
互联网征信等大数据应用很大一部分还是讲故事
如果说马云构建的金融帝国是一个大家族,那么每一条业务线都可能成为“野孩子”。
最近“摊上事”的则是刚刚起步几个月的征信业务。近日有媒体报道称,央行近日叫停了蚂蚁金服旗下芝麻信用多个营销活动,包括与首都机场快速安检通道合作。不过蚂蚁金服和芝麻信用等方面很快辟谣,称并未收到央行通知,该公司还表示,所谓转账等方式提高芝麻信用分更是无稽。
否认被叫停
今年1月份,央行首次批准8家企业准备个人征信工作。
包括阿里、腾讯、拉卡拉等互联网公司,成为首批试点幸运儿。值得注意的是,相比其他几家,阿里在个人征信服务方面更是十分活跃,除了可视化的“芝麻信用分”产品外,还与神州租车、一嗨租车、阿里旅行、网易花田等一系列第三方尝试商业化合作,涉及租车、交友、网购、住宿等多个领域。尤其是与支付宝合作,更使得“芝麻信用”成为类余额宝网民话题。
不过最近芝麻信用在机场、校园等场景一系列营销活动,也遭遇了部分媒体质疑。财新援引接近央行消息人士称,“芝麻信用机场快速安检通道被叫停”,此外,还有业内人士质疑,用户可以通过互相划款提高芝麻信用分。
“我们没有收到任何监管叫停通知,”9月24日上午芝麻信用发布声明辟谣,称芝麻信用快速安检通道将面向信用分750以上用户继续开放。声明还提道,芝麻信用公测期间,“一直与监管保持良好沟通。”
记者注意到,芝麻信用当天上午还推送了这一服务的消息通知。消息显示,芝麻分在750以上用户可以走首都机场CIP安检通道(国内快速安检通道),活动期限为9月15日至10月14日,具体时间为每天6:30至20:30。
据了解,自1月份开始“准备工作”之后,蚂蚁金服先是向部分用户开放测试,随后在6月份开放全国范围公测。公测期间,芝麻信用启动了无人超市、大学生信用节、芝麻信用快速安检通道等活动,不过该公司并未透露目前参与芝麻信用用户规模。
按照芝麻信用分可视化的结构,其构建目前呈现为“行为偏好”、“身份特质”、“人脉关系”、“履约能力”和“信用历史”等,对应了用户教育职业、消费行为、资产状况、社交关系等方面信息,但对于媒体报道乃至部分坊间观点认为,可以通过网购、互相转账等方式,来提高信用分的说法,芝麻信用也进行了澄清。
“互相划款提高信用分是无稽之谈”,芝麻信用在回应声明中称,这种手法会被芝麻信用的大数据模型识别,不但无效还会给用户信用历史带来负面影响。按照该公司的解释,其征信系统参考数据关系多达数亿条,结合的底层指标超过上万个,数据来源包括电商数据、互联网金融数据、公安网、最高法、教育部、工商等公共机构数据,除此之外还有第三方合作伙伴以及用户自主递交生活、支付、购物、投资、公益等多个场景。
蚂蚁金服内部人士告诉记者,某一维度数据丰富并不意味芝麻信用分高。该人士还表示,芝麻信用也不是所谓“会员”概念,因为平常的积分是只会增加不会减少,而芝麻信用因为多种数据,可能会有所下降。
但对于这个构建在“大数据”概念下的信用维度架构和规则,芝麻信用方面却一直没有对外透露。“如果我们披露的话,就会有人去刷信用。”前述人士表示。
网络征信试水
“央行对于民企做征信,还是有顾虑的,既然是试点,就应该允许探索不同方法,尤其是企业行为,更应该坚持市场导向,有一些市场行为也无可厚非。”中央财经大学教授黄震表示。
在黄震看来,BAT以及其他一些公司,都积累了很多数据,不管是交易、社交乃至交通旅行等方面数据,有一定数据基础和条件的数据公司,都应该鼓励尝试,“哪怕只是一孔之见。”
他同时指出,国外早就有了用各种数据作为征信依据,包括航空公司、大型零售商与银行机构合作,基于一些评级、评价数据分析,推出相关产品服务。
“央行征信中心难以覆盖到个人征信需求,存在瓶颈问题,”黄震告诉记者,国内多个机构、部门数据实际上都不怎么打通,形成了信息孤岛。互联网和大数据技术发展,带动起个人征信尝试,实际和借款、消费信贷等一样,都是将原有垄断打破。
不过黄震认为,现在互联网征信还谈不上颠覆,更重要是数据价值挖掘、联网、开放。
按照芝麻信用的说法,芝麻信用除了阿里系统数据外,还有很多第三方数据,互联网金融千人会秘书长易欢欢则认为,个人征信不管是外在形式如何,娱乐化或者营销模式怎么样,最重要还是要从内在看数据价值挖掘,能否构建起一个可以信赖、验证模型,这也将是一个长期的过程,既需要数据本身积累,与其他各方打通,同时也需要反复验证以提高准确率,“从目前看,阿里和腾讯都在做积极尝试。”
实际上,包括“芝麻信用”以及其他第三方征信产品,最核心构建理念基本都是互联网与大数据,这也为互联网公司津津乐道。
但迄今为止,成熟的商业产品依然有待验证,与此同时,央行也尚未发布真正的个人征信牌照,所以企业也都是“试牌照”。花果金融CEO认为,所谓“大数据”应用,有很大一部分还是出于互联网讲故事因素,“大数据应用于征信确实有一些成功案例,但大规模应用目前还不存在。此外,目前关于大数据很多时候也是出于互联网公司讲故事的需要。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26