大数据乱了影响征信吗？大数据已经花了。影响贷款吗？_百度知道
大数据乱了影响征信吗？大数据已经花了。影响贷款吗？
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
提示借贷有风险，选择需谨慎
汽车分期郭
汽车分期郭
擅长：暂未定制
大数据60分以上属于高危，目前来说还是有好多贷款不需要看大数据的，而且大数据是比较好养的，近一年或者半年不要点网贷就行
采纳数：2173
获赞数：7955
说具体点！！！
就是说征信花的厉害。做什么基本就是秒拒
有什么办法吗
获赞数：42
擅长：暂未定制
影响大不大
征信花完了
肯定大。。。。如果你去做贷款。一般很少机会能带下来
能做包装吗
可以。但是你要找
你认识这方面的人吗
介绍一下吧
及时行乐app
及时行乐app
采纳数：24
获赞数：298
擅长：暂未定制
影响大不大
花的比较厉害
其他2条回答
为你推荐：
其他类似问题
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。什么是征信大数据?_百度知道
什么是征信大数据?
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
采纳数：98750
获赞数：167651
个人征信号称人们的“经济身份证”，是衡量我们信用指数的重要参考标准。无论是去申请信用卡还是申请贷款，征信都是放贷的重要依据。但是，如果信用有污点怎么办呢？花钱能将征信黑名单洗白吗？一、征信“黑名单”到底是怎么一回事？征信“黑名单”是人们约定俗成的一种说法，它指的是个人信用报告上逾期记录过多或是比较严重，在这种征信情况下，通常申请信用卡或是贷款都极容易被银行拒绝。事实上，个人征信信用报告只是如实记录个人的信用情况，它是客观的记录个人信用卡、贷款办理、申请、还款等的情况，央行的征信体系里并没有黑名单一说。如何判断个人信用状况是否严重，到了“黑名单”的地步呢？一般来说，贷款逾期连续超过3次或是累计满6次，这样的征信一般就会被银行列入“放贷黑名单”了。
采纳数：3663
获赞数：38210
擅长：暂未定制
一般来说，目前的我国的征信系统数据主要从各种国家及或是金融机构外加例如公共机构的数据为判断。而大数据征信是什么呢？目前，对大数据无公认的定义，一般认为大数据是指所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为服务于经营决策的资讯。简单的说，例如电商行业比如淘宝网、京东电商做出判断的消费数据信息就是大数据征信，他们和一些第三方的互联网金融机构都有属于自己的可靠大数据征信来源。而这些依靠大数据为信用依据所给出的网络虚拟信用贷款服务，似乎已经成为了互联网金融未来的发展趋势。
互联网发展二十年，大量的数据沉淀造就了大数据时代的到来，大数据是互联网发展到一定阶段的必然产物，大数据的思维方式也成了互联网思维方式的一种，而有价值的大数据具备几个因素：第一要覆盖面广，用户足够多，例如银联、电信的数据；第二维度要有效，能够有效转为结构化的数据，例如电商的数据；第三信息要稳定；通过大量的研究证明，人的行为数据和他的信用有直接关联，因为行为很难撒谎。从这段时间公测的结果来看，用户的信用分越高，其贷款的违约率越低，二者呈单调、线性的关系，这也证明了信用分（例如立木分）在信用评估上的有效性。而这些影响征信的互联网大数据就是征信大数据，它是互联网时期的产物。——转于立木征信
擅长：暂未定制
看你是不是黑户有没有贷款信用卡逾期啥的
其他1条回答
为你推荐：
其他类似问题
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。大数据环境下,征信,真的那么美好吗？
作者：互联网
分类 : 探索发现
　　环境下，征信，真的那么美好吗？
　　不知从什么时候开始，征信仿佛一夜之间成了一个很热门的业务。也曾经看过很多文章，都描绘着征信未来广泛的应用，和庞大的市场份额。其间，虽然偶尔也有人出来泼冷水，但显然很快就被更为狂热的后进者所淹没。
