中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

初涉征信行業(yè)，對征信最初的印象還停留在幾個關(guān)鍵詞：靠譜、相信你、芝麻信用，很直白、很簡單、甚至還有些”膚淺”?！蹲髠鳌ふ压四辍诽岬健熬又裕哦姓?，故怨遠于其身”?！靶哦姓鳌奔纯沈炞C其言為信實，或征求、驗證信用。描述地很久遠、很專業(yè)，也很裝B，但充分表達了信用的基本面：可驗證。既然可“可驗證”，那么信用必然不是無源之水。

由于剛接觸征信行業(yè)不久，個人理解的征信也只能淺顯地考慮到以下三個方面（3W）：

一、征信驗證什么？(WHAT)

征信的基本面——可驗證，究竟驗證什么呢？征信的核心是數(shù)據(jù)，而真實、可靠的描述性數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)顯得更加彌足珍貴。以單一維度評價一個人/組織顯得很單薄、很平淡，不那么有說服力，拓寬數(shù)據(jù)來源場景，累積多維度的數(shù)據(jù)資源。

撇開企業(yè)征信不談，個人征信領(lǐng)域的翹楚：芝麻信用、騰訊信用、51信用卡、 聚信立都攜帶特定消費場景的基因，并非完全意義上的綜合征信評價模型。有一點必須承認：在其優(yōu)勢領(lǐng)域內(nèi)有著得天獨厚的先機優(yōu)勢，但數(shù)據(jù)單一性也不容忽視。以上四類征信場景分析如下：

1、 側(cè)重電商

芝麻信用。以芝麻信用所構(gòu)建的信用體系來看，芝麻信用分根據(jù)當前采集的個人用戶信息進行加工、整理、計算后得出的信用評分。 綜合考慮個人用戶的信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系五個維度的信息，其中淘寶、支付寶等“阿里系”的數(shù)據(jù)占 30-40%。數(shù)據(jù)的電商屬性成就了電商領(lǐng)域的王者，也是其征信數(shù)據(jù)的短板之痛。

2、側(cè)重社交

騰訊信用。主要是基于社交網(wǎng)絡(luò)。通過QQ、微信、財付通、 QQ 空間、騰訊網(wǎng)、QQ 郵箱等社交網(wǎng)絡(luò)上的大量信息， 比如在線時長、登錄行為、虛擬財產(chǎn)、支付頻率、購物習(xí)慣、社交行為等，利用其大數(shù)據(jù)平臺 TD Bank，在不同數(shù)據(jù)源中， 采集并處理包括即時通信、 SNS、電商交易、虛擬消費、關(guān)系鏈、游戲行為、媒體行為和基礎(chǔ)畫像等數(shù)據(jù)，并利用統(tǒng)計學(xué)、傳統(tǒng)機器學(xué)習(xí)的方法，得出用戶信用得分，為用戶建立基于互聯(lián)網(wǎng)信息的個人征信報告。

3、側(cè)重信用卡

51信用卡。主要是基于用戶信用卡電子賬單歷史分析、電商及社交關(guān)系強交叉驗證。 根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺的電商數(shù)據(jù)所對應(yīng)的購買行為、手機運營商的通話情況、登記信息等取得多維信息的交叉驗證，確定用戶的風險等級以及是否貸款給該用戶。

4、側(cè)重運營商

聚信立。主要是基于互聯(lián)網(wǎng)大數(shù)據(jù)，綜合個人用戶運營商數(shù)據(jù)、電商數(shù)據(jù)、公積金社保數(shù)據(jù)、學(xué)信網(wǎng)數(shù)據(jù)等，形成個人信用報告。 聚信立通過借款人授權(quán)，利用網(wǎng)頁極速抓取技術(shù)獲取各類用戶個人數(shù)據(jù)，通過海量數(shù)據(jù)比對和分析，交叉驗證，最終為金融機構(gòu)提供用戶的風險分析判斷。

