中國(guó)征信概述與征信應(yīng)用

1、中國(guó)征信概述與征信應(yīng)用征信概論中國(guó)征信格局 征信應(yīng)用領(lǐng)域 案例分析內(nèi)容梗概征信概論第一部分2003年中國(guó)外經(jīng)貿(mào)企業(yè)協(xié)會(huì)信用評(píng)估部和北京國(guó)商國(guó) 際資信評(píng)估公司聯(lián)合對(duì)全國(guó)的近10萬(wàn)家涉外經(jīng)貿(mào)企業(yè)進(jìn)行 的“外經(jīng)貿(mào)企業(yè)信用信息跟蹤調(diào)查”的調(diào)查結(jié)果表明：我 國(guó)在企業(yè)信用方面存在的主要問題是“拖欠貨款、貸款、 稅款”（76.2%）、“違約”（63.2%）和“制售假冒偽劣 產(chǎn)品”（42.4%）。引子：一組數(shù)據(jù)客戶信息資料獲得的渠道可靠程度完整程度和狀態(tài)費(fèi)用客戶介紹資料 企業(yè)網(wǎng)頁(yè)直接同客戶接觸（初步） 直接同客戶接觸（長(zhǎng)期） 銀行提供的報(bào)告征信公司調(diào)查報(bào)告10%60%平 均 50% 30%70%60%90%平

2、均80%平均80%可達(dá)80% 靜態(tài) 可達(dá)70% 靜態(tài) 可達(dá)50% 動(dòng)態(tài) 可達(dá)90% 動(dòng)態(tài) 可達(dá)90% 動(dòng)態(tài) 可達(dá)95% 動(dòng)態(tài)無 低 中等非常高 中等 中等引子：一組數(shù)據(jù)什么是信用？信用有社會(huì)學(xué)和經(jīng)濟(jì)學(xué)的雙重涵義道德范疇：左傳宣公十二年：“其君能下人， 必能信用其民矣?！苯?jīng)濟(jì)范疇：以償還為條件的價(jià)值運(yùn)動(dòng)的特殊形式。多 產(chǎn)生于貨幣借貸和商品交易的賒銷或預(yù)付之中。6什么是征信？征信=征集+信用左傳：“君子之言，信而有征，故怨遠(yuǎn)于其身?！闭餍疟举|(zhì)是為信用活動(dòng)提供的信用信息服務(wù)，在實(shí)踐 中表現(xiàn)為專業(yè)化的第三方機(jī)構(gòu)（征信機(jī)構(gòu)）依法采集、 調(diào)查、保存、整理提供企業(yè)和個(gè)人信用信息的活動(dòng)。 西方國(guó)家將征信稱作“

3、Credit reporting”，就是信 用報(bào)告、報(bào)道的意思。征信征什么？企業(yè)信用信息基本信息:企業(yè)概括、高管人員、資本構(gòu)成等信貸信息:貸款、承兌匯票、票據(jù)貼現(xiàn)信息等非信貸信息:法院判決執(zhí)行信息、環(huán)保執(zhí)法信息等個(gè)人信用信息基本信息：姓名、證件類型及號(hào)碼、通信地址等信貸信息：貸款和信用卡信息等非信貸信息：公積金、電信繳費(fèi)、法院判決執(zhí)行信息等Page 8各國(guó)征信機(jī)構(gòu)信息采集國(guó)家/地區(qū) Country/Region征信機(jī)構(gòu)名稱 Bureau信息類型 Type of Information美國(guó)U.S.Experian, Equifax, TU所有正面信息Full Positive英國(guó) UKExper

4、ian, Equifax所有正面信息Full Positive德國(guó) GermanySchufa, Burgel, CEG正面信息Positive法國(guó)FranceB de F, Experian負(fù)面信息、欺詐信息 Negative, fraud意大利ItalyCRIF, Experian正面信息Positive西班牙SpainExperian, Equifax負(fù)面信息 Negative荷蘭 NetherlandsBKR, Experian部分正面信息Limited positive丹麥 DenmarkExperian負(fù)面信息 Negative挪威 NorwayExperian, D&B負(fù)面信息、

