www.91zhengxin.com
国外征信业务与国内征信业务的创新
随着计算机和网络技术的飞速发展,人类存储信息量的快速增长以及计算机数据处 理能力的大幅提升,人类社会迈进了一个崭新的数字化时代。过去不可计量、存储、分 析和共享的很多东西都被数据化了,数据成为一项重要的商业资本,能被用来激发新产 品和新型服务,进而创造新的经济利益。在新的形势下,各行各业的顶尖级企业都将其 业务触角延伸至大数据产业,并将大数据应用到经济、金融、电子商务等各个领域。美 国更是投资2亿美元启动了 “大数据研究和发展计划”,将大数据上升到国家战略层 面。大数据以其独有的特征在信用经济市场扩张、信用风险防范等方面发挥着重要作用, 利用大数据技术促进征信业的健康发展是今后研究的一个重要方向。
(一)ZestFinance 评分系统
硅谷越来越多的科技企业开始向金融圈进军。ZestFinance就是其中之一。这家公司 打出的旗号是“将Google算法带入征信领域”,其利用机器学习和大数据技术,创立了一 套和传统模式相异的信用评分方式,其中应用的数据变量是传统模式的上百倍。
目前美国征信公司个人信用评级都来自FICO评分法,绝大部分金融机构使用的信用 评分也都来自FICO的模型算法。自20世纪60年代至今,在美国的征信体系中,FIC0的 地位从未被撼动。它通过征信公司的海量个人征信数据,经过复杂的模型计算才能形成 征信产品。FIC0的评分模型的确首屈一指,但并非十全十美。FIC0信用评分参考的数据 变量只有不到50个,因此很多人摸清了 FIC0关注的变量后,就可以“模型套利”增加 自己的信用评分,例如一个人可以每天反复在图书馆借书还书“刷信用”。
ZestFinance.创立于2010年,创始人道格拉斯?梅里尔(Douglas Merrill)是Google的 前信息总监兼工程副总裁,他指出ZestFinance完全可以取代HC0用的算法。针对FIC0 的不足,ZestFinance重新设计了一套信用评估模型。和FIC0的不到50条参考变量相比, ZestFinance参考的
第 2 页
www.91zhengxin.com
数据变量多达上万条,并采用非线性化的、更前沿的技术来进行分析,□第五章大数据时代下的征信创新与发展
从而防止“模型套利”的现象,更精准地评估消费者信用风险。这些上万条数据变量仅 仅是原始信息数据,在这些数据基础上,模型可以得出超过7万个用来判断信贷行为的指 标。而模型分析完这些指标仅需要不到3秒钟。据美国主流媒体《经济学人》杂志报道, l 金融危机后,银行信贷更加谨慎,而硅谷的IT企业则不断尝到金融这块蛋糕的甜头, 包括Prosper和Lending Club在内的P2P借贷平台应运而生,类似ZestCash的小额信贷公 司也风生水起,包括Zebit、Avantcredit、Kreditech、DemystData在内的公司都看准了银行 信贷这块短板。这类公司的共同特点是利用大数据做信用分析,并且大多拥有自己的网 络信贷平台。 Zebit创建的Lending Stream网络借贷平台,可以在4分钟内获得50 ~ 1 500美元的半 年期个人信用贷款。Avantcredit打出的标语是“从这里申请贷款不会影响你的FIC0信用 分数”。该公司也是自建信用体系,针对不同人的评分,给出的利率也是不同的。 Kreditech位于德国汉堡,利用大数据分析手段评估借款人还钱的概率,他们不要求客户 提供信用证明,15 第 3 页 www.91zhengxin.com 分钟内就能提供500欧元以内的小额贷款。和ZestCash类似, Kreditech希望用户提供尽可能多的信息,连用户的借贷申请是使用iPad发送还是用老式 电脑发送、输人时出错的概率、使用取消键的频率等都考虑在内。 (二)世界三大个人征信机构利用大数据开发市场和营销产品全球三大商业个人征信巨无霸即益百利(Experian)、艾奎法克(Equifax)和环联 (Trans Union)。三大巨头均从美国兴起,通过收购和信用合作等方式不断向全球扩张, 以在海外广泛设立分支机构的方式把业务几乎覆盖全球,逐步发展成为完全国际化的世 界性个人征信组织。这三家巨头已经不仅仅单纯的是征信公司了,还涉及了数据相关的 解决方案业务,通过对数据的增值能力,成长为全球的领袖。 美国知名征信所Equifax正利用大数据,结合全球的8 000亿条企业和消费者记录, 开发新的分析产品。作为美国三大征信所之一,Equifax公司存储着所有美国成年人以及 另外16个国家公民的财务数据,其中包括全球5亿个消费者和8 100万家企业。这些信 息电话号码或地址、牙齿治疗贷款的申请、杂志订阅、租赁历史记录、房地产资产、投 资理财、购买零售商品、纳税申报单类型、婚姻状况、就业状况、水电费缴付、有线电视账户、犯罪记录、债务收入比、地址更改、机动车档案、邮政信箱、推断某人能否支 付账单、预测某人的支付意向,以及与过去和潜在的欺诈犯罪有无关系等。这些看起来 杂乱无章的海量信息,经过交叉分析和索引处理后,变成26 PB的数据。这个数字已经超 过了美国联邦调查局的调查数据仓库(据说是联邦调查局最庞大的数据存储库)的10亿 份不重复文档。利用Equifax存储的海量数据开发利润更丰厚的产品和服务。 ' Equifax还有一款新产品可以用来实时监测信用报告查询的系统,以及时发现犯罪苗 头。公司推出的“未公开债务监测”(Undisclosed Debt Monitoring)服务,用来监测借款. 