京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统征信PK大数据征信 谁能拯救P2P
伴随着P2P的火热发展,市场对征信的需求,从未如此迫切。
近日,由中国投资协会与上海 Oppland 联合举办的“中国 P2P 网贷征信发展高峰论坛”在深圳召开,这也是国内首次专门针对P2P网贷的征信会议。芝麻信用、鹏元征信、腾讯征信、上海资信、安融征信等国内知名征信机构的高管以及FICO中国区总裁陈建等代表齐聚一堂,分别就中国征信的现状与发展进行了探讨,保护个人隐私、完善惩戒机制及法律法规、加强行业自律等,成为热议的话题。
中国P2P平台面临的征信现状
腾讯征信总经理吴丹指出,当前中国征信体系现状是,央行的征信系统虽然覆盖了8亿人,但真正和银行有信贷关系的只有3亿人。也就是说,在中国13亿人口里,有银行信贷记录的人,占比不足25%。这将导致很多人的融资需求很难得到满足。
安融征信总经理常胜进一步表示,P2P机构面临的征信现状是四大问题:P2P平台目前没有纳入央行征信系统中,难以直接获得央行征信服务;央行征信报告无法全面、有效地反映借款人在非银行机构间的借款信用信息;国家公共部门信息公开程度远未到位,多数信用信息获取难度大;P2P机构间信息相互独立,非银行机构间的借款人征信、惩戒机制未有效建立。
“P2P机构无法有效掌握借款人在各类民间机构的信贷信息,难于识别借款人在民间机构存在的多头借贷、恶意骗贷情况。”他指出,民间信贷信息的缺失,导致小额信贷业务面临重大风险。
传统征信VS大数据征信,谁能拯救P2P?
从类型看,目前市场上的征信机构主要包括:以上海资信、安融征信为代表的一类机构,采用的是同业信息分享模式,即客户查询一条信息需要先共享一条相应的信息;其次,以腾讯、阿里为代表的一类互联网公司;再次,是以平安、宜信、拍拍贷为代表的一类金融机构。
P2P平台征信采取的模式主要包括传统官方征信模式(如平台通过具有央行背景的上海资信间接查询借款人信用信息记录)、大数据征信模式。
值得一提的是,前一种模式面临的难题是征信数据不全、平台上传数据积极性低、更新不及时、接入门槛高等问题。而后一种模式,其优点在于数据来源广泛,弥补传统征信覆盖面不足的缺陷;数据类型多样化,不局限于信贷数据,更能全面反映个人信用情况。其难点在于:信息过多引起的数据杂乱,整合多方数据困难,且数据相关性分析需要较长时间和实践来检验,短期内信用评价数据精准性较低。
此外,盈灿咨询高级研究员张叶霞指出,大数据征信也面临着法律风险,在个人隐私保护上较难把控。“征信机构在未告知可能的不利后果及取得书面同意情况下,不得采集个人的收入、存款、有价证券、商业保险、不动产的信息和纳税数额信息等。”
“发展征信,最重要的是惩戒机制”
前海征信数据分析中心副总经理潘叡表示,征信所必须的风险违约数据是金融行业特有的数据,缺失风险违约数据的征信数据将是无本之木,引入金融大数据至关重要。“而信用评分体系,需要长期、大量、全面的风险违约数据和行为特征数据的共同积累。” 她认为,目前的征信市场规模小,扩大市场规模应该鼓励更多拥有海量客户数据的企业参与,发展征信业务。
潘叡同时强调,征信市场的有序发展,需要切实保障客户个人的信息安全。“在保护个人隐私不受侵害的同时,加强对个人的信用管理和征信知识教育,使消费者更多地了解如何管理好自己的信用,为自己的信用行为承担更多责任。”
中国人民银行参事、中国人民银行研究局原副局长李德在出席上述会议时也表示,互联网金融的发展,促使征信业和金融业的发展进入了一个新的阶段。但当前,我国信用体系建设还面临着很多问题,有待提高和改善。从目前来看,为争取经济利益而失信的情况,时有发生。我国征信市场的发展时间不长,与欧美存在较大差距。在产品的开发等征信技术方面,也有很大距离,且征信从业人员的素质有待于进一步提高。
“征信机构希望多采集和提供各种信息,但是也容易侵害信息主体的隐私。行业发展和监管始终是一对复杂的矛盾。”他指出,征信系统的发展完善,离不开法治建设,要进一步制订各种管理办法,同时,建立信用体系标准体系,扩大以后信用信息范围。
芝麻信用总经理胡滔也表示,在这一新的大数据征信市场,怎样一方面提高交易信息的透明度,另一方面又能有效地保护个人隐私,不造成客户个人信息暴露方面的恐慌,这需要国家法律法规的完善,同时,还要加强行业自律。
她指出,信用,不是一蹴而就。发展征信,最重要的是惩戒机制,“有一个完善的惩戒、奖励机制,很多人都会去向好的方面去做”。
此外,胡滔指出,中国征信市场,刚刚开放,更多应该是合作的模式。在大数据征信方面,如何更低成本、高效率地收集有价值的信息,都需要共同探索和摸索。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16