2.1 大数据是互联网金融的根本保障
大数据是互联网金融存在与发展的环境要素，而且同互联网一样，也是互联网金融的必要条件。互联网金融与大数据形同鱼水，没有大数据的支撑就没有互联网金融。可以说，大数据是互联网金融的根基，是互联网金融存在的基本要素。对于互联网金融企业而言，只要掌握了大数据，就可以对客户或用户进行“画像”，“客户画像”的结果不仅是市场细分及精准营销的重要参考，同时也是企业充分了解用户信用情况的依据，必将极大地降低金融机构的风险管控成本。[1]
互联网金融平台，一方面，基于海量的数据，借助大数据分析技术，对顾客（包括潜在顾客）信息及行为进行深度挖掘，从而准确发现顾客的个人偏好和金融需求；另一方面，数据的积累与沉淀有益于健全征信体系，并通过全面高效的征信工作，建立风险监控模型，优化运营，完善互联网金融体系，满足传统金融难以满足的需求；同时，利用智能获客、关联分析、偏好推荐等技术手段，完成对各细分市场（顾客）的差异化营销、定制化营销，进一步刺激需求、激活需求。
2.1.1 大数据与需求发现
先看一个2012年2月16日刊登在《纽约时报》上由Charles Duhigg撰写的一篇题为《这些公司是如何知道您的秘密的》（How Companies Learn Your Secrets）的报道。文中介绍了这样一个故事：一天，一位男性顾客怒气冲冲地来到一家折扣连锁店Target（中文常译作“塔吉特”，为仅次于沃尔玛的全美第二大零售商），向经理投诉，因为该店竟然给他还在读高中的女儿邮寄婴儿服装和孕妇服装的优惠券。随后，这位父亲与女儿进一步沟通发现，自己女儿真的已经怀孕了。于是他致电Target道歉，说他误解商店了，女儿的预产期是8月份。[2]
尽管专业人士说这不是真正意义上的大数据，但是，就是这种简单的数据统计分析，已经在发现顾客需求方面起到了不可低估的作用。至于是否“个人隐私没有得到足够尊重”，这是互联网金融监管要界定的内容，此处不做评价。
1.大数据变革了需求发现机制
前已述及，大数据不是一部分数据样本，而是关于某个现象的全部数据。对企业而言，理解大数据要重视其多样化的形态和来源，发展对数据的深度分析能力，从而整合内部和外部信息，融合业务资源和社交媒体，进行准确预测。从战略思维视角来理解，大数据不仅是一种技术，同时也是企业的管理思维和运作范式。企业通过数据融合与分析挖掘，借以提升管理效率，开拓价值创造模式。大数据契合了互联网的开放性、普惠性、个性化特征。
在整个社会经济发展进程中，对数据科学而有效的利用一直都是引领企业变革、促进行业进步的手段之一。企业管理者总是期望通过努力取得更多有关交易、竞争与合作情况的数据，以及时、准确地了解市场的最新变化。另一个侧面，技术的不断进步为企业变革提供了保障。从早期交易完成后简单的账目记录，到条形码、扫码枪的发明，再到客户关系管理、库存管理、物流管理等管理类软件的应用，以及现阶段火爆的大数据技术，每一次技术管理的提升都改变了传统的需求发现机制，让企业对行业、对顾客的了解更进一步。
大数据技术变革了顾客需求的信息来源、信息处理与信息使用。其一，在需求信息来源方面，传统的信息技术能够涵盖的场景较少，如用会员卡和信用卡识别顾客或客户，通常要借助邮件和电话回访调查等手段，而这些手段收集到的信息不够及时、不够全面、数据维度明显不足，而且成本较高。大数据则完善了数据来源，企业可以通过cookie和账户识别客户，各种数据端口得以整合；不仅如此，企业还可以有针对性地调用内部资源，如业务流程信息等，促进内外部信息的融合。其二，在需求信息处理方面，传统的信息技术对数据的加工能力不足，数据挖掘深度不够。而在大数据时代，企业可以借助专业的大数据分析技术和云平台，对相关顾客或客户信息进行更精细的提炼。其三，在需求信息使用方面，以前的信息管理系统，由于数据量较小，无法做到准确预测，基于此做出的决策也常常经不起实践检验；同时，对数据分析深度不足也使有关需求的信息价值没有最大限度地体现，不能有效进行市场细分，提供针对性的服务。而在今天的大数据支持下，企业能够通过对数据的深度挖掘，构建风险控制模型，实施精准营销和定制个性产品及服务，从而充分利用信息，发挥信息价值。
