近日灶轰，國內(nèi)首份老賴大數(shù)據(jù)畫像報告出爐谣沸。在超過300萬樣本的數(shù)據(jù)基礎(chǔ)上，報告顯示笋颤，東部地區(qū)乳附，40-49歲男性，且具有大尠槌危或本科學(xué)歷赋除，是國內(nèi)老賴典型特征。數(shù)據(jù)堂相關(guān)負責人對此表示非凌，此次對老賴畫像的總結(jié)举农，是通過多維度的數(shù)據(jù)整合，使得懲戒老賴更加高效準確敞嗡，這正是大數(shù)據(jù)的優(yōu)勢所在颁糟。
大數(shù)據(jù)精準預(yù)防欺詐
近幾年，隨著互聯(lián)網(wǎng)金融行業(yè)的發(fā)展秸妥，其面對的風險也在加大滚停，除了傳統(tǒng)的信用風險，外部欺詐風險正成為一個主要風險粥惧。
業(yè)內(nèi)人士表示键畴，惡意欺詐正在成為互聯(lián)網(wǎng)金融公司面臨的主要威脅之一，甚至在一些互聯(lián)網(wǎng)金融公司突雪，惡意欺詐產(chǎn)生的損失占整體壞賬的60%起惕。很多互聯(lián)網(wǎng)金融公司將主要精力放在如何預(yù)防惡意欺詐方面，而高風險客戶識別和黑名單成為預(yù)防惡意欺詐的主要手段咏删。
據(jù)了解惹想，目前市場上有近百家公司涉及個人征信業(yè)務(wù)，其主要的商業(yè)模式是反欺詐識別督函。反欺詐識別中嘀粱，一個重要的參考就是黑名單，市場上領(lǐng)先的大數(shù)據(jù)風控公司擁有將近1000萬左右的黑名單辰狡，而大部分黑名單是過去十多年積累下來的老賴名單锋叨，真正有價值的黑名單在兩百萬左右。黑名單主要構(gòu)成是民間借貸宛篇、線上P2P娃磺、信用卡公司、小額借貸等公司的歷史違約用戶叫倍，其中很大一部分不再有借貸行為偷卧，參考價值有限豺瘤。另外一部分產(chǎn)生于催收公司，催收的成功率一般小于30%听诸，會產(chǎn)生很多黑名單坐求。
數(shù)據(jù)堂相關(guān)負責人表示，數(shù)據(jù)堂積累了很多黑名單數(shù)據(jù)晌梨，這些數(shù)據(jù)主要來源于高法公示的企業(yè)法人違法信息,雖不能全面覆蓋全量借貸人員瞻赶，但可以通過在黑名單庫中篩選，幫助金融企業(yè)降低金融借貸風險且獲得更多的黑名單來提高查得率派任。
以數(shù)據(jù)堂推出的“反欺詐產(chǎn)品”為例砸逊，該產(chǎn)品通過多維度數(shù)據(jù)在貸前、貸中和貸后對用戶進行身份確認掌逛，用戶類別的準確定位以及消費能力师逸、償債能力的預(yù)測，幫助互聯(lián)網(wǎng)金融企業(yè)預(yù)防互聯(lián)網(wǎng)惡意欺詐和識別高風險客戶豆混。例如篓像，數(shù)據(jù)堂可以通過“反欺詐產(chǎn)品”初步確定用戶的合法性，準確定位用戶類別皿伺；可以幫助互聯(lián)網(wǎng)金融公司员辩，識別出出現(xiàn)在同一個經(jīng)緯度的群體性惡意欺詐事件，降低不良貸款發(fā)生概率鸵鸥。此外奠滑，數(shù)據(jù)堂還可以結(jié)合用戶近三個月的行為軌跡，幫助互聯(lián)網(wǎng)金融企業(yè)準確識別出高風險客戶妒穴。
大數(shù)據(jù)讓老賴寸步難行
近日,中央辦公廳宋税、國務(wù)院辦公廳印發(fā)《關(guān)于加快推進失信被執(zhí)行人信用監(jiān)督、警示和懲戒機制建設(shè)的意見》讼油，對失信被執(zhí)行人規(guī)定了11類37項聯(lián)合懲戒措施杰赛，包括從事特定行業(yè)或項目限制、政府支持或補貼限制矮台、任職資格限制乏屯、準入資格限制、特殊市場交易限制瘦赫、限制高消費及有關(guān)消費辰晕、出境限制、加大刑事懲戒力度等耸彪。
