京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统征信PK大数据征信 谁能拯救P2P
伴随着P2P的火热发展,市场对征信的需求,从未如此迫切。
近日,由中国投资协会与上海 Oppland 联合举办的“中国 P2P 网贷征信发展高峰论坛”在深圳召开,这也是国内首次专门针对P2P网贷的征信会议。芝麻信用、鹏元征信、腾讯征信、上海资信、安融征信等国内知名征信机构的高管以及FICO中国区总裁陈建等代表齐聚一堂,分别就中国征信的现状与发展进行了探讨,保护个人隐私、完善惩戒机制及法律法规、加强行业自律等,成为热议的话题。
中国P2P平台面临的征信现状
腾讯征信总经理吴丹指出,当前中国征信体系现状是,央行的征信系统虽然覆盖了8亿人,但真正和银行有信贷关系的只有3亿人。也就是说,在中国13亿人口里,有银行信贷记录的人,占比不足25%。这将导致很多人的融资需求很难得到满足。
安融征信总经理常胜进一步表示,P2P机构面临的征信现状是四大问题:P2P平台目前没有纳入央行征信系统中,难以直接获得央行征信服务;央行征信报告无法全面、有效地反映借款人在非银行机构间的借款信用信息;国家公共部门信息公开程度远未到位,多数信用信息获取难度大;P2P机构间信息相互独立,非银行机构间的借款人征信、惩戒机制未有效建立。
“P2P机构无法有效掌握借款人在各类民间机构的信贷信息,难于识别借款人在民间机构存在的多头借贷、恶意骗贷情况。”他指出,民间信贷信息的缺失,导致小额信贷业务面临重大风险。
传统征信VS大数据征信,谁能拯救P2P?
从类型看,目前市场上的征信机构主要包括:以上海资信、安融征信为代表的一类机构,采用的是同业信息分享模式,即客户查询一条信息需要先共享一条相应的信息;其次,以腾讯、阿里为代表的一类互联网公司;再次,是以平安、宜信、拍拍贷为代表的一类金融机构。
P2P平台征信采取的模式主要包括传统官方征信模式(如平台通过具有央行背景的上海资信间接查询借款人信用信息记录)、大数据征信模式。
值得一提的是,前一种模式面临的难题是征信数据不全、平台上传数据积极性低、更新不及时、接入门槛高等问题。而后一种模式,其优点在于数据来源广泛,弥补传统征信覆盖面不足的缺陷;数据类型多样化,不局限于信贷数据,更能全面反映个人信用情况。其难点在于:信息过多引起的数据杂乱,整合多方数据困难,且数据相关性分析需要较长时间和实践来检验,短期内信用评价数据精准性较低。
此外,盈灿咨询高级研究员张叶霞指出,大数据征信也面临着法律风险,在个人隐私保护上较难把控。“征信机构在未告知可能的不利后果及取得书面同意情况下,不得采集个人的收入、存款、有价证券、商业保险、不动产的信息和纳税数额信息等。”
“发展征信,最重要的是惩戒机制”
前海征信数据分析中心副总经理潘叡表示,征信所必须的风险违约数据是金融行业特有的数据,缺失风险违约数据的征信数据将是无本之木,引入金融大数据至关重要。“而信用评分体系,需要长期、大量、全面的风险违约数据和行为特征数据的共同积累。” 她认为,目前的征信市场规模小,扩大市场规模应该鼓励更多拥有海量客户数据的企业参与,发展征信业务。
潘叡同时强调,征信市场的有序发展,需要切实保障客户个人的信息安全。“在保护个人隐私不受侵害的同时,加强对个人的信用管理和征信知识教育,使消费者更多地了解如何管理好自己的信用,为自己的信用行为承担更多责任。”
中国人民银行参事、中国人民银行研究局原副局长李德在出席上述会议时也表示,互联网金融的发展,促使征信业和金融业的发展进入了一个新的阶段。但当前,我国信用体系建设还面临着很多问题,有待提高和改善。从目前来看,为争取经济利益而失信的情况,时有发生。我国征信市场的发展时间不长,与欧美存在较大差距。在产品的开发等征信技术方面,也有很大距离,且征信从业人员的素质有待于进一步提高。
“征信机构希望多采集和提供各种信息,但是也容易侵害信息主体的隐私。行业发展和监管始终是一对复杂的矛盾。”他指出,征信系统的发展完善,离不开法治建设,要进一步制订各种管理办法,同时,建立信用体系标准体系,扩大以后信用信息范围。
芝麻信用总经理胡滔也表示,在这一新的大数据征信市场,怎样一方面提高交易信息的透明度,另一方面又能有效地保护个人隐私,不造成客户个人信息暴露方面的恐慌,这需要国家法律法规的完善,同时,还要加强行业自律。
她指出,信用,不是一蹴而就。发展征信,最重要的是惩戒机制,“有一个完善的惩戒、奖励机制,很多人都会去向好的方面去做”。
此外,胡滔指出,中国征信市场,刚刚开放,更多应该是合作的模式。在大数据征信方面,如何更低成本、高效率地收集有价值的信息,都需要共同探索和摸索。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01