大数据征信深度报告

大数据征信深度报告（附PPT)

大数据应用是当今互联网时代最伟大的技术；征信是有着悠久历史的传统金融业务。当象征着未来的大数据与象征着传统的征信业务结合在一起，它们便产生了惊人的化学反应。

在FICO中国区总裁陈建看来，征信的本质就是采集和记录信用信息并在

整理加工后提供给决策者，而如今，得益于大数据、云计算、人脸识别、深度算法等技术的进步，征信有了更广泛的意义和用途。

随着大数据征信行业的崛起，越来越多的玩家开始进入市场，其中就包括拿到第一批个人征信牌照的腾讯和阿里爸爸。那么大数据征信究竟会对整个征信市场造成什么影响？又会为这个行业创造出哪些新的机会？让我们用下面这份深度报告回答你：

（注：本报告中的观点均为我们根据市场调研和访谈所做的合理推测，并不代表准确商业信息。）

在如今的互联网时代，传统的借贷历史数据已经不能很好地反映个人或者企业的信用评级，大数据征信采用了社交、电商、运营商以及搜索数据等数据源，并根据自身的业务模式建立相应的信用评级模型。目前市场上主要信用评级模型是侧重电商、侧重社交、侧重运营商和侧重信用卡这四类。

目前我国的征信市场分为企业征信市场和个人征信市场两类，主要还是由政府主导，但是市场化的趋势已经十分明显。包括腾讯征信和芝麻信用在内的

八家企业已经拿到了第一批个人征信牌照、政府也在2015年发布了一系列鼓励大数据征信行业的政策，预示着大数据征信市场正逐渐走向成熟。

目前我国征信市场存在的问题就在于以央行为主导的单一市场格局的覆盖率较低，个人征信市场覆盖人数比率仅有62.6%，企业征信覆盖率更是仅有28.4%，并且数据源仍以信贷信息为主，缺少多维度的信息。面对爆发式增长的消费信贷需求，这样的市场格局明显不能满足。大数据征信能够利用自身的

海量数据和用户信息解决覆盖率低和数据源单一的问题，为未来的消费信贷需求的增长提供有力支撑。

首批踏入大数据征信市场的八家企业包括腾讯征信、芝麻信用以及一些传统的征信机构，可分为重资产模式、轻资产模式、数据整合与评分模型模式以及互联网模式等几种商业模式。继这八家之后，又有包括京东金融、小米在内

的30多家企业均有意申请第二批征信牌照，并涌现了多种新兴的商业模型。

大数据征信行业中数据是极为重要的一部分，现在市场面临的瓶颈是不同公司之间不愿意将数据分享出去，造成了数据孤岛问题，同时监管细则的出台也会对征信机构的进入和运营造成一定的影响。但是我们看到的更多还是大数据征信这个行业的机会，包括发展企业征信业务、创造金融生态、进行细分领域研究等。

注：本文摘自线性资本，数据观转载此文只为传播信息无商业目的，如涉侵权等事宜请联系小编更正。

【精品案例类】2019中国保险行业IT应用与市场研究报告

中国保险业IT应用与市场研究报告 保险业信息化现状及购买行为调查保险公司系统建设概况 保险公司综合业务系统建设状况 综合业务系统是保险公司的核心系统，可以分为产险综合业务系统和寿险综合业务系统。这些综合业务系统，按照功能模块来说是由新合同处理系统、核保系统、收费系统、出单系统、保全系统、理赔系统、核赔系统、客户服务系统和代理人管理系统等多个系统构成，可以实现诸如投保、核保、签单、交费、批改、给付、退保、复效、报案、赔付申请、核赔、赔付和客户服务等具体功能。从系统构架上来说，则大多采用基于事务通信中间件的三层客户机、服务器结构，达到实现逻辑和表示逻辑的分离，实现数据库服务、业务逻辑服务和表示逻辑服务的分布式处理。而对于寿险综合业务系统，则采用零险种、参数化技术，支持动态增删险种。 调查显示，所有的保险公司都拥有综合业务系统。其中，采用自己开发业务系统的保险公司有平安保险公司和新华保险公司; 购买成型业务系统的有中国 人寿和泰康人寿; 而与厂商合作开发的是中国人民保险公司和太平洋保险公司。 中国人寿保险公司采用的是美国科比亚的CBPS寿险综合业务系统，于1997年开始在全国各地30多家分公司实施。另外有少数分公司在最近的系统更新时使用了尚洋公司的新一代业务系统，这些地区包括青海和深圳地区。而四川、重庆等西南地区的分公司，系统则由高伟达公司开发。

1999年7月，太平洋保险公司斥资500万美元建立了新系统，以全面提升服务能力，力求业务再创新高。科联系统有限公司为中国太平洋保险公司建立的“人寿保险管理系统”已交付使用。“人寿保险管理系统”可以更新太平洋公司团体及个人人寿保险的业务程序，包括从草签保险单、收取保险费到索赔、理赔的整个过程。 另外，泰康人寿保险公司从去年下半年开始，在全国各地分公司中推广已经本地化的美国CSC提供的寿险综合业务系统。该套系统耗资1600多万元人民币，是泰康人寿近期信息化战略中最重要的举措。 中国人民保险公司的产险综合业务系统则由尚洋和中科软合作开发。此外，尚洋和中科软还分别开发了新华人寿的投资型寿险综合业务系统和太平洋保险的寿险综合业务系统。 保险公司呼叫中心系统建设状况 在本次调查涉及的保险公司中，中国平安保险公司、太平洋保险公司、中国人寿保险公司和中国人民保险公司已经在全国的大部分省市实施了呼叫中心系

