
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
ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22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 ...
2025-08-19