| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究情况 | 第9-10页 |
| 1.2.2 国内研究情况 | 第10-11页 |
| 1.3 研究内容与论文结构 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 论文结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 大数据与互联网金融概述 | 第14-27页 |
| 2.1 大数据概念解读 | 第14页 |
| 2.1.1 大数据的概念 | 第14页 |
| 2.2 互联网金融概念解读 | 第14-22页 |
| 2.2.1 互联网金融的定义 | 第14-15页 |
| 2.2.2 互联网金融与传统金融的理论基础、运营基础与模式对比分析 | 第15-16页 |
| 2.2.3 互联网金融与大数据的关系 | 第16-18页 |
| 2.2.4 网络借贷及其相关环节的概念及特征 | 第18-22页 |
| 2.3 发达国家大数据在网络借贷中的应用现状 | 第22-25页 |
| 2.3.1 美国的大数据应用现状 | 第22-23页 |
| 2.3.2 德国的大数据应用现状 | 第23-24页 |
| 2.3.3 日本的大数据应用现状 | 第24-25页 |
| 2.4 国内大数据在网络借贷中的应用与发展现状 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 大数据在网络借贷中的应用分析 | 第27-35页 |
| 3.1 大数据的作用和意义解读 | 第27-29页 |
| 3.1.1 精准营销，获得点击率与购买率的最大化 | 第28页 |
| 3.1.2 信用评估，增强风险控制能力，提升互联网金融核心竞争力 | 第28-29页 |
| 3.1.3 风险监管，控制并降低违约风险发生概率 | 第29页 |
| 3.2 大数据征信的发展现状 | 第29-34页 |
| 3.2.1 大数据征信发展现状概述 | 第29-30页 |
| 3.2.2 大数据征信业务流程 | 第30-32页 |
| 3.2.3 大数据征信环境及竞争力分析 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 大数据在网络借贷中应用案例对比分析---以蚂蚁金服、京东金融及宜信为例 | 第35-51页 |
| 4.1 三家公司互联网金融业务模块对比分析 | 第35-42页 |
| 4.1.1 蚂蚁金服网络借贷业务分类及分析 | 第35-37页 |
| 4.1.2 京东金融业务模块介绍及分析 | 第37-40页 |
| 4.1.3 宜信业务模块介绍及分析 | 第40-42页 |
| 4.2 大数据在三家公司网络借贷业务中的应用对比分析 | 第42-47页 |
| 4.2.1 蚂蚁金服大数据技术支持——阿里云计算 | 第42-44页 |
| 4.2.2 京东金融大数据技术支持——京东大数据 | 第44-46页 |
| 4.2.3 宜信大数据技术支持——宜信大数据 | 第46-47页 |
| 4.3 三家公司网络借贷业务对比分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-54页 |
| 5.1 论文研究内容总结 | 第51-52页 |
| 5.2 论文研究展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