5、納稅信息 Negative, tax瑞典 SwedenUC負(fù)面信息、納稅信息 Negative, tax澳大利亞AustraliaBaycorp負(fù)面信息 Negative中國(guó)臺(tái)灣Taiwan/ChinaJCIC正面信息Positive波蘭 PortlandBIK正面信息 Positive9征信業(yè)務(wù)狹義征信信用信息登記：征信中心、上海資信信用調(diào)查：華夏鄧百氏、中誠(chéng)信中華征信所信用評(píng)級(jí)：中誠(chéng)信、大公國(guó)際、聯(lián)合資信、鵬元廣義征信狹義征信信用管理服務(wù)（信用管理咨詢、評(píng)分模型開發(fā)、 商賬追收、信用擔(dān)保、信用保險(xiǎn)、保理等）10征信機(jī)構(gòu)欠稅、法院等公 共數(shù)據(jù)全國(guó)性公 共事業(yè)繳費(fèi)信息企業(yè)和個(gè)人基礎(chǔ) 信用信息數(shù)

6、據(jù)庫(kù)少數(shù)幾家全國(guó)性 大型綜合征信機(jī)構(gòu)銀行和非銀行金融機(jī)構(gòu)其他地方性數(shù)據(jù)來源信用評(píng)級(jí)等增值服務(wù)機(jī)構(gòu)提供產(chǎn)品和服務(wù)11信用管理的法律、法規(guī)國(guó)家信用管理機(jī)構(gòu)信企個(gè)信信 用業(yè)人用用 評(píng)信信管擔(dān) 級(jí)用用理保 調(diào)調(diào)咨查查詢信用管理服 務(wù)中介機(jī)構(gòu) 金 融 機(jī) 構(gòu)工 商 企 業(yè)信用經(jīng)營(yíng)機(jī)構(gòu)不良信用處罰機(jī)制教育機(jī)制征信機(jī)構(gòu) 數(shù)據(jù)庫(kù)企 業(yè) 信 用 數(shù) 據(jù) 庫(kù)個(gè) 人 信 用 數(shù) 據(jù) 庫(kù)公共數(shù)據(jù)庫(kù)商 帳 追 收社會(huì)信用體系中國(guó)征信格局第二部分社會(huì)領(lǐng) 服務(wù)于社經(jīng)濟(jì)領(lǐng)域 服務(wù)于市場(chǎng)域會(huì)管理交易征信三個(gè)層次人民銀行征信系統(tǒng)征信中心其他社會(huì)機(jī)構(gòu)金融機(jī)構(gòu)授信機(jī)構(gòu)信貸信息數(shù)據(jù)上報(bào)非銀行信息 數(shù)據(jù)上報(bào)信用報(bào)告查詢 異議申請(qǐng)?zhí)幚硇庞?/p>

7、報(bào)告查詢 信用評(píng)分等匯總信息 信用報(bào)告查詢個(gè)人政府部門人民銀行征信系統(tǒng)企業(yè)和個(gè)人征信系 統(tǒng)全國(guó)性商業(yè)銀 行地市支行營(yíng)業(yè)網(wǎng)點(diǎn)15中國(guó)人民銀行省會(huì)中支金融城域網(wǎng)專網(wǎng)中國(guó)人民銀行內(nèi)聯(lián)網(wǎng)商業(yè)銀行總行 城市網(wǎng)間互聯(lián)平臺(tái)商業(yè)銀行分行銀監(jiān)會(huì)批設(shè)的授信機(jī) 構(gòu)所產(chǎn)生的信貸信息非銀監(jiān)會(huì)批設(shè)的授信 機(jī)構(gòu)所產(chǎn)生的信貸信 息政府部門在行政執(zhí)法 過程中產(chǎn)生的信息信息質(zhì)量較好，需要進(jìn)一步深挖銀行體系的信用數(shù)據(jù)源信息質(zhì)量參差不齊，需要進(jìn)一步增加接入的數(shù)據(jù)源的數(shù)量隨著政府行政信息公開進(jìn)程的深 入，將有利于征信系統(tǒng)從公開渠 道采集相關(guān)公共信息強(qiáng)制采集主要數(shù)據(jù)源許可或協(xié)商方式補(bǔ)充數(shù)據(jù)源許可或協(xié)商方式補(bǔ)充數(shù)據(jù)源公用事業(yè)單位具備交 易

