì)增長(zhǎng)放緩,信貸投放不順,傳統(tǒng)的以大客戶為主的客戶體系已很難繼續(xù)支撐規(guī)模擴(kuò)張和收入增長(zhǎng),改善客戶結(jié)構(gòu)、開拓新金融業(yè)務(wù)勢(shì)在必行;另一方面?zhèn)€人及小微信貸往往呈現(xiàn)金額小、碎片化、即時(shí)性特征,傳統(tǒng)金融模式下的抵押、 質(zhì)押等風(fēng)險(xiǎn)緩釋手段已不適用,信用風(fēng)險(xiǎn)難以掌控,而基于大數(shù)據(jù)的征信能夠?qū)γ總€(gè)金融主體進(jìn)行全面刻畫,或有助金融機(jī)構(gòu)在控制風(fēng)險(xiǎn)的同時(shí)增強(qiáng)對(duì)這部分群體的滲透,實(shí)現(xiàn)風(fēng)險(xiǎn)與收益兼得。
銀行龐大客戶資源具備大數(shù)據(jù)潛力,助力金融深化與轉(zhuǎn)型。 商業(yè)銀行本身?yè)碛旋嫶蟮目蛻艋A(chǔ),如截至 2014 年底工商銀行擁有 509 萬企業(yè)用戶和 4.65 億個(gè)人客戶,具備巨大的數(shù)據(jù)挖掘潛力,有望為業(yè)務(wù)轉(zhuǎn)型提供大數(shù)據(jù)基礎(chǔ)。
征信是互聯(lián)網(wǎng)金融再下一城的重要支撐
“場(chǎng)景+數(shù)據(jù)”對(duì)征信發(fā)展提供強(qiáng)有力支撐。 移動(dòng)互聯(lián)網(wǎng)時(shí)代來臨, 極大提升了生活便利程度,衣食住行均可在移動(dòng)終端上完成, 一方面為征信提供了更加豐富的互聯(lián)網(wǎng)數(shù)據(jù),能夠更加全面地刻畫個(gè)體,另一方面亦提供了更加多樣化的應(yīng)用場(chǎng)景。
互聯(lián)網(wǎng)金融生態(tài)發(fā)生變化,征信有望提供應(yīng)對(duì)方案。 經(jīng)過近幾年的高速發(fā)展,互聯(lián)網(wǎng)金融的各業(yè)態(tài)的經(jīng)營(yíng)生態(tài)正發(fā)生變化,或因遭遇行業(yè)瓶頸、或因面臨監(jiān)管趨嚴(yán)、或因風(fēng)險(xiǎn)暴露加速。而征信有望基于大數(shù)據(jù)和模型針對(duì)不同業(yè)態(tài)提供應(yīng)對(duì)方案,幫助經(jīng)營(yíng)轉(zhuǎn)型和繼續(xù)增長(zhǎng)。
征信行業(yè)發(fā)展歷史
我國(guó)征信行業(yè)與國(guó)外相比起步較晚,無論是征信業(yè)務(wù)的普及度、商業(yè)模式的成熟度還是征信系統(tǒng)的完善程度都較國(guó)外有很大差距。自 1980 年代末至今經(jīng)過 20 余年的發(fā)展,大致形成了以央行為主導(dǎo)的公共征信體系,期間大致分為四個(gè)階段:1. 起步階段( 1980 年末-1995 年): 這一階段個(gè)人征信尚未放開,而征信公司規(guī)模普遍較小,業(yè)務(wù)以資信評(píng)級(jí)為主,且信息獲取難度高、報(bào)告內(nèi)容簡(jiǎn)單。 上世紀(jì) 80 年代末 90 年代初全國(guó)企業(yè)間“三角債”問題爆發(fā),國(guó)務(wù)院開展清理行動(dòng),并第一次提出“社會(huì)信用”的概念,這成為我國(guó)征信行業(yè)發(fā)展的起點(diǎn)。在這期間:( 1 )多數(shù)地方和銀行紛紛發(fā)起成立資信評(píng)估公司,主要從事債券、股票及貸款的資信評(píng)估工作,包括大公國(guó)際、上海遠(yuǎn)東資信、中誠(chéng)信等均在這一時(shí)期成立;( 2)大陸首家專門對(duì)外提供企業(yè)征信服務(wù)的公司——北京新華信商業(yè)風(fēng)險(xiǎn)管理有限責(zé)任公司成立;( 3)政府部門(外經(jīng)貿(mào)部等)開始與鄧白氏等國(guó)際知名的企業(yè)征信機(jī)構(gòu)合作。
