大数据告诉你怎么做征信

近年来国内个人信贷市场迅速发展，传统金融机构、P2P、电商、小额贷款公司等纷纷将目光投向个人消费领域，随着越来越多的金融业务互联网化，欺诈手段也层出不穷，信息不对称、不透明，给个人信贷市场带来了大量的多头负债风险和欺诈风险，因此利用大数据征信创新和提高风控能力成为整个金融业关注与探讨的重要话题。                            

什么需要大数据征信？        

1、个人信贷不良贷款率呈上升趋势，传统征信 体系无法满足市场需要        

截至2015年底，我国整体信贷余额达到94.0万亿元，其中，个人信贷占比28.8%，余额达到27万亿元，随着个人信贷市场的快速发展，个人信贷市场的不良贷款率也不断上升。以个人信贷业务的代表性产品信用卡为例，截止到2015年第二季度末，信用卡不良贷款余额达到了337.33亿元，信用卡不良率达到了1.21%。从发展趋势来看，2012年以来，信用卡的不良贷款规模持续增长，尽管在今年1季度末出现了回落，但目前在趋势上仍不能完全脱离增长的轨道。        

个人信贷评估的主要标准为个人信用，我国征信系统目前主要以人民银行征信中心为主，民间借贷机构无须向人民银行上报数据，非银行体系的贷款申请情况、负债情况和逾期情况等信息不清晰、不透明，因此传统征信已经无法满足信贷市场的发展需要。       

2、金融业务互联网化加剧了信用风险，提高企业风控成本

随着互联网消费金融的兴起，消费金融业务面对人群结构复杂，贷款业务数量多、额度小，进一步降低了线上欺诈行为的成本，同时为了提高用户量及使用体验，个人信贷具有无抵押、无担保、手续简单、审批快速等特点，无疑增加了企业信贷风控成本。         

互联网金融机构主要面临着三个问题，第一借款人是否本人操作，是否使用了他人的身份信息；第二借款人所提供的信息是否真实，例如借款人的身份证、住址、收入、学历、职业等信息；第三借款人是否具有足够的偿还能力。对快速发展的互联网金融行业而言，利用大数据来帮助企业判定风险、开拓业务已是必然的选择。

大数据征信可以做什么？
       

1、大数据征信体系具有覆盖面广、信息维度丰富、数据获取实时动态的优势

个人信贷风险评估主要从身份识别、还款意愿、还款能力三方面进行评估，大数据征信相对于传统线下的采集和整合更加全面和准确，其信用评估结果更加科学，大数据征信与传统征信相比具有三方面的优势：  

A、数据主要来源于互联网，互联网覆盖人群广泛，通过互联网获取数据，弥补了传统征信体系的不足，能够有效拓展业务；

B、丰富了数据维度和种类，传统征信数据主要采集身份信息、信贷信息、非金融负债信息三类，以及部分公共信息，在大数据征信系统中，信用评估的来源更加广泛，社交网络与电子商务行为中产生的海量数据，都能给用户行为提供侧面支持；

C、大数据挖掘获得的数据具有实时性、动态性，能够实时监测到信用主体的信用变化，企业可以及时拿出解决方案，避免不必要的风险。

       

2、大数据征信评估个人信用注重强相关信息，忽略弱相关信息

通过大数据技术手段可以挖掘申请人多维度信息，包括姓名、性别、年龄、电话、身份证件、家庭住址、职业、学历、信贷记录、支出、消费偏好、兴趣爱好、社交行为等信息。并不是所有数据都对个人信用评估都有参考价值，数据采集得越多，审核纬度越多，个人信用评估模型越失真。

按照对个人信用风险影响的大小可以将个人信息分为强相关信息和弱相关信息，个人的姓名、身份证、手机号属于用户身份识别的强相关信息，借款用户的信用卡账单、月消费金额、网络购物真实流水分析等是用户还款能力的强相关信息，用户的历史借款记录、逾期笔数、借贷意图等是个人还款意愿的强相关信息。

用户其他的信息，例如用户的身高、体重、姓名、星座等信息，很难从概率上分析出其对用户个人信用的影响，这些弱相关信息，对用户的信用消费能力影响很小，可以忽略不计。

大数据征信怎么做？
       

1、大数据征信应用于个人信贷审批整个流程

个人信贷业务审批流程分为贷前审核、贷中决策、贷后管理三个部分，在贷前审核阶段，主要对借款人进行身份识别和信用评估，贷中决策阶段主要进行信用跟踪及风险预警，贷后管理阶段主要有逾期预警、失联修复、轨迹分析，信贷风险控制主要集中在贷前审核与贷后管理阶段。

1、贷前审核分为身份核实、信用评估两部分，由于个人信贷额度一般较小，因此对用户还款意愿的评估比还款能力的评估更为重要。

1. 个人的姓名、电话、身份证件等人口属性信息主要用来对借款人进行身份识别，通过对借款人手机联系人的确认、居住地址位置、指纹、黑名单查询等来确定借款人身份是否真实，是否具有贷款资格，防止欺诈风险。

2. 个人的历史借贷记录包括负债、是否逾期还款等信息，能够体现出个人负债情况、及信用度，负债额度高、恶意逾期还款次数较多客户属于高风险客户；个人的消费数据包括借款用户的信用卡账单、月消费金额、网络购物真实流水分析可以对用户还款能力进行评估，具有高薪工作的用户且消费水平较高的客户，其贷款信用违约率较低；运营商数据可以对用户联系人、通话记录等进行分析，与贷款电话通话时间较长、换号频率高、经常关机的客户骗贷风险较高。

2、在贷中决策阶段，主要对用户进行信用跟踪及风险预警，实时的监测信用主体的信用风险，例如卷入法律纠纷、天灾人祸等，需及时作出风险预警。

3、贷后管理主要跟踪客户所属行业、客户经济状况、客户异常行为包括其个人信用的变化，及时发现可能不利于贷款按时归还的问题，并提出解决问题的措施。

举例来说，假如发现借款人在其他平台借款已经发生逾期、近期手机经常关机等迹象，则借款人有较高的概率逾期还款，需及时作出逾期预警；一旦客户已经失联，可以利用用户联系人、通话记录等进行分析，定位用户手机使用位置，了解到其联系人信息，结合出行记录等分析借款人行踪；利用借款人行踪、经济状况变化、消费等信息了解借款人逾期原因，是有钱不还还是因为经济能力等原因无钱可还，制定相应的催收方案。        

2、大数据征信应用不仅限于传统金融机构，还可以与日常生活场景结合在一起        

从应用范围来看，目前大数据征信除了传统在金融机构、政府部门、公共服务等场景之外，还能与各类生活化、日常化的场景结合在一起，比如出行的租车免押金、住宿的入住免押金、购物的先试后买等各类日常履约场景相结合。

随着互联网，尤其是移动互联网的普遍化，人们的行为数据逐渐在互联网上沉淀，包括金融、餐饮、零售、旅游、社区、出行、教育、医疗、美容等诸多领域。新兴场景的出现，一方面，让征信走出常规的金融应用场景，扩大了个人征信的市场空间；另一方面，极大的提高了用户体验，进而提升了个人征信的使用粘性。


     目前不同机构数据资源共享仍然存在难度，因此不同的大数据征信产品侧重点不同，有的倾向电商信用行为，有的侧重互联网社交行为，有的反映借款人风险等。因此在全面评估个人信用风险时，可以结合多家机构的信用评估报告，从社交、电商、招聘、浏览行为、地理位置等不同角度对用户做出全息用户画像，判断其综合情况。