数据结构 - 机器学习

在比特币创始之初，人们就对它寄以厚望，认为这将是一个改变整个世界的技术。在最开始的几年，比特币是由一群疯狂的理想主义极客所推动的。虽然他们有梦想，不过他们在金融领域内的经验非常少，在这些人中，最出名的就是法国人MarkKarpeles。Karpeles在2011年从JedMcCaleb（前文中也提到过的RippleLab的创始人）手中收购了比特币交易所MtGox，并将其迅速发展成为世界排名第一的比特币交易所。Karpeles（占股88％）也因此变得极其富有，甚至因而将公司搬到了寸土寸金的日本东京涉谷。2011年6月19日，黑客盗用用户的Mt.Gox证书，将比特币转移到自己账户中进行抛售，导致汇率下降1美分，而之前的汇率为15美元。此为Mt.Gox第一次被黑记录。此后的3年，

关于数据的这个章节出现在本书中看起来可能有些突兀。在互联网上查找过区块链相关资料的读者可能尤其有这种感觉，因为很少有讲述区块链概念的文章会提及数据挖掘的概念。可以这么说，数据挖掘的概念和比特币确实有些遥远，而区块链领域中的大部分兄弟们都多多少少有些自由主义的倾向，所以他们中的很多人对于数据挖掘的观念是不太感冒的，因为他们可能认为数据挖掘和侵犯个人隐私好像是可以画等号的。其实并非如此。我们在这一章中讲述的核心观点是“数据才是做一切决定的前提。”区块链技术要和大数据相结合才能够相得益彰。数据分析在各类公司中都可以起到作用，一家公司要想成功，必须要让数据分析介入运营：以数据为基础，智能地制定运营决策。以数据为目标，有效地执行运营计划。以数据为依据，优化商务过程。笔者认为，所谓数据分析，就是

2011年6月，美国数据研究中心IDC发布了年度数字研究报告ExtractingValuefromChaos（《从混沌中提取价值》），在文中对于数据的预测提到了三点：全球数据量大约每两年翻一番。预计2011年全球数据总量将达到1.8ZB(1)。未来全球数据量增速将会维持，到2015年全球数据量将达到近8ZB，预计到2020年全球数据量将达到令人恐怖的35ZB。而同年10月，市场调研机构Gartner高德纳公司在分析2012年十大战略技术中就包括了“大数据”。我们今天所处的互联网时代是Web2.0时代，和之前的互联网最大的不同点就在于UGC（User-generatedContent，由用户自主产生内容）。每个互联网用户不仅仅是一个信息的被动接受者，同时还是一个信息的创造者。

从2013年开始，互联网金融在中国这片土地上发展得如火如荼，其实这是互联网对于金融领域的渗透导致的必然结果，同样的变革也发生在旅游、航空、教育、物流、零售、医药等其他垂直行业。金融业在互联网上创新的目的是可以直接获取用户的一手信息，增加用户的粘度，巩固并拓展银行与其目标客户之间的存取、货款、汇款、支付等业务关系。互联网金融可不是金融机构简单地“触网”。我们信仰数据，我们相信金融的本质就是数据，而大数据技术就是能够驱动互联网金融这个横冲直撞的火车头永不停歇的发动机。金融业的大数据挖掘在良莠不齐地发展了三年之后，2015年，在十部委发布的《关于促进互联网金融健康发展的指导意见》中，将互联网金融分类为：互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融。互联

我们在前面已经介绍过了，区块链系统是一个底层的分布式存储系统。在讨论区块链系统和大数据应用之前，我们先来看一下区块链上的数据。区块链的仪表盘Dashboard（仪表盘）的原意是一个包含各种测量仪表的平板，而在商业智能和大数据领域，仪表盘指的是直观展示度量信息，特别是一些关键性能指标的数据展示工具。下面介绍比特币系统上的一些关键数据，如下表所示。比特币系统上的24小时数据（来源：blockchain.info）   开采区块数    179    区块生成间隔    8.04（分钟）    新币开采量&nb