2.大数据提升了发现需求的能力
在大数据视角下，顾客需求可以解构成多个维度的信息，包括购买环节、产品功能、个人喜好、消费体验、售后服务等。大数据增强了企业发现需求的能力，通过记录顾客或客户的消费历史、网页浏览路径、市场供需变动，甚至客户画像（个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据[3]）等，企业的营销活动能够更加精准、更有针对性。此处仍结合上述机制变革的三个方面进行分析。
其一，在信息来源方面，大数据能够全面整合内外部数据。内部数据包括业务流程数据（库存、物料、采购、生产计划）和员工沟通数据（工作心得、活动新闻、经验分享），外部数据包括市场信息（客户交易数据、消费评级和评价、客户在社交媒体上的行为和偏好数据、舆情监控数据）和供应链信息（交易报价信息、订单信息、上下游企业库存及生产能力信息等），全方位的数据收集确保企业得到完整的客户画像，掌握市场环境。[4]
其二，在信息处理方面，采用如关联分析、序列分析、分类分析、聚类分析等方法，实现信息实时处理，及时调整策略。完善风险控制机制，随时监控企业运营过程的各项指标，结合客户的互动反馈，防患于未然。
其三，在信息使用方面，完成数据收集和加工步骤后，企业了解了客户的真实诉求，制定和执行STP战略（市场细分、市场选择、市场定位），以及完成下一步产品设计、渠道选择、价格决策、促销组合与整合营销传播方案的制定等。
综上，利用大数据，很多管理者希望知道的问题都能得以解答，如不同社会统计特征的人群消费特点、客户消费后对产品的评价、客户通过何种渠道了解并选择公司产品、搜索引擎常用关键词以及相关词条有哪些、用户是否愿意在社交媒体上向朋友推荐、关键词与同类产品推荐的导流效果、电商网站的到达率和转化率等等。诸如此类的问题在大数据技术出现之前是很难解决的，而今天，基于大数据的互联网，能够提供追踪用户偏好的可能，并且将这些信息处理成为可利用、可执行的行动方案。
2.1.2 大数据与征信
1.大数据有益于健全征信体系
健全的征信体系是金融企业、顾客以及监管者都非常关心的问题，互联网金融亦是如此。与传统金融相比，互联网金融在提高效率的同时，也带来了更高的违约风险。拍拍贷首席风险官章峰表示：“中国征信渗透率远低于美国，国内征信白板用户近10亿人，且央行征信系统尚未对互联网金融企业完全开放，这是目前整个行业在风控方面面临的重大难题”[5]。而且，传统的征信模式已经很难匹配这日益增长的市场。
大数据征信是金融风险防范的新工具。互联网时代，结合来自各维度的数据（包括企业和个人行为的方方面面的记录），建立科学模型，为未来贷款、借款等经济活动做参考，这是互联网金融征信的主要目标之所在。与传统征信不同，大数据征信技术打破了信用强相关、以信贷数据为主要指标的模式，而是引入大量的社交网络、行为习惯等非信用直接相关数据，特别对原本就缺乏信用记录的人群，提供了全新的征信可能性。总之，借助大数据开展个人征信业务，尤其是互联网公司的介入，可以有效减少征信成本，加快贷前审批，利于整体金融行业的健康发展。
2.大数据征信的优势是精耕细作
基于互联网的大数据征信的以下三个特点体现了精耕细作。第一是征信信息基数大。现阶段，我国提供个人征信服务的“正规军”是中国人民银行征信中心及其下属的上海资信公司，但是中国人民银行现有征信数据覆盖面比较有限。中国人民银行个人征信系统共收录8.5亿人信息，其中仅3亿多人有信贷数据，其余5亿人没有信贷信息，以学生群体、个体工商户或者自由职业者为主[6]，而基于大数据的互联网则能补足其缺陷。习近平主席在第二届世界互联网大会开幕式上讲话说，“目前，中国有6.7亿网民、413万多家网站，网络深度融入经济社会发展、融入人民生活”[7]。