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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24