2. 央行和各地方搭建征信平臺(tái)( 1996 年-2003 年): 這一階段四大行由專業(yè)銀行向商業(yè)銀行轉(zhuǎn)型以及一些股份行和地方性銀行陸續(xù)設(shè)立成為征信市場(chǎng)發(fā)展的重要推動(dòng)力,而商業(yè)銀行仍是征信服務(wù)的主要需求方,征信服務(wù)主要體現(xiàn)為內(nèi)部評(píng)級(jí)服務(wù),個(gè)人征信開始起步。( 1 )1996 年央行開始在全國(guó)范圍內(nèi)推行“貸款證”制度,并開發(fā)了覆蓋全國(guó) 300 多個(gè)地市的銀行信貸登記咨詢系統(tǒng)(即現(xiàn)今央行企業(yè)征信系統(tǒng)的前身);( 2)上海、深圳、北京、廣東等省市也開始建設(shè)地方征信體系,包括搭建信用數(shù)據(jù)庫(kù)、出臺(tái)地方性征信法規(guī)等;( 3)央行允許上海率先試點(diǎn)個(gè)人消費(fèi)信用聯(lián)合征信。
3. 央行主導(dǎo)建立全國(guó)統(tǒng)一的公共征信模式( 2004 年-2013 年): 在這一時(shí)期中央(包括中共中央決定、國(guó)務(wù)院深化經(jīng)濟(jì)體制改革意見等)多次強(qiáng)調(diào)要建立健全社會(huì)信用體系。央行將此前建立的銀行信貸登記咨詢系統(tǒng)升級(jí)為全國(guó)統(tǒng)一的企業(yè)和個(gè)人征信系統(tǒng), 截至 2015 年4 月底,征信系統(tǒng)已收錄自然人 8.6 億多人,收錄企業(yè)及其他組織近 2068 萬戶。 2013 年國(guó)務(wù)院正式頒布《征信業(yè)管理?xiàng)l例》, 同年央行發(fā)布《征信機(jī)構(gòu)管理辦法》,對(duì)企業(yè)征信實(shí)行備案制、對(duì)個(gè)人征信實(shí)行審核制, 標(biāo)志我國(guó)征信行業(yè)進(jìn)入法制化的時(shí)代。
4. 互聯(lián)網(wǎng)金融時(shí)代的征信( 2014 年至今): 隨著互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展以及互聯(lián)網(wǎng)金融業(yè)態(tài)的爆發(fā)式增長(zhǎng),一些互聯(lián)網(wǎng)公司基于大數(shù)據(jù)開始涉足征信行業(yè)。 央行于 2015 年初向8 家機(jī)構(gòu)下發(fā)通知要求做好個(gè)人征信業(yè)務(wù)的準(zhǔn)備工作,期限 6 個(gè)月。
征信行業(yè)格局:公共為主商業(yè)為輔,創(chuàng)新模式穩(wěn)步發(fā)展
我國(guó)征信行業(yè)經(jīng)歷了 20 余年的發(fā)展,目前形成了公共征信與商業(yè)征信并存、以公共征信為主的征信體系。( 1)公共征信:主要是由央行主導(dǎo)建設(shè)的全國(guó)企業(yè)和個(gè)人征信系統(tǒng),即金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù),由人民銀行征信中心負(fù)責(zé)運(yùn)營(yíng),此外各級(jí)政府或其所屬部門設(shè)立的征信機(jī)構(gòu)亦屬于公共征信體系; ( 2)商業(yè)征信: 主要為信用登記、信用調(diào)查、信用評(píng)級(jí)等業(yè)務(wù),征信機(jī)構(gòu)包括 50 多家社會(huì)征信機(jī)構(gòu)(如鵬元征信等)和 80 家信用評(píng)級(jí)機(jī)構(gòu)(如大公國(guó)際、中誠(chéng)信等)。
