基于大数据的征信:征信中心VS互联网金融企业

什么是大数据？

大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展。云计算和搜索引擎的发展，使得对大数据的高效分析成为可能，核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值的信息。

大数据是一个新概念，英文中至少有三个名称：大数据（big data）、大尺度数据（big scale data）和大规模数据（massive data），至今未形成统一定义。但一般认为大数据具有四个基本特征（即所谓4V特征）：数据体量庞大（volume）、价值密度低（value）、来源广泛和特征多样（variety）、增长速度快（velocity）。根据大数据的表现形式与具体内容，可以将大数据分为三类：第一类是记录数据，其中每个记录包含固定的数据字段（或属性）；第二类是基于图形的数据；第三类是有序数据，包括时序数据、序列数据、空间数据。

大数据分析的主要任务是什么？

大数据分析主要有两类任务：第一类是预测任务，目标是根据某些属性的值，预测另外一些特定属性的值。被预测的属性一般称为目标变量或因变量，被用来做预测的属性称为解释变量和自变量；第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等。描述性任务通常是探查性的，常常需要后处理技术来验证和解释结果。这两类任务，又可以细分成七种：分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析。

大数据在金融领域的整体应用情况如何？

数据是金融机构的核心资产。处理信息不对称和规模效益是金融机构的两大特点，而这两大特点都要求金融机构拥有大规模、高质量的数据。大数据改变了传统数据及其分析方法，对金融领域产生了重要的、甚至革命性的影响。这主要体现在大数据给传统金融中介提供了新的分析工具，使得传统金融机构能够利用大数据丰富客户资源、开拓新的市场、并提升内部管理和运营水平。

在大数据条件下，金融机构可以采集并应用图片、视频、社交网络信息等非结构化数据。比如交通银行信用卡中心应用智能语音云产品对海量语音信息进行处理，从语音数据中提出丰富的客户信息，包括客户身份信息、客户偏好信息、服务质量信息、市场动态信息、竞争对手信息等。每天处理数据量达到5000小时、20GB，使得历史语音检索花费时间从3-5天缩短为5分钟，极大的加快了处理能力。

大数据使得金融机构产品营销具有更好的精准性。通过大数据分析，使得原本因果关系不清晰的几个事务关联起来。比如，中信信用卡中心利用大数据发现周末18：00之前加油的客户有相当比例去中心城区吃饭，因此信用卡中心与城区的烤肉店进行合作，由银行向加油站客户投放广告，促进信用卡消费。

大数据同时创造了新的金融业务模式。比如说应用大数据理念的京东模式。2012年，京东通过与中国银行合作，推出“供应链金融服务”，供应商可以凭借其在京东的订单、入库单等向京东提出融资申请，由京东经过大数据分析、核准后递交银行，再由给予放款。据报道，此服务可以帮助京东供应商大幅度缩短账期，资金回报率由原来的60%左右提高到226%。

目前，大数据还在金融机构舆情分析、360度客户全景视图、运营日志分析、客户欺诈和风险监控中得到广泛的应用。

征信大数据来源：征信中心VS互联网金融企业

现有的征信大数据主要来源于银行，主要是对已有贷款客户的信用记录。比如中国人民银行征信中心的大数据主要来源于如下：金融机构采集的客户贷款信用交易信息和对信用主体有直接、明确影响的非信用交易信息，而且以金融行业的信贷数据为主、非信用交易信息为辅，具体包括五类。

征信中心的数据来源

互联网金融企业的数据来源于核心业务，主要是初始的核心业务，但也有一些公司通过客户授权的关联账户取得数据信息。例如，百度主要拥有两种具有优势的大数据：以用户搜索为基础表现出的客户需求数据，以爬虫和阿拉丁为基础获取的公共网络数据。而阿里巴巴主要拥有电商交易数据和客户评价的信用数据。在当前的数据挖掘能力水平上，这两种数据更容易分析出商业价值。除此之外，阿里巴巴还通过投资微博和高德掌握了部分社会公众的社交数据。腾讯则拥有用户关系数据以及由此产生的社交网络数据，这些数据可以用于分析客户的生活行为；并从中挖掘出社会、政治、商业、文化、健康等领域的信息，甚至用于预测客户或市场的未来趋势。

阿里巴巴征信系统与征信中心数据源对比

大数据征信提供的产品与服务：征信中心VS互联网金融企业

征信中心对数据进行校验、清洗、匹配、存储和管理后，根据产品设计与研发成果，将数据加工成对应产品。征信中心定位为“金融信用信息基础数据库”，主要服务对象是授信机构，同时也为信用主体和政府机关提供相关服务。根据客户规模和需求的不同，征信中心目前规划了5类产品：数据类产品、工具类产品、解决方案类产品、外包服务类产品、信用主体服务类产品。

征信中心产品体系

数据分析在阿里金融的业务决策中处于核心位置，目标是向公司管理层提供科学、客观的分析结果及建议，并对业务流程提出优化改进方案。具体而言，数据分析主要为微贷、理财、保险和消费等方面的业务决策提供服务，从而为公司的市场营销、信贷审批、授信、支用、监控、催收等各项工作提供支持。

阿里金融的数据分析与决策体系

目前，国内的互联网征信环境正在逐步完善中，P2P、小贷、电商平台都有接入央行征信系统的需求。这是因为，大多数互联网平台没有阿里金融那样大规模的数据，也缺乏持久的数据积累。即使是阿里金融，也发现央行征信数据对其业务发展的不可或缺性。需要明确的是，互联网金融的优势在于数据分析和征信，渠道是外在的表现，内在的核心是数据和信用。