APP下载

电信大数据在征信领域的应用研究

2016-05-14王波陈标魏宇航

移动通信 2016年8期
关键词:信用用户评分

王波 陈标 魏宇航

通过对大数据时代征信领域展现的新特点进行剖析,提出了一种基于电信大数据在征信领域的应用方案,并从征信理念、数据来源、数据形式、数据量、技术要求等方面对传统征信、互联网征信及电信大数据征信进行对比分析。电信大数据承载了大量的用户连续行为信息,可以应用于征信领域,为社会征信体系建设提供了有益的启示。

大数据 电信大数据 征信

1 引言

征信市场是我国市场经济体系的重要组成部分,也是全面深化改革进程中进一步发挥市场决定性作用及推进国家治理体系和治理能力建设的重要基础[1]。我国的征信市场与发达国家相比仍具有较大差距,主要表现在市场主体及征信组织体系不够完善、规模小、研究和应用深度及广度不够、法律不够健全等。

作为对数据、技术、方法和制度的一种全面革新,大数据将对征信数据的来源和形态、征信加工处理方式、征信评估技术、征信产品的传播分享渠道以及征信制度基础进行全面重构,从而对征信市场产生了深刻影响[1]。本文仅就大数据时代的征信新特点,并尝试基于电信大数据在征信领域的探索及应用展开讨论。

2 大数据时代的征信新特点

大数据是信息时代发展到一定阶段的结果与体现,其对传统信用评估尤其是在企业信用评级和个人信用评分方面产生了巨大的冲击[2],它拓展了信用信息的内涵及数据范围,为信用数据的处理提供了新的处理技术,使“一切数据皆信用”成为可能。例如,阿里巴巴“芝麻信用评分”的出现是大数据运用到社会诚信建设的巨大进步,是大数据时代诚信机制建设的有利契机[3],也响应了英国大数据科学家所说的“大数据时代已经来临,将引起一场生活、工作与思维的重大变革”[4]。“芝麻信用评分”从信用历史、履约能力、身份特质、行为偏好以及人脉关系等五个维度对评分主体开展信用考核[5],涵盖了用户网购、人际关系、学历、位置、职业、信用卡还款、水电缴费等各个方面,评分范围从350分到950分,分数越高代表信用度越高,就可以使用更多的信用生活。从某种意义上说,“芝麻信用评分”产品的出现代表了大数据征信时代的来临。大数据时代的征信呈现出新的特点,具体体现在以下方面:

(1)“一切数据都是征信”提供了技术及实践上的可能。传统的中国人民银行征信中心提供的征信数据主要基于用户的银行贷款、信用卡还款、社保及公积金缴存、水电煤等基础设施费用、法院判决等数据,而大数据时代则将数据的使用范围拓展到了网购、朋友圈、上网行为、个人生理特征以及如穿衣、驾驶、理发、购书、乘车、医疗等日常生活的所有数据,这些数据极大地拓展了征信主体的信息范围,并使原来看似无用或者碎片的个人信息得到了关联规整,通过大数据挖掘技术及信息展现技术,全面立体地展现了一个人的信用状况。

(2)民众的信用意识提升到新的高度,并越发重视信用评分的提升。随着移动互联网及智能手机的普及,互联网征信产品的成功运营使潜在征信主体的覆盖范围得到了极大地提升,从而让更多的人有了自己的大数据“征信评分”。而随着大数据征信评分可以享受的权益越来越多,失信得到的惩戒措施越来越完善,征信主体就会主动提交更多的个人征信评价数据,并自觉规范自己的行为,从而保持或者不断提升个人的已有评分。

(3)大数据征信有利地促进了市场经济繁荣。大数据征信为信誉良好的个人和组织提供了各种便利和增值效益,也为如住宿、餐饮、担保、小额贷款、租车等行业带来了新的盈利模式,提升了信誉资本的自身扩张和增值能力,为市场经济的繁荣提供了信誉制度保证。

3 传统征信、互联网征信及电信大数据

征信的比较

如表1所示,主要从征信理念、数据来源、数据形式、数据量、技术要求等方面对传统征信、互联网征信及电信大数据征信展开比较分析。

4 电信大数据在征信领域的应用实践

拟构建的基于电信大数据的个人征信评价体系由客观变量、评价指标及信用评分三部分组成,如图1所示:

