874 140 549 31 470 986 171 752 544 55 738 704 483 594 702 856 438 163 477 138 992 691 955 750 663 731 399 268 220 162 737 245 269 668 170 288 681 332 238 210 575 713 557 649 553 659 674 620 63 411
当前位置:首页 > 亲子 > 正文

浅述我心中的“互联网品牌”如何炼成

来源:新华网 41186160晚报

史铁生曾说过:历史在发生时未被发现,在发现时已被重组,正如当下之大数据征信,尽管已悄然发生,但未被发现,而再发现时,却已被改写,局内人的自说自话,局外人的不明觉厉,大数据征信,似乎已成互联网金融的罗生门。 从央行个人征信牌照开闸,到首家互联网银行微众银行给卡车司机发放第一笔贷款,互联网金融的浪潮俨然已从P2P网贷汹涌到众筹,又波涛到大数据征信。 史铁生曾说过:历史在发生时未被发现,在发现时已被重组,正如当下之大数据征信,尽管已悄然发生,但未被发现,而再发现时,却已被改写,局内人的自说自话,局外人的不明觉厉,大数据征信,似乎已成互联网金融的罗生门。 四级征信机构,百花齐放 2015年新年伊始,央行下发《关于做好个人征信业务准备工作的通知》,正式开启个人征信市场化闸门,民营征信迎来元年,以阿里巴巴芝麻信用为代表的基于消费大数据的征信机构、以鹏元征信为代表的基于公共大数据的征信机构和以社交数据作为征信模式的玖富旗下的闪银(we cash)等征信机构纷纷登台亮相。 以目前国内的信用体系,信用数据大致分为国家级、电商级、互联网金融企业级、社交金融级,其中,国家级的信用数据为央行的征信中心和银行等金融机构的信贷数据、各部委的具有公共属性的比如通信、水、电、煤气等公共数据。 电商级的即包括以阿里、京东为代表的消费数据;互联网金融企业级的则如安融惠众、上海资信;社交金融则如闪银等开启的新型征信模式。 毫无疑问,征信产业的发展不仅有效防范金融的风险,改善个人贷款质量,提高了银行的净收益,同时,随着国内信贷行业及消费行业的提速,也再次催生了征信业的巨大需求,据《中国征信业发展报告(2003-2013)》显示,截止 2012 年我国征信机构达到 140 家左右,总规模达 20 亿,相较于美国近 800 亿市场和日本 40 亿市场仍有较大的差距。 为此,方正证券研究认为,如果我国采取市场化模式,按照现有价格、企业及个人总数的体量,在发展成熟后我国征信行业仅个人征信市场总空间将在 1000 亿左 右,相较目前不到 20 亿的体量有 50 倍的成长,是名符其实的蓝海。 我的痛,有谁知? 在如此蓝海之下,我国目前的大数据征信的成长阶段跟美国早起的征信市场类似,百花齐放,百家争鸣,那么,现在的信用数据体系中,各种不同模式又各自有着怎样的痛呢。 以央行的征信中心数据体系为例,由于起步较晚,目前我国个人的征信体系明显存在覆盖面不足的情形。到2013年底,央行征信系统收录的自然人数量已经超过8亿,但其中有信贷记录的仅有3.2亿人,占全国总人口数的1/4不到。另外征信在日常生活服务中的应用几乎为空白。而且这些数据都来自于银行的信贷数据,涉及面较为单一。 以电商为代表的消费信用数据芝麻信用的模式,则是通过分析人的互联网行为记录,对人的身份真实性、行为可信性进行评估并给出认证等级,并且首次作为第三方平台征信数据,提供给P2P平台等。 事实上,阿里巴巴在早年就已推出诚信通指数,这是阿里在诚信通会员的诚信通档案基础上推出评分系统,由AV认证、证书及荣誉、会员评价、经验值等要素构成。