这里是log

征信现在和大数据挂钩了,你该怎么办

  • 来源:武房网
  • 黄端端
  • 话题 征信大数据
  • 分享

 技术变革对征信业的发展起到了非常大的促进作用。征信最早起源于消费分期,需要对消费者进行信用评估,但当时更多的是通过口碑积累的定性判断,没有定量描述。

  进入大数据时代后,数据得到了沉淀和积累,我们开始使用数据统计模型来计算和评估信用,这极大地推动了行业快速向前发展。在今天的互联网时代,数据承载量非常大,任何数据都可以成为信用的一部分,即我们可以利用数据与信用的关联度,深层次挖掘信用数据。

图片1.png

征信领域发展现状

 近年来国内个人信贷市场迅速发展,传统金融机构、P2P、电商、小额贷款公司等纷纷将目光投向个人消费领域,随着越来越多的金融业务互联网化,欺诈手段也层出不穷,信息不对称、不透明,给个人信贷市场带来了大量的多头负债风险和欺诈风险,因此利用大数据征信创新和提高风控能力成为整个金融业关注与探讨的重要话题。

图片2.png

 截至2015年底,我国整体信贷余额达到94.0万亿元,其中,个人信贷占比28.8%,余额达到27万亿元,随着个人信贷市场的快速发展,个人信贷市场的不良贷款率也不断上升。以个人信贷业务的代表性产品信用卡为例,截止到2015年第二季度末,信用卡不良贷款余额达到了337.33亿元,信用卡不良率达到了1.21%。从发展趋势来看,2012年以来,信用卡的不良贷款规模持续增长,但目前在趋势上仍不能完全脱离增长的轨道。

图片3.png

(数据来源:中国人民银行)

  个人信贷评估的主要标准为个人信用,我国征信系统目前主要以人民银行征信中心为主,民间借贷机构无须向人民银行上报数据,非银行体系的贷款申请情况、负债情况和逾期情况等信息不清晰、不透明,因此传统征信已经无法满足信贷市场的发展需要。

大数据时代下的征信体系

  随着互联网消费金融的兴起,消费金融业务面对人群结构复杂,贷款业务数量多、额度小,进一步降低了线上欺诈行为的成本,同时为了提高用户量及使用体验,个人信贷具有无抵押、无担保、手续简单、审批快速等特点,无疑增加了企业信贷风控成本。

图片4.png

互联网和大数据时代的发展,大数据征信体系更加具有覆盖面广、信息维度丰富、数据获取实时动态的优势。数据主要来源于互联网,互联网覆盖人群广泛,通过互联网获取数据,弥补了传统征信体系的不足,能够有效拓展业务。同时从数据维度和种类,传统征信数据主要采集身份信息、信贷信息、非金融负债信息三类,以及部分公共信息,在大数据征信系统中,信用评估的来源更加广泛,社交网络与电子商务行为中产生的海量数据,都能给用户行为提供侧面支持;大数据挖掘获得的数据具有实时性、动态性,能够实时监测到信用主体的信用变化,企业可以及时拿出解决方案,避免不必要的风险。

图片5.png

通过大数据技术手段可以挖掘申请人多维度信息,包括姓名、性别、年龄、电话、身份证件、家庭住址、职业、学历、信贷记录、支出、消费偏好、兴趣爱好、社交行为等信息。大数据征信评估个人信用注重强相关信息,忽略弱相关信息,这样让信用体系显得更加具有可信性。

大数据在风险管理中的应用

 目前大数据在金融中的运用,主要是通过大数据做风险控制,建立风险模型预测还款可能性,从而决定授信额度和定价。从数据源的角度来看,与个人有关的信息从外到里可以分为三层:第一层是关于个人的所有信息,第二层是关于个人的所有履约信息,第三层是信贷履约的信息。在之前传统的风控中,我们一般利用最里层的信贷履约信息,加上部分个人基本信息等来预测信贷违(履)约情况。随着互联网和信息技术的发展,部分方便可得的外层信息,对于内层的履约预测慢慢地被证明有一定的效果,例如打车的履约情况对信贷履约的判断是一个依据,因此大数据风控随之逐渐兴起。但对于不同层别数据的跨层使用,特别是外层数据往内层使用的过程中,要特别解决法理约束和本人授权两个问题,这样有利于各种数据在风险评估领域中的可持续使用。

图片6.png

从大数据技术角度来看,任何大数据方法用于信用风险的评估,都要满足三个条件:一是对评分建模的方法论、过程和数据使用上是明确的,对监管、对公众是应该公开的:二是建立的模型要对不同风险状况的人群有区分能力和排序能力;三是数据、方法和模型在人群、时间跨度上是稳定的。从传统的逻辑回归,到决策树,再到机器学习等大数据方法的使用,要始终坚持开发出来的模型“明确、准确和稳定”的三大特点。

 但总体而言,对于大数据和大数据技术,目前,在风险控制中,可以是在遵守一定规则上开放性使用,但是对于征信领域,在数据的来源上应当适当保守些,这主要是由于征信对评分开发模型的明确性要求更高。但是尽管如此,在数据的处理方法上,都可以进行不同的尝试和探索,因为大数据技术的发展,可以将使用的信息,包括传统的信息和现实生活中映射到互联网的各种信息极大的简化为一个分数,供放贷机构高效、便捷的使用。

大数据征信已经在深深地影响着生活

图片7.png

随着互联网,尤其是移动互联网的普遍化,人们的行为数据逐渐在互联网上沉淀,包括金融、餐饮、零售、旅游、社区、出行、教育、医疗、美容等诸多领域。新兴场景的出现,一方面,让征信走出常规的金融应用场景,扩大了个人征信的市场空间;另一方面,极大的提高了用户体验,进而提升了个人征信的使用粘性。从应用范围来看,目前大数据征信除了传统在金融机构、政府部门、公共服务等场景之外,还能与各类生活化、日常化的场景结合在一起,比如出行的租车免押金、住宿的入住免押金、购物的先试后买等各类日常履约场景相结合。

图片8.png

 目前不同机构数据资源共享仍然存在难度,因此不同的大数据征信产品侧重点不同,有的倾向电商信用行为,有的侧重互联网社交行为,有的反映借款人风险等。因此在全面评估个人信用风险时,可以结合多家机构的信用评估报告,从社交、电商、招聘、浏览行为、地理位置等不同角度对用户做出全息用户画像,判断其综合情况。但终究归根一句话“数据改变生活”!

责任编辑:黄丹

新闻视界政策解读房产市场金融