华为深度分析报告

一个70岁的商业思想家，10多位40岁出头的战略企业家，几千位30-40岁出头的中高层管理者， 率领着10多万20-30岁的以中高级青年知识分子为主体的知识型劳动大军，孤独行走在全球五大 洲的每个角落。华为，一个以“狼性文化”著称的全球通信设备制造企业，它的成功绝非偶然。 一个70岁的商业思想家，10多位40岁出头的战略企业家，几千位30-40岁出头的中高层管理者，率领着10多万20-30岁的以中高级青年知识分子为主体的知识型劳动大军，孤独行走在全球五大洲的每个角落。华为，一个以“狼性文化”著称的全球通信设备制造企业，它的成功绝非偶然。 本文来源：商界作者：白勇图片来源：网易 这确实是一家“怪异”的企业。若干年前，当华为第一次进入世界500强时，公司一位高管一大早走进会议室，他说，告诉大家一个坏消息，公司进入世界500强了。没有人有欣悦感，更没有人倡议搞什么庆典。 东方幽灵的“上甘岭” 2012年，华为的年销售额达到了惊人的2202亿元——超越爱立信成为全球最大的电信设备供应商。 同年，华为宣布利润突破154亿元(这还不包括用来给员工发奖金的125亿元红包)。同样是在这一年，华为的研发费用高达299亿元，相当于中国许多顶级企业的年产值。 这是中国最优质的一家民营企业，没有之一。

如果单从数据上看，创立25年来，华为从6名员工发展到15万名员工(其中外籍员工3万多名)，从2万元创业起家到销售额2202亿元，作为一家无背景、无资源、缺资本的民营企业，华为将西方众多百年巨头纷纷斩落马下。它被众多跨国对手视作“东方幽灵”。 事实上，就在华为开始创业的20 世纪80 年代中后期，国内诞生了400 多家通信制造类企业，但这个行业注定是场死亡竞赛，赢者一定是死得最晚的那个。华为活到了最后。 华为为什么可以活到最后？背景论、关系论等纷纷出笼，是这样吗？不然华为为什么不上市呢，为什么不接受采访呢？

大数据处理流程的主要环节

大数据处理流程的主要环节 大数据处理流程主要包括数据收集、数据预处理、数据存储、数据处理与分析、数据展示/数据可视化、数据应用等环节，其中数据质量贯穿于整个大数据流程，每一个数据处理环节都会对大数据质量产生影响作用。通常，一个好的大数据产品要有大量的数据规模、快速的数据处理、精确的数据分析与预测、优秀的可视化图表以及简练易懂的结果解释，本节将基于以上环节分别分析不同阶段对大数据质量的影响及其关键影响因素。 一、数据收集 在数据收集过程中，数据源会影响大数据质量的真实性、完整性数据收集、一致性、准确性和安全性。对于Web数据，多采用网络爬虫方式进行收集，这需要对爬虫软件进行时间设置以保障收集到的数据时效性质量。比如可以利用八爪鱼爬虫软件的增值API设置，灵活控制采集任务的启动和停止。 二、数据预处理 大数据采集过程中通常有一个或多个数据源，这些数据源包括同构或异构的数据库、文件系统、服务接口等，易受到噪声数据、数据值缺失、数据冲突等影响，因此需首先对收集到的大数据集合进行预处理，以保证大数据分析与预测结果的准确性与价值性。

大数据的预处理环节主要包括数据清理、数据集成、数据归约与数据转换等内容，可以大大提高大数据的总体质量，是大数据过程质量的体现。数据清理技术包括对数据的不一致检测、噪声数据的识别、数据过滤与修正等方面，有利于提高大数据的一致性、准确性、真实性和可用性等方面的质量; 数据集成则是将多个数据源的数据进行集成，从而形成集中、统一的数据库、数据立方体等，这一过程有利于提高大数据的完整性、一致性、安全性和可用性等方面质量; 数据归约是在不损害分析结果准确性的前提下降低数据集规模，使之简化，包括维归约、数据归约、数据抽样等技术，这一过程有利于提高大数据的价值密度，即提高大数据存储的价值性。 数据转换处理包括基于规则或元数据的转换、基于模型与学习的转换等技术，可通过转换实现数据统一，这一过程有利于提高大数据的一致性和可用性。 总之，数据预处理环节有利于提高大数据的一致性、准确性、真实性、可用性、完整性、安全性和价值性等方面质量，而大数据预处理中的相关技术是影响大数据过程质量的关键因素 三、数据处理与分析 1、数据处理 大数据的分布式处理技术与存储形式、业务数据类型等相关，针对大数据处理的主要计算模型有MapReduce分布式计算框架、分布式内存计算系统、分布式流计算系统等。

八大案例深度解析电力大数据应用

八大案例深度解析电力大数据应用 麦肯锡曾有报告预测，在全球范围内，大数据分析方案的广泛使用能够带来每年3000亿美元的电费削减。电力大数据的有效应用可以面向行业内外提供大量的高附加值的增值服务业务，对于电力企业盈利与控制水平的提升有很 高的价值。有电网专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。 电力行业的数据源主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，可大致分为三类：一是电网运行和设备检测或监 测数据;二是电力企业营销数据，如交易电价、售电量、用电客户等方面数据; 三是电力企业管理数据。通过使用智能电表等智能终端设备可采集整个电力系统的运行数据，再对采集的电力大数据进行系统的处理和分析，从而实现对电网的实时监控；进一步结合大数据分析与电力系统模型对电网运行进行诊断、优化和预测，为电网实现安全、可靠、经济、高效地运行提供保障。 一、电网监测及维护 1.运维监测系统及时反应 Enphase Energy（美国Enphase 能源股份有限公司） Enphase Energy每天从来自80个不同国家25万个系统收集大约2.5TB的数据。这些数据可以用来检测发电和促进远程维护、维修来确保系统无缝运行。另外，Enphase Energy还利用从发电系统收集到的数据来监测、控制或调整网络中的发电和负载状态，在电网和在出错或需要升级时做出相应的反应。 2.设备检修运维专题分析

