机房360首页
当前位置:首页 » 大数据 » 大数据征信的发展背景及与传统征信的比较

大数据征信的发展背景及与传统征信的比较

来源:企业网 作者:Harris编辑 更新时间:2017/3/13 7:50:49

摘要:传统征信在方便个人信贷、辅助金融授信决策、防范信用风险和提升金融获得性等方面发挥着关键作用,但其在互联网金融领域的局限性也不容忽视。一是全国还有5亿左右人口没有在持牌金融机构的信用活动,从而不被其所覆盖。

    传统征信在方便个人信贷、辅助金融授信决策、防范信用风险和提升金融获得性等方面发挥着关键作用,但其在互联网金融领域的局限性也不容忽视。一是全国还有5亿左右人口没有在持牌金融机构的信用活动,从而不被其所覆盖。二是随着“互联网+”的发展,互联网上产生、沉淀了大量与个人征信相关的数据,目前还难以被其采用[1]。大数据征信的出现有助于解决上述问题,并在一定程度上取得了快速发展。据我们研究,大数据征信得以发展的基本条件有以下三点:一是我国政策扶持和部署所释放的良好信号;二是以“金融线上化”为代表的互联网金融更巨大的长尾需求;三是大数据技术的强力支撑。
  
  一、政策扶持
  
  自2013年起,我国陆续颁布了一系列法律法规,为征信业的健康发展构建了法律制度框架。2013年3月国务院发布《征信业管理条例》(以下简称《条例》),成为我国首部征信业法规,也是我国征信法制建设的基石。2013年12月为配合《条例》的实施,中国人民银行出台《征信机构管理办法》,贯彻建立健全社会征信体系的要求,确立征信经营活动遵循的制度规范和监管依据。
  
  此外,为提高个人征信服务水平,引入市场竞争,我国为逐步开放征信市场做好立法准备。2015年1月中国人民银行印发《关于做好个人征信业务准备工作的通知》,批准8家机构做好开展个人征信业务的相关准备工作。2015年7月中国人民银行等十部门发布《关于促进互联网金融健康发展的指导意见》(以下简称《指导意见》),《指导意见》提出推动信用基础设施建设,培育互联网金融配套服务体系,鼓励有条件的机构依法申请征信业务许可。监管的改革措施为大数据征信的发展创造了良好的外部环境。
  
  值得注意的是,为加快大数据部署,深化大数据应用,推进落实“互联网+”国家战略,2015年7月国务院印发《促进大数据发展行动纲要》和2015年9月国务院办公厅印发《关于运用大数据加强对市场主体服务和监管的若干意见》。《促进大数据发展行动纲要》中最引人注目的就是开放政府数据和推动产业创新,鼓励大数据在征信业的应用和发展。相关专家认为,大数据是征信建设的重要“矿产资源”,征信建设必须以大数据为依托和支撑,在广度和深度上运用大数据建立信用体系,提高信用评价的全面性、实时性和授信效率。
  
  大数据时代,数据俨然成为等同于能源的战略资源,信息公开和数据开放成为当下时代发展的主题。行政机关在履行行政管理和公共服务职责过程中掌握了海量信息,如何通过信息公开管好、盘活这些数据资产,成为行政机关亟待解决的问题。党的十八届四中全会《中共中央关于全面推进依法治国若干重大问题的决定》明确提出要全面推进政务公开,推进政务公开信息化,加强互联网政务信息数据服务平台建设。数据公开制度的逐渐确立,为社会信息资源的开放、共享与服务提供制度保障。
  
  以上这些法律、法规、条例及制度的制定有利于加强整个征信市场的管理,规范信息提供者、信息使用者以及征信机构的行为,保障信息主体的权益。同时,其他配套制度也正在逐步制订和完善,将与《条例》共同构成征信法律体系,促进我国征信业的健康、可持续发展,更好地满足个人和企业的融资需求。
  
  二、市场需求
  
  近年来,互联网金融异军突起,成为我国经济发展的新兴力量。互联网金融在繁荣发展的同时,由于成立的时间较短,自身风险防控能力较弱,信用评估、风险定价和风险管理等方面都不完善,问题事件不断涌现。一方面,互联网金融的用户大多是具备“长尾特征”的网络用户,这部分用户难以被传统征信所覆盖,且由于行业机构间缺乏信息数据的沟通和交流,致使“一人多贷”重复借款现象突出,整个行业面临着巨大的信用风险。另一方面,由于征信体系不健全,互联网金融公司普遍以线下风控为主,大量尽职调查耗时耗力,既增加了自身的运营成本,且对借款人的信用水平的评估易存有偏差,间接提高融资成本。传统征信机制不健全成为制约互联网金融发展的主要因素。互联网金融的发展为大数据征信的发展提供了巨大的应用前景,倒逼征信跟上时代的步伐,推动征信机制的变革。
  
  三、技术支撑
  
  大数据征信之所以兴起,除了上述两个因素之外,技术支撑也不可或缺。大数据和云计算技术的进步为大数据征信的发展提供了支撑和便利,人工智能算法模型为全面刻画用户违约概率和信用状况提供了有力补充。一方面,随着“互联网+”的发展,老百姓的衣食住行、社会交往与互联网趋于紧密结合,互联网上产生、沉淀了大量与个人征信相关的数据。借助大数据抓取和挖掘技术、云计算技术,这些数据的采集、记录、储存和分析变得更加容易。另一方面,以机器学习为代表的人工智能技术相继被采用,不仅可以分析、归纳和汇总各种渠道获取的结构化和非结构化数据,还可设计多种预测模型(欺诈模型、身份验证模型、还款意愿模型和稳定性模型等)预测信用主体的履约意愿和履约能力,减少违约风险和坏账率。
  
  编辑:Harris
  
  

机房360微信公众号订阅
扫一扫,订阅更多数据中心资讯

本文地址:http://www.jifang360.com/news/2017313/n847294308.html 网友评论: 阅读次数:
版权声明:凡本站原创文章,未经授权,禁止转载,否则追究法律责任。
转载声明:凡注明来源的文章其内容和图片均为网上转载,非商业用途,如有侵权请告知,会删除。
相关评论
正在加载评论列表...
评论表单加载中...
  • 我要分享
推荐图片