大數(shù)據(jù)時代,你熟悉這幾種互聯(lián)網(wǎng)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(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) 個人信用報告查詢記錄。

如今隨著大數(shù)據(jù)時代的到來和發(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)前采集的個人用戶信息進(jìn)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(zhì)的服務(wù)。 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(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%。

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、轉(zhuǎn)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(rèn)為是無所事事;如果一個人經(jīng)常買紙尿褲，那這個人便被認(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(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人性格。

5) 人脈關(guān)系： 好友的身份特征以及跟好友互動的程度。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人信用，但目前還沒有將社交聊天內(nèi)容、點贊等納入?yún)⒖肌?

(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， 比如在線時長、登錄行為、虛擬財產(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 TDBank，在不同數(shù)據(jù)源中， 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。

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(gòu)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(chǎn)品內(nèi)各資產(chǎn)的構(gòu)成、理財記錄。

3) 安全： 財付通賬戶是否實名認(rèn)證和數(shù)字認(rèn)證。

4) 守約： 消費貸款、信用卡、房貸是否按時還等。

(三)側(cè)重運營商： 聚信立

聚信立主要是基于互聯(lián)網(wǎng)大數(shù)據(jù)，綜合個人用戶運營商數(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，形成個人信用報告。 聚信立通過借款人授權(quán)，利用網(wǎng)頁極速抓取技術(shù)獲取各類用戶個人數(shù)據(jù)，通過海量數(shù)據(jù)比對和分析，交叉驗證，最終為金融機構(gòu)提供用戶的風(fēng)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(gòu)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(fēng)險。

2) 運營商數(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： 分析用戶消費能力及消費習(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。

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)行實時監(jiān)控，人工智能自動排錯，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)系強交叉驗證。 根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺的電商數(shù)據(jù)所對應(yīng)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(fēng)險等級以及是否貸款給該用戶。

51 信用卡風(fēng)險等級由五個維度構(gòu)成：

1) 賬單管理時間： 信用卡有效存續(xù)時間越長，用戶風(fēng)險越低。

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) 手機入網(wǎng)期限： 手機入網(wǎng)期限越長，用戶風(fēng)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(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碼是否與申請人預(yù)留號碼一致。

大數(shù)據(jù)征信怎么做?隨著大數(shù)據(jù)時代的到來和發(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;

2)側(cè)重社交：騰訊信用。通過社交網(wǎng)絡(luò)上的大量信息，比如在線時長、登錄行為、虛擬財產(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)重運營商：聚信立。綜合個人用戶運營商數(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，形成個人信用報告;

4)側(cè)重信用卡：51信用卡。根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺的電商數(shù)據(jù)所對應(yīng)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(fēng)險等級。