毫无疑问，网络行为（包括搜索、购物、社交等）构成非常丰富的数据库，很多都是传统征信无法关注到的信息，线上数据是对非信用卡人群场景数据的重要补充，对此科学利用，是对征信体系的完善。第二是征信信息维度广。中国人民银行的信用信息有个人身份、银行信贷记录等，其主要来源是传统金融机构。相比之下，大数据的信息维度更多更广，不仅有交易数据，还有各类生活数据，包括用户信用历史、行为偏好、履约能力、身份特质、人脉关系等多个维度[8]，这些数据能够更好地描述个人信用，尤其在小微金融和小额信贷方面，具有先天优势。第三是征信信息更新快。以往征信所得的数据是存量数据，有一定滞后性，据此做出的信用评级更新能力不足，而互联网时代的大数据可以保证数据及时更新，及时提醒违约记录和信用风险等。
3.国家引导信用信息平台建设
2014年6月，国务院发布《社会信用体系建设规划纲要（2014—2020年）》，这是我国第一部国家级的社会信用体系建设专项规划。2014年7月9日，国家发改委和中国人民银行联合召开“加快社会信用体系建设”发布会，发改委会同有关部门，制定公民和法人统一代码方案并启动国家统一信用信息平台的规划建设。[9]
2015年1月，中国人民银行印发《关于做好个人征信业务准备工作的通知》，要求8家机构做好个人征信业务的准备工作。这8家机构分别是芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司、北京华道征信有限公司。[10]其中，阿里巴巴旗下的芝麻征信和腾讯旗下的腾讯征信作为互联网企业受到关注，这是政府希望通过互联网技术，解决传统金融机构在信用服务方面普惠性欠缺的表现。此外，《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》也明确提出积极培育和发展社会化征信服务，包括依法开展征信业务，建立以自然人、法人和其他组织为对象的征信系统，依法采集、整理、加工和保存在市场交易和社会交往活动中形成的信用信息，采取合理措施保障信用信息的准确性，建立起全面覆盖经济社会各领域、各环节的市场主体信用记录等。[11]
4.大数据征信的实践
以芝麻信用为例，“芝麻信用是面向社会的信用服务体系，依据方方面面的信息，运用大数据及云计算技术客观呈现个人的信用状况，通过连接各种服务，让每个人都能体验信用所带来的价值”[12]。芝麻信用基于阿里巴巴的电商交易数据、蚂蚁金服的互联网金融数据，与一些公共机构及合作伙伴建立数据合作，根据对用户的账户行为分析，计算得出芝麻分，代表用户信用，分值范围从350到950，分数越高代表信用越好，以此为金融机构和生活服务商户提供授信参考。蚂蚁金服首席信用数据科学家俞吴杰表示：“芝麻信用的评分模型类似于银行的违约概率模型，以线性回归和逻辑回归为主，也包括决策树分类、神经网络等机器学习技术”[13]。
据悉，芝麻信用评分综合考虑了前文提及的个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系等五个维度的信息。“信用历史”是指过往信用账户还款记录及信用账户历史；“行为偏好”是指在购物、缴费、转账、理财等活动中的偏好及稳定性；“履约能力”是指享用各类信用服务并确保及时履约；“身份特质”指在使用相关服务过程中留下的足够丰富和可靠的个人基本信息；“人脉关系”指好友的身份特征以及跟好友的互动程度。五类指标还要进一步细化，以人脉关系为例，芝麻信用将转账关系、校友关系作为个人信用的评判因素，并且认为某人朋友的信用良好常常说明他拥有良好信用的概率较高。[14]