征信數(shù)據(jù)場景化，場景恰恰又是數(shù)據(jù)的最廣泛來源。數(shù)據(jù)衍生于一定的生活和工作應(yīng)用場景之上。嘗試將征信擴展到更為廣泛的場景之上，金融是征信被應(yīng)用的最廣泛的領(lǐng)域，衍生出這樣一種說法：市場經(jīng)濟本質(zhì)是信用經(jīng)濟，而征信的最核心本質(zhì)：風險控制。

二、信用怎么驗證？（HOW）

如何驗證一個人/組織的信用好壞？不可能僅憑一句話：你的信用不錯，你的信用挺好，就能評判一個用戶的信用好壞，這顯然是不合理的。雖說一家之言略顯有理，也并非完全可信。在沒有健全的法律法規(guī)、沒有優(yōu)秀的實踐先例的情況下，國內(nèi)征信均是根據(jù)市場需求和國外征信產(chǎn)品經(jīng)驗，以傳統(tǒng)的“信用報告+增值服務(wù)”的商業(yè)模式來運營的。以央行征信中心為例：個人和企業(yè)征信報告+動產(chǎn)融資質(zhì)押登記和應(yīng)收賬款融資服務(wù)等增值服務(wù)。

如何設(shè)計征信評價標準/尺度？傳統(tǒng)的征信商業(yè)模式均采用——信用報告的模式，說白了就是將個人/企業(yè)信息進行整理輸出，論技術(shù)含量和信息價值量都不是那么可觀的。普通用戶或許更加愿意接受簡單、直觀的征信產(chǎn)品形態(tài)，不需要洋洋灑灑的一紙文書，更不需要那些看不懂的專業(yè)評價內(nèi)容。一個分數(shù)等級、一個評價體系簡化面向用戶的信用評分模型，其實并未減少評價模型背后的任何可能。螞蟻金服的芝麻信用就是典型的信用分模型，而騰訊征信采用了信用評級的形式。信用分、信用評級概念上都簡化了用戶的理解和獲取成本，這一點上可謂異曲同工；同時，直觀的征信模型對信用場景也更加友好，應(yīng)用場景更加寬泛。那么如何將背后無數(shù)信用數(shù)據(jù)變量整合成一個顯性衍生變量呢？

互聯(lián)網(wǎng)+金融（征信）更多融入到生活消費的各個領(lǐng)域，使得消費金融更具普惠性，拉近用戶的距離，覆蓋更多的中低端用戶群體。

以消費金融_汽車貸款為例進行分析和思考：

1. 用戶故事：用戶A想要購買一輛價值10萬元的汽車，由于單次支出10萬額度的壓力太大，想要分期購車。
2. 汽車企業(yè)：想要發(fā)展汽車貸款業(yè)務(wù)，為用戶提供汽車貸款，最大化提高汽車銷售的規(guī)模效益。
3. 面臨挑戰(zhàn)：如何客觀地評價貸款申請者的風險，盡可能避免、減少、控制貸款的壞賬損失？
4. 解決方案：信用評分模型——信用分，簡潔、直白的風險控制因素。

5、信用分設(shè)計

5.1數(shù)據(jù)來源

a.基礎(chǔ)數(shù)據(jù)：貸款人的個人信息；

b.貸款信息：歷史信用數(shù)據(jù)與場景中衍生的數(shù)據(jù)；

c.信用機構(gòu)的信用歷史紀錄信息，即征信機構(gòu)出具的個人信用報告；

5.2模型構(gòu)想

以上三大類數(shù)據(jù)來源可以實驗性地綜合出三個信用分評估維度：身份特性、履約能力、信用歷史、社交關(guān)系；

通過以上數(shù)據(jù)類型可以提煉出更多的數(shù)據(jù)分析維度，下面僅以上述四個征信評價維度為例。

5.3數(shù)據(jù)經(jīng)營

以[職業(yè)信息]為分析對象，將[]職業(yè)信息]作為衡量用戶[償還能力]的維度，應(yīng)該做哪些方面的思考。

從事什么職業(yè)？什么級別？在哪個行業(yè)？

1、什么職業(yè)類型，初步判斷該用戶的償還潛力；具體的職位類別最終關(guān)聯(lián)到用戶實現(xiàn)價值，用戶做什么，明確不同工作之間的差異，一定程度上可以區(qū)分不同人之間的經(jīng)濟能力。

