- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【数据分析】大数据征信分析报告
【前言】本文对于大数据征信做了透彻的分析，启示了国内存在非常好的投资机会，本文有很好的借鉴意义。希望本文作者联系我们。 本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。 多维度的征信大数据可以使得ZestFinance能够不完全依赖于传统的征信体系，对个人消费者从不同的角度进行描述和进一步深入地量化信用评估。 大数据分析模型 ? 图5展示了ZestFinance的信用评估分析原理，融合多源信息，采用了先进机器学习的预测模型和集成学习的策略，进行大数据挖掘。 其中，ZestFinance开发了10个基于机器学习的分析模型，对每位信贷申请人的超过1万条数据信息进行分析，并得出超过7万个可对其行为做出测量的指标，在5秒钟内就能全部完成。
2.8K50发布于 2018-02-27 - 来自专栏大数据文摘
大数据征信专题——征信三巨头
公司提供的数据分析智能、决策解决方案和处理服务确保在帮助客户更好地了解市场的同时支持他们开发和管理有利可图的顾客关系。 $7,664m 总负债 $5,250m $7,044m 注：单位为美元，b=billion（十亿）, m=million（百万）； EMEA/A.P.包括欧洲、中东、非洲和亚太地区。 CIDA一夫当关——元数据标准的统一 CDIA是美国征信局协会的缩写。这个公司通过发布征信数据的标准征集模板，统一了征信体系的数据采集问题。制定了标准数据搜集格式Metro1和Metro2。 （征信数据元是征信领域内反映被征信人的特性及信用状况的数据单元，是通过定义、标识、表示以及允许值等一系列属性描述的不可再分的最小数据单元，如借款人名称、登记注册类型、登记注册号、学历、还款日期、还款方式等都是通过一系列属性进行描述的征信数据元 通过这个标准，数据采集的统一格式，使得美国个人征信局能够及时低成本、高效率地更新自己的数据库，也为金融机构等征信业“原材料”生产部门上报数据提供了便利。
2.2K100发布于 2018-05-22 - 来自专栏数据猿
中诚信征信闫文涛：个人征信和企业征信未来将走向融合
近年来，随着我国互联网金融的迅速发展，相关行业对信用信息服务的需求也快速增长，征信已成为近期的热点行业。说到征信公司，不得不提老牌机构中诚信征信。 中诚信征信成立于2005年，产品服务涵盖个人征信、企业征信、社会信用体系建设、商业信息服务等多个领域。2014年6月，中诚信征信率先获得企业征信业务经营备案资质。 闫文涛表示：“中诚信征信作为独立第三方信息服务商，我们的价值是在数据的基础上进行专业化建模、分析和解读。 在未来，个人征信和企业征信将走向融合 近年来，中诚信征信在企业征信市场和个人征信市场均有涉猎。闫文涛坦言：“目前，个人征信市场的发展速度远超企业征信市场。” 如今，由于央行批准的八家征信机构对于个人征信领域的介入，使得个人征信覆盖的维度（广度和深度）有长足的进步与拓展，多样化的征信数据整合极大的丰富了个人征信的维度。
1.6K70发布于 2018-04-25 - 来自专栏数据派THU
【干货】杨子君：征信和信用评估——中美比较分析
本文共5000字，建议阅读时间10分钟 本讲座选自杨子君博士于2015年6月5日在 RONG 系列论坛之四——大数据与诚信社会研讨会上所做的题为《征信和信用评估——中美比较分析》的演讲。 将来会形成中美征信格局完全不同，因为美国的征信局是商业机构，未来的中国征信版图征信公司在商业上面会有更多的机会。 现在这些被批准的征信牌照的公司，以及未来各种各样的征信公司可以做的事情很多。 第三方数据公司，央行是愿意接入的，在国外征信公司一般不接入第三方，所以中国的征信市场非常巨大，应用非常广阔。 征信行业的生态圈在国外相对比较完整，有一家叫邓白氏的对企业征信是非常有名的，现在我们定义征信最传统的只有4家，但是广义的征信相关企业很多，现也是在新兴行业，他都和征信息息相关。 深圳鹏源、拉卡拉也是拿到征信牌照的，百度、京东、美团，他们虽然还没有征信牌照，他们的数据可能不是跟征信那么相关，但是他们也会在这里面起到比较核心的作用，现在他们的牌还是以数据为主的牌。
