京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据征信从根子上就是错的_数据分析师
1月4日,李克强见证了深圳前海微众银行的首笔放贷:货车司机徐军足不出户,就获得了贷款。据报道,微众银行通过“社交媒体”等“大数据分析”,软件将他的信用评定为83分,授信3.5万元。
货车司机、社交媒体、大数据分析、信用……相信内行看到这里,都会喷饭。
征信是P2P的起点和难点。目前,主流的征信模式是“大数据”,各家平台竭尽所能,采集个人尽可能多的数据,升级算法,以求准确授信、安全放贷——可这是条死路。
每个人都有“信用值”,通俗讲就是,贷款金额低于它,就是安全的。但是,太低了也没有意义。平台对每个人授信1元,是安全,但是也限制了贷款金额、利差、利润。在保证安全的前提下,给出尽可能高的授信额度,这才是好的征信体系。遗憾的是,“大数据征信”做不到。
以我个人为例。
一家大数据征信平台采集了我的微信、微博数据,给我授信6000元。这简直开玩笑:我大学刚毕业,招商银行信用卡额度就是7000元;我有5千微博粉丝,颇有贤达之士;我的微信好友约1千人,其中5百位左右是银行行长、客户经理;我在微博、微信朋友圈也算小有影响力,可是就值6000元。
我是京东商城[微博]的钻石用户,过去一年消费约6万元,大到iPhone 6,小到鞋拔子。最了解我消费数据的,无疑是京东了,可是“京东白条”给我多少授信额度呢?1万元。即使我全用上,京东也赚不了多少利息。
我的工资卡是招商银行的,招行最了解我的收入数据,每一笔工资、补贴、奖金。它也了解我的支出数据,虽然只知道金额,不知道用途。招行信用卡中心对我授信10万元,远远超过其他银行。不过,这离我的“信用值”还远着呢!
我的老东家是一家优秀的P2P平台。为了创业,我申请贷款20万元。只需要和主管打个电话,次日就能签约、放款。无需填写那么多表格、提交那么多数据,贷款金额还可以更多。我在公司工作多年,上上下下了解我的能力、人品,这比“大数据征信”靠谱多了。
我的“信用值”到底是多少呢?100万元左右,从熟人圈我最多能借到这么多钱。信用是一项事业,我经营多年,人们会通过很多细节判断我的信用,这些鲜活的信息几乎不可能被纳入“大数据征信”体系:我给妹妹的孩子送多少红包、给奶奶寄多少生活费,有没有不良嗜好,在家族、学校、公司、网上口碑如何。
即使我如实提供所有数据,包括借记卡、信用卡流水,京东、淘宝消费明细,移动、联通、携程、水电气网账单,微信、微博记录,征信机构也不敢对我授信100万元,除非它派人深入我的熟人圈,长期考察我的信用状况,这费时又费力,成本奇高,而且这人可能被蒙蔽、被收买。
“大数据征信”在根子上就是错的,它其实是一种计划经济思维。钱是一种商品,价格就是利率。如果“大数据征信”体系能够计算出,卖一种商品给一个人的最优数量、价格,计划经济体系就不会崩溃了。即使有了计算机、大数据、云计算,高高在上的机构仍然处理不了丰富多彩、真假难辨的信息。这不是技术能够解决的,方向错了,再努力也白费。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16