芝麻信用数据来源涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等多方面，种类丰富，时效性强。这些行为轨迹和细节能很好反映一个人的性格、心理活动等，有助于更全面判断其信用状况。[15]其数据具体有淘宝和天猫的消费记录、支付宝的转账记录、理财产品的购买情况、支付宝上生活服务缴费情况、捐款情况、手机号码更换频率、打车爽约行为、红包发放、信用卡绑定、收货地址变动、主动点击付款等。芝麻信用的评分是蚂蚁微贷“花呗”和“借呗”授信额度的重要参考，芝麻分600分以上的用户，有机会申请“花呗”额度，额度在2 500~30 000元之间；也可以通过“借呗”申请个人消费贷款，额度在1 000~50 000元之间。[16]相比传统的个人贷款，“借呗”不需要用户提交复杂的个人信息和财力证明，只需要凭借芝麻信用分就能对用户的信用水平做出判断和把关，3秒完成放贷。[17]
2.1.3 大数据与智能风控
1.大数据降低金融风险
大数据降低授信风险。融资是长期以来困扰小微企业的重要问题，其根本原因在于银行等金融机构对放贷风险的担忧。传统的风控体系下，银行不能全面了解企业资信状况与运营情况，不敢也不可能冒大风险提供贷款。近年来，基于大数据的互联网金融推动了网络借贷以解决这个问题，但大多数网络借贷没有抵押，很多小微企业也没有信用记录，无法利用银行的征信系统，若征信调查不完善，会存在较高的违约风险。大数据是沉淀于各类交易的多维数据，也是多来源的数据，这个大数据特征使得征信数据来源得到扩充，自动化网络交易记录也弥补了小微企业征信信息不完整之不足。不仅如此，大数据支撑下的智能风险控制模型也增强了信贷分析的科学性，确保了贷款安全性，提升了事前控制能力。
大数据降低授信后的监控风险。传统金融的风险控制存在着反应时间长的弊端，而现今的大数据则可以实时监控，事中控制能力大大增强。互联网企业根据各相关信息，包括交易历史、客户历史行为等，可以比较准确地判断出是否出现异常情况，防止欺诈、盗用等行为的发生。如此，既保证放贷者安全，也保证资金使用者的利益。如UBI车险的大数据追踪技术等（关于UBI将在第6章详细分析）的应用是一个有益的尝试。
大数据增加产品设计的合理性。在淘宝商城购物时提供有运费险选项，价格根据商家与产品的不同，有几毛钱至几元钱不等。若购买运费险，则享受退货邮费的赔付。这个险种能增加顾客安全系数，也提高了用户体验。原本此险种是请保险公司来做，可是保险公司在精算的支撑下做了半年，亏损了几千万元，只能放弃。此时，阿里巴巴的大数据介入，把阿里的数据与保险公司的数据对接起来，通过数据共创分析，非常精准地弄清楚该险种的风险所在。很快，三个月就做到了不亏钱，又过半个月就把亏的钱赚回来了。[18]这就是大数据的力量。由于数据的数量与质量的限制，传统金融在设计产品时常常对其合理性把握不足。而大数据时代的信贷模型和风险模型则有更高的准确性，有利于计算违约概率和出险率，用收益覆盖风险；与此同时，通过对数据进行归纳与梳理，可以做出更能满足客户个性需求的产品，增强产品设计的合理性。
2.大数据大大降低金融企业的人工成本
为满足日常运营和业务要求，传统金融机构常常有很多网点和工作人员。以P2P为例，中国人民银行的征信数据尚未对P2P平台开放，而线下独立对借款人信用进行审核需要花费高达上百元的成本，信用查询成本高，还存在重复授信的可能。[19]而互联网时代，大数据的应用使得许多金融业务都可以在线运营，几乎不需要传统的经营网点。大数据在降低金融企业的运营成本方面发挥着不可低估的作用。
以深圳前海微众银行为例，其申请、审核、服务全部线上完成，没有网点，完全通过互联网进行客户信息搜集和审核，评估客户信用、降低成本的同时，提高了效率。[20]再如蚂蚁金服，蚂蚁金融云将系统支付单笔成本从传统架构的几毛钱降低到了1分钱，单账户成本降低到传统机构的几十分之一，单笔贷款的系统成本降低到1元钱以下。[21]实践中，正因为机构运营成本的降低，才让免手续费、免年费的服务成为可能。
2.1.4 大数据与精准营销