2.5K70发布于 2018-01-29 - 来自专栏数据猿
金融科技&大数据产品推荐：91征信——用互联网改变征信
“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分；感谢 91征信 的产品投递 1、产品名称 91征信——用互联网改变征信 2、所属分类 金融科技·征信 3、产品介绍 5、产品功能 解决方案： 金融机构在放贷前，会对借款人进行风险评估，这就需要数据的支撑。而人民银行征信中心并不会把数据提供给民间金融机构，这是就需要通过91征信来获取借款人是否有多重负债和逾期行为。 查询需要放贷机构提供借款人姓名、身份证信息向91征信发出查询申请，91征信接到申请后分发查询需求给91征信联盟的成员，91征信联盟成员接到申请后迅速反馈给91征信，91征信生成同业征信报告反馈给查询的金融机构 据中国人民银行征信中心2015年统计报告显示，人行征信中心数据库录入8.5亿自然人，其中有信用记录的3.5亿，剩余5亿人信用空白。 2016年2月，91征信企业用户量超过200家，同期完成A轮融资，经纬中国跟投，2016年底公司实现全面盈利。 2017年5月，公司完成由银之杰投资的B轮数千万融资。
1.9K50发布于 2018-04-24 - 来自专栏数据科学与人工智能
【数据分析】当大数据碰撞征信会产生什么？
随着大数据风潮的来临，在改变数字产业的同时，也让更多关联产业产生了颠覆性的变化，例如征信行业以及以征信为基础的金融行业。 当大数据碰撞征信会产生什么？那么，《第一财经日报》记者专访了哈佛大学数据挖掘和风险建模专家Dan Steinberg以及前海征信CEO邱寒。 例如，一共5个分析师，每个人都有很多人工工作，导致每个月只能建构4个模型，但其实很多业务场景都需要模型，进而导致在其他业务上没有运用模型，或者运用精度不高的模型。 应该比较欣喜地看到，像前海征信这样的中国企业开始崭露头角，相信如果中国的征信机构把工作做的好，完全可能有一天某家机构成为中国的FICO，成为真正具有竞争力的征信机构。 作为人民银行第一批批准进行个人征信准备的征信机构，我们前海征信立足于金融，一方面采用了国际前沿的大数据技术，同时也保存了历史验证有效的传统算法的核心内容。
1.6K80发布于 2018-02-27 - 来自专栏点滴科技资讯
美国征信市场研究报告
PDF报告请加入点滴科技资讯知识星球下载或者与群秘联系！点滴科技资讯感谢您的支持！
3.4K50发布于 2018-05-07 - 来自专栏数据科学与人工智能
【数据分析】互联网+大数据模式下的征信
互联网+大数据征信：广泛、多维、实时 图2 互联网+大数据征信模式的意义 首先，征信人群覆盖广泛，可作为征信体系有效补充。 中国有6.48亿网民，人群覆盖面非常广，通过对他们在网络上留下的痕迹进行数据挖掘和分析，能够对目前的征信状况进行有效补充，让更多在互联网上有数据的人，通过刻画得出的信用状况，也能得到金融服务，当然还包括生活服务 最后，征信数据实时鲜活。大数据的两个主要特点是存量、热数据，它不再是离线的事后分析数据，而是在线实时的互动数据。如果某个人有违约行为记录，会立刻被刻画进来，使当前业务的快速决策更加有效。 图5 渗透生活方方面面的信用 在金融类交易方面，可以基于信用分识别违约的可能性。现在我们正尝试与一家租车公司合作，把信用分放到交易场景里，设定分数高低与违约概率相关。 《征信业管理条例》严格禁止征信机构采集基因、指纹、血型等信息用于征信业务。芝麻信用会严格按照法律、行政法规的规定经营征信业务。）
1.8K90发布于 2018-02-27 - 来自专栏大数据文摘
大数据征信：央行开了“半扇门”