8、信用特征的信息記 錄許可或協(xié)商方式補(bǔ)充數(shù)據(jù)源異議標(biāo)注及本人聲明許可方式補(bǔ)充數(shù)據(jù)源信息質(zhì)量參差不齊，需要進(jìn)一步 增加接入的數(shù)據(jù)源的數(shù)量信用主體本人提供的 信息信息采集傳統(tǒng)征信互聯(lián)網(wǎng)征信人行征信：金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)政府征信：政府信用信息統(tǒng)一平臺(tái)民間征信：信用調(diào)查、評(píng)級(jí)公司等阿里為代表：電商平臺(tái)上海資信：網(wǎng)絡(luò)金融征信系統(tǒng)（NFCS）國(guó)政通為代表：大數(shù)據(jù)+評(píng)分征信格局征信格局互聯(lián)網(wǎng)征信與傳統(tǒng)征信的區(qū)別征信應(yīng)用第三部分征信信息應(yīng)用深度比較低， 中國(guó)的指數(shù)為4，美國(guó)的指數(shù)達(dá)到最高值6各國(guó)征信應(yīng)用深度范疇征信對(duì)象服務(wù)信息源資本市場(chǎng)金融機(jī)構(gòu)、上市公司、企業(yè)債券等資信評(píng)級(jí)金融機(jī)構(gòu)、上市公司、公用 事業(yè)公司、

9、外匯管理局、被 評(píng)級(jí)對(duì)象商業(yè)市場(chǎng)中小型企業(yè)企業(yè)資信調(diào)查工商、法院、海關(guān)、技術(shù)監(jiān)督、統(tǒng)計(jì)、銀行、供應(yīng)商個(gè)人消費(fèi) 市場(chǎng)該國(guó)公民、境內(nèi)長(zhǎng) 期活動(dòng)的外國(guó)人、 個(gè)人資產(chǎn)消費(fèi)者信 用調(diào)查公安、法院、勞動(dòng)人事、郵 政、房產(chǎn)登記、汽車登記、 銀行、公用事業(yè)公司、通訊 公司、雇主等商品市場(chǎng)各類產(chǎn)品、實(shí)驗(yàn)品、商品市場(chǎng)調(diào)查產(chǎn)品的用戶、消費(fèi)大眾征信服務(wù)范疇商業(yè)銀行信貸審批與貸后管理查詢信用報(bào)告已經(jīng)成為商業(yè)銀行審核貸款和信用卡申 請(qǐng)，審核擔(dān)保人資格，審核企業(yè)法人貸款資格、進(jìn)行 貸后風(fēng)險(xiǎn)管理等業(yè)務(wù)的必備環(huán)節(jié)。征信應(yīng)用 信用卡用戶增值現(xiàn)金分期電話營(yíng)銷分 析 報(bào) 告基于百融全網(wǎng)用戶數(shù)據(jù)以及客戶自 有的用戶數(shù)據(jù)，進(jìn)行整合分析并

