
大數據將如何改變征信領域
21世紀,互聯網、移動互聯網、3D打印、人工智能……正如摩爾定律所言,人類的科技革新發(fā)展迅速,其中大數據的發(fā)展?jié)摿ψ畋豢春谩?/span>大數據的概念非常火爆,但少有人真正理解大數據的核心內容,一個普遍而且嚴重的誤解就是:大數據=數據大,即大數據就是量大的數據。但實際上,大數據的核心在于數據的交叉與流動。
亞馬遜前任首席科學家Andreas Weigend將數據比喻成新的石油,在信息社會,隨著大數據、云計算、物聯網、移動互聯網等新技術及相關的創(chuàng)新應用不斷加快,海量數據正在政務管理、金融業(yè)風控、產業(yè)發(fā)展、城市治理、民生服務等眾多領域不斷產生、積累、變化和發(fā)展。正如國際咨詢公司麥肯錫所說:“數據,已經滲透到當今每一個行業(yè)和業(yè)務職能領域,成為重要的生產因素?!蔽覈臄祿觅Y源也正和土地、勞動力、資本等生產要素一樣,成為促進中國經濟穩(wěn)定增長的基本要素。
目前,我國互聯網、移動互聯網用戶規(guī)模居全球第一,擁有豐富的數據資源和應用市場優(yōu)勢,大數據部分關鍵技術研發(fā)取得突破,涌現出一批互聯網創(chuàng)新企業(yè)和創(chuàng)新應用。可是,數據之間的交叉融合非常少,信用數據源的割裂是當前影響我國大數據應用和拓展的主要障礙。
對于P2P行業(yè)來說,大數據在征信領域作用重大,對P2P平臺的核心競爭力是一大考驗,國內外都有一些企業(yè)正在從事大數據征信的研發(fā)、實驗乃至實踐工作。值得關注的是,目前國內金融行業(yè)中成功運用大數據做風控的企業(yè),只有阿里小貸等少數幾家。他們主要是通過賣家累計的海量交易信息及資金流水,在幾秒內完成對商家的授信。在數據征信領域還是存在很多問題,利用大數據進行風險控制任重而道遠。
依賴大數據風控主要靠及時更新的數據和對客戶的約束力來實現其有效性,這兩個因素也被稱為“閉環(huán)數據”。盡管年初央行同意8家個人征信機構進行數據的收集,但由于數據庫往往涉及平臺的核心競爭力,在沒有建立起相應的激勵機制的情況下,大多不愿意共享。
另一方面,P2P行業(yè)的信用數據獲取渠道極其有限,個人信用數據部分依靠借款用戶自行提交,部分依靠平臺上門征集,對借款主體的信用數據征集工作占據了P2P網貸平臺的大量人力物力,造成了一定的運營成本壓力和管理壓力。
美國利用數據進行征信的發(fā)展歷程與其背后的邏輯對于我國發(fā)展征信行業(yè)具有一定的借鑒意義。美國信用局協會(CDIA)制定了用于個人征信業(yè)務的統一標準數據報告格式和標準數據采集格式,且正在將美國征信數據的標準推廣至其他國家,以促進征信體系的全球化發(fā)展。除金融相關數據外,電商、電信業(yè)、零售業(yè)的數據也正在納入征信體系。
美國征信市場的特點可以用12字概括:專業(yè)分工、邊界清晰、各司其職。整個征信體系分為機構征信和個人征信,其中機構征信又分為資本市場信用和普通企業(yè)信用。個人征信方面,先由美國三大征信局益百利(Experian)、愛克菲(Equifax)美國環(huán)聯(TransUnion)進行數據處理,然后再由FICO Score和Vantage Score等評分機構進行信用評級,最后應用到實際的金融環(huán)境之中,已形成一條成熟的核心產業(yè)鏈。
另外,美國通過立法和行業(yè)共識,其數據征信體系也形成了相對統一的標準。以“個人征信”為例,其內涵由“5C1S”定義:品德(Character)、能力(Capability)、資本(Capital)、條件(Condition)、擔保品(Collatera)、穩(wěn)定性(Stability)。同時,信用的邊界也得到了明確的刻畫,即對于用來量化信用的數據基礎形成了共識。
從歷史發(fā)展路徑來看,美國的大數據征信也是先經歷了野蠻生長,然后理智整合。在這個過程中,應用場景的拓展、技術的進步和法律法規(guī)的完善起到了關鍵性的推動作用。由于我國利用大數據進行征信還處于初級階段,央行授權開展個人征信業(yè)務的8家征信機構也沒有形成成熟的產業(yè)閉環(huán),如何協調相關的征信機構與數據源機構,使得基本的信用信息能夠共享,這需要兩類機構之間互相合作與博弈,也需要政府層面能夠做出適當引導,以便早日打破僵局。
令人欣喜的是,加快大數據部署,深化大數據應用,已成為穩(wěn)定我國經濟增長的內在需要和必然選擇。最近國務院印發(fā)了《促進大數據發(fā)展行動綱要》,其中最引人注目的就是開放政府數據和推動產業(yè)創(chuàng)新。這是我國第一次把發(fā)展大數據上升為國家戰(zhàn)略,對推進落實“中國制造2025”和“互聯網+”國家戰(zhàn)略、促進大眾創(chuàng)業(yè)、萬眾創(chuàng)新,推動經濟和社會發(fā)展具有重要意義。
大數據帶來的新服務模式和資源分析處理能力,將帶動產業(yè)技術研發(fā)體系的創(chuàng)新,推動跨領域、跨行業(yè)的融合和協同創(chuàng)新,在促進新興產業(yè)快速發(fā)展的同時帶動傳統產業(yè)的協同發(fā)展,為建設國內信用社會、行業(yè)創(chuàng)新提供有力支撐,重塑國家競爭優(yōu)勢
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
AI 浪潮下的生存與進階: CDA數據分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構:CDA數據科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04