【正文】 集概念的擴展。 傳統(tǒng)意義上的數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)，即可以用常規(guī)統(tǒng)計指標或圖表表現(xiàn)出來的定量數(shù)據(jù)或?qū)ｉT設(shè)計的定性數(shù)據(jù)，有固定的結(jié)構(gòu)和標準。（1） 樣本概念的深化 除普查以外，傳統(tǒng)統(tǒng)計學(xué)離不開樣本，樣本是研究中實際觀測或調(diào)查的一部分個體，一個可用的樣本必須能夠正確地反映總體情況。但一些傳統(tǒng)的數(shù)據(jù)分析方法，如聚類分析、相關(guān)分析、回歸分析等方法，仍然是可以使用的。 管理統(tǒng)計學(xué)中推斷統(tǒng)計學(xué)的參數(shù)估計方法和假設(shè)檢驗方法，主要采用抽樣調(diào)查法，利用樣本數(shù)據(jù)的信息來估計或者計算總體參數(shù)情況。根據(jù)實際研究需要，收集社會經(jīng)濟現(xiàn)象的統(tǒng)計數(shù)據(jù)和自然科學(xué)領(lǐng)域的數(shù)據(jù)。 對于“大數(shù)據(jù)”（Big data）研究機構(gòu)Gartner給出了這樣的定義：“大數(shù)據(jù)”是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)（2） 理論意義 管理統(tǒng)計學(xué)課程是近年來經(jīng)濟管理類專業(yè)新開的專業(yè)基礎(chǔ)課程，目的是培養(yǎng)經(jīng)管類學(xué)生能夠把統(tǒng)計學(xué)知識運用到經(jīng)濟管理中來解決實際問題。. . . . 編號經(jīng) 管 學(xué) 院統(tǒng) 計 學(xué) 實 踐 報 告題 目： 專 業(yè)： 團隊信息： 學(xué)生姓名： 指導(dǎo)教師： 其他： 報告字數(shù)： 完成日期 ： 統(tǒng)計學(xué)第 次實踐報告：題目 題目內(nèi)容簡介（可包括如下內(nèi)容，也可自行添加其他內(nèi)容）、理論意義、實際意義（一）大數(shù)據(jù)的概念 麥肯錫對大數(shù)據(jù)概念的解釋是：大數(shù)據(jù)是指大小超過傳統(tǒng)數(shù)據(jù)庫軟件工具抓取、存儲、管理和分析能力的數(shù)據(jù)群。隨著社會的發(fā)展，企業(yè)對經(jīng)濟管理類學(xué)生的數(shù)據(jù)處理能力有更高的需求，因此管理統(tǒng)計學(xué)的開設(shè)滿足經(jīng)管類學(xué)生及企業(yè)的需求。這些數(shù)據(jù)是數(shù)字、文字等結(jié)構(gòu)化的數(shù)據(jù)。大數(shù)據(jù)不用隨機分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)的方法。雖然這些傳統(tǒng)的分析方法已經(jīng)被應(yīng)用于大數(shù)據(jù)領(lǐng)域，但是他們在處理規(guī)模較大的數(shù)據(jù)集合時，效率無法達到用戶預(yù)期，且難以處理復(fù)雜的數(shù)據(jù)。大數(shù)據(jù)時代，樣本的概念不再這么簡單，由于此時數(shù)據(jù)大部分為網(wǎng)絡(luò)數(shù)據(jù)，因此可以將其分為兩種類型: 一是靜態(tài)數(shù)據(jù)，即當客戶在查看數(shù)據(jù)時已經(jīng)被生成好了，沒有和服務(wù)器數(shù)據(jù)庫進行交互的數(shù)據(jù)，直接在客戶端創(chuàng)建完畢，對于這種數(shù)據(jù)，樣本等同于總體，這樣無需去提取樣本并檢測樣本的可用性，減少了成本，并且總體本身對總體的反映更為準確，減少了誤差。大數(shù)據(jù)是指不僅包括結(jié)構(gòu)化數(shù)據(jù)，還包含非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)或異構(gòu)數(shù)據(jù)，即一切可以記錄和存儲的信號，具有多樣化的特點，并且傳統(tǒng)的統(tǒng)計指標等不一定可以將其完整地表述出來。 