　　众多代表着传统金融和金融的大腕们纷纷摩拳擦掌，下场厮杀。BAT中除了B略微落后之外，AT直接进入第一批玩家的角逐。其余二线、三线互联网跟进者，数不胜数。
　　征信大军越来越大，名头也越来越响。这个集团，那个平台，各村有各村的高招。
　　征信，真的那么美好吗?真的是一个一本万利的大买卖吗?下面，我逐一为大家展开，大家自己判断。
　　为什么需要征信
　　征信是做什么用的，相信搞过金融的人都知道，它是信用风险定价的一个基础。很多文章都有详细的描述，这里我就不啰嗦了。但是，为什么要在这个时候提出征信?看了很多文章，感觉都没有讲清楚。
　　有的人说，是为了建设信用社会。这个话也对，也不对。从建立良好的，对建立信用社会做出贡献而言，是对的;但从金融领域本身而言，征信与建设信用社会两者之间没有直接的关系。应该说，只有征信在金融环境里建立了良好的金融秩序，才能对信用社会做出贡献。
　　征信，在金融领域，就是为了“信用”的风险定价。而“信用”贷款，是金融行业发展到今天，所必然产生的一种形态。这是金融行业本身的一种成熟度的体现。金融行业经营的就是风险。从简单的有抵押物的普贷，到虚拟的无抵押物的复杂的”信用“贷款，是一种能力的提高。在这次升级中，“信用”，这种虚拟的事物，被当作了“抵押物”;而金融机构，也需要从对实物的掌握，转移到了虚拟事物的控制上。金融机构，需要具备更高的能力，才能迎接新的挑战，驾驭新的风险。
　　信用，不像可抵押物，你来或者不来，它就在那里。信用是一个看不见摸不着的东西，但它确实有价值。就如一个产品的品牌一样，它是有价值的。信用也一样，是你个人或者在社会中的一种类似于”品牌“的价值。
　　对这种“无形资产”的掌控，自然不能像可抵押物那样。它需要根据对企业或者个人信用的评估，预测出违约的概率，从而依靠这一概率，来计算对风险的定价。
　　所以，我认为，征信的产生是因为金融行业本身发展的需求。当然，可能刚好跟建设信用社会的理想同步，巧了。
　　如何征信
　　征信分为个人征信和企业征信。企业征信多为企业基本工商信息，信贷历史信息以及诉讼信息等的罗列，不作任何加工。企业征信目前在央行实行备案制，只要在央行那里备个案就可以做生意了;而个人征信因为要触碰到个人隐私，所以央行管理很严，相关企业需要申请，审核通过颁发牌照方可做业务。第一批八家征信牌照申请企业到目前依然还未获得牌照。
　　企业征信没什么好说的，信息的罗列，下面重点说说个人征信。
　　如何做个人征信在业界分为两派。一派是以传统金融企业为代表的“保守派”，还有一派是以互联网金融企业为代表的“新锐派”。“保守派”还是沿用传统金融领域的方法，通过信贷历史记录来评价未来的风险程度，形成征信分;而“新锐派”基本采用ZestFinance的多变量大数据来形成征信分。
　　“保守派”的方法虽然保守，但经过了数十年的检验，是成熟可靠的。它的缺陷在于传统金融机构对用户数据采集的时效性和完整性不好。但随着传统金融机构引入大数据的方式，与自身客户数据打通，就可以解决好时效性和完整性的问题，再加上体系的成熟，不失为一个今天最稳妥的方案。
　　“新锐派”的方法很炫丽，利用大数据的方法，采集了用户上万个变量的信息，对用户无限逼近。可以通过这些数据为每一个客户完整地画像。但是，从信用风险的角度而言，即使对客户再了解，也不可能弥补信贷违约历史记录的缺失。这也是目前“新锐派”最大的困惑。其征信分用于闭环体系没有丝毫问题，但如果跨出闭环，比方说用于线下，缺乏足够的实践证明。
　　当然，随着新生代人群对互联网依赖程度的加深，线上消费行为的比重加大，“新锐派”可能走出更好的路来。
　　这是后话，应该需要一个演进的过程。在这个演进的过程中，需要注意两件事儿。一个是行为的稳定程度，还有一个就是标尺的唯一性。
　　目前大数据征信主要采集的是互联网上的数据，它反映了一个人的行为特征。那么在征信的应用里，就要考虑这个行为特征的稳定性。只有稳定的行为特征才有被征信的必要。比如，我们早期的应用，跟现在的就有很大不同，因为当时人们的很多习惯并没有养成。反映到数据上，就是杂乱无章，毫无秩序，而且不可重复。在没有养成稳定的习惯之前，数据是没有意义的，它不意味着任何事情。
