大數(shù)據時代，你熟悉這幾種互聯(lián)網征信的模式嗎

傳統(tǒng)個人征信的分析維度包括：

1 )個人基本數(shù)據，如年齡、性別、職業(yè)、收入、婚姻狀況、工作年限、 工作狀況等;

2) 信貸情況，主要是信貸和信用卡相關數(shù)據;

3)公共數(shù)據，包括稅務、工商、法院、電信、水電煤氣等部門的數(shù)據;

4) 個人信用報告查詢記錄。

如今隨著大數(shù)據時代的到來和發(fā)展，可用于評估人們的數(shù)據越來越豐富，如電商的交易數(shù)據、社交類數(shù)據(強社交關系如何轉化為信用資產)、網絡行為數(shù)據等， 來自互聯(lián)網的數(shù)據將幫助金融機構更充分地了解客戶。

(一) 側重電商： 芝麻信用

以芝麻信用所構建的信用體系來看，芝麻信用分根據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)質的服務。 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、人脈關系五個維度的信息，其中來自淘寶、支付寶等“阿里系”的數(shù)據占 30-40%。

1) 信用歷史： 過往信用賬戶還款記錄及信用賬戶歷史。目前這一塊內容大多來自支付寶，特別是支付寶轉賬和用支付寶還信用卡的歷史。

2) 行為偏好： 在購物、繳費、轉賬、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;如果一個人經常買紙尿褲，那這個人便被認為已為人父母，相對更有責任心。

3) 履約能力： 包括享用各類信用服務并確保及時履約，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： 在使用相關服務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、學歷學籍、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開車習慣、敲擊鍵盤速度等推測出的個人性格。

5) 人脈關系： 好友的身份特征以及跟好友互動的程度。根據“物以類聚人以群分”的理論，通過轉賬關系、校友關系等作為評判個人信用的依據之一。其采用的人脈關系、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容、點贊等納入參考。

(二) 側重社交： 騰訊信用

騰訊信用 主要是基于社交網絡。 通過 QQ、微信、財付通、 QQ 空間、騰訊網、 QQ 郵箱等社交網絡上的大量信息， 比如在線時長、登錄行為、虛擬財產、支付頻率、購物習慣、社交行為等， 利用其大數(shù)據平臺 TDBank，在不同數(shù)據源中， 采集并處理包括即時通信、 SNS、電商交易、虛擬消費、關系鏈、游戲行為、媒體行為和基礎畫像等數(shù)據，并利用統(tǒng)計學、傳統(tǒng)機器學習的方法，得出用戶信用得分，為用戶建立基于互聯(lián)網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： 在騰訊產品內各資產的構成、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)側重運營商： 聚信立

聚信立主要是基于互聯(lián)網大數(shù)據，綜合個人用戶運營商數(shù)據、電商數(shù)據、公積金社保數(shù)據、學信網數(shù)據等，形成個人信用報告。 聚信立通過借款人授權，利用網頁極速抓取技術獲取各類用戶個人數(shù)據，通過海量數(shù)據比對和分析，交叉驗證，最終為金融機構提供用戶的風險分析判斷。

聚信立以報告形式展現(xiàn)，報告主要由四個維度構成：

1) 信息驗真： 通過交叉比對驗證用戶是否是真實存在的人，是否有欺詐風險。

2) 運營商數(shù)據分析：分析用戶生活、工作及社交范圍，與家人朋友的聯(lián)系頻率等。

3) 電商數(shù)據分析： 分析用戶消費能力及消費習慣，判斷用戶是否有能力還款。

4) 其他數(shù)據分析： 包括公積金社保數(shù)據、學信網數(shù)據、全國高法執(zhí)行名單、黑名單等數(shù)據，判斷用戶是否存在欺詐風險。

聚信立的底層 IT架構為豐富的技術線提供穩(wěn)定支持，對所有數(shù)據源網站進行實時監(jiān)控，人工智能自動排錯，可用率超過 90%。

(四)側重信用卡： 51 信用卡

51 信用卡主要是基于用戶信用卡電子賬單歷史分析、電商及社交關系強交叉驗證。 根據用戶的信用卡數(shù)據、開放給平臺的電商數(shù)據所對應的購買行為、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，確定用戶的風險等級以及是否貸款給該用戶。

51 信用卡風險等級由五個維度構成：

1) 賬單管理時間： 信用卡有效存續(xù)時間越長，用戶風險越低。

2) 賬單表現(xiàn)： 根據用戶的授信卡數(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) 手機入網期限： 手機入網期限越長，用戶風險越低。

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留號碼一致。

大數(shù)據征信怎么做?隨著大數(shù)據時代的到來和發(fā)展，可用于評估人們的數(shù)據越來越豐富，如電商的交易數(shù)據、社交類數(shù)據(強社交關系如何轉化為信用資產)、網絡行為數(shù)據等，來自互聯(lián)網的數(shù)據將幫助金融機構更充分地了解客戶。

1)側重電商：芝麻信用。芝麻分來自淘寶、支付寶的數(shù)據占30-40%，綜合考慮個人用戶的信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度的信息;

2)側重社交：騰訊信用。通過社交網絡上的大量信息，比如在線時長、登錄行為、虛擬財產、支付頻率、購物習慣、社交行為等，得出用戶信用得分;

3)側重運營商：聚信立。綜合個人用戶運營商數(shù)據、電商數(shù)據、公積金社保數(shù)據、學信網數(shù)據等，形成個人信用報告;

4)側重信用卡：51信用卡。根據用戶的信用卡數(shù)據、開放給平臺的電商數(shù)據所對應的購買行為、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，確定用戶風險等級。