大數(shù)據(jù)時(shí)代，你熟悉這幾種互聯(lián)網(wǎng)征信的模式嗎

傳統(tǒng)個(gè)人征信的分析維度包括：

1 )個(gè)人基本數(shù)據(jù)，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(guān)數(shù)據(jù);

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

4) 個(gè)人信用報(bào)告查詢記錄。

如今隨著大數(shù)據(jù)時(shí)代的到來和發(fā)展，可用于評估人們的數(shù)據(jù)越來越豐富，如電商的交易數(shù)據(jù)、社交類數(shù)據(jù)(強(qiáng)社交關(guān)系如何轉(zhuǎn)化為信用資產(chǎn))、網(wǎng)絡(luò)行為數(shù)據(jù)等， 來自互聯(lián)網(wǎng)的數(shù)據(jù)將幫助金融機(jī)構(gòu)更充分地了解客戶。

(一) 側(cè)重電商： 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(dāng)前采集的個(gè)人用戶信息進(jìn)行加工、整理、計(jì)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(gè)人獲得更高效、更優(yōu)質(zhì)的服務(wù)。 芝麻分綜合考慮了個(gè)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(gè)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%。

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(fèi)、轉(zhuǎn)賬、理財(cái)?shù)然顒?dòng)中的偏好及穩(wěn)定性。比如一個(gè)人每天打游戲 10 小時(shí)，那么就會(huì)被認(rèn)為是無所事事;如果一個(gè)人經(jīng)常買紙尿褲，那這個(gè)人便被認(rèn)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(shí)履約，例如租車是否按時(shí)歸還，水電煤氣是否按時(shí)交費(fèi)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(gè)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(gè)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(gè)人性格。

5) 人脈關(guān)系： 好友的身份特征以及跟好友互動(dòng)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(gè)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(gè)人信用，但目前還沒有將社交聊天內(nèi)容、點(diǎn)贊等納入?yún)⒖肌?/span>

(二) 側(cè)重社交： 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(cái)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(shí)長、登錄行為、虛擬財(cái)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(tái) TDBank，在不同數(shù)據(jù)源中， 采集并處理包括即時(shí)通信、 SNS、電商交易、虛擬消費(fèi)、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(jì)學(xué)、傳統(tǒng)機(jī)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(gè)人征信報(bào)告。

騰訊信用 評分以星級(jí)的方式展現(xiàn)。 信用星級(jí)一共 7 顆星，亮星顆數(shù)越多代表信用越良好，星級(jí)主要由四個(gè)維度構(gòu)成：

1) 消費(fèi)： 用戶在微信、手機(jī) QQ 支付以及消費(fèi)偏好。

2) 財(cái)富： 在騰訊產(chǎn)品內(nèi)各資產(chǎn)的構(gòu)成、理財(cái)記錄。

3) 安全： 財(cái)付通賬戶是否實(shí)名認(rèn)證和數(shù)字認(rèn)證。

4) 守約： 消費(fèi)貸款、信用卡、房貸是否按時(shí)還等。

(三)側(cè)重運(yùn)營商： 聚信立

聚信立主要是基于互聯(lián)網(wǎng)大數(shù)據(jù)，綜合個(gè)人用戶運(yùn)營商數(shù)據(jù)、電商數(shù)據(jù)、公積金社保數(shù)據(jù)、學(xué)信網(wǎng)數(shù)據(jù)等，形成個(gè)人信用報(bào)告。 聚信立通過借款人授權(quán)，利用網(wǎng)頁極速抓取技術(shù)獲取各類用戶個(gè)人數(shù)據(jù)，通過海量數(shù)據(jù)比對和分析，交叉驗(yàn)證，最終為金融機(jī)構(gòu)提供用戶的風(fēng)險(xiǎn)分析判斷。

聚信立以報(bào)告形式展現(xiàn)，報(bào)告主要由四個(gè)維度構(gòu)成：

1) 信息驗(yàn)真： 通過交叉比對驗(yàn)證用戶是否是真實(shí)存在的人，是否有欺詐風(fēng)險(xiǎn)。

2) 運(yùn)營商數(shù)據(jù)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(jù)分析： 分析用戶消費(fèi)能力及消費(fèi)習(xí)慣，判斷用戶是否有能力還款。

4) 其他數(shù)據(jù)分析： 包括公積金社保數(shù)據(jù)、學(xué)信網(wǎng)數(shù)據(jù)、全國高法執(zhí)行名單、黑名單等數(shù)據(jù)，判斷用戶是否存在欺詐風(fēng)險(xiǎn)。

聚信立的底層 IT架構(gòu)為豐富的技術(shù)線提供穩(wěn)定支持，對所有數(shù)據(jù)源網(wǎng)站進(jìn)行實(shí)時(shí)監(jiān)控，人工智能自動(dòng)排錯(cuò)，可用率超過 90%。

(四)側(cè)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(guān)系強(qiáng)交叉驗(yàn)證。 根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺(tái)的電商數(shù)據(jù)所對應(yīng)的購買行為、手機(jī)運(yùn)營商的通話情況、登記信息等取得多維信息的交叉驗(yàn)證，確定用戶的風(fēng)險(xiǎn)等級(jí)以及是否貸款給該用戶。

51 信用卡風(fēng)險(xiǎn)等級(jí)由五個(gè)維度構(gòu)成：

1) 賬單管理時(shí)間： 信用卡有效存續(xù)時(shí)間越長，用戶風(fēng)險(xiǎn)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(jī)入網(wǎng)期限： 手機(jī)入網(wǎng)期限越長，用戶風(fēng)險(xiǎn)越低。

4) 運(yùn)營商： 通過近 4 個(gè)月有效通話記錄以及通訊錄中是否存在負(fù)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(hào)碼是否與申請人預(yù)留號(hào)碼一致。

大數(shù)據(jù)征信怎么做?隨著大數(shù)據(jù)時(shí)代的到來和發(fā)展，可用于評估人們的數(shù)據(jù)越來越豐富，如電商的交易數(shù)據(jù)、社交類數(shù)據(jù)(強(qiáng)社交關(guān)系如何轉(zhuǎn)化為信用資產(chǎn))、網(wǎng)絡(luò)行為數(shù)據(jù)等，來自互聯(lián)網(wǎng)的數(shù)據(jù)將幫助金融機(jī)構(gòu)更充分地了解客戶。

1)側(cè)重電商：芝麻信用。芝麻分來自淘寶、支付寶的數(shù)據(jù)占30-40%，綜合考慮個(gè)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(gè)維度的信息;

2)側(cè)重社交：騰訊信用。通過社交網(wǎng)絡(luò)上的大量信息，比如在線時(shí)長、登錄行為、虛擬財(cái)產(chǎn)、支付頻率、購物習(xí)慣、社交行為等，得出用戶信用得分;

3)側(cè)重運(yùn)營商：聚信立。綜合個(gè)人用戶運(yùn)營商數(shù)據(jù)、電商數(shù)據(jù)、公積金社保數(shù)據(jù)、學(xué)信網(wǎng)數(shù)據(jù)等，形成個(gè)人信用報(bào)告;

4)側(cè)重信用卡：51信用卡。根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺(tái)的電商數(shù)據(jù)所對應(yīng)的購買行為、手機(jī)運(yùn)營商的通話情況、登記信息等取得多維信息的交叉驗(yàn)證，確定用戶風(fēng)險(xiǎn)等級(jí)。