
大数据征信将重塑互联网金融信用
互联网金融行业经过爆发式增长阶段后,目前迎来了其艰难时刻,随着风险窗口的不断敞开,在饱受监管及市场质疑之际,不少互联网金融公司不得不尝试将大数据运用到风控领域上。在10月28日由新浪财经及新浪战略合作部主办的“当大数据爱上金融”沙龙上,多位业内人士表示,互联网金融发展目前对大数据征信的需求越来越大,主要在于依靠大数据征信控制市场风险,进而重塑市场的信用体系;同时,对于大数据征信机构而言,仍然面临很多挑战。可以预期,由于牌照管理和市场竞争因素,大数据征信行业或将迎来一轮洗牌。
大数据已开始对商业实践产生颠覆性影响,大数据的运用能力将关系着金融企业和机构的核心竞争力。五道口金融学院金融大数据研究室总监杨威表示,当前大数据应用已突破了内部范畴,除了企业数据和个人消费数据外,延伸到外部数据领域,例如客户在其他机构、其他维度上的一些行为。大数据在金融领域的应用范畴非常广泛,除了用于客户和风险管理外,甚至用于企业内部人力资源管理范畴。
“目前关于大数据征信领域的安全有两个关键,一是征信业务的管理条例,二是《关于加强网络信息保护的决定》规定,这对数据的采集、使用、数据质量的要求,都提出了相应原则性的规定。”杨威介绍说,但在应用过程当中仍然存在难点:一是怎么能够有效地获取客户的合规授权,同时,在授权的范围之内使用数据;二是在数据获取过程中,会从各个平台、设备上面跨领域搜集信息,如何有效地能把信息识别为同一人或同一个身份;三是在应用过程中,怎么从业务角度来解读这些数据;从业务驱动的维度来落实数据应用是亟待解决的问题。
百融金服副总裁冯宗欣表示,通过解决金融企业的信息不对称,大数据可以帮助金融机构解决由于信息不对称而带来的营销、定价、信用、欺诈以及清收等一系列问题。人民银行征信中心有3亿人的信用记录,占中国总人口的25%,仍有75%的人没有有效的信用记录,这将导致大多数人的融资需求很难得到满足。
“大数据的关键在于交叉融合。”冯宗欣说,百融金服所创的百融评分模型正是基于百融线上线下融合的海量多维数据构建出来的。百融评分即“百融信用申请分”,将来会拓展到更多领域,如欺诈评分、催收评分等。
据了解,百融金服的数据安全已经获得公安部信息系统安全等级保护二级资质,符合征信法规对征信企业的安全性资质要求。知情人士透露,“目前百融正在申请公安部信息系统安全等级保护三级资质,这与银行是同等级的资质,无论是银行、P2P或其他互联网金融公司都适合使用。”
我爱卡信用宝创始人兼CEO涂志云表示,当前我国个人信用管理面临四大挑战和机会:一是集合,银行和民间金融的征信工作,目前还有大量的民间金融数据没有进入征信数据库;二是开放,央行征信中心的数据还只开发給金融机构,大量的民营和互联网金融企业无法直接获得相关征信报告;三是加工,如何做出增值服务产品比如信用评分,如何与互联网上的大数据进行整合;四是使用,银行,民间和互联网金融机构如何去使用征信和评分来提高自己的风险管理能力。
他认为,我国的市场需求和目前落后的征信体系反差,迫使利用科技和大数据的力量在征信与信用管理领域进行一次真正的创新。在征信管理领域,有可能用未来10年时间走完美国过去30年的路。
多位与会人士认为,我国大数据征信目前还处在加速发展过程,但后期在牌照管理、市场竞争因素交织下,或将迎来一轮洗牌阶段,未来的征信机构数量可能在10家以内,毕竟互联网金融发展对大数据征信的需求越来越大,但更多的是提供深度的金融服务,对于市场来讲,目前的容量是足够了,接下来就看各机构的服务深度和发展速度了。而在市场处于发展的初期阶段,监管应当适当放手让企业去接受市场的洗礼,牌照发放或可适当放宽。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13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