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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06