近年来国内个⼈信贷市场迅速发展，传统⾦融机构、P2P、电商、⼩额贷款公司等纷纷将⽬光
投向个⼈消费领域，随着越来越多的⾦融业务互联⽹化，欺诈⼿段也层出不穷，信息不对称、
不透明，给个⼈信贷市场带来了⼤量的多头负债风险和欺诈风险，因此利⽤⼤数据征信创新 不透明，给个⼈信贷市场带来了⼤量的多头负债风险和欺诈风险，
和提⾼风控能⼒成为整个⾦融业关注与探讨的重要话题。
为什么需要⼤数据征信
1、个⼈信贷不良贷款率呈上升趋势，传统征信体系⽆法满⾜市场需要
随着个⼈信贷市场的快速发展，个⼈信贷市场的不良贷款率也不断上升。个⼈信贷评估的主要
标准为个⼈信⽤，我国征信系统⽬前主要以⼈民银⾏征信中⼼为主，民间借贷机构⽆须向⼈民
银⾏上报数据，⾮银⾏体系的贷款申请情况、负债情况和逾期情况等信息不清晰、不透明，因
此传统征信已经⽆法满⾜信贷市场的发展需要。
2、⾦融业务互联⽹化加剧了信⽤风险，提⾼企业风控成本
随着互联⽹消费⾦融的兴起，消费⾦融业务⾯对⼈结构复杂，贷款业务数量多、额度⼩，进
⼀步降低了线上欺诈⾏为的成本，同时为了提⾼⽤户量及使⽤体验，个⼈信贷具有⽆抵押、⽆
个⼈信贷具有⽆抵押、⽆
担保、⼿续简单、审批快速等特点，⽆疑增加了企业信贷风控成本。
我们认为互联⽹⾦融机构主要⾯临着三个问题，第⼀借款⼈是否本⼈操作，是否使⽤了他⼈的
⾝份信息；第⼆借款⼈所提供的信息是否真实，例如借款⼈的⾝份证、住址、收⼊、学历、职
业等信息；第三借款⼈是否具有⾜够的偿还能⼒。对快速发展的互联⽹⾦融⾏业⽽⾔，利⽤⼤
数据来帮助企业判定风险、开拓业务已是必然的选择。
⼤数据征信可以做什么？
1、⼤数据征信体系具有覆盖⾯⼴、信息维度丰富、数据获取实时动态的优势
个⼈信贷风险评估主要从⾝份识别、还款意愿、还款能⼒三⽅⾯进⾏评估，
个⼈信贷风险评估主要从⾝份识别、还款意愿、还款能⼒三⽅⾯进⾏评估，⼤数据征信相
对于传统线下的采集和整合更加全⾯和准确，其信⽤评估结果更加科学，⼤数据征信与传统征
企业信用评分
信相⽐具有三⽅⾯的优势：
数据主要来源于互联⽹，互联⽹覆盖⼈⼴泛，通过互联⽹获取数据，弥补了传统征信体A、数据主要来源于互联⽹，
系的不⾜，能够有效拓展业务；
丰富了数据维度和种类，传统征信数据主要采集⾝份信息、信贷信息、⾮⾦融负债信息三B、丰富了数据维度和种类，
类，以及部分公共信息，在⼤数据征信系统中，信⽤评估的来源更加⼴泛，社交⽹络与电⼦商
务⾏为中产⽣的海量数据，都能给⽤户⾏为提供侧⾯⽀持；
⼤数据挖掘获得的数据具有实时性、动态性，能够实时监测到信⽤主体的信⽤变
C、⼤数据挖掘获得的数据具有实时性、动态性，能够实时监测到信⽤主体的信⽤变
化，企业可以及时拿出解决⽅案，避免不必要的风险。
化，
2、⼤数据征信评估个⼈信⽤注重强相关信息，忽略弱相关信息
通过⼤数据技术⼿段可以挖掘申请⼈多维度信息，包括姓名、性别、年龄、电话、⾝份证件、家庭住址、职业、学历、信贷记录、⽀出、消费偏好、兴趣爱好、社交⾏为等信息。并不是所有数据都对个⼈信⽤评估都有参考价值，数据采集得越多，审核纬度越多，个⼈息。
信⽤评估模型越失真。