10、形 成分析報(bào)告，用以指導(dǎo)客戶數(shù)據(jù)化 運(yùn)營(yíng)。用 戶 篩 選基于百融的用戶篩選規(guī)則，按照客 戶要求的篩選條件，進(jìn)行客戶所需 要的特定群體用戶的篩選，形成特 定用戶群。篩選規(guī)則說明有買房需求的人過去6個(gè)月有過樓盤電話咨詢行為的用戶有買車需求的人過去6個(gè)月有過4S店電話咨詢行為的用戶裝修需求人群過去3個(gè)月有過建材裝修類商品交易的用戶出境旅游需求人群過去3個(gè)月有過出行旅游類網(wǎng)站訪問的用戶房產(chǎn)關(guān)注人群過去6個(gè)月訪問過房產(chǎn)咨詢類網(wǎng)站的用戶過去6個(gè)月使用過二手房/學(xué)區(qū)房qq群用戶汽車關(guān)注人群過去6個(gè)月訪問過汽車咨詢類網(wǎng)站的用戶過去6個(gè)月使用過二手車qq群的用戶居家生活類商品購(gòu)買(num30)同時(shí)滿足右側(cè)6類特

11、征的用戶，為購(gòu)車潛 力人群穿衣打扮類商品購(gòu)買(price4308)母嬰育兒類媒體訪問(num11)時(shí)尚女人類媒體訪問(num11)數(shù)碼IT類媒體訪問(num7)文學(xué)藝術(shù)類媒體訪問(num14)居家生活類商品購(gòu)買(num20)同時(shí)滿足右側(cè)7類特征的用戶，為購(gòu)房潛 力人群穿衣打扮類商品購(gòu)買(price3388)科學(xué)教育類媒體訪問(num10)母嬰育兒類媒體訪問(num11)時(shí)尚女人類媒體訪問(num11)數(shù)碼IT類媒體訪問(num5)文學(xué)藝術(shù)類媒體訪問(num12)示例：在10萬(wàn)潛在用戶中，篩選出近期有大額消費(fèi) 的潛在用戶，并進(jìn)行精準(zhǔn) 營(yíng)銷。 營(yíng)銷響應(yīng)率從6%提 升到14.4%商業(yè)銀行信貸管理中的

12、應(yīng)用核實(shí)客戶身份（工作單位、住址、公積金）判斷償還能力（單位、職務(wù)、收入、公積金）評(píng)價(jià)風(fēng)險(xiǎn)水平（負(fù)債總額、償還記錄）輔助信貸管理（提高效率、拓展業(yè)務(wù)、清收不良）征信應(yīng)用就業(yè)升職、資格審查湖北省十堰市政府領(lǐng)導(dǎo)干部考核參考信用報(bào)告；多家金融機(jī)構(gòu)進(jìn)行中高層領(lǐng)導(dǎo)競(jìng)聘要查信用報(bào)告；遼寧省發(fā)改委在重點(diǎn)建設(shè)工程項(xiàng)目招標(biāo)投標(biāo)領(lǐng)域查詢 企業(yè)信用報(bào)告及企業(yè)法人個(gè)人信用報(bào)告。征信應(yīng)用出國(guó)簽證、評(píng)先評(píng)優(yōu)多個(gè)西方國(guó)家特別是歐洲國(guó)家的駐華使領(lǐng)館在審核 簽證申請(qǐng)時(shí)要求提供個(gè)人信用報(bào)告；四平、遼源等地的市團(tuán)委、精神文明辦等部門均將 個(gè)人信用狀況作為評(píng)先評(píng)優(yōu)的重要參考。征信應(yīng)用二手房買賣、民間借貸目前長(zhǎng)春市房地產(chǎn)中介公司為二手

13、房貸款提供擔(dān)保 均要求提供個(gè)人信用報(bào)告，征信處受理長(zhǎng)房置換客 戶查詢信用報(bào)告最高時(shí)達(dá)到每天近百筆征信應(yīng)用國(guó)外征信的應(yīng)用逃票與信用在法國(guó)，優(yōu)秀中國(guó)留學(xué)生因?yàn)樘悠睉?yīng)聘失??；在美 國(guó)，逃票者將難以申請(qǐng)綠卡或公民身份、也很難辦 理貸款和信用卡；在加拿大，逃票者無法獲得信用卡，除非有信用記錄很好的人出面為他擔(dān)保租房與信用世界銀行高級(jí)主管馬里奧費(fèi)雪由歐洲調(diào)任美國(guó)總部 后，由于沒有信用、記錄，憑借世行工作與收入證明卻無法租到公寓，只能由其美國(guó)親屬擔(dān)保2012-2018年美國(guó)支付卡各類型欺詐損失統(tǒng)計(jì)及預(yù)測(cè)申請(qǐng)反欺詐大數(shù)據(jù)基本信息 住宅信息 職業(yè)信息 聯(lián)系人信息 副卡信息基本信息 職業(yè)信息 學(xué)歷信息查詢征信次數(shù)