在1月5日，中国人民银行官网发布消息称，人民银行已印发《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司等八家机构做好个人征信业务的准备工作，准备时间为六个月。 吴晶妹向网易科技解释：“过去商业征信体系影响力比较弱，关键原因之一就是民营机构没有独立、稳定的数据来源，其数据主要是从前两个体系挖取，商业征信企业所做的工作主要是将数据进行整合、分析。” 吴晶妹指出，阿里、腾讯一类的互联网企业本身就可以产生数据，而且与传统征信体系主要收集财务数据不同、互联网企业可以搜集电子商务、社交等信息，数据来源广泛，可以从更多角度对征信对象进行分析。 网络征信的内容、技术手段、数据特征和分析判断的评估方式、评估模型、主要内容与方向甚至主要结论都会发展根本改变。”同时，她断言：“网络征信是传统征信的业态升级，是对传统征信的彻底改革。” 国外的大数据征信，也是把传统的征信数据和互联网数据结合起来，做相关性分析。
97560发布于 2018-05-21 - 来自专栏华章科技
中国的征信发展走上了歪路？
死党是当年的学霸，留学后留在了美国，先是在美国的几大征信公司工作，现在更是在美国最热的互联网金融公司高管，做的风生水起。 因为死党在几大征信公司工作过，话题自然就扯上了国内征信行业当前分外热门的蚂蚁和芝麻。 死党虽然远在美国，也听说了芝麻最近的一些最新动作，比如芝麻分高免租车押金，申请签证什么的。 死党表明虽然从事征信工作多年，对于这样的应用倒也觉得新鲜。用学霸的话来说，征信评分实际上是一个非常严肃的金融信用评分，主要用于判断一个人借贷的信用情况。 建立在这样基础上的所谓征信评分，怎么可能准确评价借款人的信用分。如果中国的互联网金融的风控判断都基于这样的信用评分，其风险可想而知。 如果按这种思路发展下去，可以说中国的互联网征信已经开始走上一条歪路。 完
47930发布于 2018-08-13 - 来自专栏大数据文摘
【专题】大数据征信之四：任重道远
在商业个人征信领域，除上海资信和深圳鹏元外，新华信等一些资信评估机构也把个人征信业务作为辅助性业务来做，但规模非常之小。 技术落后导致征信中介机构发展缓慢 征信是技术含量很高的工作。征信技术主要包括数据采集技术、数据处理技术、模型评分技术和数据报告技术等等。就目前国内实情来看，征信技术非常落后，几乎没有自主技术。 技术落后使得基础征信产品不成熟，高级征信产品缺乏。这不但限制了征信业本身的发展，也使征信业对金融业和其他行业的支持力度十分有限。 因此，产品单一使得征信市场供给匮乏；对于中国这样的非征信国家而言，征信企业供给不足则潜在需求无法转化为有效需求，整个市场就陷入了需求和供给双重不足且相互影响的恶性循环。 如何突破“卖服务就是卖人头”的困境，还需要有突破型的创新，现阶段的互联网金融基本还是做很基础的渠道业务，核心的创新寥寥，这也是未来3——5年新兴企业创业的机会。
662130发布于 2018-05-22 - 来自专栏PPV课数据科学社区
【干货】大数据时代的金融征信
图5《征信业管理条例》对征信系统的定位 目前，我国征信系统主要采集身份信息、信贷信息、非金融负债信息三大块，涵盖了贷款、贸易融资、保理、票据贴现等各类企业授信产品，以及个人消费贷、住房抵押贷款、信用卡、 此外，为了服务于金融机构贷后管理，提高信贷政策制定的科学性和准确性，信贷资产结构分析、历史违约率等产品也正在研发中。 ? 图9 征信系统的主要产品和服务 征信系统的应用成效不断凸显。 在世界银行全球信用信息指数评价中，我国信用信息指数由2007年的3分上升到2014年的5分，离满分6分更进一步。 ? 图10 我国征信系统的应用成效 对未来征信市场的发展，我是这样看的。 ，通过信息交叉验证和分析，提供借款人信用风险评估服务。 “设计”查看这是我见过最逆天的设计，令人惊叹叫绝 4、回复“可视化”查看数据可视化专题-数据可视化案例与工具 5、回复“禅师”查看当禅师遇到一位理科生，后来禅师疯了！！
1.5K101发布于 2018-04-20 - 来自专栏区块链领域
LinkEye（LET）测评——征信行业的IBM
