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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19