互联网大数据征信模式及存在问题研究.docVIP

互联网大数据征信模式及存在问题研究 摘要随着互联网金融的发展，一批运用网络信用信息进行征信的大数据征信机构初步建立。它们在网上采集个人或企业的互联网数据，运用云计算、大数据等新技术，对这些数据进行整理分析，通过信用评估体系进行信用评测。因此，大数据征信能够提供传统征信无法提供的金融服务，对传统征信起弥补作用，拓展了征信市场，帮助实现普惠金融。但是，互联网大数据征信尚处于初级阶段，在法律框架、行业规范、顶层设计等各个方面尚未成熟，存在很多问题，需要强有力的协调和规范。本文将在分析现有的互联网大数据征信模型的基础上，从宏观和微观的角度出发，研究大数据征信的优势和不足，并提出相关建议，促进我国构建更加理想的互联网大数据征信体系。4372 一、互联网大数据征信的相关概念 （一）大数据的定义 最近几年，随着信息技术的发展，大数据引起了产业界、科技界和政府部门的高度重视大数据被视为与自然资源、人力资源一样重要的战略资源，大数据是现有产业升级和新产业诞生的重要推动力力量。出于大数据的重要地位，各产业界纷纷展开对大数据的应用的研究。然而，对ldquo;大数据rdquo;的概念，大家却持不同的观点。在维基百科给出的定义中，大数据是指所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的形式的信息。而大数据技术就是指能在海洋般的数据中快速取得有价值的数据的技术。也就是说，大数据是不通过诸如抽样调查等的捷径，而是运用大数据技术对所有有价值的数据进行清洗、归档、加工。 总而言之，大数据并不是简单的数据沉淀，而是一组可以产生经济价值的数据，其可以运用于科学研究、疾病防御、社会学、公共部门、市场分析等。大数据本身就是资产，这在业界已经形成共识。而如何盘活大数据资产，使其产生价值，则是大数据的核心议题，也是大数据的研究方向。 （二）征信的概念 征信指依法采集、整理、存储、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。 征信按被征信主体的不同，可以分为企业征信和个人征信。企业征信是对企业、金融机构等市场参与主体的财务状况、经营水平、信用记录、所处外部环境等诸因素进行研究分析的基础上，对其信用能力（履约意愿和履约能力）作综合评价。个人征信是相对于企业征信而言的，它以个人为征信对象，通过合法的渠道和手续采集个人的基本信息、财务状况和信贷记录等信息，通过整合分析，评估得出个人的信用状况，最后根据客户的要求，为客户提供个人信用信息查询和评估服务，以帮助客户管理、控制信用风险。 图1芝麻信用模式 （二）拍拍贷征信模式 拍拍贷采集的数据分为三大类：基本数据（包括年龄、性别、婚姻、学历等）、财务数据（包括收入、财产、信贷历史数据等）和互联网行为数据（来自微博、论坛、拍拍贷登录等）。拍拍贷约采用2000个数据维度，平均使用400个数据维度去评价一位借款人（银行为70-80个）。拍拍贷在这些数据的基础上总结归纳，挖掘出18个信用评估子模型其中一位借款人匹配一个子模型。其次，拍拍贷还构建了三个全自动风险控制系统，即反欺诈系统（决定是否放贷）、信用评级系统（决定放贷金额）和风险定价系统（决定放贷利率）。其中，信用等级是由信用评级系统评估的，是由认证分数转化而来，认证等级由高到低分为A、B、C、D、E、HR共6个等级，它在很大程度上影响了借款人的借款成功率、最高贷款额度等。最后，再根据以上三个风险控制系统来决定是否放贷、贷款额度和放贷利率。拍拍贷运用大数据征信技术对借款人进行信用评估的模型如图三所示。 图2拍拍贷信用评估体系 （三）总结分析互联网大数据征信模式 大数据征信模式与传统征信模式最根本的区别是数据量变巨大。从原有的传统信贷数据开始逐步扩展，加上公共政务数据，加上行为数据，获取更多的数据，形成成千上万个特征变量。但这些数据采集回来并不是直接运用，而是先入库。数据团队要进行深度的数据清洗，要进行客户归档，并且要进行原始的加工。只有数据归档之后才可以知道哪些数据是可以被利用的。数据归档后还要进行变量筛选、精细化研究，凭着专家经验和变量衍生的分析方法，即特征工程研究。把这些变量入库以后并且提取出来可用的变量，再来选择最合适的算法。通过创新的方法和创新的技术对筛选出来的数据进行深度挖掘，建立匹配的模型。这些算法和技术最终会归结到三点，就是准确性、稳定性和普适性。这三点能够帮助征信机构建设一个值得信赖的征信体系。通过评估得到的是一个结果，可以用信用分、信用级别或者其他的方式来表示。最后把它运用在金融领域、生活领域还有其他一些创新的细分市场。如图3所示： 数据来源主要为金融机构提交的信