
如何讓大數(shù)據(jù)更懂金融?征信公司都拼了
強烈的市場需求,不足的市場供給,已經(jīng)迅速點燃我國征信行業(yè)。對金融機構(gòu)而言,征信將完善對風(fēng)險的評估和管理,有利于加快授信過程,分級定價,降低優(yōu)質(zhì)借款人借貸成本,大幅提高信貸效率。對商業(yè)機構(gòu)而言,征信逐漸被作為經(jīng)濟運行和社會管理的標準,以此撬動的商業(yè)模式創(chuàng)新迅速拓展至酒店、租房、招聘、旅游等行業(yè)。
據(jù)中國企業(yè)聯(lián)合會數(shù)據(jù)顯示,中國市場每年因為誠信缺失造成的經(jīng)濟損失約為5,000多億元。對比美國征信行業(yè)的發(fā)展,中國征信業(yè)還處在初級階段,既蘊含巨大市場空間,更需要眾多參與者不斷探索。
個人征信行業(yè)競爭激烈 "三駕馬車"雛形初現(xiàn)
2015年1月,騰訊征信、芝麻信用、前海征信等八家機構(gòu)獲準開展個人征信業(yè)務(wù),這讓業(yè)內(nèi)著實沸騰,很多人都在歡呼個人征信市場的春天已經(jīng)到來。然而時至今日,八家機構(gòu)苦等19個月仍然未盼到牌照。好在,個人征信市場的發(fā)展,并沒有因為牌照遲遲不發(fā)而停滯不前。經(jīng)過一年多的運營,一些領(lǐng)軍企業(yè)已取得不錯的進展。
比如,芝麻信用稱,目前有接近60家數(shù)據(jù)合作伙伴,各場景的合作伙伴已超過200家。騰訊征信表示,已經(jīng)與浦發(fā)銀行、廣發(fā)銀行的信用卡業(yè)務(wù)展開了合作,另有多家合作方進入產(chǎn)品調(diào)試、試用階段。
相比于上述兩位BAT中的大拿,具有金融血統(tǒng)的前海征信明顯在公關(guān)上低調(diào)很多。但根據(jù)近期《經(jīng)濟觀察報》的一則報道披露,目前前海征信已為近1500家機構(gòu)提供征信服務(wù),覆蓋銀行、P2P、小貸、消費金融等信貸機構(gòu),其中銀行客戶達115家。
前海征信背靠中國經(jīng)營最好的全牌照綜合金融集團——平安集團,意味著坐擁近億相對高凈值金融客戶數(shù)據(jù)。平安又是金融集團中互聯(lián)網(wǎng)業(yè)務(wù)布局最早、最廣的,擁有2億互聯(lián)網(wǎng)用戶,這對前海征信而言又是一筆寶貴的資產(chǎn)。此外,前海征信還與政府機構(gòu)、外部數(shù)據(jù)合作伙伴等合作,并加入新型互聯(lián)網(wǎng)行為數(shù)據(jù),在人臉識別、大數(shù)據(jù)挖掘技術(shù)上重點突破,在一年多時間內(nèi)推出覆蓋貸前、貸中、貸后的多款征信產(chǎn)品,在B端市場優(yōu)勢明顯。
其他擁有個人征信業(yè)務(wù)準入資質(zhì)的五家企業(yè),無論在規(guī)模上還是在數(shù)據(jù)來源上都無法與騰訊征信、芝麻信用、前海征信這三家相比肩。因此,有業(yè)內(nèi)人士將這三家稱之為征信領(lǐng)域的"三駕馬車"。此外,京東金融、百度金融、小米、宜信等30多家企業(yè)也有意申請第二批個人征信牌照。
個人征信公司各自為戰(zhàn) "數(shù)據(jù)孤島"如何破解?