电力企业可以基于永洪自研发的一站式大数据分析平台开展各业务领域的深度分析，如在电网检修运维领域，通过对电力设备资产管理、设备运检管理、设备技术管理、技改大修管理等方面，从安全、效益、成本三个方面进行关键 指标选取，分析检修管理中“安全”、“效益”、“成本”三者之间的相互影响，协调 三个因素综合最优，同时实现对电网企业检修指标的实时在线监控，为公司检修策略制定提供指导和服务。 （图中分析场景所用的数据为测试数据） 3.预防基础设备故障导致的停电 American Electric Power Co., Inc. (AEP）（美国电力有限公司） 在AEP的资产健康中心，数据分析师把设备派生的运行信息和智能信息应 用程序结合在一起。通过采用大数据算法和分析软件，他们可以密切监测传输基础设施的运行情况。 如今，AEP使用智能电表、通信网络和数据管理系统得到稳健的常规信息。 智能电网技术使客户更有效地用电和合理管理用电成本，收集到的数据也有助于该公司为客户定制电力管理程序和提供个性化定制服务。

银行对公业务深度分析报告

银行对公业务深度分析报告

内容目录 前言：3 年了，是时候重新关注对公业务了吗？ (4) 一、对公业务：资产质量包袱大幅减轻，投放回暖 (5) 1.1多个“信号”指向对公存量风险不断减轻 (6) 1.2怎么做到的？监管引导+银行自身努力 (7) 1.3基建+小微发力：对公回暖，贷款增长重归“常态化”，增持地方政府债 (9) 二、个股群像：假若对公回暖，哪些银行值得关注？ (11) 2.1个股概览：哪些银行“对公”业务占比较高？ (11) 2.2国有大行：业务布局相对较为均衡，其中工行综合服务能力更强 (12) 2.2. 股份行：各具特色，中信、光大银行较优 (14) 2.3．城商行：关注区域经济、客户结构 (15) 2.4假如未来对公业务持续回暖，哪些银行更值得关注？ (16) 风险提示 (22) 图表目录 图表1：老16 家上市银行估值分化明显（单位：倍） (5) 图表2：上市银行19PB 以及处于过去三年的位置（单位：倍） (5) 图表3：10 年以来上市银行对公贷款不良率变化与分解、各行业不良贡献情况（%） (5) 图表4：19H，10 家样本银行对公贷款不良余额净减少（亿元） (6) 图表5：上市银银行资产质量认定标准持续趋严 (6) 图表6：老16 家上市银行批零、制造业贷款不良率19H 首次回落 (7) 图表7：老16 家上市银行对公业务的信用成本19H 有所下降 (7) 图表8：上市银行各类贷款迁徙率整体回落（正常类迁徙率左轴，其余右轴） (7) 图表9：老16 家上市银行核销及转出规模（亿元） (8) 图表10：13 年至今主动放缓对公贷款投放增速 (8) 图表11：老16 家上市银行信贷结构对比：2014 VS 2019H (8) 图表12：18 年以来，“基建补短板”逆周期政策不断落地 (9) 图表13：720 指导意见后，委托+信托贷款压降幅度收窄（亿元） (10) 图表14：18 年后地方政府专项债发行加速（亿元） (10) 图表15：新增人民币贷款结构（亿元） (10) 图表16：企业贷款同比多增情况（亿元） (10) 图表17：上市银行资产摆布情况变化：19H 相对2018 年（亿元） (10) 图表18：19H 上市银行信贷摆布情况（--表示未披露具体数据） (12) 图表19：国有大行业务占比较为平均（19H） (13) 图表20：国有大行对公中收贡献度较高（19H） (13) 图表21：工行对公存款优势较强，成本率低（19H） (13) 图表22：国有大行对公不良率较高，但核销及转出率低（19H） (13) 图表23：光大银行对公贷款增速较快，且基建类贷款占比较高 (14) 图表24：股份行对公贷款毛利率对比（19H） (14) 图表25：大行+股份行对公贷款收益率、存款收益率以及存贷利差 (15) 图表26：大行+股份行对公贷款不良率、信贷成本（19H） (15) 图表27：城商行对公、零售、资金业务利润总额占比 (16)

2019年教育行业深度研究报告

２０１９年教育行业深度研究报告

前言 关于整个国家对于教育的投入，大多数人都有较强的感性认知，知道体量是巨大的，但是没有量化的概念——总体量到底有多大？其中有多少来源于财政投入，有多少来源于其他渠道投入（社会资本等）？国家对于不同教育阶段的投入有何差异？不同省份对于教育的投入有何差异？本篇报告将从数据的维度对这些问题进行一一解析。 本篇报告的三个核心结论是—— ①总量角度：教育经费多渠道筹集需求凸显，社会投入占比有望提升。 整个社会对于教育的投入持续增长，自2012年以来，我国教育经费总 投入占GDP比重均在5%以上，2018年达4.6万亿元。国家财政性教 育经费占GDP比重均在4%以上，2018年达3.7万亿元，预计短期内 该比重会相对稳定。我国教育经费中80%以上来源于国家财政性教育 经费，国家财政性教育经费中地方财政性教育经费占比超90%，地方 财政教育支出是整个社会对于教育投入的主力来源。地方公共财政教 育支出在2012年对于地方财政的压力达到高点（占地方财政收入/支 出比重分别为33.0%/18.8%），且目前该现状未有明显缓解，我们认为 这可能是2012年之后相关政策出台的重要引发原因之一（2013年上 海和温州两地开始营利性学校试点），加大民办教育力量投入需求突出， 非财政的教育经费占比有望提升。 ②分阶段角度：义务教育阶段的财政支出占比近半，职业教育、幼儿 园和高中占比略有提升，高等教育占比有所下降，预计结构性优化仍 会继续进行。2016年幼儿园/义务教育/高中/高等占比分别为 3.8%/46.6%/9.6%/10.8%，幼儿园的财政投入远低于其他阶段，与其 17%的总人数占比不匹配，未来幼儿园公办化、普惠化是大趋势，而 高等教育占比略有下降，伴随未来财政更多向低龄阶段倾斜，占比可 能会有所调整，而这一趋势为民办高校的发展带来机会。2017年民办 幼儿园/小学/初中/普高/中职/高等渗透率分别为 56%/8%/13%/13%/14%/24%，相较2004年分别增加 28/5/8/5/6/19pct，幼儿园民办渗透率极高，民办高等教育渗透率提升 较快。“生均公共财政预算教育事业费”这一指标可以更加直观体现不 同阶段的生均财政投入之间差距。根据最新数据，除幼儿园仍然低于 3000元/人以外，其他阶段均超过10000元/人，普通高等更是超过了 20000元/人。1997-2017二十年间我国经历了优先发展小学，之后是 初中的过程，目前是处于加强稳固对于义务教育的投入，并加速发展 学前、高中及高等教育的时期。 ③分地区角度：建议关注地方公共财政教育支出压力较大，教育资源 相对不足的地区。结合6个指标的排名和赋值，我们对于各省市进行 了综合排名，我们把得分大于等于3分的称为优势地区（18个），小 于3分的称为非优势地区（13个）。我们认为该评分从财政角度出发， 对民办学校的地理位置选择上有一定参考价值，得分越高，排名越靠 前的省市，我们认为更需要民办学校的投入，对于民办学校的态度也 更加欢迎，也有更大的概率在政策上给予高于平均的优惠力度，以此 对于民办学校的投资地域给出一些建议。细分来看：5分的为一类优 势地区（5个），包括广东、山东、河北、浙江、湖北；4分的为二类 优势地区（8个），包括河南，广西，云南，江西，江苏，湖南，福建， 上海；3分的为三类优势地区（5个），包括四川，安徽，贵州，山西， 北京。 在进行具体分析之前，我们先介绍在本文中会使用到的几个容易混淆的概念，：“教育经费”可以理解为“整个社会对于教育的投入总额”（最大口径），“国家财政性教育经费”可以理解为“国家财政对于教育的支出总额” （第二大口径），“财政性教育经费占教育经费的比重”可以理解为“整个社会对于教育的投入中财政的贡献程度”。“公共财政教育支出”可以理解为“一般公共财政对于教育的支出总额”（第三大口径）。

