
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01