利用大数据掌握各类客户信息，并分析客户需求与用户反馈，最终目的就是找到恰当的营销方法、手段，以刺激需求、扩大消费。围绕客户建立数据库，描述客户分布、交易特点、需求匹配等情况，从而有针对性地做到需求、偏好、关系的定向营销。[22]也就是说，利用大数据可以基于不同需求提供定制化的金融产品，然后通过互联网连接个人终端和APP应用，完成金融产品的推送式服务，实现金融服务的精准营销。正如2015年3月15日马云在德国汉诺威IT博览会开幕式上演讲时所说，“未来的世界，我们将不再由石油驱动，而是由数据驱动；生意将是C2B而不是 B2C，用户改变企业，而不是企业向用户出售——因为我们将有大量的数据；制造商必须个性化，否则他们将非常困难”[23]。
1.借助大数据完成更精细的市场细分
精准的市场细分或客户细分，提供了差异化服务的可能性，能够有效刺激需求。企业通过决策树、逻辑回归等数据挖掘手段，识别不同类别的客户，营销潜在客户，深度挖掘现有客户。
互联网金融企业借助大数据，抓取各类直接相关和间接相关的客户统计信息，了解潜在顾客或客户的行为与偏好，建立基于大数据的客户画像和标签体系，精准预测客户需求，借此，有针对性地对不同类别的顾客或客户设计不同的营销组合策略，通过便捷的渠道提供个性化金融产品与服务。
链接2—1基于大数据的客户画像与市场细分
①中国大数据产业观察，http://www.cbdio.com/BigData/201511/05/content_4091547.htm。
②中国网，http://science.china.com.cn/201601/08/content_8504149.htm。
③中国云计算，http://www.chinacloud.cn/show.aspx？id=22153&cid=16。
④36大数据，http://www.36dsj.com/archives/13324。
⑤36大数据，http://www.36dsj.com/archives/26488。
交叉销售的实施对象是企业的现有客户。而交叉销售就是借助数据分析，发现现有客户的多种潜在需求，并通过相关要素的整合来满足其需求，从而销售更多的相关服务或产品的过程。在购买产品或服务时，一方面，顾客要提交十分详尽的真实的个人数据资料；另一方面，企业也会对顾客的交易行为进行完整的记录，从而获得了珍贵的顾客购买记录数据。在保护用户个人隐私的前提下，利用这些资料与其他具有互补性的企业一起共享客户资源，开展交叉销售。也就是说，企业可以从以往的销售数据中挖掘关联规则，分析顾客的购买习惯，发现哪些产品频繁地被顾客同时购买，并借以进行有针对性的推荐。交叉销售有利于发现客户需求，也有利于推介金融产品。[25]总之，针对现有客户，建立服务质量监控体系，利用客户评价、再购买、交叉销售等数据，结合其偏好、年龄、人脉关系等，企业就可以实现对现有客户的深度挖掘，以增加更多的连续消费。
2．借助大数据实施精准营销，刺激需求
对不同客户，企业能够借助大数据对其进行更精准的营销以刺激需求。互联网企业有针对性地面对不同类别的客户选用不同推送方法，使得每一类顾客获取到的是自己期望获得的产品及相关信息，如此，相比全覆盖的轰炸式营销，能够减少顾客对促销的抵触感，提高营销效果。
（1）针对不同顾客的差异化推荐。此种做法的核心理念是向客户展示其可能感兴趣的产品，实施个性化推荐。以京东APP为例。进入京东手机APP，首页上有一个专栏叫“为你推荐”，里面呈列的产品根据不同顾客定制推送，推送依据就是顾客在购物浏览中加入购物车、收藏、点阅过的产品。不同顾客有不同的购买偏好与购买能力，为你推荐自然是因人而异。此外，当选择一个产品进入购物车结算时，结算页面下方还会根据该产品产生附属产品推荐“你可能还想要”，如添加了相机，就会推荐购买相机包等配件。
