
大数据为征信开辟一片蓝海
征信是一片蓝海,无论是传统金融机构,还是民间金融机构、草根金融机构,都需要征信数据为其风险控制保驾护航。从这个角度来看,这种需求是无限的。然而,征信的发展也是一场长跑,不论是生产数据、收集数据,都需要很长时间的积累。
2015年一开年,央行下发《关于做好个人征信业务准备工作的通知》,要求包括芝麻信用管理有限公司、腾讯征信有限公司、中诚信征信有限公司在内的8家征信企业做好个人征信业务的准备工作,令业界一片欢欣鼓舞。此后,对于个人征信的讨论持续高涨,从1月19日举行的2015年第二届互联网金融全球峰会上座无虚席的大数据征信专题会场可见一斑。
征信市场发展空间大
毫无疑问,中国的征信发展空间还很大。“我觉得中国征信业黄金发展期马上就要到了,也许下一个风口会是征信。”拉卡拉征信CEO徐彦之表达了对中国征信业未来发展的信心。腾讯征信总经理吴丹认为,在美国,征信体系的覆盖率达到了65%到70%,而目前我国央行征信体系的覆盖率在25%到30%,即覆盖3亿左右的人群。“如果按照美国的渗透率计算,中国的征信市场还有5亿人群的市场发展空间。”
个人征信市场的放开,无疑使征信体系向市场化方向迈进了一步,而以“大数据”为主要特点的个人征信企业,将在征信体系中发挥更加积极的作用。
“大数据的特点,第一是数据的指向性。即它提取的数据是有指向性的,是针对某一个群体的。第二是数据的威力性。威力性是指可以将数据信息转化为信息资源。”南京大学商学院副院长裴平认为,“大数据给我们带来的是金矿。”将消费者在互联网上的海量、多样的行为数据加以采集、组成、挖掘和应用,最终提炼出消费者信用信息,转化成可用的资源。
从另一个方面来看,互联网征信对国家倡导的普惠金融的发展有着积极的推动作用。吴丹表示,借助互联网征信能够帮助缺少因使用信用卡等金融工具而形成的信用报告的草根群体获得金融服务。
个人征信仍面临诸多挑战
尽管市场发展前景好,但不可否认的是摆在个人征信面前的还有诸多挑战。中智诚征信公司总裁李萱直言,数据的合规使用是当前个人征信面临的挑战之一。国内缺乏与征信相关的个人隐私法等法律,在法律真空下,是否能够使用这些数据,如何合法合规使用数据是征信公司面临的共同挑战。徐彦之对此也补充道,信息主体、信息授让人、信息使用者以及征信方,四方的责任、隐私界定等问题尚未明晰化,“在制度层面,我们希望把这些事情落实,能让征信机构更好地去发展,同时也需要我们一同去促进征信环境的健康发展。”
除了制度、法律上的挑战,数据的交换、整合、使用方面也受到规则不明的制约。北京华道征信常务副总童邗川认为,大数据无疑能够助力征信发展,但在现阶段,数据的收集、数据的整合规则尚未制定。“相关规则由国家层面出台制定,还是由机构自己发起形成未有定论。”他直言:“没有一定的规则,很难能够做到真正的征信。”
此外,在操作层面,徐彦之认为,行业不够统一、标准化的数据,影响了大数据的整合速度和进程。对此他倡议,各行业建立起统一的数据标准,共创行业共生环境。
未来之路任重而道远
相较英美等成熟征信体系,国内的征信体系仍处在起步发展阶段,虽然前景广阔,但要真正做起来,仍有很长的路要走。
安硕信息总裁高勇表示,征信是一片蓝海,无论是传统金融机构,还是民间金融机构、草根金融机构,都需要征信数据为其风险控制保驾护航。从这个角度来看,这种需求是无限的。然而,征信的发展也是一场长跑,不论是生产数据、收集数据,都需要很长时间的积累。因此,如果想要公司长久经营下去,要有一整套完善的数据生产、采集、分析机制才可以。
徐彦之用“任重道远”四个字来形容征信行业的未来发展之路。“到目前为止,国人对征信的理解,仅仅在于信贷征信的初级阶段,我们还有很多工作要做。”
征信与每个个体利益密切相关,征信公司肩负着不可忽视的社会责任。芝麻信用高级专家杨光表示,“真正进入这个行业之后,觉得其实大家的利益都是相关的,所以要更加稳妥地去创新。”在6个月的时间里,我们会做好包括投诉受理,安全保障等各方面的准备工作。徐彦之则表示:“对于8家企业来说,历史使命感和社会责任也许会远远大于商业价值,相信我们8家企业会从各个角度,不同维度去影响市场。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13