
腾讯征信助力互联网金融 大数据征信做后盾
4月29日,腾讯征信亮相全球移动互联网大会。大会上腾讯征信总经理吴丹发表了《助力互联网金融—大数据征信与身份核实》的主题演讲,并表示腾讯征信将帮助金融机构,帮助借贷机构,帮助用户去解决身份核实和用户信用风险的认识两大挑战。
吴丹表示,在过去的两年互联网金融在加速发展,一方面我们看到了越来越多的互联网金融产品正在和用户产生巨大的化学反应。另一方面我们也感到互联网正在越来越多地面临原本在金融领域里面的两个主要挑战。第一个挑战就是身份核实。在互联网的思维下,我们非常注重用户体验,所以让用户能够体验到越来越便捷的产品流程。但实际上在提供便捷的同时,欺诈的成本也在降低,每一个互联网金融产品的出现,或多或少都伴随有假冒身份的尝试。更为恶劣的还有贷款中介,还有一些团伙性的犯罪,这是每一个借贷机构都在面临的考验。
另外一个挑战就是对于用户信用风险的认识,也就是对用户未来一段时间里面能力的判断。我们在这儿讨论的是互联网的客户群体,是远远超过了现在央行征信体系覆盖下的人群。所以在腾讯征信成立初,我们就想要帮助金融机构,帮助借贷机构,帮助用户去解决这两个挑战。
据了解,今年1月,央行要求8家机构做好个人征信业务的准备工作,准备时间为6个月,蚂蚁金服、腾讯、拉卡拉等8家机构入围。
据介绍,腾讯征信将大数据征信和身份核实两方面重点推进。吴丹表示,央行的征信系统覆盖三亿用户,而有活动能力的还有另外的五亿人没有在这个系统里面,他们实际上是互联网金融主导力量?现在的问题是这五亿人他们在哪儿?一个简单的回答就是他们都在QQ和微信里。腾讯有八亿的用户活跃。央在我们信用模型里面已经证明了社交关系是能够非常有效地提高模型的预测能力。所以我们选择大数据征信,也就是用非常丰富的海量的数据,用前沿的分析技术来进行信用评价。我们希望能够帮助到金融机构、借贷机构去做更好的风险控制,希望能帮助到每一个互联网用户去获得他们自己的金融服务,也希望能够帮助到整个社会建立这样一个信用体系。
另外在身份核实方面,吴丹讲到,过去15年时间里面,腾讯实际上已经积累了大量的反欺诈技术和黑名单库。现在我们应用出来,再加上一些深度学习、积极学习建立起来的模型和规模,我们提供一套能够实时在线校验身份的工具,这样的工具我们希望能够帮助到各个行业,也帮助到互联网公司我们自己去识别用户的身份。另外腾讯已建立了一个非常大的、海量的人脸识别的样本库,人脸识别技术也将发挥更大的作用。
据了解,腾讯目前正在内测向QQ、微信等腾讯产品的8亿用户推出征信报告,而腾讯征信最快将在今年六七月获得央行颁发的个人征信牌照。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30