　　征信是一个信用体系的基础，是一个金融秩序的根本。如果这个秩序乱了，那么一切都会乱了。大到好坏人的评价，小到信用风险定价的步长，不管是通过什么方法实现的，结果必须一致(允许一定误差内)。再好的故事也要为。美国的三大征信局，对每一个用户都有自己的评分，但一个用户在三大征信局里的评分，误差不会超过50分。道理很简单，因为几乎所有的银行都依据此去做风险定价，如果误差大了，标尺不一致，那么各家银行依此做出的风险定价就不一致，贷款的行为就会出现问题。所以，不管你用什么方法，说的再天花乱坠，一定要有统一的标尺。标尺错了，起点就错了，后面的一切基于这个起点的推断就都是错误的。
　　为什么不能沿用美国的征信体系
　　相信这也是所有征信的后来者所困惑的问题，为什么我们不直接照搬美国的征信体系?有的人说，国情不同。到底是什么国情不同?我认为，首先是基础设施的成熟度，其次是人们对信用的观念。
　　基础设施的成熟度，很容易理解，就是数据的完备。每个人的各项征信所需要的数据都很完备，可以很容易被采集到(当然只有征信局可以被授权使用这些数据)。美国的基础物理设施的成熟度，自然是国内无法比拟的。尤其是个人的隐私信息的管理，有一整套严格成熟的法律法规;而国内，还处于建设阶段。
　　所以，数据的采集渠道，就造成了在基础设施层面上客观的差异。这也是为什么央行不像美国那样只对三家征信局发放牌照的主要原因。 因为，我国没有统一的数据资源。
　　人们对信用的观念，初看起来有点虚，其实不然。基础设施的匮乏导致了我国不能采取美国的模式;而信用观念的建立，也不是一朝一夕可以完成的。信用观念的树立，代表了的成熟度。很难想象，一个成熟的市场中的用户，连信用是什么，我为什么要守信都不知道?!在北美等发达国家，公众有很明晰的信用观念，信用代表一切。所有去过北人会深刻感受到这一点，没有信用，寸步难行。只有越来越多的用户有了信用的观念，征信才会被越来越多地应用;也只有这个时候，征信才可以作为一项可以自给自足的业务，独立存在。
　　投入产出ROI
　　不知道谁第一个传出征信是一个一本万利的好买卖，“钱多，人傻，速来”!于是，大家就都来了。征信真的那么赚钱吗?
　　我来给大家算笔账。
　　先说投入。
　　目前代表互联网一方介入到征信领域的，多为本身就拥有庞大的网民数据(有to c入口)的企业，但由于即便是他们，业务的侧重不同，也没有办法拥有网民全部的数据。而且上面也分析了，我国还处于建设阶段，国家也没有一个统一的能涵盖所有数据源。所以，大家都需要跟别人去交换、购买其他部分的数据。
　　征信需要大量的数据，而且必须是高质量的数据。什么是高质量的数据?就是距离你个人真实情况近的数据。在这些数据里，最需要的是金融相关类数据，比如你的各种消费，你的收入等等。
　　数据质量越高，价格就越贵。按照目前金融属性比较明显的数据条目来计，每一个个人用户的成本在5-20元，如果征集的属性多，甚至要到50以上。一个征信机构，至少要覆盖1亿以上的人群，过低的识别率(征信用户查询有结果即为可识别)就会使征信机构失去存在的价值了。按照每笔5元的价格来计算，1亿用户就需要5亿的投入。这还没包括其它的基础设施投入等等。
　　在方法上，目前还没有找到一个在确实信贷历史数据，仅通过网民行为的大数据实现经得起推敲的征信方法，所以还需要继续寻找。这种寻找，又分成了两个方向，一个是继续沿着大数据的路寻找，也许未来某个时间能找到;还有一个就是自身收集金融数据，打通线上线下的数据，来补上信贷历史数据的缺陷。目前，AT都是走的这个路径。也就是AT没有直接去交易数据，而是利用强大的影响力，下合规地收集数据。每客户数据的获得成本，恐怕比上面的额度还要高。
　　无论是自己收集，还是直接交易，征信所需的数据都是一个庞大的投入。而且，这还是在自身已经拥有了庞大数据源的前提下。
　　大家已经知道了征信需要一个庞大的投入，下面再看产出。
　　虽然现在有的个人征信报告宣称6元一份，但有价无市。征信还是一个发展中的事物，其权威性还有待未来的数年去建立。在此之前，恐怕难有人为此买单。这就是目前市场的现状。
　　一方面需要巨大的投入，而另一方面又面临中短期的颗粒无收，征信真的那么诱人吗?我也赞同征信的未来是美好的，但你是否真的清楚这个过程的艰难呢?
