京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网+大数据模式下的征信
技术变革对征信业的发展起到了非常大的促进作用。征信最早起源于消费分期,需要对消费者进行信用评估,但当时更多的是通过口碑积累的定性判断,没有定量描述。进入电子化时代后,数据得到了沉淀和积累,我们开始使用数据统计模型来计算和评估信用,这极大地推动了行业快速向前发展。在今天的互联网时代,数据承载量非常大,任何数据都可以成为信用的一部分,即我们可以利用数据与信用的关联度,深层次挖掘信用数据。人工智能算法模型不止是对过去的统计,也包括对未来的预测,它可以帮助我们更好地刻画违约概率和信用状况。
芝麻信用是在大数据互联网模式下建立的征信系统。阿里巴巴从十年前开始发展电子商务时,就把信用体系建设作为最重要的一环,但最近几年我们才真正开始进入征信行业,还是新兵。芝麻信用的logo上有句标语——“点滴珍贵,重在积累”,这是我们认为信用应有的内涵。芝麻是很有营养的食物,每粒芝麻都不大,但通过点滴积累,将有益于社会的健康发展。
互联网+大数据征信:广泛、多维、实时
首先,征信人群覆盖广泛,可作为征信体系有效补充。人民银行征信中心在征信数据方面做得非常出色,有效地解决了信用风险问题,帮助金融行业持续健康发展,大大提高了金融的获得性。同时我们也看到,目前只有不到4亿人在央行征信系统有信用记录,还有很多人没有信用记录数据,在获得金融服务时,存在一定的门槛。中国有6.48亿网民,人群覆盖面非常广,通过对他们在网络上留下的痕迹进行数据挖掘和分析,能够对目前的征信状况进行有效补充,让更多在互联网上有数据的人,通过刻画得出的信用状况,也能得到金融服务,当然还包括生活服务。
其次,征信信息广谱多维。现有征信记录主要是个人信息加信贷记录,而互联网上的行为记录非常多,我们可以用大数据的方法计算互联网上万个变量,将更多信用记录以外的信息纳入征信体系。结合现有身份记录和信贷记录,以及生活类数据,再加上互联网数据,可以得到更多广谱信息来刻画信用。
最后,征信数据实时鲜活。大数据的两个主要特点是存量、热数据,它不再是离线的事后分析数据,而是在线实时的互动数据。如果某个人有违约行为记录,会立刻被刻画进来,使当前业务的快速决策更加有效。
运用大数据征信模型全面刻画信用
信用是一笔巨大的资产,让它成为一个可衡量、可变现的资产是我们的愿景。我们的优势在于互联网数据,但不仅指交易数据。多年来,用户通过第三方支付缴纳水电煤气费、信用卡还款以及物流信息也是重要的数据来源。当然,公共政务数据也很重要,此外还有用户自主上传的数据。这些数据能够帮助我们更好地描述以及准确地刻画个人信用。我们输出的是信用分,基于数据来构建决策引擎,以便向用户输出更有价值的服务。
大数据征信模型与传统评分体系有所不同。我们深度融合了传统信用评估与创新信用评估,开创了大数据征信模型。在模型中,信用历史是非常重要的一项,其他维度包括身份特质、履约能力、行为偏好和人脉关系(此项分数比重稍低)。通过这五大维度,我们建立了刻画个人信用全貌的模型。我们的主要切入点在于,使普通老百姓(603883,股吧)感受到信用的力量和价值,使他们今后在生活中注意培养信用意识,并在全社会建立起信用文化。
净化互联网环境
在合法合规的前提下,大数据征信公司应科学客观公正地评价个人的信用水平,通过输出各种标准化和定制化的身份识别、反欺诈、信用风险识别与跟踪产品与服务,赋能合作伙伴,并一起推动中国诚信文化的传播和诚信体系的构建。
基于大数据7×24小时在线运算能力,芝麻信用有非常强大的身份识别和反欺诈能力,能够以商业化的方法净化互联网环境。随着生物识别技术的发展,生物特征的识别率、准确性、可靠性可以大大提高,再辅之其他识别方法,可以非常精准、可靠地识别人,这样就能将人与账户和设备关联起来。基于这套识别体系,能够充分了解网上的行为主体。今年3月,我们在德国展示了人脸识别技术,我们的样本非常大,识别可靠性也不错,我们对此抱以期待。
另外,通过账户行为分析,我们能够准确地刻画人的行为,以此判断是否出现行为异常,带来安全隐患,帮助合作伙伴进行反欺诈识别。未来,反欺诈将回到“以人为本”,而不是以账号为中心。线下查询信用一定要本人持身份证来操作,身份识别对网上查询来说也很关键,确认是否本人非常重要,我们在这方面有强大的手段。
我们的目标是,构建赋能商业与金融机构的开放式大数据平台。上层是不同机构,中层是通过解决方案进行决策引擎,下面是通过大数据和模型,在取得授权的情况下,开发基于行业的应用。这是一个持续学习及沉淀经验的平台,提供了很多可以不断细化的工具,并且是实时监控的专业级数据安全管理。此外,基于云平台的计算,需要做好云端数据安全管理。我们不仅输出信用分或征信报告,更是搭建了一个开放数据共创的云计算平台,并基于云平台来构建数据的决策引擎体系,帮助合作伙伴实现商业目的。
开放政务信息源 加快信用领域立法
对于央行大力促进征信行业的发展,推动社会征信体系的建设,我们举双手赞成。同时,我们也提出两点建议。
首先,开放政务信用信息源。开放数据将产生巨大的社会价值,我认为,可以向符合资格的机构开放信息源,这些机构取得了国家许可执照,便于接受监管。如果他们能真正用市场化手段把这些数据运用起来,并回馈社会,将产生非常大的社会价值。
其次,信用领域立法应当平衡公民隐私保护与个人信息数据合法利用。这将使征信机构的业务开展有法可依,有利于征信行业的长远健康发展,促进社会信用体系建设。同时,政府的立法能够提升普通民众对征信行业的了解、接纳和信任程度,为征信行业的发展营造有利的大环境。无论法律细节完善与否,芝麻信用都会充分重视保护用户的隐私与合法权益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12