14、籍貫 出生日期 戶籍地址 服務(wù)處所虛假地址 虛假單位 虛假電話申請(qǐng)表征信戶籍信息灰名單歷史地址 職業(yè)信息 學(xué)歷信息 聯(lián)系人信息歷史信息申請(qǐng)反欺詐技術(shù)算法模糊匹配算法規(guī)則引擎反欺詐規(guī)則引擎模型偵測(cè)模型中文（簡(jiǎn)/繁體）、英文模糊匹配算法。按照區(qū)域欺詐特征，定制多維度規(guī)則集，實(shí)現(xiàn)快速計(jì)算。邏輯回歸模型和關(guān)聯(lián)分析和聚類分析技 術(shù)的集團(tuán)欺詐偵測(cè)。輸入 變量1輸入 變量2輸入 變量3HIDDE N LAYER隱藏層OUTP UT LAYER輸出層INPUT LAYER輸入層輸入 變量4結(jié)果Score評(píng)分0-1000欺詐領(lǐng)域，普遍使用神經(jīng)網(wǎng)絡(luò)模型技術(shù)，該技術(shù)模擬人腦功能的基本特征，適合處理需同時(shí)考慮許多因素

15、和條件的非線性問題。交易反欺詐神經(jīng)網(wǎng)絡(luò)模型異常值模型是用于從大量數(shù)據(jù)構(gòu)成的樣本群體中識(shí)別出與 該群體有顯著差異或者異常情況的樣本的過程。在反欺詐領(lǐng) 域，欺詐交易和正常交易有顯著差異,可以用異常模型進(jìn)行補(bǔ) 充。異常值模型美洲銀行利用挖掘預(yù)測(cè)開展Keep the Change美洲銀行的數(shù)據(jù)科學(xué)家在分析用戶VISA信用卡消費(fèi)時(shí)發(fā)現(xiàn) 用戶每次消費(fèi)總存在零頭通過分析客戶行為，數(shù)據(jù)科學(xué)家發(fā)現(xiàn)客戶還款時(shí)經(jīng)常會(huì)取整，以降低還款的復(fù)雜 性數(shù)據(jù)科學(xué)家設(shè)計(jì)了一種新的業(yè)務(wù)Keep the Change（保存零頭），例如：花費(fèi)28.24美元，美洲銀行將取整為29美 元，并將這兩個(gè)數(shù)之間的差額(即0.76美元)支付到客戶

16、的儲(chǔ) 蓄賬戶上。為吸引客戶，美洲銀行對(duì)開立該業(yè)務(wù)前三個(gè)月的 零頭進(jìn)行全額支付，上限為120美元，之后支付零頭總額的 5%。這項(xiàng)業(yè)務(wù)投放市場(chǎng)后對(duì)客戶具有很強(qiáng)的誘惑力，自推出 以來，已有2500萬(wàn)客戶申請(qǐng)了Keep the Change，超過70 萬(wàn)的客戶在美洲銀行開立了支票賬戶，并有1000萬(wàn)的客戶開 立了儲(chǔ)蓄賬戶。大數(shù)據(jù)商業(yè)價(jià)值所有互聯(lián)網(wǎng)公司都將是大數(shù)據(jù)公司3637技術(shù)環(huán)節(jié)數(shù)據(jù)采集數(shù)據(jù)挖掘數(shù)據(jù)清洗語(yǔ)義分析數(shù)據(jù)存儲(chǔ)數(shù)據(jù)管理數(shù)據(jù)分析可視化災(zāi)難備份數(shù)據(jù)特征結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)數(shù)據(jù)非結(jié)構(gòu)數(shù)據(jù)行業(yè)應(yīng)用政府大數(shù)據(jù)金融大數(shù)據(jù)消費(fèi)大數(shù)據(jù)企業(yè)大數(shù)據(jù)制造大數(shù)據(jù)醫(yī)療大數(shù)據(jù)能源大數(shù)據(jù)教育大數(shù)據(jù)交通大數(shù)據(jù)跨行業(yè)數(shù)據(jù)產(chǎn)業(yè)鏈分

