大数据征信学习与思考
关于信用评估
信用由你的过去决定，未来决策也影响你的信用。
关于企业征信与个人征信
企业征信难于个人征信。企业由于对利益的诉求，往往在信用造假上更愿意冒险。
中小企业征信难于大型企业征信。中小企业信用数据信息更为匮乏、离散。
关于数据征信的输入输出
数据源
数据验证
- 实名验证（身份证拍照）
- 学历信息（学信网）
- 手机实名验证
- 银行卡实名验证
- 人脸对比
黑名单
- 法院黑名单
- 金融黑名单（银行，P2P，小贷）
授权数据
- 申请注册信息
- 消费画像
- 乘机记录（航旅纵横，12306）
- 央行信用报告
- 通讯信息（通讯记录、通讯录、短信）
- 电商消费（淘宝，京东等）
- 银行流水，信用卡流水
移动数据（基于移动设备）
- 手机号码
- 手机设备ID，设备属性
- 常见地理位置
- 通讯信息（通讯记录、通讯录、短信）
- App使用信息
- 网络信息（需要虚拟代理）
模型
模型特点
- 多场景模型
- 多维度模型
- 级联模型（多源数据Mapping后的关联分析模型）
模型支撑
- 逻辑回归+机器学习（算法支撑）
- 真实贷款数据（数据支撑）
- 国内外行业经验+专业经验（经验支撑）
反欺诈
- 多重借贷（有利益诉求时候，往往会有刷信用，跨利益集体的复合借贷）
- 反欺诈规则
技术支撑
- OCR，爬虫（主要适用于公开数据爬取与授权数据读取）
- 规则引擎，知识图谱（迅速寻找数据变量之间的关联）
信用报告
反馈评估结果
- 模型评分
- 审批建议
- 额度建议
- 利率建议
- 久期建议（借贷周期）
小结
关于征信、金融业务，还有许多重要环节，例如放贷类业务的催收环节。不过核心的路径，有个取巧方式，可以从行业中各个公司的用户协议获取一些关键信息 🙂