（2）基于微信的朋友圈推送。微信的朋友圈广告是基于大数据精准投放、有针对性地刺激消费者需求的重要途径。2015年1月21日早晨，微信开始测试朋友圈广告功能，“微信团队”共发布6张图和链接做成的信息流（feed）广告。所谓信息流广告就是一种依据社交群体属性对用户喜好和特点进行智能推广的广告形式，顾名思义，其主要展现形式是穿插在信息之中。公开资料显示，信息流广告最早于 2006年出现在Facebook上，目前包括Facebook、Twitter、新浪微博和今日头条等平台都在使用这种广告形式。腾讯在QQ、QQ空间上的信息流广告也已经大获成功。[26]微信朋友圈广告由文字、图片构成，用户可以评论互动，特别之处在于不同用户收到的推广品牌不同。首批广告的品牌包括宝马中国、vivo智能手机和可口可乐。用户可以选择不感兴趣对其屏蔽，即若广告曝光无互动，6小时后，广告消失；曝光有互动，广告不消失；一个广告持续7天有效，对单个用户每48小时内只推送一个广告。[27]
2.1.5 大数据与客户关系管理
客户关系管理使得公司能够通过有效地使用个人客户信息，实时地提供优质服务。[28]随着互联网、大数据和云计算等技术的应用，客户关系管理逐渐从线下管理为主转变为线上管理为主。企业通过数据溯源、主数据管理、非结构化数据处理、数据可视化等技术手段，可以进一步优化运营，提高客户关系管理的水平。
1.丰富的客户数据是建立健全客户关系管理的基础
客户关系管理指的是企业以客户关系为重点，运用大数据及互联网技术，通过对客户详细资料的深入分析与研究，优化企业组织体系和业务流程，提高客户满意度和忠诚度的过程。客户关系管理体现了“以顾客为中心”的营销理念，其实质与最终目标是吸引新客户、保留老客户以及将现有客户转为忠成客户，扩大市场份额，提升市场竞争力。
在当今的互联网时代，做好客户关系管理的基础工作是对客户数据的归集、分类，以期尽可能地在合理合法的范围内实现想客户之所想、投客户之所好。客户数据信息包括利用用户或客户行为模型获取的结构化数据，也包括通过社交平台、电子商务、终端设备、电话投诉等媒介，收集到非结构化数据，最终完善客户信息特征库，即对已有顾客个人基本资料、企业团体基本资料及其连续交易的行为资料，以及即将开发的准顾客基本资料，分别加以搜集、筛选、测试、整理、编集而形成的顾客档案群。[29]完整有效的顾客信息库应该按照企业自身需要，将顾客资料加以筛选、整理并随时充实内容，汇总储存，并且要锲而不舍地增补新资料，定期割舍不符合要求的旧资料。[30]
2.科学的客户关系监控系统是维系客户关系的技术保障
大数据的价值体现在分析和挖掘，如果面对海量数据而不能从中提炼出有价值的信息，大数据就失去了意义。建立先进的客户关系评价模型，搭建自助分析工具，就能实现对客户关系的精准监控，如交易链智能获客模型、客户规模变动分析、客户价值弹性预测模型、客户流失预警模型[31]等。管理人员可以清楚知道哪些客户可以获取，哪些客户是高端客户，哪些客户存在流失的风险。相比传统由员工单点跟踪客户的方式，大数据客户关系模型提高了客户管理的精度。大数据让管理者不只关注销售业绩、售后评价等指标，还能够深刻地理解客户，通过上述步骤完成客户细分。客户细分不仅在销售端有意义，而且能在客户关系管理中对不同客户的诉求进行有效区分，从而更合理地掌握客户购买产品的规律和客户需求的满足情况。
注释
[1]参见中国信息产业网，http://www.cnii.com.cn/technology/201601/07/content_1677186.htm。
[2]参见网界网，http://bigdata.cnw.com.cn/bigdata-newinformation/htm2015/20150823_322219_2.shtml。
[3]参见雷锋网，http://www.leiphone.com/news/201411/BW3iFXbV2mdPrIDt.html。
[4]参见雷锋网，http://www.leiphone.com/news/201411/BW3iFXbV2mdPrIDt.html。
[5]今日头条，http://toutiao.com/i6212736687605285377/。
[6]参见人民网，http://finance.people.com.cn/n/2015/0126/c100426447246.html。