大数据的大价值：大数据五大成功案例深度解析学习资料

大数据的大价值：大数据五大成功案例深度解析 ?作者：Cashcow ?星期四, 四月11, 2013 ?大数据, 航空, 零售 ?暂无评论 大数据的热潮并未有消褪迹象，相反，包括航空、金融、电商、政府、电信、电力甚至F1赛车等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。但是在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的杀手应用，但是关于大数据中国企业的成功案例的报道却出奇地少。 最近《中国企业家》的“大数据专题”特别报道采访了农夫山泉、阿迪达斯中国和数家航班信息移动服务商（前两家为SAP客户），为我们带来了详实的大数据案例报道，非常有参考价值，原文转载如下：就在制作这期“大数据专题”时，编辑部发生热烈讨论：什么是大数据？编辑记者们旁征博引，试图将数据堆砌的商业案例剔除，真正的、实用性强的数据挖掘故事留下。

我们报道的是伪大数据公司？我们是否成为《驾驭大数据》一书的作者Bill Franks所称的“大数据骗局”中的一股力量？同样的质疑发生在阿里巴巴身上。有消息称，3月23日，阿里巴巴以7000万美元收购了一家移动开发者数据统计平台。这引发了专家们热烈讨论，它收购的真是一家大数据公司吗？ 这些质疑并非没有道理。 中国确实没有大数据的土壤。“差不多先生”、“大概齐”的文化标签一直存在。很多时候，各级政府不太需要“大数据”，形成决策的关键性数据只有一个数字比率（GDP）而已；其二，对于行业主管机构来说，它们拥有大量原始数据，但它们还在试探、摸索数据开放的尺度，比如说，是开放原始数据，还是开放经过各种加工的数据？是转让给拥有更高级计算和储存能力的大型数据公司，还是将数据开源，与各种各样的企业共享？其三，数据挖掘的工具价值并没有完全被认同。在这个领域，硬件和软件的发展并不十分成熟。即便如此，没有人否认数据革命的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为战略方向，百度的李彦宏用“框计算”来谋划未来。即便是CBA（中国男子篮球职业联赛）也学起了NBA（美国男篮职业联赛）五花八门的数据统计、分析与挖掘。 在过去两年间，大量的资本投资一些新型数据工具公司，根据美国道琼斯风险资源（Dow Jones VentureSource）的数据，在过去的两年时间里，11.7亿美元流向了119家数据库软件公司。去年，SAP 市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的商业化，去年一年时间里HANA带给SAP3.92亿欧元的收入，增长了142%。 但是，大数据还没法分析、挖掘出自己的直接变现能力。在截稿日时，我们再重新读维克托·迈尔-舍恩伯格（Viktor Mayer-Sch鰊berger）的《大数据时代：生活、工作与思维的大变革》一书，作者相信，未来，数据会成为有价值的资产。假以时日，它会大摇大摆地进入资产负债表里。 案例1：农夫山泉用大数据卖矿泉水

中国保险业研究报告

中国保险业研究报告 2003-04-29资料来源：全景网络 一、行业发展状况 1．保险行业的特点 保险业是经营风险的特殊行业。保险是专门以风险为经营对象、为人们提供风险保障的一种特殊的制度安排，是一种风险转移的机制，同时具备储蓄功能。与一般的企业相比，保险业具有投资需求大、经营周期长、利润率稳定的特点，是典型的以创新来推动增长的金融产业。其中产险业具有高度周期性[1]。 2．社会保险和商业保险 保险按其目的可分为社会保险和商业保险。社会保险指由国家通过立法对公民强制征收保费，形成保险基金，以对投保人提供保障的一种社会保障制度。它具有强制性，并不以盈利为目的。运行中若出现赤字，国家财政将给予支持；商业保险是按商业原则经营，以盈利为目的的保险形式。保险企业独立核算、自主经营、自负盈亏。截至2002年底，我国的社会保障基金总资产达到1241.9亿元，商业保险公司总资产达6494.1亿元。本文的主要研究对象是商业保险。 3．中国保险业发展状况 中国保险业尚处于成长初期，发展速度较快。全国保费收入由1980年的4.6亿元增加到2002年的3053.14元，年均增长速度34.4%，远远高于同期GDP增长速度。现保费收入世界排名在15-20位之间。 从世界各国保险业的发展经历看，寿险业的发展速度大大高于非寿险业。我国保险业的发展也经历了相同的变化：从1992至2002十年间，寿险保费收入的年均复合增长率达到42.8%，而产险保费收入的增长仅为18.1%；1980年保险业全面恢复时，寿险保费收入几乎为零，1992年，寿险保费收入占总保费收入的比例达到30.4%，1997年，寿险保费收入开始超过产险，2002年，寿险保费收入占总保费收入的比例达到74.5%，而且这一趋势还将继续下去。 伴随着保费收入以大大高于国民收入和人口数量增长的速度增加，我国的保险深度（保费收入/GDP）和保险密度（保费收入/人口总数）这两个保险市场成熟度指标不断增长。截至2002年底，中国保险深度达到3%，保险密度为237.6元，较之世界发达国家保险深

