大数据征信:芝麻信用、腾讯信用和51信用卡等信用评分模型解析

中国IDC圈6月2日报道,传统个人征信的分析维度包括:

1 )个人基本数据,如年龄、性别、职业、收入、婚姻状况、工作年限、 工作状况等;

2) 信贷情况,主要是信贷和信用卡相关数据;

3)公共数据,包括税务、工商、法院、电信、水电煤气等部门的数据;

4) 个人信用报告查询记录。

如今随着大数据时代的到来和发展,可用于评估人们的数据越来越丰富,如电商的交易数据、社交类数据(强社交关系如何转化为信用资产)、网络行为数据等, 来自互联网的数据将帮助金融机构更充分地了解客户。

大数据征信

(一) 侧重电商: 芝麻信用

以芝麻信用所构建的信用体系来看,芝麻信用分根据当前采集的个人用户信息进行加工、整理、计算后得出的信用评分,分值范围是 350 到 950,分值越高代表信用水平越好,较高的芝麻分可以帮助个人获得更高效、更优质的服务。 芝麻分综合考虑了个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度的信息,其中来自淘宝、支付宝等“阿里系”的数据占 30-40%。

1) 信用历史: 过往信用账户还款记录及信用账户历史。目前这一块内容大多来自支付宝,特别是支付宝转账和用支付宝还信用卡的历史。

2) 行为偏好: 在购物、缴费、转账、理财等活动中的偏好及稳定性。比如一个人每天打游戏 10 小时,那么就会被认为是无所事事;如果一个人经常买纸尿裤,那这个人便被认为已为人父母,相对更有责任心。

3) 履约能力: 包括享用各类信用服务并确保及时履约,例如租车是否按时归还,水电煤气是否按时交费等。

4) 身份特质: 在使用相关服务过程中留下的足够丰富和可靠的个人基本信息。 包括从公安、学历学籍、工商、法院等公共部门获得的个人资料,未来甚至可能包括根据开车习惯、敲击键盘速度等推测出的个人性格。

5) 人脉关系: 好友的身份特征以及跟好友互动的程度。根据“物以类聚人以群分”的理论,通过转账关系、校友关系等作为评判个人信用的依据之一。其采用的人脉关系、性格特征等新型变量能否客观反映个人信用,但目前还没有将社交聊天内容、点赞等纳入参考。

大数据征信大数据征信

(二) 侧重社交: 腾讯信用

腾讯信用 主要是基于社交网络。 通过 QQ、微信、财付通、 QQ 空间、腾讯网、 QQ 邮箱等社交网络上的大量信息, 比如在线时长、登录行为、虚拟财产、支付频率、购物习惯、社交行为等, 利用其大数据平台 TDBank,在不同数据源中, 采集并处理包括即时通信、 SNS、电商交易、虚拟消费、关系链、游戏行为、媒体行为和基础画像等数据,并利用统计学、传统机器学习的方法,得出用户信用得分,为用户建立基于互联网信息的个人征信报告。

腾讯信用 评分以星级的方式展现。 信用星级一共 7 颗星,亮星颗数越多代表信用越良好,星级主要由四个维度构成:

1) 消费: 用户在微信、手机 QQ 支付以及消费偏好。

2) 财富: 在腾讯产品内各资产的构成、理财记录。

3) 安全: 财付通账户是否实名认证和数字认证。

4) 守约: 消费贷款、信用卡、房贷是否按时还等。

大数据征信

(三)侧重运营商: 聚信立

聚信立主要是基于互联网大数据,综合个人用户运营商数据、电商数据、公积金社保数据、学信网数据等,形成个人信用报告。 聚信立通过借款人授权,利用网页极速抓取技术获取各类用户个人数据,通过海量数据比对和分析,交叉验证,最终为金融机构提供用户的风险分析判断。