近日，中国科技核心期刊《大数据》刊发论文《利用网络数据预测企业失信行为》，聚焦金融网络大数据分析技术在企业征信领域的创新实践。
该论文由电子科技大学大数据研究中心主任、数联铭品科技有限公司（以下简称BBD）首席科学家周涛教授，电子科技大学大数据研究中心博士生李艳丽 ，BBD数据管理部经理李倩，电子科技大学副教授 、博士生导师陈端兵，电子科技大学大数据研究中心博士生谢文波，BBD首席财务官吴桐，BBD创始人兼董事长曾途共同完成（排名按署名顺序）。
据悉，《大数据》由工信部主管，人民邮电出版社主办，是中华人民共和国国家新闻出版广电总局审批通过的大数据领域的首批科技期刊，全方位展示大数据产业的发展、技术趋势和创新应用成果，有效促进我国大数据技术研究与应用的交流，推动大数据产业的发展，使大数据技术真正应用于社会，服务于社会发展。
传统的企业信用水平分析方法多从企业规模、经营地、行业类别、注册与实缴资本等特征属性出发，缺少基于海量关联数据的深入分析。随着互联网、移动互联网、物联网和各种遥感探测技术的发展，一个“一切都被记录，一切都被分析”的数据化时代已经到来。在各种大数据研究对象和大数据应用场景中，网络大数据是独具特色且受到广泛关注的方向。金融网络分析是网络大数据在金融领域的应用，因为其可见的巨大价值，最近受到了广泛的关注。
真实的金融网络包括金融机构之间的业务关系网络、投资机构和企业之间或投资机构之间因共同投资而形成的投资关系网络等。这些网络往往度分布范围很广，网络连接总体上比较稀疏，网络连接呈现负相关性（度大的节点倾向于和度小的节点相连），但度很大的若干节点之间表现出“富人俱乐部效应”（即度最大的若干节点之间连接特别紧密）。金融网络分析可以帮助人们尽早发现金融风险，提升抗击重大风险的能力。
《利用网络数据预测企业失信行为》中，将金融网络大数据分析技术应用于预测企业失信行为。企业征信是金融生态体系，甚至经济生态体系建设中至关重要的一环。事实上，企业投资关系网络是应用潜力非常广泛的一类数据。举例而言，通过投资关系网络，可以发现一些异常的投资行为。事实上，企业投资关系网络的应用还很多，该论文的思路和方法还可以刻画金融担保圈的风险传播，提高识别金融担保圈中关键节点的准确度，提升大数据在打击非法集资、反洗钱方面的效率和准确度。
（论文全文请点击“阅读原文”）