花旗银行研究报告

花旗银行研究报告 摘要：作为惟一一家推行全球业务战略的银行，花旗银行不单为遍及56个国家的5000万消费者提供服务，也在近100个国家为跨国、跨区及当地的企业客户服务。除了花旗银行，没有哪家金融机构的业务和资源足以在如此之多的地方，应付如此之多的需要。花旗银行已成为金融服务的世界品牌。花旗银行的名称即意味着服务，不仅是满足客户的需要，更要比客户预期的做得更好。本文主要从花旗银行的发展历史、组织架构、企业文化、职业晋升阶梯及人才管理等方面进行研究和分析，全面了解花旗银行，并在此基础上提出银行能力培养的合理化建议。 关键词：花旗银行金融机构服务 一、花旗银行简介 花旗银行（Citibank, N.A.）是花旗集团属下的一家零售银行，其主要前身是1812年6月16日成立的“纽约城市银行”，经过近两个世纪的发展、并购，已成为美国最大的银行，也是一间在全球近一百五十个国家及地区设有分支机构的国际大银行。 作为惟一一家推行全球业务战略的银行，花旗银行不单为遍及56个国家的5000万消费者提供服务，也在近100个国家为跨国、跨区及当地的企业客户服务。 除了花旗银行，没有哪家金融机构的业务和资源足以在如此之多的地方，应付如此之多的需要。花旗银行已成为金融服务的世界品牌。花旗银行的名称即意味着服务，不仅是满足客户的需要，更要比客户预期的做得更好。 主要的业务范围包括：电子银行业务。通过花旗银行的计算机，自动柜员机或花旗电话银行，在一年365天每天24小时内都可得到安全而便捷的服务。 二、历史背景及发展历程 花旗的历史上，有三个重要的名字：花旗银行（Citibank）、花旗公司（Citicorp）和花旗集团（Citigroup），它代表着花旗三个不同的历史时期。 花旗银行的历史可以追溯到1812年，是一家服务于纽约商人的金融机构。 1812年6月16日，纽约州特许设立花旗银行，其英文名称为 “City Bank of New York.9月14日，花旗银行在华尔街52号开业，为纽约的一些商户提供服务。银行总裁是塞缪尔.奥斯古德上校，他曾在独立战争中与乔治.华盛顿作战。 1822年农业火险及贷款公司成立，这是美国每一家股份制信托公司。1835年，该公司改名为农业贷款及信托公司，1929 年与花旗银行合并。其后，花旗银行的英文名称为：National City Bank。 1865年，花旗银行加入新组建的美国国民银行系统，英文名称改为： The National City Bank of New York。作为国民银行，其经营必须符合联邦政府

电信运营商大数据业务运营流程深度剖析

电信运营商大数据业务运营流程深度剖析 【摘要】为了对电信运营商大数据业务运营流程进行剖析，首先针对运营商在对外开展大数据业务的过程中所面临的管理困境进行了总结和分析，并从数据资产管理流程及大数据端到端业务流程两方面提出相应的改进建议，以期为电信运营商大数据业务整体推进提供有益的参考。 【关键词】大数据业务数据资产管理流程端到端业务流程 1 引言 2015年，在“互联网+”战略及创新氛围的带动下，三大运营商均已完成大?稻萦τ贸【按幽诓坑τ米?向外部变现的破局。2016年以后，运营商的大数据业务正逐渐走向规模化和商业化。在大数据业务的规模化商业化运营过程中，运营商面临怎样的挑战，又该如何应对，成为值得探讨的问题。 本文将针对运营商的大数据业务运营全流程，从数据资产管理和大数据端到端业务流程两条管理制度流程，详细剖析运营商开展大数据业务所面临的困难，并针对这些困难提供出优化提升的管理建议，以期为后续大数据业务运营管理提供参考。 2 大数据业务管理现状及相关理论介绍

2.1 大数据业务管理现状 运营商在开展大数据业务过程中通常会涉及两条流程支线：数据资产管理流程和大数据端到端业务管理流程。 如图1所示，在大数据端到端业务管理流程方面，大部分运营商已形成了前端部门收集汇总大数据需求，后端部门与外部支撑厂商进行大数据应用功能的具体开发实现的端到端业务管理流程。 如图2所示，在数据资产管理流程方面，大部分运营商仍延续传统的采集存储规则，并未形成针对大数据应用的系统性的数据资产管理流程及制度。完整的数据资产管理是包括针对数据的计划、规范定义、采集存储、提取使用、盘点维护、数据清除环节在内的全生命周期管理，而目前大部分运营商的数据管理仅包含采集存储、提取使用、数据清除环节，且现存管理制度不适应大数据业务特征，制度有效性受限。 2.2 BPMMM和数据质量管理评估维度 （1）业务流程管理成熟度模型 业务流程管理成熟度模型（BPMMM，Business Process Management Maturity Model）是用来评价并提高企业业务流程管理水平的模型，包括外部结构和内部结构。如图3所示，BPMMM的外部结构划分为初始级、可复用级、已定义级、可管理级和优化级五个层级。

