產(chǎn)品服務(wù)

大數(shù)據(jù)對金融征信行業(yè)帶來的變革和機遇

來源：重慶數(shù)鋒科技有限公司發(fā)布時間：2019-04-29 16:39:57

在互聯(lián)網(wǎng)金融的大潮下，大數(shù)據(jù)征信好像成為了一種趨勢，互聯(lián)網(wǎng)金融企業(yè)的風(fēng)控大致分為兩種模式，一種是類似于阿里的風(fēng)控模式，他們通過自身系統(tǒng)大量的電商交易以及支付信息數(shù)據(jù)建立了封閉系統(tǒng)的信用評級和風(fēng)控模型。另外一種則是眾多中小互聯(lián)網(wǎng)金融公司通過貢獻數(shù)據(jù)給一個中間征信機構(gòu)，再分享征信信息。下面為大家介紹幾種現(xiàn)在常見的金融大數(shù)據(jù)評估的模式：

重慶大數(shù)據(jù)公司大數(shù)據(jù)公司重慶大數(shù)據(jù) 大數(shù)據(jù)技術(shù) 征信大數(shù)據(jù) 金融大數(shù)據(jù)

（一）芝麻信用
以芝麻信用所構(gòu)建的信用體系來看，芝麻信用分根據(jù)當前采集的個人用戶信息進行加工、整理、計算后得出的信用評分，分值范圍是350 到 950，分值越高代表信用水平越好，較高的芝麻分可以幫助個人獲得更高效、更優(yōu)質(zhì)的服務(wù)。芝麻分綜合考慮了個人用戶的信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系五個維度的信息，其中來自淘寶、支付寶等“阿里系”的數(shù)據(jù)占 30-40%。

征信機構(gòu)分析數(shù)據(jù)之后，給個人一個分數(shù)或者授信額度。比如，芝麻分702 分，螞蟻花唄額度 22000 元。其實，這不科學(xué)。信用是相對的，跟身高不一樣。身高是絕對的，姚明身高二米二六，只要測量方法正確，無論觀察者高矮胖瘦、親疏遠近，他都是二米二六。信用則不然，人具有多面性：“爸爸賴皮，說好周末帶我去公園玩的?！薄拔依瞎饝?yīng)過的事情，都辦到了?！薄八f過會永遠愛我，大騙子?！薄八ぷ鲿r非常守時，從未耽誤。”“該交物業(yè)費了，都拖了兩年了！”同樣是借錢，可能還村長的，賴同學(xué)的，還京東白條，賴 P2P 債務(wù)。重慶大數(shù)據(jù)公司大數(shù)據(jù)公司重慶大數(shù)據(jù) 大數(shù)據(jù)技術(shù) 征信大數(shù)據(jù) 金融大數(shù)據(jù)

1）信用歷史：過往信用賬戶還款記錄及信用賬戶歷史。目前這一塊內(nèi)容大多來自支付寶，特別是支付寶轉(zhuǎn)賬和用支付寶還信用卡的歷史。
2）行為偏好：在購物、繳費、轉(zhuǎn)賬、理財?shù)然顒又械钠眉胺€(wěn)定性。比如一個人每天打游戲 10 小時，那么就會被認為是無所事事；如果一個人經(jīng)常買紙尿褲，那這個人便被認為已為人父母，相對更有責(zé)任心。
3）履約能力：包括享用各類信用服務(wù)并確保及時履約，例如租車是否按時歸還，水電煤氣是否按時交費等。
4）身份特質(zhì)：在使用相關(guān)服務(wù)過程中留下的足夠豐富和可靠的個人基本信息。包括從公安、學(xué)歷學(xué)籍、工商、法院等公共部門獲得的個人資料，未來甚至可能包括根據(jù)開車習(xí)慣、敲擊鍵盤速度等推測出的個人性格。
5）人脈關(guān)系：好友的身份特征以及跟好友互動的程度。根據(jù)“物以類聚人以群分”的理論，通過轉(zhuǎn)賬關(guān)系、校友關(guān)系等作為評判個人信用的依據(jù)之一。其采用的人脈關(guān)系、性格特征等新型變量能否客觀反映個人信用，但目前還沒有將社交聊天內(nèi)容、點贊等納入?yún)⒖肌?/span>

