
大数据风控助力 草根人群借钱不难
日前,在芝麻信用等8家征信机构即将获准于7月份正式展开个人征信业务之际,在线金融搜索平台融360宣布已经同8家中除前海之外的7家征信机构达成合作,进行数据上的互补。业内专家认为,由于大数据风控,未来小额信贷的应用场景会很快发生变革,将近万亿元的小额信贷市场将成为各大在线金融服务商的争夺焦点。
8家机构蓄势待发
今年1月,央行发布《关于做好个人征信业务准备工作的通知》,要求芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用、北京华道征信等8家机构做好个人征信业务的准备工作,准备时间为6个月。理论上这些机构7月应正式开展业务。
融360风控副总裁李英浩对记者表示,目前大数据征信最大的困难就是数据。芝麻信用的数据库量级很大,但很难构成信用评级的全面性。比如高端人群中可能用支付宝的比例并不大,就这部分人群的信用数据,银行和传统金融机构的积累更有说服力。
“各家数据一定是一个相互补充、相互印证的关系,没有可替代性,单靠某一方面的数据就会出现偏颇。”李英浩介绍说,融360目前同这些征信机构合作的目的是数据互补,从而实现更完善的信用评估和风控结果。
各家征信公司数据不一样
据悉,融360不久前推出了信用评分在借贷领域的应用模型。针对5万元以下的个人信用贷款申请,融360使用了一个名为“天机”的大数据风控系统,其中包含信用风险预测模型,会根据身份认证、还款意愿和还款能力三个大维度,给申请贷款的用户进行评分,依据分值来决定是否放贷、放贷金额及期限。
未来5万元以下的小额贷款申请变得非常简单,10分钟完成审批,12小时内放款。因为背后的个人信用审核完全由风控系统自动完成,而不再需要人工的审核流程。拥有庞大数据源的天机系统,可以有效地把有欺诈风险的人拒绝在外,再在真正有贷款意向的人中间做出更精准的筛选,推送给放贷机构。
李英浩认为,风控领域的开放合作是一个重要的大前提。目前国内商业征信市场非常分裂,第三方征信一直处于各自为营的状况。“为什么我们和这8家征信机构的7家合作?因为每一个征信公司的数据都不一样。比如说阿里,它积累的数据主要取自余额宝、支付宝、淘宝这方面的电商数据。腾讯则主要是社交数据。由于每家不一样,各有擅长,我们都接入才能让信用评估更加全面,用户更快速地在我们平台上贷款。”
破解老百姓“不被信任”困局
数据显示,截至2013年底,央行个人征信系统中收录有信贷记录的自然人约3.4亿,还不到总人口数的1/4,远远满足不了借贷市场的需求,很多没有信用卡或从未跟银行发生借贷关系的人难以获得信贷服务。而在美国,征信体系的覆盖率已经达到了85%,其中商业征信公司扮演着很重要的角色。
“并非草根大众不诚信,而是大多数人并没有得到一个建立‘信用’的机会。”李英浩认为,大征信属于整个国家基础设施的建设,不会一蹴而就。征信这个市场至少需要5-10年的数据积累。由大数据支撑的信用和风控,可以彻底破解老百姓 “不被信任”的困局。有了大数据风控的助力,广大草根人群,例如自由职业者、个体户、小微企业主、学生等人群在线借到钱会变得很容易。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10