
大数据时代征信领域的核心竞争力是风险评分技术
除了那些已经获得第一批征信牌照的公司和正在积极申请征信牌照的公司外,还有一批公司虽然没有申请牌照的计划,却同样有在征信领域的布局和规划。他们的梦想甚至更大,要为这些征信机构提供服务。
为此,记者专访了信而富的副总裁刘一民。信而富过去十五年一直从事的是风险管理的工作,从2003年为中国银行开发决策系统,为全国一半以上的银行提供服务,但他们明确提出不直接介入做征信,而是致力于利用大数据为传统金融机构没有覆盖到的人群提供金融服务。刘一民认为大数据时代征信领域的核心竞争力是风险评分技术,信而富的目标就是帮助拥有大数据的机构通过领先的自动决策评分技术从大量的数据中识别出那些优质客群,并提供相关验证机制完善评分系统。
经济观察网:目前你们公司的征信业务整体开展情况如何?
刘一民:自2001年以来,信而富一直从事的是风险管理的工作。关注于金融机构的风险管理,使得我们对中国今天的消费人群消费行为有非常深层次的了解。比如说从2003年为中国银行开发决策系统,中国银行今天发行的每一张信用卡,都是从我们系统里面进行数据处理。我们还包括为建设银行在内的国内一半以上的银行服务。将我们的决策系统评分模式安装在那里。今天中国用我们评分和用我们系统处理通过的信用卡超过1亿张。
但我们不会介入自己做征信。。我们主要工作核心还是利用掌握的三大核心技术——事先批准、自动决策以及风险定价技术,为社会大众提供普惠金融服务,帮助没有被传统金融机构覆盖的人群获得便捷高效的金融服务。
你刚才一直强调银行机构,那其他的金融机构有没有?
这是我们最早做这块业务的瓶颈,我们的服务对象就是有风险评估需求的金融机构,但是就2000年做信用卡的时候,没有那么多机构,如果我们做乙方业务的话,我们面对客群很少,市场很快就分完了,就没有继续扩展的空间。但现在不一样了,现在有大量的小贷公司和P2P平台有需求。
大数据被认为是互联网征信的重要依据,目前信而富的数据来源有哪些?
我们的数据来源上主要分三块:第一、人民银行[微博]的征信报告;第二,我们合作的第三方征信数据,采集我们客户的行为数据。第三,是我们自己的数据采集,我们在全国有近100家分公司,主要工作是对我们平台服务的客户进行实地数据采集,100%客户数据的亲核亲访,以此来完成客户信息真实性、完整性验证。
目前市场上已经有很多公司在做征信,相比之下,你们没有直接数据来源,有什么优势?
美国的征信局可以购买数据,这是在成熟市场上可以的,但是在国内是不可能的。我们可以提供建模的过程,现在有很多拥有大数据的公司,但他们怎么利用这些数据形成一个想要金融服务的客群,这是摆在他们面前的难题。银行目前为止也没有能力自己建立自动决策系统,即没办法针对每个客户进行精准打分,打分的基础源于这类客群造成风险的程度,这样的技术在国内我们是领先的。对于任何一个人群进行数据采集后,我们会进行多维度的计算,最终形成一个分数。
两个月前,腾讯与信而富公司紧密合作,推出线上的现金贷业务。为什么腾讯选择和你们合作推出现金贷?
腾讯找到我们是因为能满足他们的需求,为他们提供精准服务,我们会从他们的数据中筛选出目标客群,然后我们有金融服务的过程,为这些客群进行小额度借款的服务,目前是500元左右。我们从腾讯那里筛选了5000万客户,现在刚刚起步,建模需要不断数据验证,很多的参数需要行为数据不断修正。评分的准确度是不断完善的过程,我们开始提供金融服务,同时我们会将结果反馈到腾讯,来评估我们的准确度。目前运营状态不错,运行从去年11月11日上线,今年2月14正式大规模推广,截至7月借款笔数已超过250万笔。
现在很多公司在跟数据机构合作,其中对风险的把控、风险理念不同,但是技术上很强的并不多。判断一个公司,首先看有没有风险定价的能力,指不管是什么客群,我们的定价可以完全覆盖我们的销售成本、运营成本和风险损失,根据客群不同的表现,我们划分不同的风险等级,进行定价。另外,做预先批准。我们采集很多数据,从中筛选出符合要求的白名单,不需要提供补充的信息,直接可以借款,这是额度预批的过程,背后利用我们决策系统的分析能力提供相应的支持。
腾讯有自己的征信公司,需要征信来盈利,如果他们的数据没有一个好的验证机制的话,分数是没有用的,因为不知道风险概率。实际上,我们的核心是风险管理,我们在和腾讯合作过程中,向他提供用户白名单。在金融领域,优质的客群永远是稀缺的,竞争激烈的。
如何评价当下中国征信行业的现状?
征信领域大家都是刚刚起步,大家还没有市场化、专业化的服务,很多人都在试探,看这样的服务是否可以帮助他们做好风险防范工作。在国内的话,诚信度都要打上问号,不管是什么旗下的公司。征信牌照的获取对征信提供方的要求比较严格,必须是独立的第三方,最终不知道结果怎么样,像美国最终提供征信服务的机构也只有两家,这个市场的容量,真正提供专业性服务还是要有一个过程。
是否真正通过大数据做还是未知数,征信机构也也可能被兼并重组, 这是市场行为,打出的分不专业,那这样的征信公司就没有意义的了,哪怕拿到了牌照也没用。
对于我们而言,一方面我们会积极响应民间征信基础建设,建设民间征信机制来防范市场风险,另一方面,我们目前只能通过第三方机构去抓取一些数据,不能很公开的在市场上买这些数据,征信牌照发放后对于行业促进作用很大,国家鼓励这方面的工作,增强我们风险防范的能力,同时我们也可以对更专注自己擅长、能够发挥自身核心技术能力的领域。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08