京公网安备 11010802034615号
经营许可证编号:京B2-20210330
卖假货、打的放鸽子 你的信用大数据里将留案底
1月5日傍晚,央行在官网上发布了《关于做好个人征信业务准备工作的通知》,要求芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用、北京华道征信等八家机构做好个人征信业务的准备工作,准备时间为六个月。这就意味着国内个人征信市场化的闸门即将正式开启。
值得一提的是,在央行公布的8家机构中,除传统的征信机构外,还有芝麻信用、腾讯征信等从事互联网征信业务探索的机构。这或许会给中国的个人征信市场在起步阶段就带来一些与众不同的东西。
信用如何,大数据来分析
你的吃喝玩乐都将被打分
芝麻信用,是蚂蚁金服旗下的一家个人征信业务机构,于去年10月上线。整个信用体系包括芝麻分、芝麻认证、风险名单库、芝麻信用报告、芝麻评级等一系列信用产品,背后则是依托阿里云的技术力量,对3亿多实名个人、3700多万户中小微企业数据进行整合。
蚂蚁金服首席信用数据科学家俞吴杰说:“互联网发展给个人征信行业带来了跳跃式的发展。随着互联网的发展,人的行为变成24小时可记录。因此跟传统征信业的数据相比,互联网征信的数据涉及范围更广,种类更多。”
比如芝麻信用,就有着非常广泛的信用数据来源,日数据处理量在30PB以上,相当于5000个国家图书馆的数据总量,其中包含用户网购、还款、转账以及个人信息等方方面面数据。再加上蚂蚁金服多年以来积累的数据处理能力,为其从事征信业务打下了非常好的基础。
芝麻信用怎么为个人打分?据了解,打分的依据,就是人们留存在阿里巴巴上交易行为的数据。比如是否买卖过假货;打车时有没有放司机鸽子;预约餐厅是否言而无信,付款是否及时……这一切将描绘出一个人的诚信画像。芝麻信用通过分析大量的网络交易及行为数据,对用户进行信用评估,这些信用评估可以帮助互联网金融企业,对用户的还款意愿及还款能力做出结论,继而为用户提供快速授信及现金分期服务。
那腾讯征信呢?腾讯目前有8.2亿QQ月活跃用户、4.68亿微信Wechat月活跃用户,同时在SNS、门户、娱乐等众多领域也有相当数量的用户。“这意味着,你也许在人民银行个人信用信息基础数据库中无记录或者记录很少,但却在腾讯的产品体系中留下了精彩的足迹。”这位负责人表示,腾讯征信可以通过海量数据挖掘和分析技术来预测其风险表现和信用价值,同时严格规避隐私,为各位建立个人信用,建立起“信用即财富”的观念。
普及广、交易成本降低
比传统体系更准确快速
“我们希望它的出现,可以发挥腾讯大数据能力的特长,为国家信用体系建设、普惠金融贡献一份力量,让更多网友享受到更优质、便捷的金融服务。”腾讯相关负责人表示,与信用发达国家比如美国相比,中国的信用卡渗透率非常低,国民的个人信用体系缺乏,加上金融机构由于获取用户的成本高、数据缺乏,很多草根用户很难从金融机构获得信用服务,比如庞大的学生群体、个体工商户、自由职业者等。
基于此,腾讯财付通团队在2年前就开始推进征信业务的探索,希望帮助用户建立个人信用,同时为金融业提供可信赖的征信数据,降低信用服务的成本,扩大信用服务覆盖的群体,切实推动普惠金融的发展。
而俞吴杰则认为,和互联网上的社交数据相比,芝麻信用拥有的行为数据包含更为准确和更为广泛的跟信用相关的信息,对征信业务的意义更大。不但可以防范信用风险,保障交易安全,还能降低交易成本,真正让信用等于财富。
蚂蚁微贷,不良贷款率不到1%
征信牌照或六个月后派发
网络个人征信可以为网民们带来什么?
此前,蚂蚁金服已经在多种业务中尝试将数据信用化,并取得了良好的效果。其中最典型的有蚂蚁微贷业务,根据用户在平台上的数据给与其授信,用户申请贷款时无需担保和抵押。自2010年推出至2014年3月份,已经为超过70万家小微企业累计贷款1900亿元。“尝试下来不良贷款率只有1%不到。”蚂蚁金服相关负责人表示。就在不久前,蚂蚁微贷还在部分用户中试验推出了“花呗”业务,用户可以在淘宝和天猫上进行“赊购”。
至于个人征信市场的开启是否会挑战银行的信用体系,该负责人表示:“我们跟传统的征信机构不存在谁挑战谁的关系,大家相互补充。”
钱江晚报记者从财付通了解到,除了帮用户建立个人信用,腾讯征信也将为相关金融机构或金融业务的风险控制提供参考。“目前已经有多家P2P、银行和保险公司等表达了意向,希望接入腾讯的个人征信服务。”腾讯财付通相关负责人告诉钱江晚报记者,腾讯征信将按照《征信业管理条例》和《征信机构管理办法》进行准备和完善,依法合规。但这位负责人没有透露具体的合作单位。
至于征信牌照具体的时间表,两家都尚未披露。倒是在腾讯官方微信公众号的消息里透露了蛛丝马迹—“咱们六个月后见”。
公民将有统一社会信用代码
社会信用体系建设工作已经进展到明确了三年重点工作任务阶段。经社会信用体系建设部际联席会议同意,“2014—2016年社会信用体系建设重点工作任务”(以下简称“任务”)日前正式公布。将来,公民将有统一社会信用代码。
统一的信息平台成为重点工作任务的重中之重,有多项内容与信息共享相关。
在全国层面上,任务要求制定和实施公民统一社会信用代码制度建设方案、法人和其他组织统一社会信用代码制度建设方案。
在行业层面,要在三年内建立健全各部门在依法履行公共管理职能过程中形成的自然人、法人和其他组织基础信息和信用记录,健全信用信息归集机制。在区域层面,要建立健全省级统一的信用信息共享平台,整合本地区各部门、各单位履行公共管理职能过程中形成的信用信息,通过互联网为社会公众和征信机构提供查询服务。
从征信系统建设方面,要在三年内推动社会征信机构建立征信系统,依法采集、整理、保存、加工企事业单位及其他社会组织、个人的信用信息。推动征信机构提供专业化的征信服务,有序推进信用服务产品创新。进一步扩大信用报告在银行业、证券业、保险业及政府部门行政管理等多种领域中的应用。
任务尤其提到了金融领域的信用建设,要求健全信用信息共建共享合作机制,统筹利用现有信用信息系统基础设施,依法推进各信用信息系统的互联互通和信用信息的交换共享,逐步纳入金融、工商登记、税收缴纳、社保缴费、交通违章等信用信息,形成覆盖全部信用主体、所有信用信息类别、全国所有区域的信用信息网络。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12