公共征信體系——央行企業(yè)和個(gè)人征信系統(tǒng)
央行企業(yè)和個(gè)人征信系統(tǒng), 即金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù),又稱企業(yè)和個(gè)人信用信息基礎(chǔ)數(shù)據(jù)庫(kù), 于 2006 年在全國(guó)正式運(yùn)行,其前身為 1997 年開始籌建的銀行信貸登記咨詢系統(tǒng),央行自 2004 年-2006 年組織金融機(jī)構(gòu)建成全國(guó)集中統(tǒng)一的企業(yè)和個(gè)人征信系統(tǒng),目前由人民銀行征信中心負(fù)責(zé)運(yùn)營(yíng)維護(hù)。 該系統(tǒng)屬于非盈利性質(zhì),僅出于運(yùn)營(yíng)收取少量費(fèi)用,如查詢個(gè)人信用報(bào)告每年前兩次免費(fèi),第三次起每次收取服務(wù)費(fèi) 25 元。
( 1) 數(shù)據(jù)來源: 全面收集企業(yè)和個(gè)人信息, 以銀行信貸信息為核心,還包括社保、公積金、環(huán)保、欠稅、民事裁決與執(zhí)行等公共信息,但目前占比較小。 對(duì)于無貸款記錄的企業(yè)和個(gè)人,央行征信系統(tǒng)僅有基本信息。 截至 2015 年 4 月底,征信系統(tǒng)收錄自然人 8.6 億多人,收錄企業(yè)及其他組織近 2068 萬戶。
( 2) 產(chǎn)品體系: 以企業(yè)和個(gè)人信用報(bào)告為核心的征信產(chǎn)品體系。 a) 企業(yè)征信:包括企業(yè)信用報(bào)告、關(guān)聯(lián)企業(yè)查詢、信貸資產(chǎn)結(jié)構(gòu)分析、歷史違約率查詢等; b)個(gè)人征信:包括個(gè)人征信報(bào)告、信用報(bào)告數(shù)字解讀(信用評(píng)分)等。
( 3) 使用機(jī)構(gòu): 包括商業(yè)銀行、農(nóng)村信用社、信托公司、財(cái)務(wù)公司、汽車金融公司等各類放貸機(jī)構(gòu),且征信系統(tǒng)的信息查詢端口遍布全國(guó)各地的金融機(jī)構(gòu)網(wǎng)點(diǎn),信用信息服務(wù)網(wǎng)絡(luò)覆蓋全國(guó)。 2014 年企業(yè)和個(gè)人征信系統(tǒng)接入機(jī)構(gòu)家數(shù)分別為 1724 家和 1811 家。
商業(yè)征信體系——信用評(píng)級(jí)機(jī)構(gòu)和社會(huì)征信機(jī)構(gòu)
我國(guó)的商業(yè)征信體系主要包括信用評(píng)級(jí)機(jī)構(gòu)、社會(huì)征信機(jī)構(gòu),以及近幾年才建立的專門針對(duì) P2P 行業(yè)的征信系統(tǒng)。
信用評(píng)級(jí)機(jī)構(gòu): 主要應(yīng)用于債券市場(chǎng)和信貸市場(chǎng)。 2012 年共有 70 多家評(píng)級(jí)機(jī)構(gòu),其中8 家獲準(zhǔn)從事債券市場(chǎng)評(píng)級(jí)業(yè)務(wù), 當(dāng)年共完成債項(xiàng)評(píng)級(jí) 1672 筆,同比增長(zhǎng) 42%;其余從事信貸市場(chǎng)評(píng)級(jí)業(yè)務(wù),共完成信貸市場(chǎng)主體評(píng)級(jí)近 5 萬戶, 同比增長(zhǎng)近 5%。