源源不斷的后來者,在不停地為這個行業(yè)的競爭加碼。然而各家機構(gòu)跑馬圈地,攻城略地之時,難掩個人征信當下面臨"數(shù)據(jù)孤島"帶來的最大挑戰(zhàn)。
個人征信行業(yè)所需的三大類數(shù)據(jù)——金融數(shù)據(jù)、政府公共服務(wù)數(shù)據(jù)、生活數(shù)據(jù)分別散落在各主體機構(gòu)中。大量民間借貸、互聯(lián)網(wǎng)金融數(shù)據(jù)未能實現(xiàn)統(tǒng)一的征集和標準化處理。政府公共服務(wù)數(shù)據(jù)則是由公檢法、稅務(wù)、教育及其他企事業(yè)單位分別披露。生活類數(shù)據(jù)分散在各類場景中,線上線下數(shù)據(jù)混雜。
以芝麻信用和騰訊征信為例,芝麻分自稱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%。
而騰訊征信主要是基于社交網(wǎng)絡(luò),利用其大數(shù)據(jù)平臺 TDBank,重點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。
在BAT幾大互聯(lián)網(wǎng)巨頭劇烈競爭割據(jù)的當下,很難想象芝麻信用和騰訊征信會互享數(shù)據(jù)。而電商數(shù)據(jù)、社交數(shù)據(jù)在個人征信中如何應(yīng)用,也備受爭議。
一個簡單的例子,"買包煙借錢和你開個煙店借錢,完全是兩碼事";而一個負債創(chuàng)辦企業(yè)的年輕創(chuàng)業(yè)者,可能將房子抵押;可能會通過社交媒體工具向親友求援;也許會減少開支網(wǎng)購,也許會買東西減壓;為了在客戶免簽撐場面,也可能買來新車壯聲勢。
這樣的多元場景,果真能通過互聯(lián)網(wǎng)的網(wǎng)購數(shù)據(jù),或者通過社交媒體,如微博的發(fā)言,去判斷他的信用狀況嗎?
其實,不論是電商機構(gòu),金融機構(gòu)還是其他信息機構(gòu),所掌握的數(shù)據(jù)都是完善的征信服務(wù)中的一角,如果站在嚴謹?shù)拇髷?shù)據(jù)的全面信用審核來看,理論上是應(yīng)該從這些個平臺中依次獲得個人消費領(lǐng)域,金融領(lǐng)域,安全領(lǐng)域等方面的數(shù)據(jù),然后進行交叉比對和分析,并與央行個人征信數(shù)據(jù)進行一定的結(jié)合,才能得出效率最高的,覆蓋面最廣的征信服務(wù)。
讓大數(shù)據(jù)更懂金融,這樣的個人征信公司更有優(yōu)勢
數(shù)據(jù)孤島難破,而在各大征信機構(gòu)的競爭中,如何獲取和解讀基礎(chǔ)征信數(shù)據(jù)亦成為挑戰(zhàn)。在這些基礎(chǔ)征信數(shù)據(jù),除了身份記錄和信貸記錄之外,可能還必須納入影子銀行、互聯(lián)網(wǎng)金融甚至民間金融等多樣化的金融投資數(shù)據(jù)。
而在數(shù)據(jù)類型中,強變量是指信貸、信用卡、外匯、民間借貸等金融交易數(shù)據(jù),往往掌握在傳統(tǒng)金融機構(gòu)手中;中變量是商品生產(chǎn)、銷售、流通、消費等環(huán)節(jié)的交易數(shù)據(jù),主要來自各類電商平臺;弱變量則是社交、游戲等數(shù)據(jù),大多源于互聯(lián)網(wǎng)平臺。
由此可見,金融屬性的數(shù)據(jù)是最強相關(guān)的數(shù)據(jù),而這類數(shù)據(jù)往往在傳統(tǒng)金融機構(gòu)手中。大多數(shù)個人征信機構(gòu)能夠獲取的,是社交記錄、個人消費記錄等相對弱相關(guān)的數(shù)據(jù),但卻難以獲取最為重要的金融數(shù)據(jù),導(dǎo)致有效數(shù)據(jù)比較有限。