人从抵押贷款获审批到截止日期这段时间内的主要支出情况。例如,借款人可能因在抵 押贷获批后办理汽车贷款, 第 4 页 www.91zhengxin.com 从而改变借款人的还款风险评估状况,这将超出银行为其 抵押贷款交易而设定的条件。 此外,Equifax还将这种技术融入了创收产品中,以适应完全不同的情况。比如,实 时的身份验证有助于电信公司避免遭到欺诈。电信公司还可以向Equifax购买市场营销服 务。实时的身份验证和“决策”服务可以让零售商、电信公司及其他商家成交更多、价W 值更高的单子。2011年,Equifax开始帮助美国国土安全部和美国公民及移民服务局核查***移民的就业资格。 | 三、国内征信业务的创新 (一)专业的征信数据平台的实现 我国的征信业一直发展缓慢,如今电商供应链金融、P2P、第三方支付的兴起,都在 倒逼征信行业进步。国外存在专门为互联网公司提供数据征信服务的公司。其原理在于 搜集数据源,或自我挖掘,或从其他平台购买,利用自身数据分析工具,开展数据分析, 形成分析结果,并卖给需要这些征信数据的公司。数据征信在信用数据积累相对比较完 善的国家发展较快,在国内,由于数据库建设和各个平台之间的数据封闭,开展此项业 务相对比较困难。中国人民银行在逐渐放开对个人的数据征信查询,企业的征信平 台也开始出现。 企业大数据服务平台——九次方企业征信大数据,就是平台利用互联网大数据挖掘 技术采集互联网全部与企业相关的信用指标,比如企业违法违规信息、行政处罚信息、 客户投诉信息等。同时九次方还联合20多个省市,协助搭建当地的企业征信大 数据平台获取地方的数据授权,通过脱敏处理之后,向银行、小贷公司、担保公司 等客户提供企业信用分析服务。凭借综合的信用征集和评价体系,九次方的企业信用大 数据拥有较高价值。 截至2014年9月,九次方大数据已拥有国内所有产业链的企业大数据信息。经过多 年的数据采集、统计分析,九次方建立起的强大数据库涵盖 第 5 页 www.91zhengxin.com 750多万个企业、全国90% 的公司法人企业,汇集了 40多个产业链、8 000多个行业、40 000多个细分市场,遍布□第五章大数据时代下的征信创新与发展 500多个城市。为了更好地获取数据,九次方也巳经开始在全国各地进行企业大数据的搭 建,如京津冀、青岛、贵阳、广东各省市等都开始与地方合作,搭建企业大数据征 信平台。 此外,九次方大数据形成了独特的企业综合信用征集和评价体系,构建了衡量信用 的完整指标,包括信用等级、核心竞争力、投资价值、成长性、抗风险能力、投资潜力 等。这些细致的指标,让九次方的企业大数据征信评价体系,内容翔实,数据可靠,分 析透彻,结论有效。 (二)互联网企业与金融机构进军征信业 大数据时代,除目前的征信机构,互联网企业和金融机构也将进军征信业,建立新 型的征信机构。一种是电商企业组建的征信机构。例如,建成了涵盖数十万家企业的信 用信息数据库,通过大数据分析开展了网络联保贷款、小额贷款等多项增值业务,具备 成立专业征信机构的基础和实力。另一种是金融机构成立的征信机构。例如,中国平安 集团通过采集P2P、借款信息、银行信贷记录以及车险违章等信用信息,成为专门挖掘金 融数据的征信机构。此外,随着互联网金融的兴起,一些成熟的第三方网络f贷平台将 转型成为行业征信主体,利用大数据技术提供征信服务。 (三)征信技术快速发展 1.全局性的信息采集内容 大数据时代,信用信息征集范围将不断扩大,既有从电子商务等平台采集的非银行 信用信息,也有部门和事业单位的社会公共信息。传统的社会征信机构将利用互联 网技术扩大信息征集范围,除了企业和个人的基本信息,更加注重对非银行信息的采集。 同时,阿里巴巴、腾讯等互联网公司依托电子商务、社交网络和搜索引擎等技术工具, 利用大数据技术分析海量的网络信用数据,形成能够真实反映企业和个人信用状况的数 据档 第 6 页 www.91zhengxin.com 案。各级部门也将以电子政务工程为基础,将分散在各部门的社会公共信息加 以整合.,依托互联网实现各级及其主要职能部门所掌握信用信息的互联互通。 2.深层次的信息加工程度 随着对大数据与云计算技术的应用,基于大数据拓展应用服务的公司不断崭露头角。 它们对各种结构性与非结构性的海量数据应用集成技术实现信息集成,实现不同业务系 统之间和异构数据库之间的互通互联。利用大数据技术从大量信用信息数据库中提取用 于信用评价的关键性数据,此谓数据的一次挖掘。在此基础上,将这些关键性的数据信 息与征信专业知识相结合,用于开发新的征信产品与服务,实现对数据的二次挖掘,这 些信息成为信用评价的重要参考依据。 3.广泛化的信息应用范围 云计算和数据挖掘等技术的进步,将推动传统征信服务升级并扩大信用信息的应用范围。一方面,可以拓展到金融领域的其他授信公司、担保公司、保险企业、房地产企 业等;另一方面,诸如信用风险管理类、营销类以及反欺诈类等高端的征信产品和服务也 将被逐步开发并应用。例如,民生银行利用逻辑回归与决策树分类技术构建客户流失预测模 型,以预测客户流失的可能性;广东发展银行通过对个人或企业的行为、消费模式和还款数 据进行跟踪和监控,建立相应的数据挖掘模型,并根据模型结果调整信用评价。 因篇幅问题不能全部显示,请点此查看更多更全内容
Copyright © 2019- awee.cn 版权所有 湘ICP备2023022495号-5
违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务