客观变量包含ARPU(Average Revenue Per User,每用户平均收入)、流量消费、在网时长等用户业务数据,以及用户的性别、年龄、身份证号码或者实名制信息等用户基础数据共24项变量;基于客观变量,将24项变量划分为身份特征、通信消费能力、信用历史、行为偏好以及人脉关系五类评价指标,如表2所示。最终评分参考了美国个人信用评级法FICO评分,评分范围为300分至950分,通过评分模型逻辑计算输出用户评级,分数越高代表用户的信用越好。

5 应用效果

银行及金融服务公司在发行信用卡或审核贷款时通常需要解决两个问题:一是申请人资料是否属实;二是应该给予申请人多少信用卡或贷款额度。为解决这些问题,东莞某银行与东莞移动就大数据评分在信用卡授信方面通过联合建模提出了应用方案,即:问题一可通过运营商实名制结果予以验证,问题二可通过综合信用评分予以解决,具体如表3所示:

该合作从2015年9月份开始正式运营,共受理银行信用卡授信请求1709笔,通过银行验证1075笔,应用效果良好,具体如图2所示:

6 结束语

本文对大数据时代征信的新特点进行了剖析,并对传统征信、互联网征信及电信大数据征信从征信理念、数据来源等五个方面进行比较分析,从而根据电信数据的独特优势设计出了一种信用评价体系,最后通过与某银行的合作案例验证其应用效果良好。

2015年9月国务院关于印发《促进大数据发展行动纲要》的通知中明确提出[7],要充分运用大数据,不断提升信用等领域数据资源的获取和利用能力,提升信用体系等方面管理效能[8]。通知还要求2018年底前将会建成国家政府数据统一开放平台,率先在信用等重要领域实现公共数据资源合理适度向社会开放[9],加快信用信息系统的互联互通和信息共享,丰富面向公众的信用信息服务,实现公共服务的多方数据共享、制度对接和协同配合[10]。因此,在大数据已提升到国家战略的形势下,电信大数据包含了用户大量的连续行为,是用户信用评分的重要输入,在社会信用体系建设中将会发挥更大的作用。由于运营商尚未获得征信牌照,所以电信大数据与个人信用机构或者央行征信中心实现信用互通或有可能。

参考文献:

[1] 林平. 大数据背景下加快我国征信市场发展的思考[J]. 南方金融, 2014(11): 7-11.

[2] 耿得科,梁文娟. 大数据对传统资信评估的影响[J]. 征信, 2015(3): 20-24.

[3] 熊富标. 大数据时代诚信机制建设的机遇、特点与路径[J]. 中州学刊, 2015(6): 89-93.

[4] 维克托·迈尔-舍恩伯格,肯尼思·库克耶. 大数据时代:生活、工作与思维的大变革[M]. 盛杨燕,周涛,译. 杭州: 浙江人民出版社, 2013.

[5] 王冠. 基于用户互联网行为数据的个人征信评估体系建设分析[D]. 北京: 北京交通大学, 2015.

[6] 刘新海. 阿里巴巴集团的大数据战略与征信实践[J]. 征信, 2014(10): 10-14.

[7] 谢红生. 计算机、大数据与医、护专业发展趋势[J]. 贵阳学院学报: 自然科学版, 2015(3): 72-76.

[8] 焦点[J]. 中国医院建筑与装备, 2015(9): 16.

[9] 李华才. 加速推进医疗大数据的深度研究与创新应用[J]. 中国数字医学, 2015(10): 1.

[10] 促进大数据发展行动纲要[N]. 中国电子报, 2015-09-08(3).

猜你喜欢

信用用户评分
为食品安全加把“信用锁”
我给爸爸评分
信用收缩是否结束
Castleman disease in the hepatic-gastric space: A case report
An Optimal Resources Configuration Scheme for Caching-Based Content Distribution in Backhaul-Limited Small Cell Networks
信用中国网
关注用户
信用消费有多爽?
关注用户
关注用户