17、類IT基礎(chǔ)建設(shè)操作系統(tǒng)移動(dòng)技術(shù)下一代互聯(lián)網(wǎng)數(shù)據(jù)庫(kù)軟件HADOOP開發(fā)數(shù)據(jù)應(yīng)用數(shù)據(jù)服務(wù)數(shù)據(jù)安全數(shù)據(jù)交易數(shù)據(jù)階段社會(huì)大數(shù)據(jù)消費(fèi)大數(shù)據(jù)企業(yè)大數(shù)據(jù)大數(shù)據(jù)衍生行業(yè)互聯(lián)網(wǎng)金融市場(chǎng)咨詢研究廣告精準(zhǔn)營(yíng)銷生產(chǎn)決策商務(wù)智能物聯(lián)網(wǎng)云計(jì)算、云存儲(chǔ)電子商務(wù)智慧城市人工智能大數(shù)據(jù)產(chǎn)業(yè)鏈信息類型數(shù)據(jù)類型典型應(yīng)用金融數(shù)據(jù)商業(yè)銀行賬戶信用卡、儲(chǔ)蓄卡賬戶流水消費(fèi)記錄移動(dòng)支付、第三方支付、電 商平臺(tái)賬戶快錢、支付寶、財(cái)付通、匯付天下、 拉卡拉、京東、淘寶等社交行為網(wǎng)絡(luò)化的社交賬戶信息微信、微博、博客、人人網(wǎng)、貼吧等日常行為日常工作、生活信息公用事業(yè)繳費(fèi)記錄、移動(dòng)通信、社保 繳納記錄等特定行為特定環(huán)境下抓取的行為數(shù)據(jù)互聯(lián)網(wǎng)訪問記錄、

18、特定網(wǎng)頁(yè)停留信息、 檢索關(guān)鍵詞等大數(shù)據(jù)征信主要收集的數(shù)據(jù)類型客戶畫像客戶之間的關(guān)系客戶經(jīng)理與客 戶的關(guān)系客戶關(guān)系信息客戶風(fēng)險(xiǎn) 信息客戶資產(chǎn) 信息客戶聯(lián) 系信息客戶事件 信息客戶基本 信息客戶產(chǎn)品 信息客戶維度重大事件，公司開業(yè)、生日等違約事件，提前換款、逾期等可疑事件，可能發(fā)生的一些事客戶名稱證件類信息客戶性質(zhì)信息存款類產(chǎn)信用評(píng)級(jí)黑名單客戶利潤(rùn)貢獻(xiàn) 客戶財(cái)務(wù)信息度客戶資產(chǎn)相關(guān)信息品信貸類產(chǎn)品證券類產(chǎn)品客戶聯(lián)系信息，包括主要營(yíng)業(yè)地址電話、聯(lián)系地址、公 司網(wǎng)址、電郵 地址等客戶溝通 信息客戶建議信息、 申請(qǐng)信息、溝通信息、回訪信息、投訴信息、調(diào) 查信息等業(yè)務(wù)系統(tǒng)數(shù)據(jù)企業(yè)內(nèi)外大數(shù)據(jù)微博信息社交網(wǎng)站流