社會(huì)征信機(jī)構(gòu): 主要從事企業(yè)征信業(yè)務(wù),較少?gòu)氖聜€(gè)人征信業(yè)務(wù)。 征信業(yè)務(wù)收入和人員主要集中在幾家大的征信機(jī)構(gòu)上,如鵬元征信、新華信等。( 1) 鵬元征信成立于 2005 年,主要從事個(gè)人征信、企業(yè)征信、企業(yè)評(píng)分、個(gè)人評(píng)分、和中小企業(yè)信用風(fēng)險(xiǎn)控制等業(yè)務(wù), 目前每年提供各類信用報(bào)告超過 7000 多萬份,主要用戶包括政府、銀行、小額貸款公司、公用事業(yè)單位、電商平臺(tái)等機(jī)構(gòu),公司信用報(bào)告在銀行等金融機(jī)構(gòu)內(nèi)部一定程度上能夠替代央行提供的征信報(bào)告。( 2)新華信主要提供商業(yè)信息咨詢、市場(chǎng)研究咨詢以及數(shù)據(jù)庫(kù)營(yíng)銷服務(wù),公司數(shù)據(jù)收集網(wǎng)絡(luò)覆蓋全國(guó) 31 個(gè)省市、 355 個(gè)城市,數(shù)據(jù)庫(kù)收錄了 2000 萬家機(jī)構(gòu)的基本信息和 60 萬家企業(yè)的財(cái)務(wù)及信用信息, 2012 年?duì)I業(yè)額達(dá)到 4 億元。
針對(duì) P2P 行業(yè)的征信系統(tǒng):網(wǎng)絡(luò)金融征信系統(tǒng)( NFCS)和小額信貸征信服務(wù)平臺(tái)(MSP)。
( 1) 網(wǎng)絡(luò)金融征信系統(tǒng)(NFCS): 除企業(yè)和個(gè)人征信系統(tǒng)外,央行征信中心還通過下屬的上海資信有限公司建立了網(wǎng)絡(luò)金融征信系統(tǒng),于 2013 年 7 月正式上線運(yùn)行。 NFCS 主要收集并整理 P2P 平臺(tái)借貸兩端客戶的個(gè)人基本信息、貸款申請(qǐng)信息、貸款開立信息、貸款還款信息和特殊交易信息,通過有效的信息共享,幫助 P2P 平臺(tái)機(jī)構(gòu)全面了解授信對(duì)象,防范借款人惡意欺詐、過度負(fù)債等信用風(fēng)險(xiǎn)。 目前 NFCS 已成為央行征信系統(tǒng)的有效補(bǔ)充,是互聯(lián)網(wǎng)金融業(yè)務(wù)開展的重要基礎(chǔ)設(shè)施。截至 2014 年底,共有 370 家網(wǎng)貸機(jī)構(gòu)接入 NFCS,收錄客戶數(shù)達(dá)到 52.4 萬人,日均查詢量約 5000 次。
( 2) 小額信貸征信服務(wù)平臺(tái)(MSP): 由北京安融惠眾征信建立, 推出了包括信用信息共享、反欺詐、風(fēng)險(xiǎn)預(yù)警監(jiān)測(cè)、個(gè)人消費(fèi)能力分析、個(gè)人及關(guān)聯(lián)企業(yè)信息分析在內(nèi)的多種風(fēng)險(xiǎn)管理相關(guān)產(chǎn)品, 旨在幫助會(huì)員機(jī)構(gòu)共享借款人借貸信息、實(shí)時(shí)掌握借款人在各類民間信貸機(jī)構(gòu)間的信貸交易信息, 防范借款人可能存在的多頭借貸、惡意拖欠、騙貸等風(fēng)險(xiǎn)。 截至2015 年 7 月底, MSP 累計(jì)會(huì)員機(jī)構(gòu)數(shù)量 923 家, 收錄有信貸記錄的信息主體 220.8 萬人,當(dāng)月查詢量達(dá) 17.2 萬次。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11