行业动态

Industry Dynamic
News 行业新闻

中国大数据征信行业的“软肋”与对策

日期: 2017-10-13
浏览次数:

中国大数据征信行业的“软肋”与对策


中国大数据征信行业的“软肋”与对策


大数据征信前景广阔,在资本市场、商务合作和终端消费市场,征信产品的需求已经显现出来,金融机构、企业和消费者对通过第三方大数据征信机构在经济活动中考察合作和交易对方的信用状况抱有很大的期待。

我国征信业刚刚起步,发展时间并不长,根据发达国家的经验,建成征信数据库至少需要三到五年的时间。数据库建设滞后导致市场上征信产品和服务并不丰富,这是我国征信业发展的现状。


中国大数据征信行业方心未艾

国内知名大数据专家、职品汇创始人龚才春博士介绍说,中国的大数据征信行业还处于起步阶段,虽然,受到了资本和市场和互联网金融企业的追捧,但方兴未艾的征信行业尚不足以支撑起互联网金融行业不断扩展的商业蓝图。

龚才春博士指出,国内征信市场现在处在无序竞争阶段,这种局面下肯定会出现优胜劣的现象,独立、客观、公正、规范,具有优质数据和强大评级体系的征信机构,最终会在市场上存活,而那些“伪大数据征信机构”将面对愈加严酷的市场环境。


中国大数据征信行业有哪些“软肋”

在政府鼓励和市场迫切需求双重驱动下,国内掀起了一股狂热的互联网征信浪潮,但已经有不少人心存疑虑,质疑大数据征信的含金量和可靠性。国内知名大数据专家、职品汇创始人龚才春博士介绍说:当前国内的大数据征信行业还存在着诸多难点,比如:

1、大数据数据整合难,信息孤岛难题待解:央行征信系统并未开放,征信机构无法获取珍贵的信贷数据,而央行对企业在小贷、租赁金融的信贷行为也难以全面掌握;公共数据广泛分散在工商、质检、海关、税务等政府和业务管理部门,虽然建设统一信用信息平台已提上日程,但数据孤岛的问题仍难解;芝麻信用、腾讯征信等所背靠的集团,以及各类P2P平台自建的征信公司本身存在业务交叉和竞争关系,共享“黑名单”易,共享“白名单”难等等。

2、征信数据缺乏统一标准:到底哪些信息需要列入征信评估范畴还没一个统一的界定,越来越多的信息被纳入征信范畴,交通违章、地铁逃票等似乎什么都可以往里装,这些都可能构成个人不良征信记录影响个人信贷。

3、公信力遭质疑:“征信采集者与使用者没有任何关系”的独立第三方原则被模糊,首批入围的民营征信机构数据的采集和使用都与自身有着千丝万缕的联系,这就决定了现在市场中的很多模型只能适用于自己的小生态,同时民营征信机构既做裁判又做选手,最终评价的公正性或在市场份额争抢中失衡。

4、评级模型五花八门:中国并不缺数据,但缺乏可以数据通用的评估模型。国内个人征信大多模仿了美国FICO的模型,但在评估维度上五花八门,加上采集的数据差异,这就造成同一个人在不同平台得到的评分可能会千差万别。而企业征信的评级模型,以及债券评级模型的严谨性、科学性在国际上并无强公信力。

龚才春博士指出,只根据数据分析出的规律并不全面,如果仅据此进行风控审核,难免会出现疏漏或偏差。大数据只能作为辅助手段,不能作为风控的决策依据。


大数据征信行业的应对之策

1、互联网信息采集技术是关键。

大数据征信给人的第一印象就是数据规模庞大。但这不重要,仅从数据量上来说,传统的信用评级公司经过数据的长年积累也可能做到。关键在于数据的采集上,大数据征信数据库更多地依靠技术能力聚合有关企业或个人有效信用数据,并录入基础数据库,纳入相关企业或个人的信用档案中。

正是通过互联网技术,才能让信用信息数据库迅速汇集、冲洗出鲜活的信用信息,如果一些征信公司没有数据库,或者数据库里只有一些企业的基本信息,就标榜自己是大数据征信,就值得警惕了。


2、实现企业信用的动态评估。

大数据的另一个显著特征是,对及时捕捉来的数据进行适时分析,由基础数据库纳入数据评估系统。比如当前一家企业的信用评级良好,下一刻在质监部门或新闻媒体就有可能发布关于这家企业的负面信息,大数据征信数据征信就要能够实时捕捉到这些信息,并通过系统内置的数据计算模型,对数据进行交互处理,对企业的信用状况进行重新评估更新,让公众能够及时了解到企业最新的信用信息,也就是说在大数据征信机制下,企业或个人的征信状况是动态变化的,这就是大数据征信的独特魅力。

传统征信机构的普遍做法是,征信公司向企业发出资料清单,依据企业提交的信息资料、辅以对企业短时间的财务分析,对企业进行信用评估,并标注有效期一年、两年、三年,这和大数据征信机制完全相悖。