傳統(tǒng)統(tǒng)計中，數(shù)據(jù)的收集需要根據(jù)統(tǒng)計分析的目的進行，過程包括設(shè)計調(diào)查方案、嚴格控制調(diào)查流程，因此具有低效率、高成本的缺點。我們擁有超大量可選擇的數(shù)據(jù)，同時，在存儲能力、分析能力、甄別數(shù)據(jù)的真?zhèn)?、選擇關(guān)聯(lián)物、提煉和利用數(shù)據(jù)、確定分析節(jié)點等方面，都需要斟酌。 傳統(tǒng)統(tǒng)計中是根據(jù)研究目的去收集數(shù)據(jù)，數(shù)據(jù)來源通常是已知的，很容易對數(shù)據(jù)提供者的身份進行識別或進行事后核對。 傳統(tǒng)數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)，對數(shù)據(jù)的量化方式已經(jīng)相當成熟，并且比較容易得到可以直接進行分析的數(shù)據(jù)結(jié)果。我們從統(tǒng)計分析、實證分析、推斷分析三個方面論述大數(shù)據(jù)時代傳統(tǒng)統(tǒng)計學(xué)分析思維的改變。第二，傳統(tǒng)的統(tǒng)計實證分析，思路是“假設(shè)—驗析、處理等。事實證明，這種實證分析存在很大誤差。 （7）． 統(tǒng)計軟件的增多。若將統(tǒng)計軟件與大數(shù)據(jù)結(jié)合起來，則統(tǒng)計分析的過程可以在很大程度上簡化。本文結(jié)合美國的金融環(huán)境，對ZestFinance進行簡要介紹，分析大數(shù)據(jù)征信產(chǎn)生的背景，剖析大數(shù)據(jù)征信技術(shù)，并全面客觀地闡述了大數(shù)據(jù)征信技術(shù)對于中國互聯(lián)網(wǎng)金融和征信業(yè)未來發(fā)展的借鑒意義。ZestFinance的研發(fā)團隊主要由數(shù)學(xué)家和計算機科學(xué)家組成，前期的業(yè)務(wù)主要通過ZestCash平臺提供放貸服務(wù)，后來專注于提供信用評估服務(wù)，旨在利用大數(shù)據(jù)技術(shù)重塑審貸過程，為難以獲得傳統(tǒng)金融服務(wù)（Underbanked）的個人創(chuàng)造可用的信用，降低他們的借貸成本。 ZestFinance引起國內(nèi)的關(guān)注始于2013年7月，當時全球第三方支付平臺PayPal聯(lián)合創(chuàng)始人、美國知名投資人彼得其中，美國個人消費者的平均FICO評分為678。比如，遇到了醫(yī)療緊急事故，或者最近剛剛移民美國。如圖2所示，它主要從五個方面考察用戶的信貸資質(zhì)。 四、傳統(tǒng)信用評估模型時間上比較滯后 雖然FICO評分仍然體現(xiàn)風險排序，但其預(yù)測絕對風險的能力和在2008年金融危機中的表現(xiàn)飽受指責，圖3展示，F(xiàn)ICO分數(shù)從2005年到2011年在美國人口中的分布基本上沒有大的變化，這和2008年金融危機爆發(fā)之后出現(xiàn)大量壞賬的現(xiàn)實嚴重不符。ZestFinance對大數(shù)據(jù)技術(shù)的應(yīng)用主要從大數(shù)據(jù)采集和大數(shù)據(jù)分析兩個層面為缺乏信用記錄的人挖掘出信用。另外，它還包括大量的非傳統(tǒng)數(shù)據(jù)，如借款人的房租繳納記錄、典當行記錄、網(wǎng)絡(luò)數(shù)據(jù)信息等，甚至將借款人填寫表格時使用大小寫的習(xí)慣、在線提交申請之前是否閱讀文字說明等極邊緣的信息作為信用評價的考量因素。大數(shù)據(jù)征信應(yīng)用與啟示 wbr——以美國互聯(lián)網(wǎng)金融公司 wbrZestFinance為例 再次是網(wǎng)絡(luò)數(shù)據(jù)，如IP地址、瀏覽器版本甚至電腦的屏幕分辨率，這些數(shù)據(jù)可以挖掘出用戶的位置信息、性格和行為特征，有利于評估信貸風險。 多維度的征信大數(shù)據(jù)可以使得ZestFinance能夠不完全依賴于傳統(tǒng)的征信體系，對個人消費者從不同的角度進行描述和進一步深入地量化信用評估。再次，在關(guān)聯(lián)性的基礎(chǔ)上將變量重新整合成較大的測量指標，每一種變量反映借款人的某一方面特點，如詐騙概率、長期和短期內(nèi)的信用風險和償還能力等。這10個模型以如下的方式進行投票：讓你