京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21