区块链和大数据是两个在过去几年中都得到飞速发展的技术。2016年第46届世界经济论坛达沃斯年会论坛的主题为“掌控第四次工业革命”，包括人工智能、无人驾驶、区块链、量子计算等在内的科技前沿领域在会议中被反复提及。区块链的大数据化正如我们在4.3节中所讲述的，在今天，区块链能够承载的信息数量是有限的，离我们要用“大数据”的标准来衡量的地步还差得很远，不过，千里之行，始于足下，我们要一步步地来。如果要让区块链承载大数据，那么目前我们所看到的这些区块链系统都还不具备这个能力。下面是区块链系统的三个和大数据有矛盾，需要改进的特点：分布式的有隐私的安全的区块链系统是分布式的，而大数据讲究的是可规模化、可量化的数据；区块链系统是匿名的、有隐私的，而大数据在意的是个性化；区块链系统是安全的，信息是相对独立的

如果说金融是经济的王冠，那么信用就是王冠上的宝石。宝石的绚丽程度决定了王冠之所以被称为王冠。金融的核心就在于风控和信用，风控的精准性则在于对于数据的解读，信用本身也是数据的积累。所以，金融，特别是今天的互联网金融，就是以数据为核心的。数据的缺乏和不完善其实是很多金融机构的软肋，而征信系统或者征信辅助工具的存在就是为了给金融机构提供数据。本章为读者解读下面这些问题：什么是信用？什么是征信？个人征信的数据有哪些？企业征信的数据有哪些？区块链能为征信做什么？

从借款的需求来说：如果你买车、买房、需要贷款，那么从哪里可以借到钱？如果一家企业拓展业务需要资金，那么它如何才能从一家投资机构融到资金？而反过来，对于贷款方：一家银行如何决定是否发放贷款给某个人？一家投资机构如何决定投资某家企业？借或者不借，最重要的决定依据是什么？谁最有资格或者权威提供这个依据？这个依据就是信用。那么究竟什么是信用呢？说得直白一点，其实就是银行或者金融机构认为你“是否会”偿还债务。“是否会”要看两个方面：一方面看你是否具有还钱的能力，而另一方面看你是否有还钱的习惯。对“是否会”偿还债务的评价称之为信用度，而能够收集整理每个人和每家企业信用度的机构就是征信机构。根据汉语词典的解释，信用就是以能履行跟人约定的事情而取得的信任。所谓信用度，其很简单，用一句俗语来描述就是“好借好还

信用即货币，即财富，即资本。这是金融学中一个重要流派“信用创造学派”的核心观点。这个流派以18世纪的约翰•劳为先驱，以19世纪的麦克鲁德•韩及20世纪的熊彼特等人为代表。在这一学派的经济学家眼中，信用就是货币，货币就是信用。18世纪的苏格兰裔金融家和投机家约翰•劳曾经这么说过：“只要货币丰富，即能够创造一国之繁荣；只要有信用设施，即可以供应丰富之货币，给经济以最初的冲击；依靠这种冲击，就能够为法国产出大量的财富。”约翰•劳想要通过发行国家信用支持的纸币，以振兴经济。由于这个思想过于超前于时代，以及过度投机而遭到惨痛的失败。不过有国家信用支持的纸币——法币（法定货币），却成了现代经济的基础。可以这么说，现代经济就是建立在信用之上的经济，而信用就是现代经济王冠上最璀璨的宝石。我们认为，金

在一个征信体系中，对金融机构有价值的客户大略可以划分为三个部分：优质客户（白名单）中间地带的客户风险客户（黑名单）对金融机构来说，白名单是主要服务对象，意味着收益。对任何一家机构来说，白名单都是其生命线。而黑名单刚好相反，每家机构都需要仔细做风险控制，不赔钱即为赚钱，能有效地防范一个风险强于成功做成十单生意。同时，对于中间地带的客户资源，我们都希望能把他们尽量转化为白名单成员，那么这就需要从多个维度、各种琐碎的日常行为中筛选出有用的数据点加以提炼，变成可供金融机构参考的具有含金量的数据。在国务院印发的《社会信用体系建设纲要》中，关于金融领域是这样描述的：“加强金融信用信息基础设施建设，进一步扩大信用记录的覆盖面，强化金融业对守信者的激励作用和对失信者的约束作用。”这其中的描述就是对黑名单和白