2017年银行资产管理行业深度研究报告

2017年银行资产管理行业深度研究报告

投资摘要： 资产管理行业的本质是管理资产，即“受人之托，代客理财”，而管理资产的核心是管理价值和风险。管理价值就是使资产取得收益，保值增值；管理风险就是将资产的损失可能性控制在一定范围内，即资金所有者可以承受的范围内。 从2012年监管放松开始，混业经营发展到今天，资管行业的同质性愈发彰显。但由于资管混业依然处于初始发展阶段，资管机构仍然存在明显分级，主要存在资金来源机构、投资管理机构和通道机构的上下游关系。资金来源机构为产业上游机构，以银行为典型代表，主要利用客户渠道吸纳资金；投资管理机构为中下游机构，以基金为典型代表，主要负责资金具体运作管理，实现收益；通道机构处于产业下游，以券商为代表，为银行等其他机构提供交易便利。 目前来看，投资管理机构，主要为基金公司，在同质竞争中最具优势。首先，基金公司因为建立初衷就是管理资产，所以有丰富的历史经验和雄厚的人才基础；其次，在监管日趋严格的情况下，基金公司业务一直没有偏离资产本质，受到监管紧缩的压力就非常小。保险资管的竞争力虽然不如基金公司，但强于其他类型资管机构，主要因为保险资管一来依托保费收入，有稳定资金来源，这一点可以与银行资管媲美，二来保险资管一直秉持资管初衷，除了为险资保值增值，还可以通过第三方业务拓展资金来源。 信托资管的竞争力排位第三，其资管能力良好，资管业务时间悠久。虽然信托公司常常作为通道机构，为银行开展业务提供便利，包括贷款出表，投资非标等，但总体上信托的资管业务是没有偏离资管实质的。券商资管竞争力弱于信托资管，主要因为券商资管对通道的依赖过于严重，而此轮监管开始严控券商通道，券商资管业务将受到较大影响。 银行理财在资管行业中的竞争力处于末位，虽然银行有最强大的销售渠道和客户资源，在上游极有优势；但银行资管的运营模式严重偏离资管本质。净值型产品一直冷清，刚性兑付一时难以打破，通道业务占比重，而监管又开始压缩通道，整顿理财。因此，在这轮监管中，银行理财首当其冲，受影响最大，竞争力与其他机构相比比较弱。

教育行业深度研究报告超长精华版

教育行业深度报告 教育从古以来就是中国人特别重视的一件事。古代时有“孟母三迁”的故事，仅仅为了孩子能接受更好的教育。 而今天，这样活生生的例子成出不穷。笔者就曾经见到许多家长为了孩子接受更好的教育，举家搬迁。也有一些家长暑期带着孩子去异地拜见最好的老师。 大量的教育机构也在寒暑期推出带有住宿的集训班课程。这种我们习以为常的现象在美国几乎无法想象。中国人自古以来就有非常强烈的“付出”精神。 大量家长在自己身上花钱并不多，但是在孩子教育上的投入巨大，这导致教育行业在中国有比较强的定价权，甚至可以不断提价。长期看，中国教育行业的定价权未来可能比茅台酒都来的强。 可以说，是具有强烈的“中国国情”。在勒庞的巨作《乌合之众》中，他曾经说过每一个民族都带有自己特有的基因，最终造就了这个民族的一些特性。在中国人几千年的历史基因中，就对教育非常重视。． 同时随着中产阶级不断崛起，生育率的下降等，家长在单个孩子上投入的资源会大大增加，也让教育成为一个中长期能维持高景气的行业。今天，笔者就和大家交流一下对教育行业粗浅的研究以及商业模式上的思考。

行业特征： 把中国教育行业进行分类，主要有K12，高等教育和职业教育三种。这三种有着完全不同的属性： 1）K12，是传统教育向在线的延伸。客户不是学生本人，而是家长。学生本人参与的积极性不是最高，很多来自于家长。很大一部分需求来自于应付考试。 2）高等教育，核心代表是网易公开课(MOOC的典型）和成人补习班。客户是成年人为主，以学习知识为主。参与的积极性很高。 3）职业教育，核心代表是达内科技。客户为成年人学习技能为主，竞争力来自于能否找到更好的工作。 显而易见，K12是教育细分子行业中空间最大的。相比高等教育和职业教育，K12有两个不同点。 第一就是很高的留存度。家长送孩子去补习班，只要体验和结果都不错，往往会放好多年。从一年级开始，一路到四五年级。很高的留存率会导致有口碑的K12教育培训机构获得持续不断的用户数增长，优秀的企业会迅速越来越大。

大数据技术与应用专业深度解析含课程说明师资介绍资料

大数据技术与应用专业深度解析（含课程说明、师资介绍） 大数据技术与应用专业是是新兴的“互联网+”专业，该专业将大数据分析挖掘与处理、移动开发与架构、人软件开发、云计算等前沿技术相结合，并引入企业真实项目演练，依托产学界的雄厚师资，旨在培养适应新形势，具有最新思维和技能的“高层次、实用型、国际化”的复合型大数据技术与应用专业人才。 专业背景 近几年来，互联网行业发展风起云涌，而移动互联网、电子商务、物联网以及社交媒体的快速发展更促使我们快速进入了大数据时代。截止到目前，人们日常生活中的数据量已经从TB(1024GB=1TB)级别一跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别，数据将逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代，专业的大数据人才必将成为人才市场上的香饽饽。当下，大数据从业人员的两个主要趋势是：1、大数据领域从业人员的薪资将继续增长；2、大数据人才供不应求。 图示说明：2012-2020年全球数据产生量预测 专业发展现状 填补大数据技术与应用专业人才巨大缺口的最有效办法无疑还需要依托众多的高等院校来培养输送，但互联网发展一日千里，大数据技术、手段日新月异，企业所需要的非常接地气的人才培养对于传统以培养学术型、科研型人才为主要使命的高校来说还真有些难度。幸好这个问题已经被全社会关注，政府更是一再提倡产教融合、校企合作来创办新型前沿几

