大数据金融在征信上的应用和发展趋势研究

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《大数据金融在征信上的应用和发展趋势研究》，欢迎阅读！

大数据金融在征信上的应用和发展趋势研究

摘要：数据是征信业务开展的基础资料。征信活动主要是围绕数据进行采集、整理、保存、加工,并最终向信息使用者提供。大数据不仅为征信业发展提供了极为丰富的数据信息资源,也改变了征信产品设计和生产理念,成为未来征信业发展最重要的基石。我国征信业发展尚处于起步阶段,在大数据时代存在征信法律制度和业务规则不够完善、征信机构数据处理能力有待提高等问题。未来征信业面临的机遇和挑战并存,研究大数据时代征信业的发展具有重要意义。 关键词：大数据金融；传统征信；大数据征信

本文从传统征信入手,详细阐述了传统征信的含义,讲述了大数据征信的含义,并与传统征信对比阐述其优势和难题,从各个角度说明大数据出现的必然性。 一、大数据金融、征信的概述 1.大数据金融概述

大数据金融是指运用大数据技术和大数据平台开展金融活动和金融服务,对金融行业积累的大数据以及外部数据进行云计算等信息化处理,结合传统金融,开展资金融通、创新金融服务。具体来说,大数据金融通过收集和整合海量的非结构化数据,运用大数据、互联网、云计算等信息化方式,对客户消费数据进行实时分析,可以为金融企业提供客户全方位信息,通过分析和挖掘客户的交易和消费信息掌握客户的消费习惯,准确预测客户行为,提高金融服务平台新的效率以及降低信贷风险。

2.征信的概述

19世纪初,英国常有“绅士不付裁缝账”的现象,伦敦的裁缝们为绅士和贵族定做衣服是做好之后再收钱,结果总有一些客户不及时付款或故意赖账,这样给裁缝们造成了很大损失。于是,为保护自身利益,裁缝们创立了一个交流其客户支付习惯信息的机制,拒绝为那些信用不良的客户们服务。从这个征信制度的雏形可以看出,征信活动是在授信人之间形成一种分享客户信用信息的机制。

随着市场经济的发展,授信活动或信用活动在市场交易中日益频繁。全社会特别是授信人、投资人对征信服务的需求也不断增长,征信业开始在世界各地蓬勃发展起来。相对于“社会信用体系”“诚信体系”等词来说,“征信”的概念在国际上是有共识的。“征信”对应英语中最合适的词是credit reference,这里的“信”即“信用”,credit是指经济层面上的信用。 3.大数据征信概述

大数据征信是指运用大数据技术重新设计征信评价模型和算法,通过多维度的信用信息考察,形成对个人、企业、社会团体的信用评价。

大数据征信数据主要来源于网络上的公开数据、用户授权数据和第三方合作伙伴提供的数据。同时,互联网企业通过电商活动建立了宝贵的信用资源,从电商、微博等平台获取客户网络痕迹,从中判断借款人的信用等级,形成整体风险导向,完善大数据的积累。

大数据征信从其本质上来看是将大数据技术应用到征信活动中,突出强调的是处理数据的数量大、刻画信用的维度广、信用状况的动态呈现、交互性等特点,这些活动并未超出《征信业管理条例》中所界定的征信业务范围,本质上仍然是对信息的采集、整理、保存、加工和公布,只不过是以一种全新的方式、全新的视角


来进行而已。

二、大数据金融在征信上应用的优势和问题

1.大数据征信相对于传统征信有以下几点特征与优势 1）依托互联网,覆盖范围大

关于收入情况、社保缴纳、信用卡消费等,与银行直接发生过借贷关系的人群,可以通过全国个人征信数据库查询到信用记录,从而进行相应的风险评估。但这一主要数据库牵涉面仍十分有限。在互联网上,只要个体有登记注册,开立银行账户,进行纳税,甚至社交等活动,便能用网络的痕迹,采取数据的深层挖掘与有效分析,同样也可能获得有价值的信用信息,这使征信人群辐射范围愈加扩大,得到延展。 2）获取广谱数据源,多方渗透

