
大数据应用如此深入 征信为何还不成熟
即将在贵阳举办的2017中国国际大数据产业博览会,已经升级为全国唯一以大数据为主题的国家级博览会。与往届大会相比,今年的“数博会”除了规格上升以外,在对大数据产业的解读上也将更加深入。
如今,大数据的应用除了传统的金融、电信、制造等行业外,在社交、电商等领域的应用也逐渐深入。马云在接受外媒采访时甚至表示:“芝麻信用也可以做谈恋爱的资本,丈母娘对未来女婿说,你要和我女儿谈恋爱,给我看看你的芝麻信用评分。”
不过,在丰满的理想背后却是骨感的现实。目前,央行个人征信中心依然是国内唯一的个人征信机构。
早在2015年1月,央行官网就曾公布《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、腾讯征信有限公司等8家机构做好个人征信业务的准备工作,准备时间为6个月。几乎所有的人都认为这八家机构将成为我国首批商业征信机构时,两年多的事件过去,征信牌照依然没有着落。
对此,中国人民银行征信局局长万存知日前表示,没发牌照的原因有三:1、遭遇互联网金融整顿;2、个人信息保护意识增强;3、八家机构与市场需求和监管要求差距较大。不仅如此,万存知还列举了八家机构存在的三大问题:1、各自信息不共享;2、存在利益冲突;3、对征信的理念和规则了解不足。
应该说,这些原因和问题都是客观存在的。征信体系的建设更多是一个公益行为,而不是商业行为,它需要不同的机构和个人分享自己的数据,进而推动整个整个体系的完善。但对于背靠不同企业的第三方征信机构来说,商业利益如何在征信体系建设过程中获得一定意义上的平衡至关重要。正因为如此,不同机构对于自身数据看得非常重要,生怕对手掌握了这些数据,进而使自己失去竞争力。
如果说企业还需要在商业利益和企业利益上平衡的话,对于个人来说,如何保障个人隐私数据的安全就变得更加重要。尤其在今天,互联网和移动互联网的高度成熟,使得人们对于个人隐私的保护空前关注。因为从理论上讲,如果互联网巨头通过对自己搜索行为、社交网络中的聊天记录、电子商务平台上的购买记录和收货地址等等综合在一起,那么人们将毫无隐私可言。不过,对于这些涉及个人隐私的信息,各个平台都拥有良好的保护体系。可一旦加入到征信体系中,哪些数据可以为征信服务,哪些属于个人隐私数据需要保护,这样的边界仍然需要严格界定。
其实,很多时候,第三方征信机构也希望与更多的数据源进行合作,以补充自身在数据上的短板,其中央行征信局就是一个核心,因为央行掌握着每个人的金融数据,这些对于金融行业的大数据征信发展意义重大;不仅如此,第三方征信机构也希望与政府、司法、公安等众多部门进行信息共享,以便掌握更多的关键数据,比如一个人有没有违法记录、有没有经济纠纷等等,这些数据同样非常有价值。这很大程度上也牵扯到一个信息公开的问题,如果整个社会的大数据不能共享,而是分散到一个又一个部门、企业中,依据不同数据所勾勒出的征信体系都不是完善的。
而从大数据的技术角度来讲,征信体系的建设和完善早已经不再是一个难题。只是,哪些数据进入征信体系,哪些不能进入,如何保护个人隐私等等,这些原则性问题不能很好的解决,征信体系的完善也就不能实现。
事实上,大数据征信从来都不是一个单纯的技术问题,而是政治问题、军事问题、经济问题、制度问题……要解决这些问题,一方面需要各方加强信息的开放和共享,打破信息孤岛;另一方面也需要监管部门制订明确的界限和细则,对征信数据的共享和使用给出明确的边界;甚至,有必要依托不同的监管部门和商业组织,组建征信体系的国家队,与现有的央行个人征信中心互相合作、互为补充,切实推动征信体系的完善。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13