文·blogchong
就在昨天驰贷，支付寶上線了“圈子”盛嘿，并且基本上是引領(lǐng)了一波討論熱潮。
其中饱苟，一個很重要的信息就是孩擂，芝麻信用分很重要。
很遺憾箱熬，我的芝麻信用分顯然不夠类垦，差幾分到700大關(guān)，所以并沒有收到邀請城须。
根據(jù)芝麻信用評分體系蚤认，350-550分為較差，550-600位中等糕伐，600-650為良好砰琢，650-700為優(yōu)秀，而700-950為極好良瞧。
作為開了多年挖掘機(jī)的半個老司機(jī)陪汽，也設(shè)計(jì)過不少評分體系模型，所以一樣好奇褥蚯，為毛的信用評分就到不了極好呢挚冤？
芝麻信用評分體系，嚴(yán)格來說赞庶，也是一種評分體系训挡，只是參考的因素以及具體的評分方式有所差別。
在國外有一套比較比較標(biāo)化的信用評分體系歧强，并且算法模型相對公開澜薄。
但在國內(nèi)，顯然是沒有的摊册，所以各家具有信用評估資質(zhì)的公司肤京，都有自己的一套信用評估模型，來衡量用戶的信用程度茅特。
繞的有點(diǎn)遠(yuǎn)蟆沫，我們回到芝麻信用評分。
根據(jù)支付寶說明顯示温治，影響評分的有五大維度：身份特質(zhì)，行為偏好戒悠，人際關(guān)系熬荆，信用歷史，履約能力绸狐。
我自己估摸著自身情況對應(yīng)這五大因子：
身份特質(zhì)包含的是身份信息卤恳、學(xué)歷信息累盗、以及實(shí)名的消費(fèi)記錄等，個人一直沒有鳥支付寶的慫恿突琳，堅(jiān)持沒有綁定自己的學(xué)歷若债、企業(yè)、車輛信息拆融、職業(yè)信息蠢琳，看來這項(xiàng)俺是零分了(俺錯了)。
關(guān)于信用歷史镜豹，應(yīng)該是調(diào)取的信用歷史傲须，以及自身的花唄等相關(guān)的信用數(shù)據(jù)，如果支付寶無法關(guān)聯(lián)綁定銀行卡的信息的話趟脂，那么他只能拿諸如花唄的信息作為評估支撐了泰讽，對于這點(diǎn)來說說，估計(jì)它能獲取俺的信息有限昔期，因?yàn)槲疫B花唄都幾乎不用已卸。
履約能力，這個跟信用歷史有點(diǎn)像了硼一，同樣累澡，如果他無法通過關(guān)聯(lián)的銀行卡獲取信息話，只能通過自身入口造成的履約情景進(jìn)行判斷了欠动，包括花唄還款情況永乌、支付寶的各家信用卡入口等，關(guān)于這一點(diǎn)具伍，估計(jì)俺的信息不多翅雏。
行為偏好，這個好理解人芽，各種消費(fèi)記錄望几、消費(fèi)能力評估，以及生活繳費(fèi)的情況萤厅，對于這點(diǎn)來說橄抹，估計(jì)俺的分?jǐn)?shù)應(yīng)該不低，算是個支付寶使用大戶了惕味。
人際關(guān)系楼誓，這點(diǎn)應(yīng)該參考了協(xié)同算法的模型，通過衡量好友的信用關(guān)系名挥，來協(xié)同評估目標(biāo)的信用疟羹。
再回到我的信用評分，這樣看來，這700分大體上應(yīng)該是行為偏好占大頭榄融，人際關(guān)系次之参淫，然后信用能力以及履約能力起到微弱的作用，身份特質(zhì)基本沒起到什么卵用愧杯，因?yàn)榘硾]有關(guān)聯(lián)涎才。
那么，如果單純的從最上層的權(quán)重模型來分析的話力九，占據(jù)最大權(quán)重的應(yīng)該是行為偏好耍铜，以及對應(yīng)其他信息次之，不然無法解釋我綁定的信息如此之少畏邢，而信用分依然可以達(dá)到业扒，極好的邊界值。
其實(shí)這點(diǎn)也好解釋舒萎，對于支付寶來說程储，其最大的信息來源在于內(nèi)部的數(shù)據(jù)，即消費(fèi)行為數(shù)據(jù)臂寝，即使是人際交往關(guān)系數(shù)據(jù)章鲤，在支付寶的社交真正起來之前，都不會有太多的累積咆贬。
至于說其他幾個維度败徊，能關(guān)聯(lián)更是少之又少。
至于說在未來掏缎，芝麻信用評分會不會調(diào)整各個維度的權(quán)重皱蹦，甚至是增加參考維度，那是肯定的眷蜈。
嚴(yán)格來說沪哺，行為偏好的信用價值信息，其實(shí)還是相對較弱的酌儒，但其他幾個維度的信息獲取成本太高辜妓，甚至包括看起來不難的人際關(guān)系。
但人際關(guān)系在真正的設(shè)計(jì)關(guān)系網(wǎng)絡(luò)建立起來之前忌怎，其實(shí)參考度有限籍滴，除非他能構(gòu)建諸如微信的社交網(wǎng)絡(luò)規(guī)模，才有比較良好的參考意義榴啸。
最后孽惰，拋開這個評分模型，信息體系其實(shí)是蠻重要的鸥印，也希望每個人都重視起來勋功。
不說了腥例，俺要去綁定信息了~~