按照对个⼈信⽤风险影响的⼤⼩可以将个⼈信息分为强相关信息和弱相关信息，个⼈的姓名、⾝份证、⼿机号属于⽤户⾝份识别的强相关信息，借款⽤户的信⽤卡账单、⽉消费⾦额、⽹络购物真实流⽔分析等是⽤户还款能⼒的强相关信息，⽤户的历史借款记录、逾期笔数、借贷意图等是个⼈还款意愿的强相关信息。
⽤户其他的信息，例如⽤户的⾝⾼、体重、姓名、星座等信息，很难从概率上分析出其对⽤户个⼈信⽤的影响，这些弱相关信息，对⽤户的信⽤消费能⼒影响很⼩，可以忽略不计。
⼤数据征信怎么做？
1、⼤数据征信应⽤于个⼈信贷审批整个流程
个⼈信贷业务审批流程分为贷前审核、贷中决策、贷后管理三个部分，在贷前审核阶段，个⼈信贷业务审批流程分为贷前审核、贷中决策、贷后管理三个部分，
主要对借款⼈进⾏⾝份识别和信⽤评估，贷中决策阶段主要进⾏信⽤跟踪及风险预警，贷后管
理阶段主要有逾期预警、失联修复、轨迹分析，信贷风险控制主要集中在贷前审核与贷后管理阶段。
贷前审核
分为⾝份核实、信⽤评估两部分，
分为⾝份核实、信⽤评估两部分，由于个⼈信贷额度⼀般较⼩，因此对⽤户还款意愿的评估⽐还款能⼒的评估更为重要。
个⼈的姓名、电话、⾝份证件等⼈⼝属性信息主要⽤来对借款⼈进⾏⾝份识别，通过对借款⼈⼿机联系⼈的确认、居住地址位置、指纹、⿊名单查询等来确定借款⼈⾝份是否真实，是否具有贷款资格，防⽌欺诈风险。
个⼈的历史借贷记录包括负债、是否逾期还款等信息，能够体现出个⼈负债情况、及信⽤度，负债额度⾼、恶意逾期还款次数较多客户属于⾼风险客户；个⼈的消费数据包括借款⽤户的信⽤卡账单、⽉消费⾦额、⽹络购物真实流⽔分析可以对⽤户还款能⼒进⾏评估，具有⾼薪⼯作的⽤户且消费⽔平较⾼的客户，其贷款信⽤违约率较低；运营商数据可以对⽤户联系⼈、通话记录等进⾏分析，与贷款电话通话时间较长、换号频率⾼、经常关机的客户骗贷风险较⾼。
在贷中决策阶段
⽤户进⾏信⽤跟踪及风险预警，实时的监测信⽤主体的信⽤风险，例如卷⼊法律纠纷、主要对⽤户进
⾏信⽤跟踪及风险预警，
天灾⼈祸等，需及时作出风险预警。
贷后管理
主要跟踪客户所属⾏业、客户经济状况、客户异常⾏为包括其个⼈信⽤的变化，及时发现主要跟踪客户所属⾏业、客户经济状况、客户异常⾏为包括其个⼈信⽤的变化，
可能不利于贷款按时归还的问题，并提出解决问题的措施。
举例来说，假如发现借款⼈在其他平台借款已经发⽣逾期、近期⼿机经常关机等迹象，则借款⼈有较⾼的概率逾期还款，需及时作出逾期预警；⼀旦客户已经失联，可以利⽤⽤户联系⼈、通话记录等进⾏分析，定位⽤户⼿机使⽤位置，了解到其联系⼈信息，结合出⾏记录等分析借款⼈⾏踪；利⽤借款⼈⾏踪、经济状况变化、消费等信息了解借款⼈逾期原因，是有钱不还还是因为经济能⼒等原因⽆钱可还，制定相应的催收⽅案。
2、⼤数据征信应⽤不仅限于传统⾦融机构，还可以与⽇常⽣活场景结合在⼀起
⽬前⼤数据征信除了传统在⾦融机构、政府部门、公共服务等场景之
从应⽤范围来看，⽬前⼤数据征信除了传统在⾦融机构、政府部门、公共服务等场景之外，还能与各类⽣活化、⽇常化的场景结合在⼀起，
外，还能与各类⽣活化、⽇常化的场景结合在⼀起，⽐如出⾏的租车免押⾦、住宿的⼊住免押⾦、购物的先试后买等各类⽇常履约场景相结合。