3、通过统一数学模型进行信用评级。

传统征信更多地是依靠人为的、主观的因素来评级,通过分析师或信用评估从业者对企业提报的资料经过分析而做出企业的信用评定。而大数据征信面对的是海量的企业或个人的信用数据,依靠人工来分析评级很不现实,大数据征信下的信用评级是通过系统内统一的数学计算模型,对企业或个人的信用信息进行计算,并得出相关企业或个人的信用分值和信用等级。

大数据征信所采用统一数学模型的信用评级,更具客观性,效率也大大提高。


4、实时出具信用报告。

通过统一数学模型对企业或个人进行信用评级的同时,征信系统能够实时为企业和个人出具信用报告。比如说,传统征信模式通过调查、资料分析和信用评级,要出一份信用报告,至少需要2周或更长的时间,而大数据征信通过系统广泛采集企业的信用信息,可以做到信用报告直接在线下载打印,这是传统的征信模式所无法比拟的。

作为一个新兴行业,大数据征信业在发展初期出现混乱局面本无可厚非。征信行业需要正本清源,需要不断完善进步,这样才能适应互联网金融、国际贸易、传统商业、人力资源行业等不同行业发展的需求。


相关新闻 / 推荐新闻 More
2017 - 12 - 08
为什么大家都不戳破深度学习的本质?!日期:2017年12月7日来源:36氪作者:Pope人类正在慢慢接近世界的本质——物质只是承载信息模式的载体。人脑之外的器官都只是保障这一使命的给养舰队。自从去年 AlphaGo 完虐李世乭,深度学习火了。但似乎没人说得清它的原理,只是把它当作一个黑箱来使。有人说,深度学习就是一个非线性分类器?有人说,深度学习是对人脑的模拟……但我觉得都没有捅透那层窗户纸。当读完 Jeff Hawkins 的《论智能》,「就是它了!」。而我惊奇地发现,原书竟是 2004 年出版的!我怕自己读了本假书,或是某个美国民科的著作,特意到豆瓣、知乎上查了下,发现几乎每个看过这本书的人都对其理论啧啧称赞。但奇怪的是,似乎没人肯替它站台,这套理论的影响止步于此,好像大家都在刻意掩饰自己看过这本秘笈。它明明已经完整解释了人脑智能的运作机制了啊!注意是 Real Intelligenc...
2017 - 12 - 08
《大数据、人工智能、区块链的行业落地——2017中国保险科技报告》日期:2017年12月来源:亿欧网中国保险业已经经历了六十多年的发展历程,2016年保费收入已经飙升至全球第二,中国也已经成为了保险大国。保险公司为了优化保险的选择、投保、赔偿等步骤,将包括大数据、人工智能、区块链在内的前沿技术运用于这一行业。大数据、人工智能、区块链三大核心科技,开始向保险业的方方面面辐射,广泛运用于产品创新、保险营销和保险公司内部管理等方面。同时,随着资本的不断涌入,一众保险行业内的公司正在以自己的方式重塑保险行业生态。亿欧智库根据当前大数据、人工智能、区块链三项技术在保险行业的落地情况撰写了这份《大数据、人工智能、区块链的行业落地——2017中国保险科技报告》,希望通过本次研究来探究保险行业的发展过往、业态特点,以及前沿科技中大数据、人工智能、区块链三项技术在保险行业的具体落地情况,并且对行业未来的发展...
2017 - 12 - 08
深度学习也解决不掉语音识别问题自从深度学习被引入语音识别后,误字率迅速下降。不过,虽然你可能读到过一些相关文章,但其实语言识别仍然还没有达到人类水准。语音识别已经有了很多失败的模式。而要将ASR(自动语音识别)从仅在大部分时间适用于一部分人发展到在任何时候适用于任何人,唯一的方法就是承认这些失败并采取措施解决它们。在交换台通话(Switchboard conversational)语音识别标准测试中误字率方面的进展。这个数据集采集于 2000 年,它由四十个电话通话组成,这些通话分别属于随机的两个以英语为母语的人。仅仅基于交换台通话的结果就声称已经达到人类水准的语音识别,就如同在某个天气晴朗、没有车流的小镇成功测试自动驾驶就声称已经达到人类驾驶水准一样。近期语音识别领域的发展确实非常震撼。但是,关于那些声称达到人类水准的说法就太宽泛了。下面是一些还有待提升的领域。口音和噪声语音识别中最明显...
2017 - 12 - 08
金融大数据「支招」,如何躲避现金贷「老赖日期: 2017年12月6日来源:36大数据作者:王柏匀日期: 2017年12月6日来源:36大数据作者:王柏匀不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。那么,金融大数据有效控制“老赖”行为呢?现金贷监管风暴终于“打板”。12月1日,互联网金融风险专项整治、P2P网贷风险专项整治工作领导小组办公室正式下发《关于规范整顿“现金贷”业务的通知》,明确统筹监管,开展对网络小额贷款清理整顿工作。这无疑为现金贷公司的焦躁又添了“一把心火”。此前,就有不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。据华夏时报网报道,正常在20%至30%左右的逾期率,目前最高可达60%。这迫使个别平台考虑暂停现金贷业务的新增贷款。这时候能否通过金融大数据有效控制“老赖”行为呢?宜信首席战略官陈欢认为,从“信息化”到“数...
关闭窗口】【打印