乎以及“互联网+”专业方向，也已经有一些企业大胆开始了这方面的创新步伐。据我了解，慧科教育就是一家最早尝试高校校企合作的企业，其率先联合各大高校最早开设了互联网营销，这也是它们的优势专业，后来慧科教育集团又先后和北京航空航天大学、对外经济贸易大学、贵州大学、华南理工大学、宜春学院、广东开放大学等高校在硕、本、专各个层次开设了大数据技术与应用专业方向，在课程体系研发、教学授课及实训实习环节均有来自BAT 以及各大行业企业一线的技术大拿参与，所培养人才能够很好地满足企业用人需求。 专业示例 笔者在对慧科教育的大数据技术与应用专业做了专门研究，共享一些主要特色给大家参考： 1.培养模式 采用校企联合模式，校企双方（即慧科教育集团和合作校方）发挥各自优势，在最大限度保证院校办学特色及专业课程设置的前提下，植入相应前沿科技及特色人才岗位需求的企业课程。 2.课程体系 笔者对慧科教育的大数据技术与应用专业做了专门研究，现分享一下慧科专业共建的课程给大家参考。慧科教育集团的专业课程重在培养学生的理论知识和动手实践能力，学生在完成每个学期的理论学习后，至少有两个企业项目实战跟进，让学生在项目中应用各类大数据技术，训练大数据思路和实践步骤，做到理论与实践的充分结合。 大数据技术与应用专业的课程体系包括专业基础课、专业核心课、大数据架构设计、企业综合实训等四个部分。

2019年保险行业深度研究报告

２０１９年保险行业深度研究报告

目录 1.2019年行业经营情况 2.2020年开门红展望 3.2020年发展展望 4.投资建议

资料来源：中国银保监会，天风证券研究所 人身险行业在经历了2018年的保费调整后，2019年的保费增速已有明显回升。 其中，健康险保费增速保持在20%以上，保费占比已逐渐从2013年的10%提升至2019年的21%。我们判断人身险行业仍有至少10年的“黄金发展期”，驱动力量：1）保障需求的稳步增长，即保障覆盖面的持续扩大与保障额度的持续提升；2）储蓄型保险产品在“大资管”体系中份额的稳步提升；3）保险行业的产业链延伸——保险产品+养老服务，保险产品+医疗服务。 图1：寿险公司保费收入及同比增长 图2 ：人身险行业险种结构意外险健康险 寿险 -10%0%10%20%30%40%05000 10000 15000 20000 2500030000 保费收入(左轴，亿)同比增长（右轴，%）

2019年，人身险行业保费的市场集中度下降。 2019年1-8月，人身险行业保费同比增长15%。其中，中小保险公司经过17-18年调整，保费同比增长19%，外资公司保费同比增长39%，而前6家公司（国寿、平安、太保、新华、泰康、太平）保费同比增长低于10%，市占率为57%，较2018年下降2pct 。 原因：1）严监管下，经营战略趋同，均以保障险为经营重点；2）中小保险公司产品的性价比一般更高（保额/保费）；3 ）中小保险公司可通过互联网渠道、经代渠道销售保单，这两大渠道是新兴赛道。 -20%30% 80% 130%20142015201620172018201908前6家 外资公司20142015201620172018201908前6家中资其他公司外资公司图3：不同保险主体的年度保费同比增速 图4：不同保险主体的保费市占率 资料来源：中国银保监会，天风证券研究所

中国银行业竞争研究分析报告

中国银行业竞争研究分析报告 金融业作为国民经济进展的加速器，对我国的经济增长起了不可忽视的作用。加入WTO之后的中国银行业，面对跨国金融集团逐步入境的“狼群效应”，如何在以后激烈的市场竞争中塑造自身的核心竞争力，巩固原有的市场，维持并进展现有的地位，已成为国内各大银行的当务之急。 上海新秦信息咨询有限公司(https://www.sodocs.net/doc/8513145373.html,)在全国范围内开展了关于银行的网络调查，就消费者对各大银行的中意度，需求类型等作了全面的综合调查。 此次调查范围包涵了国内的各大银行以及所有进入中国市场的外资银行，具有专门强的代表性和可参性。下图为部分调查结果：

据调查显示，目前最常光顾的银行排名前四的均为国有商业银行，其中中国工商银行以69.65%的支持率排名第一。由此能够看出，在加入WTO 后对外资银行尚未完全取消监管的前三年，国有银行凭借着在国内长久以来建立的营销网络和深入中国消费者心中的信用观念，在外资银行未完全适应中国市场之前具备一定的竞争优势，但更应该看到的是，在今后的几年金融市场逐步完全开放的情况下，外资银行庞大的资金实力，成熟的经营模式，规范化的治理服务，以及遍及全球的营销网络对国有银行来讲将是强有力的竞争威胁。 消费者经常办理的业务决定着银行业以后进展的方向，同时对潜在需求的开发也是构成银行竞争力一个重要因素。

由上图能够看出，目前中国内地市场需求要紧集中在日常储蓄，生活费用的缴纳及异地汇款上，分不占到84.86%，39.74%和41.92%。这是传统国有银行建立在经营网点资源基础上的优势，但要看到的是，随着内地市场发育日益成熟，需求结构也在日益发生着变化，传统的金融服务项目在银行的利润空间中所占比例将日趋缩水；相反，信用卡业务，投资性贷款的需求将不断上升，这些业务的开展较传统业务需要更高的技术及人才储备，而这些恰恰是外资银行在全球扩张的竞争优势，作为国内的商业银行应该在看到自身优势的同时，把眼光放到长远的金融进展方向上去，做好与跨国金融集团同台竞争的预备。 在银行业的竞争中，客户对服务的中意度是构成银行综合竞争力的重要环节，这也是外资银行强调标准化服务的要紧缘故，下图是以中国工商