據(jù) 《人民日報》日前公布的數(shù)據(jù)顯示伞芹，截至2015年忘苛，中國共有308萬名被執(zhí)行人被納入失信名單蝉娜，累計攔截357.7萬人次購買飛機票唱较，攔截59.88萬人次購買列車軟臥、高鐵和動車一等座以上車票召川。
數(shù)據(jù)堂相關(guān)負責人表示南缓，這些龐大的數(shù)據(jù)背后，折射出誠信社會的構(gòu)建力度日益加大荧呐。要實現(xiàn)讓老賴寸步難行汉形，一方面需要國家打通各部門、各行業(yè)之間的信息壁壘倍阐，搭建一個開放共享概疆、可以流通的大數(shù)據(jù)資源平臺；另一方面峰搪，作為大數(shù)據(jù)企業(yè)岔冀，要積極發(fā)揮資源整合優(yōu)勢，構(gòu)建數(shù)據(jù)共享平臺概耻，為我國信用體系建設(shè)提供更多維度的數(shù)據(jù)支撐使套。
大數(shù)據(jù)助力征信體系建設(shè)
據(jù)統(tǒng)計，截至2015年末鞠柄，央行征信中心覆蓋8.8億人侦高，其中有信貸記錄的為3.8億人，剩下的幾乎沒有任何記錄厌杜，我國在征信體系上還不太完善奉呛。這也是很多互聯(lián)網(wǎng)金融企業(yè)在借款時，很難對借款人的信用做出精準判斷的重要原因夯尽。
當前侧馅，社會上有兩種征信模式：傳統(tǒng)征信和大數(shù)據(jù)征信。傳統(tǒng)征信主要利用了信用屬性強大的金融數(shù)據(jù)呐萌，當下互聯(lián)網(wǎng)金融平臺多是以中小額放貸業(yè)務(wù)為主馁痴，所沿用的也是傳統(tǒng)信貸業(yè)務(wù)中征信手段，因此導(dǎo)致人力和時間成本投入過高肺孤，不具備互聯(lián)網(wǎng)時代的高效性罗晕。相比之下，大數(shù)據(jù)征信通過核心數(shù)據(jù)建模赠堵，來對借款用戶進行資信評估小渊，以此來預(yù)測其違約概率，能夠大大節(jié)省傳統(tǒng)征信環(huán)節(jié)中的人力成本茫叭。
數(shù)據(jù)堂相關(guān)負責人表示酬屉，大數(shù)據(jù)征信并不是完全改變傳統(tǒng)風控，實際是豐富傳統(tǒng)征信的數(shù)據(jù)維度。大數(shù)據(jù)征信中呐萨，首先還是利用信用屬性強的金融數(shù)據(jù)杀饵，判斷借款人的還款能力和還款意愿，然后在利用信用屬性較弱的行為數(shù)據(jù)進行補充谬擦，一般是利用數(shù)據(jù)的關(guān)聯(lián)分析來判斷借款人的信用情況切距，借助數(shù)據(jù)模型來揭示某些行為特征和信用風險之間的關(guān)系。
作為國內(nèi)大數(shù)據(jù)資源的龍頭企業(yè)惨远，數(shù)據(jù)堂利用多個行業(yè)的數(shù)據(jù)資源谜悟，通過自身的核心的數(shù)據(jù)處理技術(shù)，對數(shù)據(jù)進行挖掘重組北秽，能勾畫出360度的個人和企業(yè)征信畫像葡幸。作為傳統(tǒng)征信的有益補充，大數(shù)據(jù)征信的發(fā)展將極大擴展征信體系的數(shù)據(jù)范疇贺氓，帶來全新的服務(wù)理念和先進的信息處理方式礼患，推動傳統(tǒng)信用評分模式的轉(zhuǎn)變，進而對完善我國征信體系乃至社會信用體系發(fā)揮重要作用掠归。
