互联网大数据征信模式及存在问题研究(3)
图1 芝麻信用模式
（二）拍拍贷征信模式
拍拍贷采集的数据分为三大类：基本数据（包括年龄、性别、婚姻、学历等）、财务数据（包括收入、财产、信贷历史数据等）和互联网行为数据（来自微博、论坛、拍拍贷登录等）。拍拍贷约采用2000个数据文度，平均使用400个数据文度去评价一位借款人（银行为70-80个）。拍拍贷在这些数据的基础上总结归纳，挖掘出18个信用评估子模型其中一位借款人匹配一个子模型。其次，拍拍贷还构建了三个全自动风险控制系统，即反欺诈系统（决定是否放贷）、信用评级系统（决定放贷金额）和风险定价系统（决定放贷利率）。其中，信用等级是由信用评级系统评估的，是由认证分数转化而来，认证等级由高到低分为A、B、C、D、E、HR共6个等级，它在很大程度上影响了借款人的借款成功率、最高贷款额度等。最后，再根据以上三个风险控制系统来决定是否放贷、贷款额度和放贷利率。拍拍贷运用大数据征信技术对借款人进行信用评估的模型如图三所示。
图2 拍拍贷信用评估体系
（三）总结分析互联网大数据征信模式
大数据征信模式与传统征信模式最根本的区别是数据量变巨大。从原有的传统信贷数据开始逐步扩展，加上公共政务数据，加上行为数据，获取更多的数据，形成成千上万个特征变量。但这些数据采集回来并不是直接运用，而是先入库。数据团队要进行深度的数据清洗，要进行客户归档，并且要进行原始的加工。只有数据归档之后才可以知道哪些数据是可以被利用的。数据归档后还要进行变量筛选、精细化研究，凭着专家经验和变量衍生的分析方法，即特征工程研究。把这些变量入库以后并且提取出来可用的变量，再来选择最合适的算法。通过创新的方法和创新的技术对筛选出来的数据进行深度挖掘，建立匹配的模型。这些算法和技术最终会归结到三点，就是准确性、稳定性和普适性。这三点能够帮助征信机构建设一个值得信赖的征信体系。通过评估得到的是一个结果，可以用信用分、信用级别或者其他的方式来表示。最后把它运用在金融领域、生活领域还有其他一些创新的细分市场。如图3所示：
图3 大数据征信模式分析
三、大数据征信模式的主要创新
与传统征信相比，随着互联网和大数据时代的到来，人类正从IT时代向DT时代迈进，大数据征信取代传统征信模式成为更适合DT时代的征信模式。大数据征信的创新主要表现在数据来源多文度、评估模型多样化、应用场景丰富化和覆盖人群扩大化方面，并因此降低征信成本，提高征信效率，进而为互联网金融的发展提供基础设施服务。
（一）数据来源广谱多文
传统的征信数据主要是由银行的自有数据和来自征信机构的数据两部分构成，包括基本信息、借贷信息、公共信息和查询信息等，这些信息汇总形成一个比较全方面、综合的信审借贷模型。大数据时代，信息来源更广、种类更多、时效性更强。大数据征信利用传统的征信数据和非传统的信贷数据，包括用户基础行为数据、银行借贷数据、水电煤房租缴费数据、电信电视手机签约数据、法院工商税务数据、互联网数据等，形成成千上万个特征变量，而不再是原来传统记分卡上的几十个变量。这些变量构成了一个全方位立体的库，可以还原授信对象真实的面目，帮助评估信用风险。
表1 传统征信模式与大数据征信模式的比较
传统 新兴
服务人群 金融机构借贷人群 包含缺乏信贷记录的人群