京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网贷缺依据,大数据征信如何做_数据分析师
可供银行挖掘的信用数据包括内部、外部两大部分,内部数据包括客户信用卡、存款、理财、网银、个贷、小企业贷等信息,外部数据包括专业市场数据库、社区居民数据库、各商会和产业链数据库等,以及央行征信系统信息。
目前数据的来源、精准性、应用场景等已成为商业银行发展网贷亟需面对的问题
从线下到线上的渠道转换,正在为银行信贷业务注入“互联网基因”。日前,招商银行的移动互联网贷款产品“闪电贷”已完成前期的定向邀约测试,将于近期在全国大范围推广。此外,广东已有多家商业银行已率先针对小微、个人消费贷等零售信贷领域布局网络贷款,并不断向手机等移动端拓展。
问题也随之而来:少了线下审贷环节,网贷发放的依据——大数据征信如何做?其中,数据的来源、精准性、应用场景等,均成为商业银行发展网贷亟需面对的问题。
外部数据从哪儿来?
目前,各家商业银行的征信数据来源包括外源型和内源型两部分。
多家商业银行负责人表示,外部数据主要来自央行征信系统、工商总局和专业的第三方数据机构及部分互联网企业;内部数据则包括客户在银行已有的资产、负债、交易等信息,银行会对内部数据实时动态更新,以保证其有效性。
“外部基础数据来源还是央行的征信系统。”微众银行行长曹彤表示,贷款企业同意后,会授权银行去抽取数据。据央行统计,截至2013年底,其征信系统收录自然人8.3亿,收录企业及其他组织近2000万户。在8.3亿自然人中,有财务信息的约5亿人,有贷款信用记录的约3.2亿人。
“对于在央行征信系统里没有贷款信用记录的人,银行也能够授信。”广发银行首席信贷官林亚臣表示,比如银行与商会、专业的第三方机构签订协议共享部分数据,或者用内部积累数据进行补充。
“市场上已有很多机构,专门归集企业商务行为中各个节点的数据,然后对其整理、分析,做出模型,辅助银行对授信企业做贷前决策和贷后管理。”平安银行网络金融事业部副总裁梁超杰说,有些机构专门做企业上下游交易数据,比如通过订单数据、运单数据、支付结算数据,分别判断企业的商流、物流、资金流,形成了很多模型。
此外,自央行放行民营机构涉足征信行业以来,芝麻信用、腾讯征信等8家民营机构已获批开展准备工作。1月28日,阿里巴巴蚂蚁金服旗下的芝麻信用已开始在支付宝钱包中公测。
招商银行小微企业业务室高级经理公立认为,个人征信机构牌照逐步放开是社会分工专业化的结果,商业银行今后的外部数据来源会更加丰富。“招行不排斥与其合作,但目前还没有开展。”
内部数据如何深挖?
“银行拥有海量数据,但挖掘远远不够。”公立表示,风控体系是传统商业银行经营多年积累的优势,如果对内部既有的客户信息、交易行为信息深挖,就有能力构建出一套较完整的信用评价体系。
招行的“闪电贷”首先选择了零售业务的存量客户。具体来看,对于已开通招行一卡通个人账户的存量客户,招行首先分析其存留在该行的负债、资产、资金交易等业务数据,根据信用情况确定1000元至50万元的授信额度。“下一步,招行将在此基础上进一步深入挖掘大数据的价值。”公立说。
由于发放网络贷款需依靠精准、动态的实时数据,因此,在内部评价体系的基础上,各家银行还尝试建立“全景式”的即刻数据搜索平台。
广发银行行长利明献介绍说,该行大数据零售商业智能决策平台已上线半年,可划分为3部分:该平台首先整合了银行内部数据,将客户信用卡、存款、理财、网银、个贷、小企业贷等信息进行归集;同时自建外部信息数据库,包括专业市场数据库、社区居民数据库、各商会和产业链数据库等;在两者基础上,整合央行征信系统,并与工商总局个体户等小微企业信息联网。
“由于企业运转处在动态变化中,为保证实时监测效果,平台十分注重非财务性指标的评价体系。”利明献说,非财务性指标具体包括客户的纳税、结算、水电缴费、代发工资等,这些数据更能反映企业现金流的运作情况。
场景入口将成新战场
作为众多商业银行战略创新的主要抓手,大数据征信对银行线上业务的重要性毋庸置疑。但值得注意的是,真正有效的是落在场景上的数据。此外,银行自身并不缺数据。缺少的是对数据维度和关联度的挖掘。有关专家表示,在银行授信评估中,最核心的金融智慧是通过数据和算法模型,在客户与风险中建立一个量化关系。较之宽泛数据,落在场景上的数据更加“有效果”和“有效率”。
因此,业内人士预计,场景入口将会是大数据的下一个争夺战场。通过特定场景,平台能够从企业的经营过程推测经营结果,从个人的交易过程推测资信状况。商业银行之所以搭建B2B电商平台、发力供应链金融,大多是希望获取平台企业的经营轨迹、交易数据、账户资金进出沉淀等情况,进而为企业提供交易、支付、融资等综合金融服务。
“芝麻分”是怎么算出来的?
阿里巴巴蚂蚁金服旗下的芝麻信用管理有限公司(下称“芝麻信用”),日前开始在支付宝定向公测,对用户的信用状况打出“芝麻分”,分值范围从350到950。其中,350至550属于较差,550至600属于中等,600至650属于良好,650至700属于优秀,700至950则被列入极好等级。
目前,支付宝实名用户凭借600以上的芝麻分,就可以享受“信用住”,即入住芝麻信用合作酒店可以不再交付押金。蚂蚁金服表示,目前,芝麻信用已和租车、租房、婚恋、签证等多个领域的合作伙伴谈定合作,将很快试验性地对外提供服务。
“芝麻分”是怎么算出来的?芝麻信用内部资料显示,信用评级根据身份特质、信用历史、行为偏好、履约能力、人脉关系5个维度综合计算,前4个维度权重占95%,人脉关系这一社交维度仅占5%。
从数据来源看,芝麻信用的电商数据来自阿里巴巴,互联网金融数据来自蚂蚁金服,此外,还和多方公共机构合作,同时开辟各类渠道,允许用户主动提交各类信用相关信息,涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等。
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