传统征信主要使用传统结构化数据,其主要来源为借贷范畴,而大数据征信不仅限于目前的形式,除了现金流等财务数据外,根据互联网的活动痕迹,还可获知客户的交易行为、社会关系等半结构化的数据。通过对这些半结构化数据甚至非结构化数据,进行不同维度、不同层次的挖掘与分析,可以得到关于人心理、行为、性格等根本的有价值的数据源,使之成为新数据的来源之一,继而纳入征信体系。由此可见,大数据提供的广泛而复杂的信息源对征信业务的信用评估渗透力与影响力十分强大。

3）横向时间展开,实现数据实时性

离线的事后分析数据,让传统征信评价模式陷入了数据少、时效差的泥潭。在飞速的互联网+金融时代,只关注、分析考察对象历史信息早已不够。取代传统征信的精确性,大数据把重点转移至数据相关性方面。依靠大数据所具备的存量和热数据的典型特征,数据已成为一种在线实时更新的状态。在大数据征信的分析对象中,不仅包括考察目标的历史记录,还在时间的横向维度上加入当前信息。当数据的纵向挖掘与横向扩宽相结合时,信用评价的处理速度与决策效率将更加高效。 2.大数据征信的难题

随着消费金融、网络借贷等互联网消费模式快速增长,以及大数据技术突飞猛进,大数据征信服务机构开始大量涌现。但多元化、多层次征信市场体系建设面临一系列挑战,有很多难题尚未破解。

1)相关技术在征信领域有效运用门槛较高,设计的技术点比较多,算法、模型、框架繁杂,对于中小企业构建自己的数据分析平台难度较大。

2)处理能力需要有待提高,之前提到用户基数大,维度信息多,并且很多数据可能非增量,非静态,对数据处理的能力是一个严峻的考验。

3)算法的合理性和标准性,目前没有一个统一个标准,也没有一个类似联盟的机构推出相关草案。 三、解决的措施

1.加大数据模型的研发,改善数据模型的缺点,同时对数据来源进一步筛选。 以全联为例子,全联自主研发了基础征信大数据技术,这为快速执行全联的应用和解决方案的更新提供了灵活性。 2.大力增强数据匹配连接能力

大数据的商业价值实现关键技术之一就是匹配、连接和整合不同类型、不同来源的数据,其原理如下：首先找到多个数据源中信息对应的消费者,然后匹配消费者具体的信息项,将可能存在冗余的信息项进行合并或剪裁,得到消费者的全面、统一的视图。

3.针对个人隐私问题,需要国家立法,在用户同意企业获取其个人信息时才能


动用用户个人信息。

四、大数据金融在征信上的发展趋势

完善征信监督体系,形成独立组织或平台,监控业务数据运行风险。提炼大数据安全保障机制,明确各组织或者个人的权利和义务的范围。围绕大数据建立征信体系标准,保障企业商业机密、用户因素、国家信息安全,提供相应法律制度,保障大数据在对数据使用过程中的权益。增强大数据在互联网金融行业应用范围,提升创新度,不仅仅局限于增值服务、信用报告等。创建大数据共享联盟体系,统一标准,使孤立在各机构、公司和互联网的数据按照一定规范共享,这些将是未来大数据在征信领域的发展趋势。 参考文献

[1]何平平,车云月.大数据金融与征信.[M].北京:清华大学出版社,2017:202-210 [2]张雨辰,杨坚争.大数据背景下的互联网金融征信问题研究.[J].电子商务,2016,（5）:130-137

[3]张健.大数据征信的创新特点、问题及优化路径.[J].电子商务,2018,（1）:58-62.

本文来源：https://www.wddqxz.cn/8f9e08883b68011ca300a6c30c2259010302f338.html