2、什么職位級別，決定用戶短期內(nèi)的償還實力；用戶所在職位級別直接決定該用戶的價值實現(xiàn)程度及獲取價值的能力，以及該職位在公司實際所處的戰(zhàn)略位置和重視程度。

3、什么行業(yè)范疇，預(yù)判用戶持續(xù)償還能力愿望；嘗試對該用戶所處行業(yè)的發(fā)展現(xiàn)狀及前景進行調(diào)研，給出該用戶公司在該行業(yè)的綜合水平。實際上，行業(yè)范疇給職業(yè)類型和職位級別都加上了相應(yīng)的權(quán)重。

綜上所述，職位、級別、行業(yè)基本決定用戶現(xiàn)在及未來的“薪資水平”，而賺錢能力也直接關(guān)聯(lián)用戶的償還能力。

5.4應(yīng)用場景

以上構(gòu)想的信用分征信評價模型，在消費金融_汽車貸款的應(yīng)用場景大致包括以下幾個方面：

• 批準/拒絕貸款申請
• 決定貸款額、首付額和貸款額占汽車價值的比例
• 決定貸款期限
• 決定貸款利率

根據(jù)用戶所獲得的信用分的高低，對以上不同場景進行相應(yīng)的決策，降低汽車分期貸款的風險，最小化壞賬率。

三、為什么驗證？（WHY）

為什么要驗證一個人/企業(yè)的信用？肯定是為了獲得些什么，追求的是價值，具體的緣由我就不深究了。信而有征即可驗證其言為信實，或征求、驗證信用。首先，我們需要明確一個前提：征信，征什么？有很多聲音說是數(shù)據(jù)，數(shù)據(jù)是征信機構(gòu)的核心，數(shù)據(jù)質(zhì)量是征信機構(gòu)的生命線。正如前文所說——征信的最核心本質(zhì)：風險控制，而所謂的“風控”也必然是基于一定的用戶場景之上。

1. 征信最初的目的是為了防范風險、約束征信主體，而現(xiàn)實的風險往往來源于實際的場景之中，比如P2P網(wǎng)貸、京東白條、信用卡等等。征信本身并不具備價值，只有將征信嫁接在更為廣泛的場景之上才能真正發(fā)揮信用價值。

2. 征信的另一個本質(zhì)是數(shù)據(jù)分析，數(shù)據(jù)為主體?；A(chǔ)數(shù)據(jù)決定模型的最初的雛形，而模型的動態(tài)因子又使得模型呈現(xiàn)出一個動態(tài)變化的過程。將征信推向更加廣泛的應(yīng)用場景，累積征信模型成長性數(shù)據(jù)，實現(xiàn)模型的自迭代。

數(shù)據(jù)維度越多元，征信可靠性越高；征信可靠性越高，應(yīng)用場景越廣泛；應(yīng)用場景越廣泛，數(shù)據(jù)維度越多元。構(gòu)建一個“以傳統(tǒng)征信體系+大數(shù)據(jù)技術(shù)”的征信服務(wù)平臺，向信用風險管理的其他領(lǐng)域縱深擴展，創(chuàng)造一個又一個的應(yīng)用場景。

作者簡介：王偉（微信號：Daviiwong）。專注工具和內(nèi)容型產(chǎn)品，關(guān)注互聯(lián)網(wǎng)金融、農(nóng)村電商和財經(jīng)領(lǐng)域。曾從事互聯(lián)網(wǎng)金融社區(qū)的產(chǎn)品設(shè)計，目前涉足互聯(lián)網(wǎng)征信產(chǎn)品。

本文由 @王偉 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。