第三章
征信大數(shù)據(jù)探索

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，大數(shù)據(jù)越來(lái)越受到關(guān)注，其應(yīng)用逐步滲透到多個(gè)行業(yè)，也給征信行業(yè)帶來(lái)了發(fā)展機(jī)遇。征信是現(xiàn)代金融體系的基礎(chǔ)設(shè)施，征信的業(yè)務(wù)都是圍繞著數(shù)據(jù)展開(kāi)，所以大數(shù)據(jù)和征信有著天然的聯(lián)系。利用大數(shù)據(jù)創(chuàng)新征信業(yè)務(wù)，對(duì)于拓寬征信市場(chǎng)的廣度和寬度十分有益。但是，征信市場(chǎng)的發(fā)展，主流征信業(yè)務(wù)仍然占據(jù)主導(dǎo)地位，需要繼續(xù)推廣傳統(tǒng)的征信產(chǎn)品在各領(lǐng)域的廣泛應(yīng)用。在美國(guó)等征信市場(chǎng)發(fā)達(dá)的國(guó)家，信用報(bào)告和信用評(píng)分的應(yīng)用已經(jīng)非常成熟，成為信貸風(fēng)險(xiǎn)管理各環(huán)節(jié)必不可少的參考。在我國(guó)，央行征信中心負(fù)責(zé)建設(shè)、運(yùn)行和維護(hù)的金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)，近年來(lái)在信息采集、產(chǎn)品和服務(wù)方面成績(jī)顯著，接入系統(tǒng)的金融機(jī)構(gòu)幾千家，信貸信息的覆蓋面已經(jīng)相當(dāng)高，服務(wù)渠道方面也推出了互聯(lián)網(wǎng)服務(wù)。在產(chǎn)品創(chuàng)新方面，除了基本的信用報(bào)告產(chǎn)品外，目前個(gè)人信用報(bào)告數(shù)字解讀、關(guān)聯(lián)關(guān)系分析等多種產(chǎn)品已經(jīng)在商業(yè)銀行應(yīng)用，金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)在促進(jìn)信貸市場(chǎng)發(fā)展、提升金融機(jī)構(gòu)信貸風(fēng)險(xiǎn)管理水平方面發(fā)揮了重要作用。

為了充分發(fā)揮征信大數(shù)據(jù)的作用，需要保持開(kāi)放的心態(tài)，積極探索各類非傳統(tǒng)的信用信息、大數(shù)據(jù)信用評(píng)分模型的應(yīng)用。區(qū)別于主流的基于回歸模型的信用評(píng)分模型，大數(shù)據(jù)信用評(píng)估更多地通過(guò)建立神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、隨機(jī)森林、機(jī)器學(xué)習(xí)等模型，對(duì)于可獲取的借款人的各類信息（公安戶籍、學(xué)歷學(xué)籍、水電煤繳費(fèi)等公共政務(wù)信息，消費(fèi)記錄、出行、住宿、房產(chǎn)、車輛、職業(yè)等信息，以及互聯(lián)網(wǎng)購(gòu)物、轉(zhuǎn)賬、支付、人脈圈、行為習(xí)慣等）進(jìn)行加工，針對(duì)不同的數(shù)據(jù)源找出各自最有效的算法，將多個(gè)弱關(guān)聯(lián)特征變量組合成為一個(gè)強(qiáng)關(guān)聯(lián)特征變量進(jìn)入模型，力圖開(kāi)發(fā)出準(zhǔn)確、穩(wěn)定、普遍適用性和易理解的大數(shù)據(jù)信用評(píng)估模型。但就目前業(yè)界的研究和實(shí)踐結(jié)果來(lái)看，傳統(tǒng)信用數(shù)據(jù)仍然是最有用、不可比擬，非傳統(tǒng)的信用數(shù)據(jù)的價(jià)值還需要在未來(lái)實(shí)踐中逐步挖掘、評(píng)估，在模型開(kāi)發(fā)過(guò)程中要特別注意數(shù)據(jù)的準(zhǔn)確性、模型的公平性等問(wèn)題。

總之，將征信大數(shù)據(jù)與大數(shù)據(jù)技術(shù)有機(jī)融合，可以在數(shù)據(jù)源、信用評(píng)估方法、應(yīng)用途徑等方面探索一些新的業(yè)務(wù)模式，進(jìn)一步創(chuàng)新征信產(chǎn)品和服務(wù)的多樣性。