（二）騰訊信用
騰訊信用主要是基于社交網(wǎng)絡(luò)。通過QQ、微信、財付通、 QQ 空間、騰訊網(wǎng)、 QQ 郵箱等社交網(wǎng)絡(luò)上的大量信息，比如在線時長、登錄行為、虛擬財產(chǎn)、支付頻率、購物習(xí)慣、社交行為等，利用其大數(shù)據(jù)平臺 TDBank，在不同數(shù)據(jù)源中，采集并處理包括即時通信、 SNS、電商交易、虛擬消費、關(guān)系鏈、游戲行為、媒體行為和基礎(chǔ)畫像等數(shù)據(jù)，并利用統(tǒng)計學(xué)、傳統(tǒng)機器學(xué)習(xí)的方法，得出用戶信用得分，為用戶建立基于互聯(lián)網(wǎng)信息的個人征信報告。
騰訊信用評分以星級的方式展現(xiàn)。信用星級一共7 顆星，亮星顆數(shù)越多代表信用越良好，星級主要由四個維度構(gòu)成：
1）消費：用戶在微信、手機 QQ 支付以及消費偏好。
2）財富：在騰訊產(chǎn)品內(nèi)各資產(chǎn)的構(gòu)成、理財記錄。
3）安全：財付通賬戶是否實名認證和數(shù)字認證。
4）守約：消費貸款、信用卡、房貸是否按時還等。

（三）信用卡
信用卡主要是基于用戶信用卡電子賬單歷史分析、電商及社交關(guān)系強交叉驗證。根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺的電商數(shù)據(jù)所對應(yīng)的購買行為、手機運營商的通話情況、登記信息等取得多維信息的交叉驗證，確定用戶的風(fēng)險等級以及是否貸款給該用戶。
信用卡風(fēng)險等級由五個維度構(gòu)成：
1）賬單管理時間：信用卡有效存續(xù)時間越長，用戶風(fēng)險越低。
2）賬單表現(xiàn)：根據(jù)用戶的授信卡數(shù)、授信額度，以及還款比和賬單完整度判斷用戶的還款能力和誠信程度。
3）手機入網(wǎng)期限：手機入網(wǎng)期限越長，用戶風(fēng)險越低。
4）運營商：通過近 4 個月有效通話記錄以及通訊錄中是否存在負面聯(lián)系人判斷用戶自身的可靠程度。
5）淘寶：主要看常用收貨姓名及電話號碼是否與申請人預(yù)留號碼一致。
對輿情和公司風(fēng)控、技術(shù)都很清楚，可以負責(zé)任的說所謂大數(shù)據(jù)信用評估，尤其是通過什么社交網(wǎng)絡(luò)數(shù)據(jù)進行評估的純屬扯淡，來十個人給九個人的額度都是零或者至多幾百塊錢，說好的機審都是騙人的，根本擺脫不了人審.
人審是誰來審核呢？很多人會覺得起碼是有些經(jīng)驗的風(fēng)控師對吧，錯，完全沒任何經(jīng)驗，很多甚至是沒畢業(yè)的學(xué)生！所以他們給的額度低了沒必要驚奇，看你微博發(fā)的少，或者你微博里可能發(fā)了一些哭窮的內(nèi)容，他們就會給你極低的額度，完全的隨性，無數(shù)據(jù)分析可言。數(shù)據(jù)安全性上，根本沒法想象創(chuàng)業(yè)公司對數(shù)據(jù)安全上的把控有多差，幾乎從市場到運營到技術(shù)到客服的每個人都可以接觸到用戶數(shù)據(jù)，敢把淘寶、支付寶等的賬號密碼給出去的腦子真的是很秀逗，有時候內(nèi)部員工還會討論哪個客戶、誰誰誰的資料，這點在P2P平臺里也一樣。