教育行业研究报告

目录 一、教育行业发展环境 (2) 1、国家政策的支持 (2) 2、经济发展的需要 (2) 3、民众意识的提高 (3) 二、教育行业结构划分 (3) 三、教育行业发展现状 (4) 1、百家齐鸣——促进教育培训发展 (4) 2、多家竞争，市场不正规——发展负面影响加深 (5) 四、教育行业发展挑战 (6) 1、教学资源的优质化 (6) 2、服务模型的完善化 (6) 3、教育技术的先进化 (6) 五、教育行业细分市场对比分析 (6) 1、学前教育 (7) 2、学历教育 (11) 3、专业培训 (14) 六、教育行业网络营销特点及策略 (17) 1、教育行业网络营销的优势 (17) 2、教育行业网络营销存在问题 (17) 3、教育行业营销策略改进 (17)

一、教育行业发展环境 今年来，我国教育培训行业发展非常迅速，从统计数字显示，2000年我国的教育培训市场规模是100亿元，2001年是300亿元，2005年我国的教育培训业收入达到2000亿元，而且这一数字还在以每年30%的速度疯长。我们将从以下三方面分析发展飞跃的环境： 1、国家政策的支持 2002年底中国颁布了《民办教育促进法》，并与2003年9月1日生效，随后又出台了《民办教育促进法实施条例》对实施细则加以细化。《民办教育促进法》肯定了民办教育事业的公益性地位，国家对民办教育执行实行“积极鼓励、大力支持、正确引导、依法管理”的方针，民办学校和公办学校享有同等的法律地位，并且指出办学者可以获取合理回报。但是由于政策细则的不明确，民办教育培训事业虽有发展，但比较缓慢。直至2010年10月，国务院颁发了《关于较强职业培训促进就业的意见（国发【2010】36号）》，意见中指出“加强职业培训是促进就业和经济发展的重大举措”。同年11月，《国务院关于当前发展学前教育的若干意见（国法【2010】41号）》颁布，意见中指出“发展学前教育，必须坚持公益性和普惠性”，“必须坚持政府主导，社会参与，公办民办并举“。等一些列政策，促进了民办学校、教育、培训机构的大量滋生。 2、经济发展的需要 中国仍处在产业结构转型的时期，对人才的培养需求呈现出新的变化。中国目前的产业结构存在一定矛盾：第二产业在经济中占比过大，其中高能耗、高污

史上最全大数据解析

大数据概念：史上最全大数据解析 来源：数据观时间：2015-04-02 17:52:56作者： 现如今，我们身边很多人对一些热门的新技术、新趋势往往趋之若鹜却又很难说得透彻，比如大数据，如果被问大数据和你有什么关系，估计很少能说出一二三来。究其原因，一是因为大家对新技术有着相同的原始渴求，至少知其然，在聊天时不会显得很“土鳖”；二是在工作和生活环境中，真正能参与实践的大数据案例实在太少了，所以大家没有机会花时间去知其所以然。 我希望有些不一样，所以对该如何去认识大数据进行了一番思索，包括查阅了资料，翻阅了最新的专业书籍，但我并不想把那些零散的资料碎片或不同理解论述简单规整并堆积起来形成毫无价值的转述或评论，我很真诚的希望进入事物探寻本质。 如果你说大数据就是数据大，或者侃侃而谈4个V，也许很有深度的谈到 BI或预测的价值，又或者拿Google和Amazon举例，技术流可能会聊起Hadoop 和Cloud Computing，不管对错，只是无法勾勒对大数据的整体认识，不说是片面，但至少有些管窥蠡测、隔衣瘙痒了。……也许，“解构”是最好的方法。 怎样结构大数据? 首先，我认为大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，

这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。 其次，想要系统的认知大数据，必须要全面而细致的分解它，我着手从三个层面来展开： 第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。我会从大数据的特征定义理解行业对大数据的整体描绘和定性;从对大数据价值的探讨来深入解析大数据的珍贵所在;从对大数据的现在和未来去洞悉大数据的发展趋势;从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

中国保险业研究报告分析(doc 49页)

中国保险业研究报告分析(doc 49页)

中国保险业研究报告 2003-04-29资料来源：全景网络 一、行业发展状况 1．保险行业的特点 保险业是经营风险的特殊行业。保险是专门以风险为经营对象、为人们提供风险保障的一种特殊的制度安排，是一种风险转移的机制，同时具备储蓄功能。与一般的企业相比，保险业具有投资需求大、经营周期长、利润率稳定的特点，是典型的以创新来推动增长的金融产业。其中产险业具有高度周期性[1]。 2．社会保险和商业保险 保险按其目的可分为社会保险和商业保险。社会保险指由国家通过立法对公民强制征收保费，形成保险基金，以对投保人提供保障的一种社会保障制度。它具有强制性，并不以盈利为目的。运行中若出现赤字，国家财政将给予支持；商业保险是按商业原则经营，以盈利为目的的保险形式。保险企业独立核算、自主经营、自负盈亏。截至2002年底，我国的社会保障基金总资产达到1241.9亿元，商业保险公司总资产达6494.1亿元。本文的主要研究对象是商业保险。

二、行业竞争格局 截至2002年底，保险公司数量发展到54家，总资产达6494.1元，保险营销员超过100万人。初步形成以国有商业保险公司为主、中外保险公司并存、多家保险公司竞争的格局。 1979年我国保险业务恢复后，中国人民保险公司完全垄断市常1988年平安保险公司的成立打破了这一格局。同年，交通银行成立保险部（太平洋保险公司前身）。这两家股份制保险公司成立后，迅速把业务拓展到全国范围，同中国人民保险公司展开了竞争。从90年代开始，股份制的新华、泰康、华泰及外资友邦、东京上海、皇家太阳联合等保险公司先后成立，市场竞争主体多元化的态势开始形成。截至2002年底，保险公司数量发展到54家，其中国有独资保险公司5家，股份制保险公司15家，中外合资保险公司20家，外资保险公司14家。另外，还有19个国家和地区的112家外资保险公司在内地的14个城市设立了199个代表处，等待进入中国保险市常 1996年, 中国人民保险公司更名为中国人民保险(集团) 公司（简称中保集团）,下设财产保险,人寿保险,再保险三个专业子公司, 实行分业经营。1998年底，中保集团被撤销，三个子公司成为独立法人，其中中保财产保险有限公司继承