【正文】 集概念的擴展。 傳統(tǒng)意義上的數據為結構化數據，即可以用常規(guī)統(tǒng)計指標或圖表表現出來的定量數據或專門設計的定性數據，有固定的結構和標準。（1） 樣本概念的深化 除普查以外，傳統(tǒng)統(tǒng)計學離不開樣本，樣本是研究中實際觀測或調查的一部分個體，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)的數據分析方法，如聚類分析、相關分析、回歸分析等方法，仍然是可以使用的。 管理統(tǒng)計學中推斷統(tǒng)計學的參數估計方法和假設檢驗方法，主要采用抽樣調查法，利用樣本數據的信息來估計或者計算總體參數情況。根據實際研究需要，收集社會經濟現象的統(tǒng)計數據和自然科學領域的數據。 對于“大數據”（Big data）研究機構Gartner給出了這樣的定義：“大數據”是需要新處理模式才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力來適應海量、高增長率和多樣化的信息資產（2） 理論意義 管理統(tǒng)計學課程是近年來經濟管理類專業(yè)新開的專業(yè)基礎課程，目的是培養(yǎng)經管類學生能夠把統(tǒng)計學知識運用到經濟管理中來解決實際問題。. . . . 編號經 管 學 院統(tǒng) 計 學 實 踐 報 告題 目： 專 業(yè)： 團隊信息： 學生姓名： 指導教師： 其他： 報告字數： 完成日期 ： 統(tǒng)計學第 次實踐報告：題目 題目內容簡介（可包括如下內容，也可自行添加其他內容）、理論意義、實際意義（一）大數據的概念 麥肯錫對大數據概念的解釋是：大數據是指大小超過傳統(tǒng)數據庫軟件工具抓取、存儲、管理和分析能力的數據群。隨著社會的發(fā)展，企業(yè)對經濟管理類學生的數據處理能力有更高的需求，因此管理統(tǒng)計學的開設滿足經管類學生及企業(yè)的需求。這些數據是數字、文字等結構化的數據。大數據不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據的方法。雖然這些傳統(tǒng)的分析方法已經被應用于大數據領域，但是他們在處理規(guī)模較大的數據集合時，效率無法達到用戶預期，且難以處理復雜的數據。大數據時代，樣本的概念不再這么簡單，由于此時數據大部分為網絡數據，因此可以將其分為兩種類型: 一是靜態(tài)數據，即當客戶在查看數據時已經被生成好了，沒有和服務器數據庫進行交互的數據，直接在客戶端創(chuàng)建完畢，對于這種數據，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。大數據是指不僅包括結構化數據，還包含非結構化數據、半結構化數據或異構數據，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，數據的收集需要根據統(tǒng)計分析的目的進行，過程包括設計調查方案、嚴格控制調查流程，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據，同時，在存儲能力、分析能力、甄別數據的真?zhèn)巍⑦x擇關聯(lián)物、提煉和利用數據、確定分析節(jié)點等方面，都需要斟酌。 傳統(tǒng)統(tǒng)計中是根據研究目的去收集數據，數據來源通常是已知的，很容易對數據提供者的身份進行識別或進行事后核對。 傳統(tǒng)數據為結構化數據，對數據的量化方式已經相當成熟，并且比較容易得到可以直接進行分析的數據結果。我們從統(tǒng)計分析、實證分析、推斷分析三個方面論述大數據時代傳統(tǒng)統(tǒng)計學分析思維的改變。第二，傳統(tǒng)的統(tǒng)計實證分析，思路是“假設—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)計軟件與大數據結合起來，則統(tǒng)計分析的過程可以在很大程度上簡化。本文結合美國的金融環(huán)境，對ZestFinance進行簡要介紹，分析大數據征信產生的背景，剖析大數據征信技術，并全面客觀地闡述了大數據征信技術對于中國互聯(lián)網金融和征信業(yè)未來發(fā)展的借鑒意義。ZestFinance的研發(fā)團隊主要由數學家和計算機科學家組成，前期的業(yè)務主要通過ZestCash平臺提供放貸服務，后來專注于提供信用評估服務，旨在利用大數據技術重塑審貸過程，為難以獲得傳統(tǒng)金融服務（Underbanked）的個人創(chuàng)造可用的信用，降低他們的借貸成本。 ZestFinance引起國內的關注始于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。 四、傳統(tǒng)信用評估模型時間上比較滯后 雖然FICO評分仍然體現風險排序，但其預測絕對風險的能力和在2008年金融危機中的表現飽受指責，圖3展示，FICO分數從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)之后出現大量壞賬的現實嚴重不符。ZestFinance對大數據技術的應用主要從大數據采集和大數據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)數據，如借款人的房租繳納記錄、典當行記錄、網絡數據信息等，甚至將借款人填寫表格時使用大小寫的習慣、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。大數據征信應用與啟示 wbr——以美國互聯(lián)網金融公司 wbrZestFinance為例 再次是網絡數據，如IP地址、瀏覽器版本甚至電腦的屏幕分辨率，這些數據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。 多維度的征信大數據可以使得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，在關聯(lián)性的基礎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