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