　　个人征信之未来
　　从上面的分析中可以看到，由于个人征信业务的特点，不可能引入更多的机构进入。数据的匮乏是暂时的，不能因为数据的匮乏，而引入每一个垄断数据源作为独立的征信机构;而且，由于个人征信需要触碰到的是个人隐私数据，这就决定了不可能依靠大规模的交易来完成数据的补充。所以，其实多数企业都是与个人征信无关的。只有少数几个巨头，才有能力活到最后，才有资格去帮助政府做征信。在这里，数据+能力缺一不可。
　　从另一个角度来看，央行拥有3亿多用户的信贷数据，这部分用户，央行已经可以形成很完善的征信评分了。由于数据的差异，很难有第三方能够获取如央行那样完整的个人用户信贷记录数据，因此也很难有第三方征信机构，对用户做出科学的征信评分。所以，在这一市场引入额外的征信机构动力不足。
　　目前的问题是除了这3亿之外的用户如何评价?以 AT、京东为代表的互联网在这一方面有一定的优势。虽然玩的很热闹，但是今天，各家还没有形成一个类似于传统征信那样，真正经稳定，得起推敲的征信方法。我认为，无论从数据的稳定性上，还是从方法上，还需要假以时日。
　　有一个特例，那就是AT、京东只做闭环，为自身的业务服务。比如阿里为用户在淘宝购物上授信;为微信用户在购物时授信，那么今天，这个模型就是成立的，整个征信分也是科学的。
　　从用途上来讲，未来个人征信市场的格局将会有两种，一种是为自己服务的，作为自身互联行信用风险定价的征信机构，如AT、京东等，(当然，他们也可以对外提供服务，但前提是征信结果的达标);还有一种就是第三方独立的为公众提供服务的征信机构，他们的特点是有能力覆盖央行3亿用户之外的人群。
　　由于征信需要触碰个人隐私数据，不可能让更多的机构介入到其中。自身形成业务闭环的征信机构和第三方独立对外提供服务的征信机构可能是未来的两种形态。无论采用哪种方法，无论拥有什么数据，征信的标准是一定的。不应该因为这些方面的差异而造成结果的不同。
　　征信并不是每一个人的游，更不是一个一本万利的生意。它需要一个成熟的过程。在此之前，需要玩家们不断地投入。它需要玩家们投入去补充数据，去形成一套新的体系，建立央行3亿以外用户的评估方法。如果你留心，去几乎每一家餐馆，超市，商场，都会看到醒目的、微信支付可以支付的广告，而且还有优惠。AT已经在做线上线下数据的打通。假以时日，数据的积累达到一定程度，相信他们就可以跳出闭环，走向社会。
　　征信不是一个短期的生意，因为市场的成熟需要时间;征信的未来是美好的，但在短期内，征信需要持续的投入，而且是巨额的投入。在数据成本已经高企的今天，这真的不是每一个人的游戏。
　　征信有风险，投机需谨慎。
[ 责任编辑：shan ]
比特网 10:46:02
互联网+升级到智能+,开启万物智联新时代
中国互联网消费市场,发展潜力一片大好
软件信息化周刊
比特软件信息化周刊提供以数据库、操作系统和管理软件为重点的全面软件信息化产业热点、应用方案推荐、实用技巧分享等。以最新的软件资讯，最新的软件技巧，最新的软件与服务业内动态来为IT用户找到软捷径。
商务办公周刊
比特商务周刊是一个及行业资讯、深度分析、企业导购等为一体的综合性周刊。其中，与中国计量科学研究院合力打造的比特实验室可以为商业用户提供最权威的采购指南。是企业用户不可缺少的智选周刊！
比特网络周刊向企业网管员以及网络技术和产品使用者提供关于网络产业动态、技术热点、组网、建网、网络管理、网络运维等最新技术和实用技巧，帮助网管答疑解惑，成为网管好帮手。
服务器周刊
比特服务器周刊作为比特网的重点频道之一，主要关注x86服务器，RISC架构服务器以及高性能计算机行业的产品及发展动态。通过最独到的编辑观点和业界动态分析，让您第一时间了解服务器行业的趋势。
比特存储周刊长期以来，为读者提供企业存储领域高质量的原创内容，及时、全面的资讯、技术、方案以及案例文章，力求成为业界领先的存储媒体。比特存储周刊始终致力于用户的企业信息化建设、存储业务、数据保护与容灾构建以及数据管理部署等方面服务。
比特安全周刊通过专业的信息安全内容建设，为企业级用户打造最具商业价值的信息沟通平台，并为安全厂商提供多层面、多维度的媒体宣传手段。与其他同类网站信息安全内容相比，比特安全周刊运作模式更加独立，对信息安全界的动态新闻更新更快。
新闻中心热点推荐