至于說未來，我剛開始做那家平臺的時候完全避開借貸這個詞，全說前端的大數(shù)據(jù)信用評估，至于現(xiàn)在，他們已經(jīng)發(fā)展成小貸平臺了，對外已經(jīng)很少說大數(shù)據(jù)了，大數(shù)據(jù)只是他們在融資時的騙錢把式罷了，誰真的信了誰就輸了。事兒是好事兒，但是現(xiàn)在的技術(shù)水平，人工智能分析完全達不到要求，行業(yè)純屬胡鬧，行業(yè)閉著眼睛到處亂給的壞賬差不多20%以上，認認真真審核的壞賬結(jié)果比這更高（數(shù)據(jù)來自真實測試結(jié)果），所以有多不靠譜，知道了吧！
再有，比如知道這個時間點哪些重要的客人會申請授信，平臺內(nèi)部就會打好招呼，讓評估師給一個高額度，屢試不爽！而且任職的時候也跟京東白條的同事們有過接觸，壞賬控制也并不好，行業(yè)都處于相同的水平。
要判斷一個人是不是正常人，不用這么麻煩，熟人一眼就看出來了。大數(shù)據(jù)征信機構(gòu)要的數(shù)據(jù)越來越多，用戶感覺越來越麻煩、屈辱，這會導(dǎo)致逆淘汰：越要臉的用戶越排斥大數(shù)據(jù)征信，留下來的用戶質(zhì)量越來越差，這導(dǎo)致壞賬率上升、借款利率上升，機構(gòu)索要更多數(shù)據(jù)，正常用戶逃離……惡性循環(huán)。你最多愿意借多少錢給某人？熟人最清楚，而且每個人答案都不一樣。
大數(shù)據(jù)技術(shù)也有局限性，適用于對準確度要求不太高的領(lǐng)域。天氣預(yù)報可以，明天中午12 點下雨概率 80%，到時沒有下雨，后果也不嚴重。商品推薦可以，根據(jù)消費記錄，推薦三星手機，不感興趣不點、不買就是?？墒?，壞賬率高于 10%，一般借貸平臺就會崩潰，大數(shù)據(jù)征信準確度夠嗎？大數(shù)據(jù)適合用來排除可疑用戶，但是很難給正常用戶準確授信。
（四）人行的征信系統(tǒng)
人行的征信系統(tǒng)是通過商業(yè)銀行、其它社會機構(gòu)上報的數(shù)據(jù)，結(jié)合身份認證中心的身份審核，提供給銀行系統(tǒng)信用查詢和提供給個人信用報告。但對于其它征信機構(gòu)和互聯(lián)金融公司目前不提供直接查詢服務(wù)。2006年1月開通運行的央行征信系統(tǒng)，至2013年初，有大概8億人在其中有檔案。在這個8億人當中，只有不到3億人有過銀行或其他金融機構(gòu)發(fā)生過借貸的記錄，其中存在大量沒有信貸記錄的個人。
而這些人卻有可能在央行征信系統(tǒng)外的其它機構(gòu)、互聯(lián)網(wǎng)金融公司自己的數(shù)據(jù)系統(tǒng)中，存有相應(yīng)的信貸記錄。市場上一些線下小貸公司、網(wǎng)絡(luò)信貸公司對于借貸人的信用評級信息需求非常旺盛，也因此催生了若干市場化征信公司，目前國內(nèi)較大的具有代表性的市場化征信公司有幾家：如北京安融惠眾、上海資信、深圳鵬元等等。
從P2P網(wǎng)貸公司和一些線下小貸公司采集動態(tài)大數(shù)據(jù)，為互聯(lián)網(wǎng)金融企業(yè)提供重復(fù)借貸查詢、不良用戶信息查詢、信用等級查詢等多樣化服務(wù)是目前這些市場化的征信公司正在推進的工作。而隨著加入這個游戲規(guī)則的企業(yè)越來越多，這個由大量動態(tài)數(shù)據(jù)勾勒的信用圖譜也將越來越清晰。