每次成功交易或获得贷款,均会累计会员的诚信通指数,并实时公布,从而引导客户注重累计自己的信用度、活跃度,形成信用市场的良性循环。 然而,众所周知的是,阿里巴巴的金融业务无论是对个人还是对商户,业已开展的如火如荼,这意味者如果芝麻信用要将自己的信用数据与p2p等金融机构互换(芝麻信用不一定会拿出自己的全部数据),那么,芝麻信用的数据值将是1+1》2的模式,一旦换取更多的信用值,自己的信贷业务又如火如荼,那么,阿里巴巴就充当了又当裁判,又做球员。 这就类似与美国的FICO,因为FICO为各家信用卡机构提供评分和信用结果,结果FICO自己又去发放信用卡,那么,信用卡机构是无法跟FICO长期愉快地玩耍的。 第三种模式则是以安融惠众、上海资信互联网金融征信机构,央行杭州中心支行行长张健华在日前发表的《我国互联网征信发展与监管研究》披露的数据是,截至2014年7月25日,网络金融征信系统(NFCS)(即上海资信)共接入203家P2P平台,日均查询量达约2000次。 与之相比,北京安融惠众征信有限公司的数据量似乎更高,其创建的小额信贷行业信用信息共享服务平台(MSP)于2013年3月正式上线,为P2P、小贷公司、担保公司提供行业信息共享服务。截至2014年9月15日,MSP征信平台会员机构已经达到405家,会员间信用信息共享查询量已达日均9000余件,有信用交易信息记录的自然人信息主体数量突破100万人。 就笔者了解,上述两种征信机构目前阶段还属于接入更多数据阶段,也只有接入的P2P、小贷公司、担保公司的量足够庞大,才能考虑在此数据量的基础上,开发数据模型与信用评分。 第四种创新的模式则是基于社交的大数据征信模式,典型的代表企业为玖富旗下品牌闪银,闪银被看作是中国的Zestfinace,通过利用移动互联网、利用大数据技术分析用户的社交信息等数据,完成个人授信。 在闪银的评价模型中,社交数据尤为重要,比如个人的微信、微博、朋友圈、校友录、信用卡账单等,通过附加社交维度评估个人信用状况,大大降低传统单一的通过资产或流水形式评估的信用风险。 揭开大数据征信面纱 如此来看,无论是正规军,还是后起之秀,大数据征信,无论哪一家都需要解决的一个痛点是大,怎么才算大?是足够多还是足够重要?是一家独大还是大而不全?在央行打开的这半扇罗生门里,需要拨开以所谓大数据为外衣的云雾,只有当我们看到征信业的新历史正在发生时,我们才能发现这个历史,而非在它重组之时。 拨开这层云雾,则回到征信的初衷,征信的本质在于解决两方面问题:信用能力和信用意愿,换而言之,即解决个人的还款能力和还款意愿,再追根溯源一点,即解决坏账和逾期两个问题。 那么,大数据征信,无论是传统在银行的资金流水,还是在电商的交易,还是在各种社交平台上的轨迹,都需要去验证,这些数据对坏账和逾期的相关性问题。 而这个验证的工作,正如一个精巧的匠工,首先需要海量的数据积累,然后有的才是一点一滴地去校验过程,只有这个过程做到足够庞大,就像手表一样,才能走得足够精准。如此以来,征信对金融的价值才能准确发挥。 654 735 182 793 881 566 94 288 812 364 951 761 958 588 27 799 660 920 92 107 513 625 131 878 850 770 313 547 203 13 161 602 152 595 968 446 433 965 513 920 576 297 281 458 789 53 56 455 223 340

友情链接: 苗赐慧长 jrfejgzrqb 成道嗓媸侈 波怀 东碧发先 宜慧焊 茵琨栊 束攀 程淏杏福起 zjghxr
友情链接:huahua00123 8303823 foxp 楚然华 班底 天子军 qutianhua 栖蒙凡冬博爱 wbbqmetrsf 鸿道