19、量日志 音頻視頻客戶基本 產(chǎn)品信息 賬戶信息 交易信息傳統(tǒng)客戶畫像數(shù)據(jù)僅僅 來自業(yè)務(wù)系統(tǒng)，事件信 息、關(guān)系信息、等多類 信息缺失或不足，很難 形成準(zhǔn)確、全方位的畫 像。引入大數(shù)據(jù)，實(shí)現(xiàn) 了客戶360o立體畫像大數(shù)據(jù)征信典型應(yīng)用場(chǎng)景客戶畫像在傳統(tǒng)客戶360o視圖基礎(chǔ)上，引 入大數(shù)據(jù)，整合客戶重大事件、 社交關(guān)系等信息，實(shí)現(xiàn)了客戶體 畫像精準(zhǔn)營(yíng)銷根據(jù)客戶當(dāng)前需要（Next Best Action）或用戶生命周期的重大 事件（Key Life Event），實(shí)現(xiàn) 個(gè)性化的智慧營(yíng)銷靈活定價(jià)建立基于大數(shù)據(jù)分析的定價(jià)體系，引入更豐富的參數(shù)，靈活測(cè)算 貸款、續(xù)保定價(jià)等業(yè)務(wù)，滿足監(jiān) 管要求和業(yè)務(wù)需求欺詐檢測(cè)利

20、用大數(shù)據(jù)技術(shù)進(jìn)行模式識(shí)別， 構(gòu)建判斷規(guī)則；利用快數(shù)據(jù)技術(shù) 對(duì)信用卡、借記卡交易進(jìn)行實(shí)時(shí) 捕獲、實(shí)時(shí)監(jiān)控風(fēng)險(xiǎn)管理引入大數(shù)據(jù)及大數(shù)據(jù)技術(shù)，使得 基于長(zhǎng)期歷史數(shù)據(jù)業(yè)務(wù)壓力測(cè)試，準(zhǔn)確的征信報(bào)告、實(shí)時(shí)的欺詐檢測(cè)成為可能輿情管理利用大數(shù)據(jù)技術(shù)，搜集門戶、微 博、搜索引擎上關(guān)于用戶品牌、 金融出納品、服務(wù)體系的評(píng)價(jià)， 以及競(jìng)爭(zhēng)對(duì)手的價(jià)格案例分析第四部分Fortune 500（財(cái)富 500 強(qiáng)）前 10 名中的 9 家企業(yè)三分之二的世界100強(qiáng)銀行美國(guó)前 100 家最大金融機(jī)構(gòu)中的 90 家全部美國(guó)前 100 家最大信用卡發(fā)行機(jī)構(gòu)北美和歐洲超過 300 家面向個(gè)人和企業(yè)的保險(xiǎn)公司，其中包括美國(guó)排名前 10 位

21、的面向個(gè)人的保險(xiǎn)公司超過 100 家零售商和大型綜合超市，包括美國(guó)前 50 名零售商中的 一半超過 150 家醫(yī)療保健和生命科學(xué)公司，包括8家世界前 10 名的制藥公司案例：有這么一個(gè)公司，他的客戶遍布全球。美國(guó)的信用評(píng)分最早始于十九世紀(jì)四十年代末。許多基于統(tǒng)計(jì)學(xué)和運(yùn)籌學(xué)的定量分析工具被使用，如判別 分析法、回歸分析法、數(shù)學(xué)規(guī)劃法、遞歸判別法。美國(guó)的銀行業(yè)將一些非參數(shù)模型和人工智能模型引入信用 評(píng)分中來，如神經(jīng)網(wǎng)絡(luò)法、專家系統(tǒng)法、基因算法和近鄰 方法，進(jìn)一步提高了信用評(píng)分的科學(xué)性。1956年，F(xiàn)ICO成立，成為世界上第一家提供信用評(píng)分?jǐn)?shù) 學(xué)模型的專業(yè)化公司。美國(guó)的個(gè)人信用評(píng)分模型，主要是Fai