[7]人民网，http://politics.people.com.cn/n1/2015/1216/c102427937758.html。
[8]参见中证网，http://www.cs.com.cn/xwzx/ms/201501/t20150129_4632846.html。
[9]参见新华网，http://news.xinhuanet.com/fortune/201407/10/c_126734011.htm。
[10]参见新华网，http://news.xinhuanet.com/fortune/201501/06/c_127361839.htm。
[11]参见中国政府网，http://www.gov.cn/zhengce/content/201507/01/content_9994.htm。
[12]芝麻信用官网，http://zmxy.antgroup.com/index.htm。
[13]博瑞金融，http://www.brjr.com.cn/forum.php？mod=viewthread&tid=164555。
[14]参见新华网，http://news.xinhuanet.com/fortune/201507/29/c_128071470.htm。
[15]参见新华网，http://news.xinhuanet.com/fortune/201507/29/c_128071470.htm。
[16]参见微口网，http://www.vccoo.com/v/c54518？source=rss。
[17]参见新浪科技，http://tech.sina.com.cn/i/20150408/doc-ichmifpy6635923.shtml。
[18]参见新金融，http://if.pedaily.cn/news/201412/20141208161294093.shtml。
[19]参见中国网，http://finance.china.com.cn/money/efinance/yjlx/20150507/3103928.shtml。
[20]参见中国金融新闻网，http://www.financialnews.com.cn/yw/gd/201501/t20150109_68889.html。
[21]参见新华网，http://news.xinhuanet.com/fortune/201312/23/c_118664455.htm。
[22]参见中国互联网金融行业协会，http://www.a-cifi.org/pxzxview.asp？id=907。
[23]中国日报网，http://www.chinadaily.com.cn/hqcj/xfly/20150317/content_13383084.html。
[24]参见中国云计算，http://www.chinacloud.cn/show.aspx？id=22153&cid=16。
[25]参见刘凤军等：《刍论金融产品创新与银行营销模式变革》，载《中国软科学》，71页，2008（2）。
[26]参见中国日报网，http://www.chinadaily.com.cn/hqgj/jryw/20150123/content_13099693.html。
[27]参见环球网，http://tech.huanqiu.com/news/201501/5509039.html。
[28]美］菲利普·科特勒等：《营销管理》，全球14版，156页，北京，中国人民大学出版社，2012。
[29]参见创业资讯，http://zixun.3158.cn/20110803/n318263695076054.html。
[30]参见阿里云，https：//www.aliyun.com/zixun/content/2_6_502372.html。
[31]参见中国经济网，http://finance.ce.cn/rolling/201505/22/t20150522_5439116.shtml。