
互联网征信还是讲故事 大数据难大规模应用
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29