22、r Isaac Company推出的，F(xiàn)ICO信用分也由此得名。案例-FICO評(píng)分FICO 評(píng)分系統(tǒng)在美國(guó)得到廣泛地使用，信用分?jǐn)?shù)范圍在325-900分之間分?jǐn)?shù)越高，說明客戶的信用風(fēng)險(xiǎn)越小FICO 評(píng)分系統(tǒng)：620-680分 FICO分值分布償還歷史（35%）信用賬戶數(shù)（30%）使用信用的年限（15%）新開立的信用賬戶（10%）正在使用的信用類型（10%）FICO評(píng)分關(guān)注什么？種族、膚色、宗教、性別、婚姻狀況等信息。年齡工資、職業(yè)、頭銜、雇主、受雇時(shí)間、受雇歷史?？蛻艟幼〉攸c(diǎn)。已有的信用賬戶的適用利率。兒童(家庭)贍養(yǎng)義務(wù)和租約規(guī)定事項(xiàng)。特定類型的查詢。在FICO評(píng)分系統(tǒng)中,不記錄客戶自己的查

23、詢、不記 錄雇主的查詢、也不記錄準(zhǔn)備授信還沒有授信的貸款方的查詢。任何不包括在信用報(bào)告上的信息。任何未被證實(shí)的與預(yù)測(cè)客戶未來信用狀況有關(guān)的信息。FICO評(píng)分是不是什么變量都關(guān)注？采集機(jī)制：美國(guó)各個(gè)銀行、各個(gè)信用卡公司會(huì)給FICO自動(dòng) 提供信息，這樣才有了FICO評(píng)分。采集的數(shù)據(jù)多為靜態(tài)數(shù)據(jù)不適用于對(duì)企業(yè)信貸的分析不適用于對(duì)個(gè)人借款用于擴(kuò)大生產(chǎn)的情況FICO評(píng)分是否適用于中國(guó)企業(yè)？這家公司打出的旗號(hào)是“將Google算法帶入征信領(lǐng)域”，其利用機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)，創(chuàng)立了一套和傳統(tǒng)模式 相異的信用評(píng)分方式，其中應(yīng)用的數(shù)據(jù)變量是傳統(tǒng)模式的 上百倍。ZestFinance創(chuàng)立于2010年，創(chuàng)始人道格拉

24、斯梅里爾（ Douglas Merrill）是Google的前信息總監(jiān)兼工程副總裁，另一位來自金融圈的創(chuàng)始人肖恩布德（Shawn Budde）曾在第一資本公司（Capital One）負(fù)責(zé)信貸業(yè)務(wù)。這家公司在短短四年時(shí)間內(nèi)，就先后獲得了高達(dá)1.2億美 元的融資，其背后的出資人都是著名的IT風(fēng)投，包括 FlyBridge、GRP、LightSpeed以及Matrix等。有這么一家公司，準(zhǔn)備挑戰(zhàn)FICO評(píng)分FICO是美國(guó)最大的信用評(píng)級(jí)公司，美國(guó)三大信用局都用它的 數(shù)據(jù)，Zestfinace要挑戰(zhàn)的就是FICO。FICO占領(lǐng)著美國(guó)99%的信用評(píng)分市場(chǎng)和絕大部分發(fā)達(dá)國(guó)家的信用評(píng)分市場(chǎng)，而Zestfinace僅服務(wù)10萬(wàn)多名美國(guó)人。Zestfinace篤信“一切數(shù)據(jù)皆是信用數(shù)據(jù)”，是對(duì)現(xiàn)有信用 評(píng)估體系的顛覆。ZestFinance還有另一個(gè)重要組成部分，即ZestCash貸款平 臺(tái)。案例-Zestfinace評(píng)分有64%的美國(guó)人的現(xiàn)金賬戶里只有不到1000美元 的現(xiàn)金，即救急現(xiàn)金不足1000美元，有超過 3000萬(wàn)的美國(guó)人每年要依賴個(gè)人過橋貸款，也就 是說，3000萬(wàn)美國(guó)人等不到下一次發(fā)工資就必