京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代征信领域的核心竞争力是风险评分技术
除了那些已经获得第一批征信牌照的公司和正在积极申请征信牌照的公司外,还有一批公司虽然没有申请牌照的计划,却同样有在征信领域的布局和规划。他们的梦想甚至更大,要为这些征信机构提供服务。
为此,记者专访了信而富的副总裁刘一民。信而富过去十五年一直从事的是风险管理的工作,从2003年为中国银行开发决策系统,为全国一半以上的银行提供服务,但他们明确提出不直接介入做征信,而是致力于利用大数据为传统金融机构没有覆盖到的人群提供金融服务。刘一民认为大数据时代征信领域的核心竞争力是风险评分技术,信而富的目标就是帮助拥有大数据的机构通过领先的自动决策评分技术从大量的数据中识别出那些优质客群,并提供相关验证机制完善评分系统。
经济观察网:目前你们公司的征信业务整体开展情况如何?
刘一民:自2001年以来,信而富一直从事的是风险管理的工作。关注于金融机构的风险管理,使得我们对中国今天的消费人群消费行为有非常深层次的了解。比如说从2003年为中国银行开发决策系统,中国银行今天发行的每一张信用卡,都是从我们系统里面进行数据处理。我们还包括为建设银行在内的国内一半以上的银行服务。将我们的决策系统评分模式安装在那里。今天中国用我们评分和用我们系统处理通过的信用卡超过1亿张。
但我们不会介入自己做征信。。我们主要工作核心还是利用掌握的三大核心技术——事先批准、自动决策以及风险定价技术,为社会大众提供普惠金融服务,帮助没有被传统金融机构覆盖的人群获得便捷高效的金融服务。
你刚才一直强调银行机构,那其他的金融机构有没有?
这是我们最早做这块业务的瓶颈,我们的服务对象就是有风险评估需求的金融机构,但是就2000年做信用卡的时候,没有那么多机构,如果我们做乙方业务的话,我们面对客群很少,市场很快就分完了,就没有继续扩展的空间。但现在不一样了,现在有大量的小贷公司和P2P平台有需求。
大数据被认为是互联网征信的重要依据,目前信而富的数据来源有哪些?
我们的数据来源上主要分三块:第一、人民银行[微博]的征信报告;第二,我们合作的第三方征信数据,采集我们客户的行为数据。第三,是我们自己的数据采集,我们在全国有近100家分公司,主要工作是对我们平台服务的客户进行实地数据采集,100%客户数据的亲核亲访,以此来完成客户信息真实性、完整性验证。
目前市场上已经有很多公司在做征信,相比之下,你们没有直接数据来源,有什么优势?
美国的征信局可以购买数据,这是在成熟市场上可以的,但是在国内是不可能的。我们可以提供建模的过程,现在有很多拥有大数据的公司,但他们怎么利用这些数据形成一个想要金融服务的客群,这是摆在他们面前的难题。银行目前为止也没有能力自己建立自动决策系统,即没办法针对每个客户进行精准打分,打分的基础源于这类客群造成风险的程度,这样的技术在国内我们是领先的。对于任何一个人群进行数据采集后,我们会进行多维度的计算,最终形成一个分数。
两个月前,腾讯与信而富公司紧密合作,推出线上的现金贷业务。为什么腾讯选择和你们合作推出现金贷?
腾讯找到我们是因为能满足他们的需求,为他们提供精准服务,我们会从他们的数据中筛选出目标客群,然后我们有金融服务的过程,为这些客群进行小额度借款的服务,目前是500元左右。我们从腾讯那里筛选了5000万客户,现在刚刚起步,建模需要不断数据验证,很多的参数需要行为数据不断修正。评分的准确度是不断完善的过程,我们开始提供金融服务,同时我们会将结果反馈到腾讯,来评估我们的准确度。目前运营状态不错,运行从去年11月11日上线,今年2月14正式大规模推广,截至7月借款笔数已超过250万笔。
现在很多公司在跟数据机构合作,其中对风险的把控、风险理念不同,但是技术上很强的并不多。判断一个公司,首先看有没有风险定价的能力,指不管是什么客群,我们的定价可以完全覆盖我们的销售成本、运营成本和风险损失,根据客群不同的表现,我们划分不同的风险等级,进行定价。另外,做预先批准。我们采集很多数据,从中筛选出符合要求的白名单,不需要提供补充的信息,直接可以借款,这是额度预批的过程,背后利用我们决策系统的分析能力提供相应的支持。
腾讯有自己的征信公司,需要征信来盈利,如果他们的数据没有一个好的验证机制的话,分数是没有用的,因为不知道风险概率。实际上,我们的核心是风险管理,我们在和腾讯合作过程中,向他提供用户白名单。在金融领域,优质的客群永远是稀缺的,竞争激烈的。
如何评价当下中国征信行业的现状?
征信领域大家都是刚刚起步,大家还没有市场化、专业化的服务,很多人都在试探,看这样的服务是否可以帮助他们做好风险防范工作。在国内的话,诚信度都要打上问号,不管是什么旗下的公司。征信牌照的获取对征信提供方的要求比较严格,必须是独立的第三方,最终不知道结果怎么样,像美国最终提供征信服务的机构也只有两家,这个市场的容量,真正提供专业性服务还是要有一个过程。
是否真正通过大数据做还是未知数,征信机构也也可能被兼并重组, 这是市场行为,打出的分不专业,那这样的征信公司就没有意义的了,哪怕拿到了牌照也没用。
对于我们而言,一方面我们会积极响应民间征信基础建设,建设民间征信机制来防范市场风险,另一方面,我们目前只能通过第三方机构去抓取一些数据,不能很公开的在市场上买这些数据,征信牌照发放后对于行业促进作用很大,国家鼓励这方面的工作,增强我们风险防范的能力,同时我们也可以对更专注自己擅长、能够发挥自身核心技术能力的领域。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13