金融科技概论- 课件 第七章 大数据征信.pptx

金融科技概论第七章罗煜编著中国人民大学出版社

大数据征信学习目标：1.了解征信的基本概念和作用,了解大数据征信的基本流程。2.了解大数据征信的代表性公司和产品。核心概念：征信大数据征信信用分析数据链第七章第一节大数据征信概况第二节征信业的发展历程和现状第三节大数据征信的代表性公司和产品第四节大数据征信对金融体系的影响第五节大数据征信的风险与监管

一、大数据征信的基本概念第一节大数据征信概况大数据征信是将大数据相关技术应用到征信过程中,将大数据技术的算法与评价模型运用在信用信息的采集和储存、挖掘和加工、提供征信服务几大关键环节中,评估信用主体的信用状况的活动。大数据征信在传统征信的基础上开拓了更广泛的征信信息来源,通过筛选过滤改善征信信息的质量,优化了信息处理技术,提高了征信流程的效率,可以说是科技和金融的又一次融合。

二、大数据征信的主要分类（一）按征信机构分类第一节大数据征信概况主要采集个人信息，包括公共信息、信贷机构信息以及非传统信用数据，如网上消费信息、社交平台行为信息等。主要采集企业信息，构建企业股权和交易的关联图，为债权方提供信用风险动态检测与控制。大数据个人征信机构：大数据企业征信机构：

二、大数据征信的主要分类（二）按征信模式分类如中国的央行征信系统，以商业银行数据为基础，构建高效、可扩展的系统平台。政府主导市场主导行业协会共享如美国的Equifax、Experian等机构，基于自身业务数据或第三方数据建立大数据征信平台。如日本的信用共享中心，通过行业会员制共享数据，扩大数据源，降低信息搜集和查证成本。第一节大数据征信概况

三、大数据征信的基本模式(一)流程与数据链第一节大数据征信概况上游数据生产：收集信用主体在金融机构、政府部门等机构往来过程中产生的数据。中游数据处理：征信机构对原始数据加工、整合，形成信用评级报告等产品。下游数据使用：征信报告被应用到贷款审批、信用卡申请等金融场景。

三、大数据征信的基本模式(二)信用分析框架第一节大数据征信概况指标设计与模型建立：设计反映个体特征的指标，运用机器学习和统计技术建立信用评估模型。数据分类与融合：根据数据关联性和重要性进行分类与融合，淘汰无效数据。数据采集：搜集多维度动态实时数据，包括行政机构数据、信用交易数据、消费行为数据等。

大数据征信学习目标：1.了解征信的基本概念和作用,了解大数据征信的基本流程。2.了解大数据征信的代表性公司和产品。核心概念：征信大数据征信信用分析数据链第七章第一节大数据征信概况第二节征信业的发展历程和现状第三节大数据征信的代表性公司和产品第四节大数据征信对金融体系的影响第五节大数据征信的风险与监管

第二节征信业的发展历程和现状一、国际征信业发展历程和现状第三阶段第二阶段第一阶段起步探索阶段(18世纪初—20世纪20年代)快速发展阶段(20世纪30年代—1955年)量化征信阶段(1956—2008年)第四阶段大数据征信阶段(2009年至今)

第二节征信业的发展历程和现状二、中国征信业发展历程和现状起步探索阶段(1932—2002年)规范管理阶段(2003—2013年)大数据征信阶段(2014年至今)1932年6月6日,中国的第一家信用调查机构中国征信所在上海成立,中国征信业也开始了它的征程。2003年,中国人民银行征信管理局成立。2006年,个人信用信息基础数据库建成并实现全国联网运营。2008年,中国人民银行征信中心在上海举行揭牌仪式。2013年3月,《征信业管理条例》发布,将中国人民银行明确为征信业的监督部门。同年12月,《征信机构管理办法》施行,以政府为主导的央行征信自此确立。自2014年起,随着互联网金融的蓬勃发展,中国征信业开始快速发展,逐步迈入大数据征信的时代。许多互联网公司依靠大数据优势进军征信行业,第三方征信机构层出不穷。

大数据征信学习目标：1.了解征信的基本概念和作用,了解大数据征信的基本流程。2.了解大数据征信的代表性公司和产品。核心概念：征信大数据征信信用分析数据链第七章第一节大数据征信概况第二节征信业的发展历程和现状第三节大数据征信的代表性公司和产品第四节大数据征信对金融体系的影响第五节大数据征信的风险与监管

第三节大数据征信的代表性公司和产品一、ZestFinance大数据分析大数据采集第二步，独立支付，产业协同。四步，海外扩张，技术输出。ZestFinance,原名ZestCash,成立于2009年。ZestFinance通过搜集一些非结构化的数据,加上算法处理,使审批放贷的效率相比传统金融机构有了很大的提高。2014年ZestFin