新闻中心以独特视角精选一周内最具影响力的行业重大事件或圈内精彩故事，为企业级用户打造重点突出，可读性强，商业价值高的信息共享平台；同时为互联网、IT业界及通信厂商提供一条精准快捷，渗透力强，覆盖面广的媒体传播途径。
云计算周刊
比特云计算周刊关注云计算产业热点技术应用与趋势发展，全方位报道云计算领域最新动态。为用户与企业架设起沟通交流平台。包括IaaS、PaaS、SaaS各种不同的服务类型以及相关的安全与管理内容介绍。
CIO俱乐部周刊
比特CIO俱乐部周刊以大量高端CIO沙龙或专题研讨会以及对明星CIO的深入采访为依托，汇聚中国500强CIO的集体智慧。旨为中国杰出的CIO提供一个良好的互融互通 、促进交流的平台，并持续提供丰富的资讯和服务，探讨信息化建设，推动中国信息化发展引领CIO未来职业发展。
IT专家新闻邮件长期以来，以定向、分众、整合的商业模式，为企业IT专业人士以及IT系统采购决策者提供高质量的原创内容，包括IT新闻、评论、专家答疑、技巧和白皮书。此外，IT专家网还为读者提供包括咨询、社区、论坛、线下会议、读者沙龙等多种服务。
X周刊是一份IT人的技术娱乐周刊，给用户实时传递I最新T资讯、IT段子、技术技巧、畅销书籍，同时用户还能参与我们推荐的互动游戏，给广大的IT技术人士忙碌工作之余带来轻松休闲一刻。大数据时代下的金融征信_大资讯_云大数据_IT产品和服务_赛迪网
大数据时代下的金融征信
近年来国内个人信贷市场迅速发展，传统金融机构、P2P、电商、小额贷款公司等纷纷将目光投向个人消费领域，随着越来越多的金融业务互联网化，欺诈手段也是花样百出。个人信息泄露、信息不透明，给个人信贷市场带来了大量的负债风险和欺诈风险，因此利用大数据征信创新和提高风控能力成为整个金融业关注与探讨的重要话题。
发布时间： 14:41&&&&&&&&来源：赛迪网&&&&&&&&作者：YS
近年来国内个人信贷市场迅速发展，传统金融机构、P2P、电商、小额贷款公司等纷纷将目光投向个人消费领域，随着越来越多的金融业务互联网化，欺诈手段也是花样百出。个人信息泄露、信息不透明，给个人信贷市场带来了大量的负债风险和欺诈风险，因此利用大数据征信创新和提高风控能力成为整个金融业关注与探讨的重要话题。
我国的企业征信系统1992年起源于深圳的企业贷款证，个人征信1999年在深圳试点，人民银行历时20多年，建成了世界最大，全国统一的企业和个人征信系统，全国范围内使用一套统一的制度、标准、授权和管理，由此，金融征信系统达到初步完善。&&&&
对快速发展的互联网金融而言，传统征信体系无法满足市场需要，因此，借助大数据加快金融业务互联网化，提高风控成本已是必然选择。大数据征信可以做什么？
1、&&& 大数据征信体系具有覆盖面广、信息维度丰富、数据获取实时动态的优势
个人信贷风险评估主要从身份识别、还款意愿、还款能力三方面进行评估，大数据征信相对于传统线下的采集和整合更加全面和准确，其信用评估结果更加科学，大数据征信与传统征信相比具有三方面的优势： &
①数据主要来源于互联网，互联网覆盖人群广泛，通过互联网获取数据，弥补了传统征信体系的不足，能够有效拓展业务；
②丰富了数据维度和种类，传统征信数据主要采集身份信息、信贷信息、非金融负债信息三类，以及部分公共信息，在大数据征信系统中，信用评估的来源更加广泛，社交网络与电子商务行为中产生的海量数据，都能给用户行为提供侧面支持；
③大数据挖掘获得的数据具有实时性、动态性，能够实时监测到信用主体的信用变化，企业可以及时拿出解决方案，避免不必要的风险。
2、大数据征信评估个人信用注重强相关信息，忽略弱相关信息
通过大数据技术可以挖掘到申请人多维信息，包括姓名、性别、年龄、电话 、身份证件、学历、信贷记录、消费偏好等信息。但并不是所有数据都对个人信用评估具有参考价值，数据采集的越多，审核维度个人信用评估模型越失真。
按照对个人信用风险影响的大小可以将个人信息分为强相关信息和弱相关信息，个人的姓名、身份证、手机号属于用户身份识别的强相关信息，借款用户的信用卡账单、月消费金额、网络购物真实流水分析等是用户还款能力的强相关信息，用户的历史借款记录、逾期笔数、借贷意图等是个人还款意愿的强相关信息。而对用户个人信用影响较小的信息，例如身高、体重、星座、姓名等信息，由于很难从概率上分析出其对个人信用的影响，所以被称为弱相关信息，