随着互联⽹，尤其是移动互联⽹的普遍化，⼈们的⾏为数据逐渐在互联⽹上沉淀，包括⾦融、餐饮、零售、旅游、社区、出⾏、教育、医疗、美容等诸多领域。新兴场景的出现，⼀⽅⾯，让征信⾛出常规的⾦融应⽤场景，扩⼤了个⼈征信的市场空间；另⼀⽅⾯，极⼤的提⾼了⽤户体验，进⽽提升了个⼈征信的使⽤粘性。
⼤数据征信数据类型
⼤数据时代征信数据呈现⼴泛多维、动态实时的特点，数据来源更加⼴泛，种类更加丰富，时效性也更强。⼴泛多维体现在个⼈或企业在互联⽹上的所有⾏为都将被记录，包括个⼈征信的电商数据、社交数据、⽀付数据、⽣活服务数据等，以及企业征信的供销存、现⾦流、物流、资产负债等，⼤⼤扩展了征信体系的数据范畴。动态实时体现在互联⽹的数据是动态且易追踪的，基于此评估信息主体的⾏为变化更加全⾯和准确。
互联⽹征信数据使⽤的⽐较多的主要有个⼈⾝份信息（个⼈基本信息、教育学历信息、驾驶证信息）
、个⼈消费相关数据（资产信息、兴趣爱好、电商注册⾏为），银⾏持卡⼈数据（POS 交易信息、个⼈借贷卡账单信息、线上线下⽀付数据），互联⽹⽤户及⾏为信息（APP浏览数据、WEB浏览数据、地理位置信息），司法被执⾏信息（裁判⽂书信息、履约被执⾏信息、失信⾏为信息）、借贷⿊名单⾼风险客户名单（传统⾦融、互联⽹⾦融）、航旅信息（出⾏频率、票务信息）、位置信息（实时位置、常⽤地址、出⾏轨迹）等。但掌握这些信息的企业基本属于⾏业内的巨头，例如3⼤运营商、京东、淘宝等。
⼤数据征信在信贷风控领域应⽤案例
反映电商信⽤⾏为的芝⿇信⽤
芝⿇信⽤基于阿⾥巴巴的电商交易数据和蚂蚁⾦服的互联⽹⾦融数据，并与公安⽹等公共机构以及合
作伙伴建⽴数据合作，数据涵盖了信⽤卡还款、⽹购、转账、理财、⽔电煤缴费、租房信息、住址搬迁历史、社交关系等等。芝⿇信⽤以芝⿇分来直观呈现信⽤⽔平，主要包含了⽤户信⽤历史、⾏为偏好、履约能⼒、⾝份特质、⼈脉关系五个维度，从950～350分划分为5个等级，分数越⾼代表信⽤程度越好，违约可能性越低。芝⿇征信还出具个⼈信⽤报告，其主要由央⾏征信中⼼负责提供，记录了个⼈基本信息、贷款信息、信⽤卡信息和信⽤报告查询记录等。
反映互联⽹社交⾏为的腾讯征信
腾讯征信的数据更多的是社交数据，其征信产品有两⼤类别：⼀是反欺诈产品，包括⼈脸识别和欺诈评测；⼆是信⽤评级产品，包括信⽤评分和信⽤报告。腾讯征信反欺诈产品的主要服务对象包括银⾏、证券、保险、消费⾦融、⼩贷、P2P等商业机构，它能帮助企业识别⽤户⾝份，防范涉⿊账户或有组织欺诈，发现恶意或者疑似欺诈客户，避免资⾦损失。对于之前没有个⼈征信报告的蓝领⼯⼈、学⽣、个体户、⾃由职业者等⽤户，腾讯通过他们使⽤社交、门户、游戏、⽀付等服务，通过海量数据挖掘和分析技术来预测其风险表现和信⽤价值，为其建⽴个⼈信⽤评分。
反映借款⼈风险的好贷云风控
好贷云风控是好贷⽹和全球最⼤的个⼈信⽤评分机构FICO（费埃哲）共同打造的⼤数据风控平台，整合征信公司、司法数据、⼯商数据、消费数据等重要数据源头，构建了⾦融贷款机构风
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议