1，项目类型（5分）得分5分 LinkEye是一套基于区块链技术的自主研发的征信共享联盟链解决方案。属底层链中的联盟链。 2，创新性（3分）得分2分 做区块链征信板块的项目有，但也不多。 a，央行征信覆盖面小，开放程度低。 由于央行特有体系的特殊性，信用评级缺乏一致性及统一性，并且央行征信数据开放程度不高，非央行体系金融机构查询及上传征信报告均难度较大。 b，征信数据呈离散分布。 目前中国信贷征信数据分布于各银行、各小贷公司、各贷款平台等机构，结合机构众多、信息无有效共享等众多原因，造成今日征信数据分布离散，没有建立共同信用屏障。 C，现有征信体系惩戒意义较弱。 Road map（5分）得4分 ? 官网的路线图写的比较笼统，没有具体的标准和时间。 市值分析&币价分析（10分），得分9分。 ? 征信板块的币种有BLT，TRST，CRED，LET，板块整体破发。 为什么说LinkEye是征信行业的IBM。 商用电脑时代的王者是IBM。
90630发布于 2018-07-23 - 来自专栏大数据文摘
ZestFinance：大数据征信应用与启示
本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。 多维度的征信大数据可以使得ZestFinance能够不完全依赖于传统的征信体系，对个人消费者从不同的角度进行描述和进一步深入地量化信用评估。 大数据分析模型 ? 图5展示了ZestFinance的信用评估分析原理，融合多源信息，采用了先进机器学习的预测模型和集成学习的策略，进行大数据挖掘。 其中，ZestFinance开发了10个基于机器学习的分析模型，对每位信贷申请人的超过1万条数据信息进行分析，并得出超过7万个可对其行为做出测量的指标，在5秒钟内就能全部完成。 这些海量而且丰富的互联网数据资源可以被国内征信体系建设很好地利用，通过分析互联网上这些信用主体的基本信息、交易行为信息和金融或经济关系信息，同样可以挖掘出这些信用主体的信用模式。
1.2K50发布于 2018-05-23 - 来自专栏数据猿
算话征信CEO蒋庆军：只有真正“说话算数”的征信机构才能建立起公信力
在这样的背景下，越来越多的P2P信贷平台开始重视风险控制，急需第三方征信平台为其提供征信服务，从而有效管控客户信用风险。 算话征信CEO蒋庆军告诉数据猿记者，所谓“征信”，即“共享债务人的债务信息”。 征信行业存在三个主体，即征信公司、债权人和债务人。征信公司在整个征信体系中负责向以放贷机构为主的债权人提供和共享债务人的债务信息。 算话征信成立于2014年底，主要为非银信贷行业提供共享征信、反欺诈云、大数据风控以及信用评分等服务。截至目前，算话征信已经签约了450多家非银信贷机构。 据了解，算话征信团队四个合伙人全部来自于上海资信公司，负责上海个人联合征信系统的建设和运营，参与了新中国第一个个人征信系统的建设，有十多年的征信从业经验。 如果一个人不讲信用，其失信记录可以在征信平台的数据库中找到。征信平台可以推动社会成为说话算话的社会，所以我们公司取名叫‘算话征信’。”
1.1K40发布于 2018-04-23 - 来自专栏灯塔大数据
个人征信忙备战，隐私泄露需警惕
专家提醒，要警惕放开个人征信系统带来的个人隐私泄露风险，“普通的互联网数据具有不可识别性，而征信涉及的数据和普通互联网数据是不同的，可能会侵害到个人隐私。征信机构需要加强风控体系建设。” 报告显示，芝麻信用公测5个月期间，绝大部分的用户因为守信行为而积累了正向的数据，有91%的用户的芝麻分得到了小幅提升，也有小部分用户因为违约等行为，芝麻分有不同程度的下降。 今年1月5日，央行印发《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司 、北京华道征信有限公司等八家机构做好个人征信业务的准备工作，准备时间为六个月。 具体来看，这8家个人征信机构大致可以分为两类：一类是互联网背景，包括芝麻信用、腾讯征信、深圳前海征信、拉卡拉信用；一类是传统型征信公司，如鹏元征信、中诚信征信、中智诚征信和北京华道征信。
1.1K120发布于 2018-04-04 - 来自专栏腾讯研究院的专栏
