大数据征信:数据源的“量”与“度”是关键

【数据猿导读】 如今大数据已经被应用到方方面面,征信行业也如此。大数据的海量数据能够帮助征信行业快速便捷的掌握客户的信息,为工作提供不小的便利,然而有利就有弊,以当前的技术来说把控数据源的量与度仍是关键

大数据征信:数据源的“量”与“度”是关键

随着互联网的发展,大数据征信已被越来越多地运用到金融领域,互联网金融平台利用大数据判断用户的信用记录是否良好,从而授予用户相应的信贷额度。传统银行也在加紧布局大数据网络,试图与互联网平台接轨。

与传统信用评估模型不同的是,传统的信用评估是根据一个人的借贷历史和还款表现,通过逻辑回归的方式来判断这个人的信用情况,而大数据征信的数据源则十分广泛,电子商务、社交网络和搜索行为等都产生了大量的数据,在如此海量的数据面前,如何把控数据源的“量”与“度”是互联网平台和传统金融机构需要重视并解决的问题。如今一切信息皆可以成为信用数据,经过分析后用于证明一个人或企业的信用状况。

大数据的“量”是指:有多少个体在被分析,每一个网上注册账号的个体都可以成为被分析的对象。

数据源的“度”是指:被分析的个体都有哪些方面能够成为可以参考的数据。

有很多人认为数据能够被称为“大数据”需具备两个因素:第一要覆盖面广,用户足够多;第二维度广,要从一个人行为的方方面面反映个体的行为与信用的关系。但是,笔者认为事实并非如此,数据的“量”与“度”也应严格加以控制。

把控大数据的“量”关键在于从大量的数据之中筛选出“有效用户”。无论是在传统金融领域,还是互联网金融领域,给客户做信用评估的前提是必须知道这个人就是他自己。所以,如何证明“你是你”是大数据征信首先要解决的问题。然而现实的情况是:一个人可以同时申请多个账号,多个人在知道账户信息的条件下也可以同时使用一个账号。在这样的情况下数据信息往往有所重叠。因此,数据的体量大并不代表数据更加可靠。

随着越来越多的金融业务互联网化,“反欺诈”面临的挑战也日益增大。“身份认证”的重要性在各项监管文件中反复被强调,而各家机构也在不断探索如何利用新的技术在网上实现身份的核实。金融机构在重视数据量的同时还可运用先进的科学技术手段,如指纹、虹膜、人脸识别等一系列生物识别技术,将大量的无效信息排除在外,同时也能够抵御数据造假所带来的信用风险。

对数据源“度”的有效性进行控制也是金融平台和金融机构需要考虑的问题。社交软件在数据量上有着非常明显的优势,许多社交软件常常从用户行为上分析判断一个人的信用是否良好,这就有可能出现“分析过度”的情况。

在一些大数据征信的文章中,一些案例是这样分析个人行为和信用评分的关系的:经常半夜上网的用户可能被认为没有稳定的工作而降低信用评分,购买大件家具的用户可能提示有固定房屋资产而使其信用评分较高,微博更新频繁的用户可能因为社交活跃而信用评分较高等等。但这些因素并不十分稳定且准确,有些行为可能只是用户的个人习惯,如果过度依赖这些因素将对用户信用的判断产生误差。因此,哪些行为可以成为判断个人信用的标准需要考量。

因此,大数据能够成为金融机构的征信参考标准并不一定要求数据量大、数据的维度多,数据的有效性高、数据更能反映问题才能让征信更加全面、可靠。


来源:互联网金融家

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论