大数据征信应用于个人信贷审批整个流程
个人信贷业务审批流程分为贷前审核、贷中决策、贷后管理三个部分，在贷前审核阶段，主要对借款人进行身份识别和信用评估，贷中决策阶段主要进行信用跟踪及风险预警，贷后管理阶段主要有逾期预警、失联修复、轨迹分析，信贷风险控制主要集中在贷前审核与贷后管理阶段。
①贷前审核分为身份核实、信用评估两部分，由于个人信贷额度一般较小，因此对用户还款意愿的评估比还款能力的评估更为重要。
②在贷中决策阶段，主要对用户进行信用跟踪及风险预警，实时的监测信用主体的信用风险，例如卷入法律纠纷、天灾人祸等，需及时作出风险预警。
③贷后管理主要跟踪客户所属行业、客户经济状况、客户异常行为包括其个人信用的变化，及时发现可能不利于贷款按时归还的问题，并提出解决问题的措施。& &
大数据征信助力金融业创新
随着互联网，尤其是移动互联网的普遍化，人们的行为数据逐渐在互联网上沉淀，包括金融、餐饮、零售、旅游、社区、出行、教育、医疗、美容等诸多领域。新兴场景的出现，一方面，让征信走出常规的金融应用场景，扩大了个人征信的市场空间；另一方面，极大的提高了用户体验，进而提升了个人征信的使用粘性。
从应用范围来看，目前大数据征信除了传统在金融机构、政府部门、公共服务等场景之外，还能与各类生活化、日常化的场景结合在一起，比如出行的租车免押金、住宿的入住免押金、购物的先试后买等各类日常履约场景相结合。
目前，我国在征信机构在数据资源共享方面仍存在难度，不同的大数据征信产品之间存在差异性，所反映出来信息侧重点也有所不同。因此，在全面评估个人信用风险时，可以结合多家机构的信用评估报告，从社交、电商、招聘、浏览行为、地理位置等不同角度对用户做出全息用户画像，判断其综合情况。
关键词阅读:
1(共条评论)
2(共条评论)
3(共条评论)
4(共条评论)
5(共条评论)
据戴尔大中华区企业方案和联盟策略部企业技...
联系我们：
广告发布：
方案、案例展示：
京ICP000080号 网站-3
&&&&&&&&京公网安备45号FutureCar.com
面向国内投资者，介绍未来汽车产业链投资机会的媒体
手机上的财经电台
优质内容创作共享平台，帮助企业提升品牌公关效率的应用工具
集图文快讯，视频直播，FM和付费频道的移动端产品，永无休止的24小时全球科技金融资讯直播
征信，迎来大数据时代
【摘要】随着互联网金融、大数据产业等的发展，个人征信的外延已大大扩大了，不仅包括传统的数据，如信贷数据等，还包括基于互联网消费场景的第三方数据。可以说，征信业已迎来了大数据发展的时代。
&·&& 16:00
来源: 未央网 枫源&&&
金评媒（https://www.jpm.cn）&编者按：随着互联网金融、大数据产业等的发展，个人征信的外延已大大扩大了，不仅包括传统的数据，如信贷数据等，还包括基于互联网消费场景的第三方数据。可以说，征信业已迎来了大数据发展的时代。8月18日讯，一诺千金，从古自今，一直适用。只要你有信用，无需押金，就可以轻松骑走一辆共享单车;可以快速租用商场内的共享充电宝，为你的手机及时“续命”;还可以外出住酒店，不用现金，先享后付，来一场说走就走的旅行。共享雨伞、共享衣服、共享玩具、共享篮球……你想不到的便利，因为信用，悄然来临。其实，随着互联网金融、大数据产业等的发展，个人征信的外延已大大扩大了，不仅包括传统的数据，如信贷数据等，还包括基于互联网消费场景的第三方数据。可以说，征信业已迎来了大数据发展的时代。征信，下一片蓝海征信，最早起源于《左传》，出自“君子之言，征而有信，故怨远于其身”。所谓征信，指的是依法设立的个人信用征信机构对个人信用信息进行采集和加工，并根据用户要求提供个人信用信息查询和评估服务的活动。简单来说，就是个人的信用信息集合。当今社会，征信信息被广泛用在生活、工作中，成为国民经济生活中不可或缺的“经济身份证”。买房、买车、租房、找工作、办信用卡等都离不开好的信用，甚至，不少婚恋平台也将信用定为相亲对象的硬性条件之一，噱头十足，信用的重要性，可窥一斑。近年来，互联网金融迎来了爆发增长，对个人征信的需求也与日俱增。艾瑞咨询发布的《2017年消费金融洞察报告》显示，从2013年到2016年，互联网消费金融交易规模从60亿元猛增到4367.1亿元，实现了70倍爆发式增长，年复合增长率达317%。