在傳統(tǒng)金融體系中,這些數(shù)據(jù)是相對割裂和分散的,尤其是對親屬和社交網(wǎng)絡(luò)的數(shù)據(jù)監(jiān)測可能是一個難點,要突破這一難點,更多的需要激活傳統(tǒng)金融體系的創(chuàng)新能力,這一工作,需要傳統(tǒng)金融企業(yè),尤其是擁有全牌照金融能力的企業(yè)做出創(chuàng)新,前海征信或許正是最有潛力的一家。
目前,前海征信的合作機構(gòu)數(shù)近1500家,以銀行、P2P平臺和小貸公司、消費金融為主。從前海征信的業(yè)務(wù)布局來看,其產(chǎn)品體系以貸前、貸中、貸后來布局,包括欺詐類,信用類等幾十款征信產(chǎn)品,為金融機構(gòu)提供全流程的風(fēng)控解決方案。而且,前海征信尤其重視互聯(lián)網(wǎng)金融領(lǐng)域,針對中國互聯(lián)網(wǎng)金融發(fā)展現(xiàn)況,定制了靈活、完整的產(chǎn)品體系,能滿足互聯(lián)網(wǎng)金融機構(gòu)和傳統(tǒng)金融機構(gòu)各種不同的風(fēng)控需求。
然而,創(chuàng)新并不容易。因為銀行業(yè)內(nèi)的征信和風(fēng)控體系是以大額資產(chǎn)和應(yīng)收債權(quán)為核心的,互聯(lián)網(wǎng)領(lǐng)域的征信分析目前更多聚焦在相對小額的消費貸款業(yè)務(wù)。如何能真正融合二者,還有待破題。
互聯(lián)網(wǎng)金融倒逼大數(shù)據(jù)征信迎頭趕上
中國的大數(shù)據(jù)征信,被遠遠甩在國外同行身后,這也是央行開始要逐步開放個人征信業(yè)務(wù)的準入資質(zhì)的動力。
數(shù)據(jù)顯示,截至2015年末,央行征信中心有效覆蓋8.8億人信息,其中僅有3.8億人有信貸記錄。波士頓咨詢近期報告顯示,央行個人征信記錄覆蓋率為35%,即使考慮到中國55%的城鎮(zhèn)化率,城鎮(zhèn)人口個人征信覆蓋率僅61%,遠低于美國92%的覆蓋率。
此外,近年中國互聯(lián)網(wǎng)金融的發(fā)展速度驚人。遍地開花的網(wǎng)絡(luò)支付,一夜之間興起的P2P,如火如荼的消費金融,帶來機遇與危機共存的復(fù)雜局面。一方面,央行征信中心覆蓋率不足,且收錄的以傳統(tǒng)銀行提供的借貸信息為主;另一方面,網(wǎng)貸領(lǐng)域在經(jīng)歷開天辟地的發(fā)展和變化,互聯(lián)網(wǎng)征信,尤其是大數(shù)據(jù)征信的發(fā)展成為了當務(wù)之急。
當前,個人征信時代不斷更替,隨著央行征信管理局向各大征信機構(gòu)下發(fā)了《征信業(yè)務(wù)管理辦法(草稿)》(以下簡稱《草稿》),對信息采集、信用使用以及征信產(chǎn)品進行了規(guī)范。難怪有評論認為,個人征信牌照只差臨門一腳。
一旦牌照正式發(fā)布,以內(nèi)外部大數(shù)據(jù)和互聯(lián)網(wǎng)新技術(shù)為依托的個人征信,不僅能進一步深化了金融機構(gòu)風(fēng)險管理的內(nèi)涵,也有望使我國個人征信迎來再一次創(chuàng)新和飛躍,不僅能促進個人征信業(yè)務(wù)進一步市場化發(fā)展,更使信用應(yīng)用場景從金融服務(wù)延伸到生活服務(wù),讓每一個誠信、守信的人,都能享受到擁有好信用帶來的實惠和便利。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10