海南西呗征信服务有限公司
Hainan Xibei Credit Reporting Service Co., Ltd.
新闻详情

大数据征信

发表时间:2016-08-18 19:41

随着互联网、信息技术的发展及其与经济社会的交汇融合,带来了数据的迅猛增长。1980年出版的《第三次浪潮》就曾预言大数据将成“第三次浪潮”。2013年维克托•迈尔•舍恩伯格和肯尼斯•库克耶合著的《大数据时代》引发了全球对大数据的普遍关注,“数据即资源”的大数据时代来临了。随着互联网金融迅猛发展,风险控制与大数据相结合来优化风险管理体系成为了新的发展趋势,大数据征信的概念也应运而生。

当前对于大数据的概念和界定还比较模糊,因而对于大数据征信的概念也有很多争论,有人甚至认为大数据征信的概念根本不成立。从实践应用来看,国内外一些企业将大量非传统征信数据,比如互联网交易数据、公共事业缴费账单、电话使用记录、社交数据、航空旅行记录、日常所在位置、网页浏览记录、使用网络终端的类型和IP地址、敲击键盘的习惯、填写表格时使用大小写的习惯等等,通过机器学习等先进技术进行大数据挖掘,形成“信用画像”,用于欺诈风险和信用风险的分析与预测。由于大多数数据是人们使用互联网所留下的数据,因而也被广泛称为互联网征信。

巴曙松等(2016)认为,大数据风控发展迅速,但有效性不佳,主要原因是交易数据、社交数据的真实性不足,网络社交等互联网行为与信用表现的相关性不确定。FICO的陈建(2015)认为,以芝麻信用、腾讯征信等为代表的利用互联网交易数据、社交数据所建立的信用评分模型,缺少信用评估所必需的信贷表现数据或风险表现数据。刘新海(2015)认为,目前已经应用的大数据信用评估技术只是对特定的人群和特定的服务有效,更宽泛的推广还有待深入地研究。美国的大数据征信公司Zest-Finance建立的风险预测模型主要使用的是结构化大数据,对于文本数据、社交网络数据等复杂类型的大数据使用比较少,主要原因是这些数据与信用表现的相关性太弱。全球知名的互联网P2P公司Lending-Club曾与脸谱(Facebook)合作,希望基于社交网络数据开展信贷审批,实践表明效果不佳。但是,许多大数据机构的应用实践也例证,大数据在反欺诈、贷后风险监测与预警、账款催收管理等方面具有良好的应用效果。比如,利用指纹、虹膜、声波、人脸识别等一系列生物识别技术对个人用户注册信息及网络行为的交叉比对和综合分析,对于身份确认和防范身份欺诈起到了良好的效果。


分享到: