欢迎访问信用海城网站  

设为首页   加入收藏  
当前位置:首页 > 信用警示

大数据征信的新机遇与冷思考

2016-08-27

开展大数据征信,不仅需要储备大数据技术人才,还需要对中国征信的土壤,即中国的经济环境和金融环境以及消费者和企业的行为有深入理解。

 刘新海

比利时鲁汶大学获得电子工程博士。此前在布鲁塞尔的互联网公司Attentio和金融分析公司Vadis从事过咨询和数据分析工作,在中国人民银行金融研究所和中国人民银行征信中心从事过博士后研究。目前为某大型金融机构的高级研究员,同时也是北京大学智能金融研究中心兼职研究员。主要的研究方向:征信、信用风险管理、数据挖掘和金融大数据。

像Google一样提供个人征信服务

【财新网】(专栏作家 刘新海)作为未来征信新模式,大数据征信利用先进IT技术,打破了信用强相关、以信贷数据为主要指标的传统征信模式,引入了大量的社交网络、行为习惯、非结构化数据等信用弱相关数据,这是互联网大数据时代征信的新机遇。

什么是大数据征信

随着征信市场化步伐加快,大数据征信成为热门话题,受到互联网金融和资本市场的追捧。征信和大数据有着基因层面的密切关系:首先,征信数据是天然的大数据,理论上与消费者和企业相关的数据都可以用来做征信;其次,征信其实就是将分散在不同信贷机构、碎片化的局部信息,加工融合成为具有完整视图效果的全局信息,从中挖掘出风险信息,解决交易过程中的信息不对称的问题。而大数据技术的优势就在于能够更好地利用IT先进技术,将支离破碎的数据整合起来,形成真正有用的信息。所以对把数据作为核心资产的征信机构而言,大数据对传统征信业务模式的影响将是变革性的,甚至是颠覆性的。

大数据征信可以简单理解为将大数据技术嵌入传统征信的三个基本环节中:对海量的信用相关数据进行采集和分布式存储;对这些数据进行深入的加工和挖掘;提供更加个性化、更好客户体验的征信信息服务。

大数据征信的出现主要有两种力量在推动:(1)大数据技术本身,以大数据为代表的先进IT技术使得的征信大数据海量采集和深入挖掘信用信息成为可能,驱动了征信新模式的出现;(2)征信服务的商业需求,以个人征信为例,国内外的征信系统都面临一个问题:即不能实现对个人消费者的全覆盖,美国三大个人征信机构的覆盖率达到80%;国内的央行征信系统仅收录了3.2亿人的信用记录。对于这些征信记录缺失的人群,如何进行信用风险管理?这是实现普惠金融的关键问题,尤其是在国内互联网金融野蛮生长的环境下,这种需求越来越迫切。

于是大数据征信应运而生,纵观国内外大数据征信的动态,就信息采集和处理而言,互联网公司提供了很好的经验,技术方面不成问题;大数据的分析和挖掘(例如信用评估),目前也取得了一些不错的效果;在征信服务方面(例如个性化的服务,界面友好的可视化等),还处于摸索阶段。2015年1月5日,央行通知8家征信机构做好个人征信服务准备,其中芝麻信用和腾讯征信都有着丰富的与个人消费者密切关联的大数据,具备了开展大数据征信的基本条件。央行的态度也是希望大数据征信能够丰富征信业的现有模式,激发市场活力。

国内外大数据征信比较

在欧美和国内的征信市场,大数据已经掀起风暴。所有的征信机构都号称自己是大数据公司。传统的征信机构对于大数据征信的态度比较谨慎,以研发为主,逐步推进;而新兴的征信公司则比较激进,基本上直接利用大数据技术替代传统征信技术进行信用风险评估。

在传统征信机构方面,全球最大的个人征信机构Experian(益博睿)已开发出跨渠道身份识别引擎,连接客户消费接触点。早在多年前,就投入研发社交关系数据,并探究互联网大数据对征信的影响。全球第二大征信机构Equifax(艾克飞)通过构建自己的数据创新团队和收购中小型IT高科技公司来为大数据产品和服务的研发布局。征信数据挖掘公司FICO(费埃哲)公司的研究表明,正在将社交媒体和电商网站拥有的在线数据、移动运营商的手机使用数据与传统征信数据结合用于风险建模,提高了模型对客户的区分度,在降低拒贷率的同时,提高了风险预测能力。FICO目前在与少数金融机构合作,在小范围内使用这种模型。

与此同时,一些创新型的金融科技企业直接开玩大数据征信,例如美国信用审批公司ZestFinance利用大数据技术为缺乏征信数据而只能接受高利贷的人群进行信用评估服务,采集了海量跟消费者信用弱相关的数据变量,利用基于机器学习的大数据分析模型进行信用评估,取得不错的实效,将信贷的成本降低了25%。另外一家公司Kabbage则使用商业规模、从业时间、交易量、社交媒体活跃程度以及卖方的信用评分,通过整合多元化的数据利用大数据重构信用评估体系,从而服务于小微企业。

由于大数据时代的到来和社会需求迫切,国内做大数据征信的公司越来越多,并且深受资本市场的追捧。一个典型的代表就是获得IDG投资的闪银(Wecash),其运用大数据技术和机器学习算法,为没有资信数据和借贷记录的短期小额借贷者提供基于移动端的互联网授信产品,对用户进行信用评级,继而提供现金分期、购物分期等服务。

未来大数据征信的市场新机遇

在未来,大数据技术对征信业务的渗透性将会越来越强。在大数据时代,征信领域有更多维度的数据和不同层次的数据都可以用来挖掘和分析。随着社会信用体系建设,以及互联网和移动终端的广泛应用,数据量会从个人消费者数量和相关信用描述数据项维度两个方面飞速增加。结合国际经验,征信数据的实时处理将是未来的趋势。未来,复杂的数据(例如非结构化和关系数据)也将成为征信系统的新数据源,大数据技术将会深入到征信领域的每一个细节。

大数据征信给征信业带来了活力,产生了更多的商业模式。征信业属于信息技术和金融高度融合的一个专业领域,每一次技术的进步都会促进征信业的腾飞,从数据库技术到基于数据挖掘的信用评分,同样集现代信息技术之大成的大数据技术将推动征信业走向新的飞跃。

大数据征信的冷思考

大数据征信还需要深入地研究。目前已经应用的大数据信用评估技术只是对特定的人群和特定的服务有效,更宽泛的推广还有待深入地研究。开展大数据征信,不仅需要储备大数据技术人才(例如数据科学家),还需要对中国征信的土壤,即中国的经济环境和金融环境以及消费者和企业的行为深入地理解。

目前在业界的状况是,和传统征信模式相比,无论国内还是国外,大数据征信的作用可以完全忽略不计,而且说的人远比做的人多。前一段时间,国内的一位征信专家应美国商业周刊记者约稿,写了一篇大数据征信文章,成文之后,和美国的总编辑几次沟通,最后还是被婉拒,这位资深的金融媒体专业人士对大数据征信的热炒持负面态度,认为即便在中国大数据征信的商业价值也不大,目前不能形成一种新的商业模式。这反映了大数据征信在金融领域目前还是一个有争议的话题,需要研究,需要讨论,更要实践来验证。在拥抱大数据征信的同时,我们要多点冷思考,多听一听不同的意见。

(财政部财政科学研究所硕士生曲丹阳对此文也有贡献)


版权所有: 海城市社会信用体系建设工作领导小组办公室  地址:辽宁省海城市经济开发区黄河路86号

邮政编码:114200  联系电话:0412-3601911