可以说，在互联网金融规模暴增的同时，消费者的个人征信体系建设也亟待跟进。如图1所示，2017年中国个人征信行业的潜在市场规模预计将达到1969.9亿元，而实际市场规模预计只有222.3亿元，市场渗透率约为10%，发展前景巨大。第三方征信，面临多重困境天下熙熙，皆为利来;天下攘攘，皆为利往。日前，一则信用分刷分的报道，再次刺激了人们的敏感神经。近些年来，第三方征信问题频出，集中表现为数据稀缺、数据倒卖、数据同质化严重。互联网金融行业的巨大刚需与征信盲区的矛盾，也催生了地下数据黑市。媒体曾多次披露，部分打着大数据名头的公司，以极低的成本从地下市场调取数据，进行多手售卖。这里的重要原因就是征信体系的不完善。征信体系不完善，原因大致归结为以下几点。短期内，数据孤岛现状难以打破目前，国内征信行业主要由五大类别组成：国家发展改革委、工业和信息化部、人民银行、国家工商总局等机构，第三方征信机构，国家电网、百度、等数据源，九次方大数据、百融金服等大数据金融机构，京东白条、神州租车、百合等互联网应用。可以说，得数据者得天下。不同机构的数据门槛不同，基于利益考虑以及开放权限，共享数据意愿低，信息共享推进艰难。大数据模型的准确性存争议国内的大数据评估模型起步晚，很多大数据模型多为自主研发，信息不集中，数据的全面性存在不足，因此，大数据模型在准确性方面存在较大争议。此外，用户数据为个人提交，信息的准确性及真实性有待时间和市场校验，缺乏公信力。数据信息采集的合法性这些年，逐步增强的个人信息维权意识与个人信息泄露的矛盾日渐突出。部分机构对于用户数据的采集、使用存在隐患，越过了安全红线，违法使用，面临着法律和道德方面的风险。互补作用仍有限其实，相比国外，我国的征信体系起步较晚。20世纪90年代，上海资信有限公司成立，开始个人征信试点，这也标志着我国个人征信体系开始建立。随后，信贷登记查询系统建成地、省、总行三级数据库，实现全行联网查询。征信管理局设立，《个人信用信息数据库管理暂行办法》出台，人民银行与全国各家银行系统联网工作基本完成。2013年3月，《征信业管理条例》正式实施，明确中国人民银行作为征信业的监督管理部门，同年12月《征信机构管理办法》也一并实施。至此，以政府为主导的央行征信登上历史舞台。与此同时，征信行业风起云涌，民间第三方征信机构数量增长迅速。自2014年1月至2017年年初，我国先后成立包括91征信、考拉征信、亿微征信、东汇征信、盈蜂征信、人人信等在内的53家征信公司以及信用平台。2015年，征信行业出现了标志性事件——央行开始受理征信牌照，芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用及北京华道征信成为第一批试点机构。众所周知，征信离不开数据。央行征信的数据主要来自银行、证券、保险、社保等体系里构成一个数据循环，接入门槛高。而第三方征信机构则是利用自身的海量数据优势和用户信息，从财富、安全、守约、消费、社交等几个纬度来评判，为用户建立信用报告，形成以大数据为基础的海量数据库。从表面上看，央行征信和第三方征信机构的大数据征信似乎只在数据获取渠道方面存在差异。央行征信数据来自传统线下渠道，来源单一。第三方征信机构则依托互联网金融、电商、共享经济等丰富的应用场景来获取数据，渠道多元。央行征信作为正规军，无疑有得天独厚的优势，权威性高，数据基本完整，但新形势下，背后的短板，也逐渐暴露。数据显示，央行个人征信系统收录了近9亿人信息，其中仅不到4亿人有信贷数据，约5亿人在央行征信系统中只记录经济信息，无任何有效征信信息。如此大的信贷盲区，缺口明显。其实，在新的征信格局下，第三方征信机构积累的征信数据将对传统征信形成一定的补充。不过，这种补充作用仍比较有限，其公信力还有待市场的检验。大数据征信，争议中前行随着金融科技、人工智能、云计算成为时下热词，大数据征信也频见报端。什么是大数据征信?大数据征信就是利用IT技术优势、风险控制模型，将个人在不同信贷机构、消费场景、支离破碎的海量数据整合起来，经过数据清洗、分析、校验等一系列流程后，加工融合成真正有用的信息。作为征信市场化的标志，大数据征信备受争议。一方面，大数据为传统征信带来了许多意想不到的变革。