金融大數據信用評分模型解析

傳統我的徵信的分析維度包括：

1 ）我的基本數據，如年齡、性別、職業、收入、婚姻情況、工做年限、 工做情況等；

2） 信貸狀況，主要是信貸和信用卡相關數據；

3）公共數據，包括稅務、工商、法院、電信、水電煤氣等部門的數據；

4） 我的信用報告查詢記錄。

現在隨着大數據時代的到來和發展，可用於評估人們的數據愈來愈豐富，如電商的交易數據、社交類數據（強社交關係如何轉化爲信用資產）、網絡行爲數據等， 來自互聯網的數據將幫助金融機構更充分地瞭解客戶。

（一） 側重電商： 芝麻信用

以芝麻信用所構建的信用體系來看，芝麻信用分根據當前採集的我的用戶信息進行加工、整理、計算後得出的信用評分，分值範圍是 350 到 950，分值越高表明信用水平越好，較高的芝麻分能夠幫助我的得到更高效、更優質的服務。 芝麻分綜合考慮了我的用戶的信用歷史、行爲偏好、履約能力、身份特質、人脈關係五個維度的信息，其中來自淘寶、支付寶等「阿里系」的數據佔 30-40%。

1） 信用歷史： 過往信用帳戶還款記錄及信用帳戶歷史。目前這一塊內容大多來自支付寶，特別是支付寶轉帳和用支付寶還信用卡的歷史。

2） 行爲偏好： 在購物、繳費、轉帳、理財等活動中的偏好及穩定性。好比一我的天天打遊戲 10 小時，那麼就會被認爲是無所事事；若是一我的常常買紙尿褲，那這我的便被認爲已爲人父母，相對更有責任心。

3） 履約能力： 包括享用各種信用服務並確保及時履約，例如租車是否按時歸還，水電煤氣是否按時交費等。

4） 身份特質： 在使用相關服務過程當中留下的足夠豐富和可靠的我的基本信息。 包括從公安、學歷學籍、工商、法院等公共部門得到的我的資料，將來甚至可能包括根據開車習慣、敲擊鍵盤速度等推測出的我的性格。

5） 人脈關係： 好友的身份特徵以及跟好友互動的程度。根據「物以類聚人以羣分」的理論，經過轉帳關係、校友關係等做爲評判我的信用的依據之一。其採用的人脈關係、性格特徵等新型變量可否客觀反映我的信用，但目前尚未將社交聊天內容、點贊等歸入參考。

（二） 側重社交： 騰訊信用

騰訊信用 主要是基於社交網絡。 經過 QQ、微信、財付通、 QQ 空間、騰訊網、 QQ 郵箱等社交網絡上的大量信息， 好比在線時長、登陸行爲、虛擬財產、支付頻率、購物習慣、社交行爲等， 利用其大數據平臺 TDBank，在不一樣數據源中， 採集並處理包括即時通訊、 SNS、電商交易、虛擬消費、關係鏈、遊戲行爲、媒體行爲和基礎畫像等數據，並利用統計學、傳統機器學習的方法，得出用戶信用得分，爲用戶創建基於互聯網信息的我的徵信報告。

騰訊信用 評分以星級的方式展示。 信用星級一共 7 顆星，亮星顆數越多表明信用越良好，星級主要由四個維度構成：

1） 消費： 用戶在微信、手機 QQ 支付以及消費偏好。

2） 財富： 在騰訊產品內各資產的構成、理財記錄。

3） 安全： 財付通帳戶是否實名認證和數字認證。

4） 守約： 消費貸款、信用卡、房貸是否按時還等。

（三）側重運營商： 聚信立

聚信立主要是基於互聯網大數據，綜合我的用戶運營商數據、電商數據、公積金社保數據、學信網數據等，造成我的信用報告。 聚信立經過借款人受權，利用網頁極速抓取技術獲取各種用戶我的數據，經過海量數據比對和分析，交叉驗證，最終爲金融機構提供用戶的風險分析判斷。

聚信立以報告形式展示，報告主要由四個維度構成：

1） 信息驗真： 經過交叉比對驗證用戶是不是真實存在的人，是否有欺詐風險。

2） 運營商數據分析：分析用戶生活、工做及社交範圍，與家人朋友的聯繫頻率等。

3） 電商數據分析： 分析用戶消費能力及消費習慣，判斷用戶是否有能力還款。

4） 其餘數據分析： 包括公積金社保數據、學信網數據、全國高法執行名單、黑名單等數據，判斷用戶是否存在欺詐風險。

聚信立的底層 IT架構爲豐富的技術線提供穩定支持，對全部數據源網站進行實時監控，人工智能自動排錯，可用率超過 90%。

（四）側重信用卡： 51 信用卡

51 信用卡主要是基於用戶信用卡電子帳單歷史分析、電商及社交關係強交叉驗證。 根據用戶的信用卡數據、開放給平臺的電商數據所對應的購買行爲、手機運營商的通話狀況、登記信息等取得多維信息的交叉驗證，肯定用戶的風險等級以及是否貸款給該用戶。

51 信用卡風險等級由五個維度構成：

1） 帳單管理時間： 信用卡有效存續時間越長，用戶風險越低。

2） 帳單表現： 根據用戶的授信卡數、授信額度，以及還款比和帳單完整度判斷用戶的還款能力和誠信程度。

3） 手機入網期限： 手機入網期限越長，用戶風險越低。

4） 運營商： 經過近 4 個月有效通話記錄以及通信錄中是否存在負面聯繫人判斷用戶自身的可靠程度。

5） 淘寶： 主要看經常使用收貨姓名及電話號碼是否與申請人預留號碼一致。

大數據徵信怎麼作？隨着大數據時代的到來和發展，可用於評估人們的數據愈來愈豐富，如電商的交易數據、社交類數據（強社交關係如何轉化爲信用資產）、網絡行爲數據等，來自互聯網的數據將幫助金融機構更充分地瞭解客戶。

1）側重電商：芝麻信用。芝麻分來自淘寶、支付寶的數據佔30-40%，綜合考慮我的用戶的信用歷史、行爲偏好、履約能力、身份特質、人脈關係五個維度的信息；

2）側重社交：騰訊信用。經過社交網絡上的大量信息，好比在線時長、登陸行爲、虛擬財產、支付頻率、購物習慣、社交行爲等，得出用戶信用得分；

3）側重運營商：聚信立。綜合我的用戶運營商數據、電商數據、公積金社保數據、學信網數據等，造成我的信用報告；

4）側重信用卡：51信用卡。根據用戶的信用卡數據、開放給平臺的電商數據所對應的購買行爲、手機運營商的通話狀況、登記信息等取得多維信息的交叉驗證，肯定用戶風險等級。

節選自招商證券2016年5月17日發佈的報告《全民徵信時代開啓，大數據推進創新》。