京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25