另一方面，大数据征信的模型标准各异，客观性存在争议。大数据征信作为新生事物，相比传统征信，究竟有哪些优势?首先，大数据征信采集的数据覆盖人群广泛。只要是用户留存在网上的数据信息，都可以通过数据挖掘、云计算、大数据等网络技术抓取并进一步分析，得出专属的信用报告。互联网的开放性也决定了大数据征信的覆盖范围。其次，大数据征信的信息维度多元，信用评估全面。大数据征信的数据来源不止包括传统征信的信贷历史数据，还包括个人的消费行为、交易行为、人际关系等半结构化数据。网购消费能力、共享单车租借、社交好友的信用状况、生活缴费都成为了大数据信息采集的来源，能够多维度地反应一个人的信用状况。再次，大数据征信的数据来源丰富，动态变化频率高。大数据征信的数据来源于电商、互联网金融、共享经济等场景，相较于传统征信的数据采集周期长，这些应用场景与生活日常行为关联紧密，使用频率高，数据更新及时。例如，信用评分系统之一的芝麻信用，月月更新。最后，大数据征信成本低，效率高。大数据征信搭建完成数据库系统后，个人征信信息采集难度大幅降低，征信服务的边际成本低。总体来看，纵观我国征信行业的发展，正经历由政府主导型向征信市场化过渡的阶段。民间征信机构频频发力，不断开拓线下的应用场景或与其他机构构建合作关系，积淀数据，有望打破央行征信的垄断局面，进一步激发征信市场化的潜力。综上所述，笔者认为征信行业的未来呈现以下趋势。首先，随着征信机构数据的逐步开放，大数据信息的运用成为常态，央行征信难以覆盖的群体将通过民间征信得到满足。其次，征信内涵、外延不断延伸，应用场景进一步丰富。征信不止局限于金融领域，而是通过共享经济等新经济形式，渗透到衣食住行方方面面，形成“守信者处处受益、失信者寸步难行”的局面。最后，保护个人征信数据的相关法律将不断落地，并将在数据隐私、安全保护等方面加快立法进程。附：信用分——征信的数据化金融开放程度的增强，信用风险管理也呈现出科学化、量化、信息化的特点。其中，信用分就充当了这样一个科学评测的角色。谈起信用分，想必很多人都不陌生。现在，信用分不再是简单的一个分数，而是切切实实的福利。只要你的信用分达到一定的标准，就可以轻松搭上各类共享经济的快车，免押金、免租金，还可以住酒店“先享后付”。此外，信用分还和信用额度挂钩。事实上，信用评分最早起源于20世纪80年代，大众熟知的信用模型大多借鉴于美国的个人信用评分模型FICO 评分模型，其信用分数范围在300-850分之间。贷款方通常会将分数作为参考，来进行客户贷款决策。不同贷款策略和标准，相应风险水平不同，决定了可以接受的信用分数水平。国内首个个人信用评分——芝麻信用分的出现，被视为信用分机制在我国的重大进展。芝麻信用分，通过及云计算技术，从信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度，客观呈现个人信用状况的综合评分，评分范围从350到950，分值越高代表信用越好。随着电商、移动支付的普及，芝麻信用分已逐渐走入千家万户，涵盖信用卡、消费金融、租赁、酒店、租房、出行、婚恋、公共事业服务等上百个应用场景。事物发展到一定阶段，必然会更加精细化，信用分也不例外。不少行业纷纷在征信上发力，打造专属的信用等级评分机制。例如，金融科技平台你我金融通过两年时间的数据处理与分析、模型研发、验证及运用，推出你我信用分。从你我行为、财富评估、社交关系、履约信用、身份特质等五个维度客观分析个人的信用状况，对用户进行信用评分，分值从0-950分，分数越高代表该用户信用越好，信用额度也会随之增加。此外，摩拜单车也推出摩拜信用分，其与前海合作建立用户黑名单，对用户偷盗或恶意毁车等行为，会通过后台数据分析追踪到该用户，将其拉入黑名单，对其信用评级作出调整。同时，摩拜单车还采用奖惩“信用分制度”，用户违停、损坏车辆等行为将会被扣除信用分。用户的信用分低于80分时，价格则会翻倍。(编辑：田跃清)
来源: 未央网 枫源
&&&&&&&&&&&&&&&&
作者的其他文章
京ICP备号-1
京ICP证150581号
公司地址：北京市朝阳区东三环中路9号富尔大厦502室
联系电话：010-
微信公众号
金评媒微信公众号
或其它登录方式
手机验证码&:
输入新密码&:
再次输入密码&:
或者，您可以
重复密码&:
或其它登录方式