京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据征信显优势:贷款获批率提升3倍 大规模普及有望
业内人士认为,未来无论是用芝麻信用,还是融360的大数据风控服务,5万元以下的小额贷款申请将有可能完全在线化,不再需要人工的审核流程,因而速度将极大地加快。人工审核一般需要一周以上才能放款;纯线上审核可以做到10分钟以内。这将意味着贷款在线化有望得到大规模普及。
除了贷款审批速度实现了突破,贷款获批率也得到显著提升,同一类用户,用抵押物、收入流水证明等粗放式的传统风控方式,贷款获批率在15%左右,而使用大数据征信结合人工操作后获批率可以达到45%以上。
互联网金融搜索平台融360日前宣布,融360与蚂蚁金服旗下的第三方征信机构芝麻信用已经建立了数据上的战略合作。这是融360在今年5月初成功开发和运用“天机”大数据风控系统之后在探索互联网大数据征信实践上的又一进展。
融360负责风控的副总裁李英浩向记者描述了通过大数据征信将使在线小额信贷迅速发展的前景。他说,假如你需要5万元左右的资金短期周转,不必再劳时费力去银行或小贷公司申请了,只需要靠自己常年累月攒下来的信用,凭借第三方征信公司提供的信用分,就可以在融360等在线金融平台上贷款了。而且最快10分钟审批、24小时放款,省时省力省成本。由于大数据风控的运用,未来小额信贷的应用场景将发生极大的变革,将近万亿元的小额信贷市场因此正在成为各大在线金融服务商争夺的潜在市场。
今年年初,央行已印发《关于做好个人征信业务准备工作的通知》,要求芝麻信用管理有限公司、腾讯征信有限公司等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。业内人士预计,到6月底,经央行批准后,这8家民营机构将有望获得筹建第三方征信机构的资质。
现在融360与芝麻信用建立数据上的战略合作,无疑将有助于双方的优势互补,在开展互联网大数据风控和征信业务实践上取得较快进展。李英浩表示,融360拥有丰富的用户借贷行为数据,结合芝麻信用的征信数据(个人信用数据),使得融360的“天机”大数据风控系统更加高效,对借款人可以很快地计算出放贷金额。
据了解,芝麻信用推出的中国首个个人信用评分“芝麻信用分”,主要接入了阿里巴巴集团的电商数据和蚂蚁金融的互联网金融数据以及公共机构的数据,运用大数据及云计算技术,客观评估并呈现出个人的信用状况。
芝麻信用采用国际上通行的信用评分方法,最低350分、最高950分,这与美国FICO分(300分至850分)相似,分数越高代表个人信用程度越好,违约可能性越低。该服务主要包含了用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度。人们在日常生活中点点滴滴的行为,通过长期积累,这些行为轨迹和细节,可以全面反映其信用状况。
统计数据显示,截至2013年底,央行银行个人征信系统中收录有信贷记录的自然人约3.2亿,还不到全国总人口数的1/4,远远满足不了借贷市场的需求,很多没有信用卡或从未跟银行发生借贷关系的人群很难获得信贷服务。而在美国,征信体系的覆盖率已经达到了85%。
商业大数据征信的兴起,将改变这一状况。融360的创始人、CEO叶大清向记者表示,“2015年是互联网征信元年。6月份8家商业征信公司将有望拿到央行颁发的牌照,补充央行征信记录的不足。”他透露,融360正广泛地和国内外各类征信机构洽谈合作,其中一些合作项目已经启动。商业征信数据结合央行征信数据,能够让广大草根人群,例如自由职业者、个体户、小微企业主、学生等人群有机会在线借贷。
芝麻信用相关负责人表示,芝麻信用分主要分为金融和非金融两类应用场景,非金融会在免押(租车、住宿)、后付、证明(签证、交友)、分享经济(比如小猪短租)方面加大投入。而金融类则需要加强同相关借贷数据提供方合作。在线金融搜索平台融360独有的数据源是芝麻信用一个天然的合作伙伴。
据了解,融360过去三年半积累了大量的信贷用户数据,帮助用户成功获取了超过3000亿元贷款。在借款人访问数据、用户申请资质信息、网站行为数据、批贷信息和贷后信息方面拥有强大的优势。
业内人士认为,未来无论是用芝麻信用,还是融360的大数据风控服务,5万元以下的小额贷款申请将有可能完全在线化,不再需要人工的审核流程,因而速度将极大地加快。李英浩介绍说,人工审核一般需要一周以上才能放款,慢的可能两个月;纯线上审核可以做到10分钟以内。这将意味着贷款在线化有望很快得到大规模普及。
据介绍,除了贷款审批速度实现了突破,贷款获批率也得到了显著提升,同一类用户,用抵押物、收入流水证明等粗放式的传统风控方式,贷款获批率在15%左右,而使用大数据征信结合人工操作后获批率可以达到45%以上。至于贷款的逾期率,以12个月违约风险举例,通过“天机”风控模型筛选的用户,逾期率比没有经过筛选的低一半。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13