
大数据为征信开辟一片蓝海
征信是一片蓝海,无论是传统金融机构,还是民间金融机构、草根金融机构,都需要征信数据为其风险控制保驾护航。从这个角度来看,这种需求是无限的。然而,征信的发展也是一场长跑,不论是生产数据、收集数据,都需要很长时间的积累。
2015年一开年,央行下发《关于做好个人征信业务准备工作的通知》,要求包括芝麻信用管理有限公司、腾讯征信有限公司、中诚信征信有限公司在内的8家征信企业做好个人征信业务的准备工作,令业界一片欢欣鼓舞。此后,对于个人征信的讨论持续高涨,从1月19日举行的2015年第二届互联网金融全球峰会上座无虚席的大数据征信专题会场可见一斑。
征信市场发展空间大
毫无疑问,中国的征信发展空间还很大。“我觉得中国征信业黄金发展期马上就要到了,也许下一个风口会是征信。”拉卡拉征信CEO徐彦之表达了对中国征信业未来发展的信心。腾讯征信总经理吴丹认为,在美国,征信体系的覆盖率达到了65%到70%,而目前我国央行征信体系的覆盖率在25%到30%,即覆盖3亿左右的人群。“如果按照美国的渗透率计算,中国的征信市场还有5亿人群的市场发展空间。”
个人征信市场的放开,无疑使征信体系向市场化方向迈进了一步,而以“大数据”为主要特点的个人征信企业,将在征信体系中发挥更加积极的作用。
“大数据的特点,第一是数据的指向性。即它提取的数据是有指向性的,是针对某一个群体的。第二是数据的威力性。威力性是指可以将数据信息转化为信息资源。”南京大学商学院副院长裴平认为,“大数据给我们带来的是金矿。”将消费者在互联网上的海量、多样的行为数据加以采集、组成、挖掘和应用,最终提炼出消费者信用信息,转化成可用的资源。
从另一个方面来看,互联网征信对国家倡导的普惠金融的发展有着积极的推动作用。吴丹表示,借助互联网征信能够帮助缺少因使用信用卡等金融工具而形成的信用报告的草根群体获得金融服务。
个人征信仍面临诸多挑战
尽管市场发展前景好,但不可否认的是摆在个人征信面前的还有诸多挑战。中智诚征信公司总裁李萱直言,数据的合规使用是当前个人征信面临的挑战之一。国内缺乏与征信相关的个人隐私法等法律,在法律真空下,是否能够使用这些数据,如何合法合规使用数据是征信公司面临的共同挑战。徐彦之对此也补充道,信息主体、信息授让人、信息使用者以及征信方,四方的责任、隐私界定等问题尚未明晰化,“在制度层面,我们希望把这些事情落实,能让征信机构更好地去发展,同时也需要我们一同去促进征信环境的健康发展。”
除了制度、法律上的挑战,数据的交换、整合、使用方面也受到规则不明的制约。北京华道征信常务副总童邗川认为,大数据无疑能够助力征信发展,但在现阶段,数据的收集、数据的整合规则尚未制定。“相关规则由国家层面出台制定,还是由机构自己发起形成未有定论。”他直言:“没有一定的规则,很难能够做到真正的征信。”
此外,在操作层面,徐彦之认为,行业不够统一、标准化的数据,影响了大数据的整合速度和进程。对此他倡议,各行业建立起统一的数据标准,共创行业共生环境。
未来之路任重而道远
相较英美等成熟征信体系,国内的征信体系仍处在起步发展阶段,虽然前景广阔,但要真正做起来,仍有很长的路要走。
安硕信息总裁高勇表示,征信是一片蓝海,无论是传统金融机构,还是民间金融机构、草根金融机构,都需要征信数据为其风险控制保驾护航。从这个角度来看,这种需求是无限的。然而,征信的发展也是一场长跑,不论是生产数据、收集数据,都需要很长时间的积累。因此,如果想要公司长久经营下去,要有一整套完善的数据生产、采集、分析机制才可以。
徐彦之用“任重道远”四个字来形容征信行业的未来发展之路。“到目前为止,国人对征信的理解,仅仅在于信贷征信的初级阶段,我们还有很多工作要做。”
征信与每个个体利益密切相关,征信公司肩负着不可忽视的社会责任。芝麻信用高级专家杨光表示,“真正进入这个行业之后,觉得其实大家的利益都是相关的,所以要更加稳妥地去创新。”在6个月的时间里,我们会做好包括投诉受理,安全保障等各方面的准备工作。徐彦之则表示:“对于8家企业来说,历史使命感和社会责任也许会远远大于商业价值,相信我们8家企业会从各个角度,不同维度去影响市场。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04