大而有用：当大数据遇上征信
除此之外，随着P2P等互联网金融形态风起，数据越来越多应用于风控及征信。 一位BAT资深业内人士判断，5万元以下的借款额度对于借款者的数据信用分析更多集中于“验真”之上。“给借款者授信额度是一个鉴别该借款者真假的过程。” 以微信为例，虽然你在微信的账户是虚拟名字，但是你周围的朋友一定有将你的微信名备注的情况。个人真实身份获得并非难事。”该业内人士说。 与腾讯始终站在PK擂台上的阿里巴巴，在数据上几番出手，蚂蚁金服、芝麻征信、阿里小贷，动作频频。与阿里的电商交易数据、支付数据、商品物流数据等使用有更多不同，腾讯的社交数据意味更浓。 见一财网：大而有用：当大数据遇上征信
1.1K60发布于 2018-01-31 - 来自专栏大数据文摘
互联网金融新大陆：征信脱网的5亿陌生人
央行征信中心副主任王晓蕾直接指出，中国的征信系统目前覆盖了8亿人，但其中5亿人从来不向银行借贷，换言之，这5亿人对于金融部门来说是陌生人，这对于所有的放贷机构都是机会。 上海新金融研究院特邀专家林采宜、宜信公司首席战略官陈欢、信而富创始人兼CEO王征宇就此展开讨论：互联网金融企业需要走出这3亿人，在5亿“陌生人”中开发新用户；而大数据提供了一种相对低成本、高效率的技术手段 ，它将作为央行征信局的补充，试图解决对5亿“陌生人”征信的问题。 中国的征信系统目前覆盖了8亿人，但是在这8亿人里，真正和银行有信贷关系的只有3亿人，换句话说，5亿人跟银行从来没有信贷交易关系。 征信是否需要大数据？ 王晓蕾：怎么去了解这5亿的陌生人，对所有的放贷机构来说都是挑战，但我认为它更是机会。
55350发布于 2018-05-22 - 来自专栏挖掘大数据
必读：个人征信大数据时代起源和发展
其征信服务覆盖行业也非常多。在美国个人征信收到严格的监管，监管法律也非常健全，目前企业征信基本不受监管。 中国征信行业历史起源 在中国，最早的专职征信机构是中华征信所，于1932年6月6日创办。 从而催生了各式各样的数据公司(包括备案的征信机构)尝试将非央行征信的电商、社交等数据应用于信贷风控，例如京东白条。 中国个人征信行业查询规模情况 无论国外还是国内，企业征信的发展都不如个人征信。 后续将征信备案机构及非备案机构归类为“大数据行业”机构 中国征信行业数据主要类型 征信行业使用的数据主要包括传统央行的征信数据及互联网征信数据。 大数据风控行业类型 围绕大数据框架的整体思路发展，大数据风控行业其实简单来分有3种：个人/企业数据接口批发、个人/企业数据接口整合报告、个人/企业数据建模及分析系统。图上均是行业内比较知名的一些机构。 国内征信行业合作伙伴默认征信系统有2套：央行征信系统和民间借贷征信系统。正常情况，银行基本都接入了央行征信，因此银行类客户对自身信用记录非常在意。
3.1K81发布于 2018-01-10 - 来自专栏PPV课数据科学社区
【案例】ZestFinance：大数据征信应用与启示
本文结合美国的金 融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和 征信业未来发展的借鉴意义。 多维度的征信大数据可以使得ZestFinance能够不完全依赖于传统的征信体系，对个人消费者从不同的角度进行描述和进一步深入地量化信用评估。 大数据分析模型 ? 图 5展示了ZestFinance的信用评估分析原理，融合多源信息，采用了先进机器学习的预测模型和集成学习的策略，进行大数据挖掘。 其 中，ZestFinance开发了10个基于机器学习的分析模型，对每位信贷申请人的超过1万条数据信息进行分析，并得出超过7万个可对其行为做出测量的 指标，在5秒钟内就能全部完成。 这些 海量而且丰富的互联网数据资源可以被国内征信体系建设很好地利用，通过分析互联网上这些信用主体的基本信息、交易行为信息和金融或经济关系信息，同样可以 挖掘出这些信用主体的信用模式。
3.9K60发布于 2018-04-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号