3月31日，波士顿咨询公司（BCG）发布中国个人征信行业报告（2015），认为中国个人征信行业雏形初现，有望成为一片新蓝海. 报告将针对中国新创生态聚合类征信机构，从数据、模型、产品、应用等纬度首次对该类型征信机构作了全透视。
报告作者之一、BCG全球合伙人兼董事总经理、中国金融业智库负责人何大勇指出，包括芝麻信用、腾讯征信、前海征信、考拉征信和华道征信等这类新创生态聚合类征信机构，在数据上，除了对外接入传统征信数据外，都大量运用了自身场景下沉的多元鲜活数据，包括支付、互联网电商、社交、电信服务、公共服务等；在征信评价所使用的技术上，都不同程度的运用大数据等创新技术对经典征信模型进行了补充和完善。在产品应用场景上，都从一开始就比较注重非金融场景的开发，探索传统信贷与创新生活场景应用兼顾的发展。
针对上述观点，为了便于读者理解，报告以当下市场上表现出众的芝麻信用为例，将新创生态聚合类征信机构开展具体业务的方式过程，结合报告的观点，给出了较为直观的范例。
报告提到，芝麻信用通过运用云计算、机器学习等技术客观呈现个人的信用状况，并已在信用卡、消费金融、酒店、租房、租车等多个金融与生活类场景为用户、商户提供信用服务，使其享受到信用的便利。作为蚂蚁金服旗下的第三方信用评估及管理机构，芝麻信用通过建立IT系统，数据单独存储，组织架构叉任职，业务经营上决策等，征信机构开展业务。
从数据来源看，芝麻信用评分应用电商，互联网金融，人口户籍、最高法老赖、教育部学历、工商注册等机构数据，合作伙伴，以及广大实名用户自主提交的数据和信息，从信用历史、行为偏好、履约能力、身份特征和人脉关系五大维度对个人经济信用行为进行综合评估。
在构建信用评分模型体系之时，芝麻信用专注经济信用预测，并利用先进的机器学习法，实现对经典信用评估模型的改良。由于传统评估模型如评分卡、逻辑回归等极为依赖强相关原始数据的可获得性，而中国大量人群缺少历史借贷及还款行为等个人金融数据，导致沿用传统模型方时，征信机构难以克服数据源的局限性，或难以以较低的成本进行海量数据的关联性分析。芝麻征信在充分研究和吸收传统征信评分模型算法的优势的基础上，积极尝试前沿的随机森林、神经网络等算法，挖掘出和信用表现有稳定关联的特征，从而更加高效和科学的发现大数据中蕴含的信用评估价值。目前，芝麻信用的数据科学家团队应用了一种改进的树模型GBDT（Gradient Boosting Decision Tree），深入挖掘特征之间的关联性，衍生出具备较强信用预测能力的组合特征，并将该组合特征与原始特征一起使用逻辑回归线性算法进行训练，从而获得一个具备可解释性的准确的线性预测模型。比如，一个人在某些特定品类上的消费行为，一定程度上反映了他的稳定性和家庭责任感，这些行为本身与信用的相关性可能并不高；而如果他还经常参加各类公益活动，那么这两类特征的组合则可能与其个人信用表现出很强的正相关性，换言之弱变量之间的交叉分析有助于提高模型的信用预测能力。
从征信产品的应用来看，芝麻信用的技术和评估结果已在多种金融类和生活类场景下有所应用，旨在向合作方提供更多元的决策分析要素，而非代替机构本身进行最终决策，目前已得到了多数合作机构的肯定。在金融场景的应用中，芝麻的评估结果很早就应用在互联网信贷业务中，经过了实践的沉淀和摸索，应用效果日趋成熟。
新创公司业务的实际效果也是各方关注的焦点。报告总结到，在过去的一年中，许多金融机构、生活应用类商户都与新创类公司进行了有益的内部测试或合作，收到了比较良好的市场反馈。2015年下半年起，国内多家大型商业银行对芝麻信用产品进行测试。从实际应用来看，芝麻信用评分表现出了较高的覆盖度和违约风险识别能力，对于银行自有风控模型做出了有效的补充，其中某股份制银行信用卡中心与芝麻信用在贷前审批、贷中和贷后追偿等领域进行了全流程合作，助力该机构将信用卡审批通过率提高了2-3个百分点。
波士顿咨询公司认为，中国个人征信行业的服务对象将包括金融借贷场景（包括银行借贷场景及非银行金融机构的借贷场景）、部分非借贷金融场景（例如保险）、部分非金融领域中涉及信用风险的场景（例如租房、租车等）。各家新创公司已就此展开了提前布局。比如在非金融领域中涉及信用风险的场景这个服务领域中，芝麻信用评分已经被引入酒店、租房、租车等生活场景，并在多个场景之间进行相互验证，发现其信用评分模型具有较好的可拓展性与通用性。例如，某酒店将芝麻信用评分引入其入住和退房流程决策系统，对于符合一定评分的客户施行免押金入住和免退房，从而将申请入住时间由平均3分钟缩短到45秒，将申请退房用时由平均2分钟缩短至18秒，在风险可控的前提下，有效提升了客户体验和酒店运营效率。
报告认为，以芝麻信用为代表的新创生态聚合类征信机构能够在中国个人征信行业市场化发展的大潮中助力社会商业的信用建设。凭借其不断交叉验证提升的数据质量，以及先进的算法技术与严谨的模型验证，打造强大的个人信用洞察能力，让人与人、人与机构之间的连接更简单、更高效。
推荐：
网友评论 ()条 查看