（五）互聯(lián)網(wǎng)海量大數(shù)據(jù)中與風(fēng)控相關(guān)的數(shù)據(jù)
互聯(lián)網(wǎng)大數(shù)據(jù)海量且龐雜，充滿噪音，哪些大數(shù)據(jù)是互聯(lián)網(wǎng)金融企業(yè)風(fēng)險控制官鐘愛的有價值的數(shù)據(jù)類型？下圖為大家揭示了互聯(lián)網(wǎng)海量大數(shù)據(jù)中與風(fēng)控相關(guān)的數(shù)據(jù)，以及哪些企業(yè)或產(chǎn)品擁有這些數(shù)據(jù)。
利用電商大數(shù)據(jù)進行風(fēng)控，阿里金融對于大數(shù)據(jù)的謀劃可謂非一日之功。在很多行業(yè)人士還在云里霧里的時候，阿里已經(jīng)建立了相對完善的大數(shù)據(jù)挖掘系統(tǒng)。通過電商平臺阿里巴巴、淘寶、天貓、支付寶等積累的大量交易支付數(shù)據(jù)作為最基本的數(shù)據(jù)原料，再加上賣家自己提供的銷售數(shù)據(jù)、銀行流水、水電繳納甚至結(jié)婚證等情況作為輔助數(shù)據(jù)原料。所有信息匯總后，將數(shù)值輸入網(wǎng)絡(luò)行為評分模型，進行信用評級。
信用卡類網(wǎng)站的大數(shù)據(jù)同樣對互聯(lián)網(wǎng)金融的風(fēng)險控制非常有價值。申請信用卡的年份、是否通過、授信額度、卡片種類；信用卡還款數(shù)額、對優(yōu)惠信息的關(guān)注等都可以作為信用評級的參考數(shù)據(jù)。國內(nèi)最具代表性的企業(yè)是成立于2005年，最早開展網(wǎng)上代理申請信用卡業(yè)務(wù)的“我愛卡”。其創(chuàng)始人涂志云和他的團隊又在2013年推出了信用風(fēng)險管理平臺“信用寶”，利用“我愛卡”積累的數(shù)據(jù)和流量優(yōu)勢，結(jié)合其早年的從事的FICO（費埃哲）風(fēng)控模型，做互聯(lián)網(wǎng)金融小微貸款。
利用社交網(wǎng)站的大數(shù)據(jù)進行網(wǎng)絡(luò)借貸的典型是美國的Lending Club。Lending club于2007年5月24日在facebook上開張，通過在上面鑲嵌的一款應(yīng)用搭建借貸雙方平臺。利用社交網(wǎng)絡(luò)關(guān)系數(shù)據(jù)和朋友之間的相互信任聚合人氣。分為若干信用等級，但是卻不必公布自己的信用歷史。
在國內(nèi)，2013年阿里巴巴以5.86億美元購入新浪微博18%的股份，其用意給人很多遐想空間，獲得社交大數(shù)據(jù)，阿里完善了大數(shù)據(jù)類型。加上淘寶的水電煤繳費信息、信用卡還款信息、支付和交易信息，已然成為了數(shù)據(jù)全能選手。
（六）P2P風(fēng)險與機遇
小貸類網(wǎng)站積累的信貸大數(shù)據(jù)包括信貸額度、違約記錄等等。但單一企業(yè)缺陷在于數(shù)據(jù)的數(shù)量級別低和地域性太強。還有部分小貸網(wǎng)站平臺通過線下采集數(shù)據(jù)轉(zhuǎn)移到線上的方式來完善信用數(shù)據(jù)。這些特點決定了如果單兵作戰(zhàn)他們必定付出巨大成本。因此，貢獻數(shù)據(jù)，共享數(shù)據(jù)的模式正逐步被認可，抱團取暖勝過單打獨斗。其中有數(shù)據(jù)統(tǒng)計的全國小貸平臺有幾百家，全國性比較知名的有人人貸、拍拍貸、紅嶺和信用寶等。
第三方支付類平臺未來的機遇在于，未來有可能基于用戶的消費數(shù)據(jù)做信用分析。支付的方向、每月支付的額度、購買產(chǎn)品品牌都可以作為信用評級的重要參考數(shù)據(jù)。代表產(chǎn)品為易寶、財付通等。生活服務(wù)類網(wǎng)站的大數(shù)據(jù)如水、電、煤氣、有線電視、電話、網(wǎng)絡(luò)費、物業(yè)費交納平臺則客觀真實地反映了個人的基本信息，是信用評級中一類重要的數(shù)據(jù)類在數(shù)據(jù)原料方面，越來越多的互聯(lián)網(wǎng)在線動態(tài)大數(shù)據(jù)被添加進來。例如一個虛假的借款申請人信息就可以通過分析網(wǎng)絡(luò)行為痕跡被識別出來，一個真實的互聯(lián)網(wǎng)用戶總會在網(wǎng)絡(luò)上留下蛛絲馬跡。對征信有用的數(shù)據(jù)的時效性也非常關(guān)鍵，通常被征信行業(yè)公認的有效的動態(tài)數(shù)據(jù)通常是從現(xiàn)在開始倒推24個月的數(shù)據(jù)。通過獲得多渠道的大數(shù)據(jù)原料，利用數(shù)學(xué)運算和統(tǒng)計學(xué)的模型進行分析，從而評估出借款者的信用風(fēng)險，典型的企業(yè)是美國的ZestFinance。這家企業(yè)的大部分員工是數(shù)據(jù)科學(xué)家，他們并不特別地依賴于信用擔(dān)保行業(yè)，用大數(shù)據(jù)分析進行風(fēng)險控制是ZestFinance的核心技術(shù)。他們的原始數(shù)據(jù)來源非常廣泛。

上一篇：政府行業(yè)的互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)領(lǐng)域應(yīng)用的匱乏以及創(chuàng)新拓展思路（一）下一篇：大數(shù)據(jù)云計算機房的系統(tǒng)架構(gòu)與建設(shè)

午夜高清国产拍精品,无码制服丝袜人妻在线视频精品 ,99久久人人爽亚洲精品美女,亚洲美女高清aⅴ免费视频

產(chǎn)品服務(wù)

大數(shù)據(jù)對金融征信行業(yè)帶來的變革和機遇

解決方案