美政府用大数据解析学生贷款

简介:

0

导读:美国的信息系统可谓非常发达,但是你能想象吗,管理者4000万学生贷款信息的教育部系统十分陈旧,系统无法有效的归纳出美国学生贷款的具体债务情况,无法预测在降低还款数额后,还有多少人需要还款。为了解决此问题,教育部要研发一套信息系统,而且要几年的时间才能建成。


由于数据收集系统过时陈旧,奥巴马政府顶着1.1万亿美元的学生贷款,却无法获得债务的基本资料。而这严重阻碍了政府去帮助那些倍受压力的债务人,也无法及时有效地保护纳税人。


问题的焦点在于教育部门的电脑系统。虽然这个系统保存了大约四千万个学生贷款资料,却无法及时有效地归纳出每个学生贷款的具体债务情况。比如说,在降低还款数额后,债务人是否仍旧拖欠学生贷款。与此同时,在处理新增贷款时,这个系统也缺乏分析数据的能力。官员们表示,他们不希望因为这个系统从而妨碍联邦政府对现有学生的经济援助.


上个月,当白宫发现豁免联邦学生贷款的成本预计高达220亿美元时,这些潜在问题终于浮出水面。于是,这次财政修订成了年度程序的一部分,财务人员重新估算了联邦贷款项目的成本和收益。


为了防止类似情况再次发生,以及更准确地计算学生贷款的长期成本,政府希望从教育部获得更加及时详尽的数据。在奥巴马总统的2016年预算中,已经拨出1千6百万美元用于建造一个更加现代化的数据系统。


教育部发言人Denise Horn表示,整个系统正处于研发期,等到项目完成,这个系统将会“更加及时,准确,一致地分析联邦助学金的数据。” 她同时表示,这个系统将会在未来几年分期完成。


财务部副部长SarahBloom Raskin对于缺乏有效信息表示担忧。她在去年某次公开讲话中指出: “考虑到学生贷款债务人的数量,未偿还学生贷款的总额,以及债务人如何在还款期内偿还债务, 财务部将致力于开展有效的调研以获取对这个群体的有用数据。


目前,由于缺乏相关数据,政府在一些政策上无法决断。比如说, 政府针对没有偿还能力的借贷人设计了一个“基于债务人收入”的偿还计划, 这个项目允许降低贷款人每个月的还款金额,以及在某些特殊情况下的债务豁免。然而,政府却不知道具体有多少人加入了这个项目。更糟的是,对于那些已经参与项目,却依旧拖欠偿还的债务人,政府仍然无法给出一个确切的数字。为了得到参与项目的人数,以及跟踪他们的还款情况,政府开展规划,而这一举措某种程度上推动了上个月公布的220亿美元修订案。


官员们纷纷表示他们需要数据来回答一个关键问题: 为什么美国人一直拖欠他们的学生贷款? 甚至在当下劳动力市场和美国经济都开始复苏的时候?换言之,在他们经济负担相对较小的时候?


“要得到满足我们需要的学生贷款数据, 还有很长的一段路要走.”我们不但需要评估方案的有效性,还需要帮助陷入还款困境的贷款人,RohitChopra,联邦消费者金融保护局助学贷款监察员如是说。“鉴于学生贷款数量爆发式的增长和学生贷款违约的增加, 提升我们对这个群体的了解是至关重要的。只有这样, 我们才不会重蹈覆辙,再犯一些导致当年次贷危机的错误.”


这些问题反映了政府自2010年来作为全国学生贷款的主要借款人这一新角色所遭遇的困难。在2010之前,学生贷款主要借贷对象是私营机构,比如美国最大学生贷款供应商Sallie Mae(SLM Corp.’s Sallie Mae),并且由政府提供担保。


一些教育专家认为,政府还没有做好充分的准备来管理和评估这项已经由私营机构管理了几十年的领域。


“如果你没有足够的信息去执行这个项目并且实现盈利,这里面的赤字风险是巨大的,” 威斯康星 –麦迪逊大学联邦教育政策教授Sara Goldrick-Rad说。“坦白讲,这是个相当复杂的任务,那么多精明的银行已经做了这么久,而政府里的这帮人对此却不是那么在行。


即使有新的数据系统使财政部更好地了解政府的贷款组合信息,而非政府的研究人员依旧可能在相关问题上留下疑问.


教育部最近发表了季度报告,阐述了政府为每个大学支出的学生贷款和赠款。教育部还发布了各个学校贷款违约率的年度报告。但是有关那些领取和偿还贷款的学生,研究人员还想要有更为细化的数据,他们认为这能更好的为政策决议提供支持。


但是出于隐私保护,教育部一直不愿意将这些报告的具体内容公诸于众。


因为教育部没有 “创建一个真正强大的机制,既能保护个人身份信息的安全,同时又让合法的研究人员对该信息进行研究。” 美国研究所管理研究员,前教育部高级官员Thomas Weko说。


研究人员将无法直接通过新研发的学生贷款数据系统进行分析,与此同时,对于教育部是否公开匿名数据,仍然有待商榷。


教育部官员Horn女士说:“我们将会继续寻找契机为相关外部机构提供更多可用于大规模的研究的数据,同时我们也能依据联邦法规和章程保护我们客户的隐私。


原文发布时间为:2015-03-31

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 大数据 数据库连接
maxcompute开发环境问题之参数解析失败如何解决
MaxCompute开发环境是指设置和配置用于开发MaxCompute项目的本地或云端环境;本合集将指导用户如何搭建和管理MaxCompute开发环境,包括工具安装、配置和调试技巧。
|
4月前
|
存储 数据采集 运维
大数据相关各职位解析
大数据相关各职位解析
40 0
|
5月前
|
存储 分布式计算 Hadoop
【大数据】Hadoop技术解析:大数据处理的核心引擎
【大数据】Hadoop技术解析:大数据处理的核心引擎
166 0
|
7月前
|
分布式计算 Hadoop 大数据
Hadoop学习:深入解析MapReduce的大数据魔力之数据压缩(四)
Hadoop学习:深入解析MapReduce的大数据魔力之数据压缩(四)
|
7月前
|
分布式计算 Hadoop 大数据
Hadoop学习:深入解析MapReduce的大数据魔力(三)
Hadoop学习:深入解析MapReduce的大数据魔力(三)
|
2天前
|
SQL 分布式计算 资源调度
一文解析 ODPS SQL 任务优化方法原理
本文重点尝试从ODPS SQL的逻辑执行计划和Logview中的执行计划出发,分析日常数据研发过程中各种优化方法背后的原理,覆盖了部分调优方法的分析,从知道怎么优化,到为什么这样优化,以及还能怎样优化。
|
1月前
|
分布式计算 NoSQL 大数据
探索数据宇宙:深入解析大数据分析与管理技术
探索数据宇宙:深入解析大数据分析与管理技术
55 1
|
7月前
|
存储 分布式计算 Hadoop
Hadoop学习:深入解析MapReduce的大数据魔力(二)
Hadoop学习:深入解析MapReduce的大数据魔力(二)
|
4月前
|
存储 缓存 分布式计算
【云计算与大数据技术】Spark的解析(图文解释 超详细必看)
【云计算与大数据技术】Spark的解析(图文解释 超详细必看)
95 0
|
5月前
|
搜索推荐 大数据 数据处理
大数据:解析信息时代的数字浪潮
大数据:解析信息时代的数字浪潮
45 0

推荐镜像

更多