第9章-大数据征信

金融科技概论第九章

大数据征信1教学目标了解国内外征信行业概况；掌握大数据征信所需的技术支持；了解大数据征信的发展趋势。2大数据征信概述国内外征信业发展概况大数据征信面临的机遇和挑战延伸阅读：ZestFinance案例本章小结目录3大数据征信的发展趋势

大数据征信的概念大数据征信是指通过对海量的、多样化的、实时的、有价值的数据进行采集、整理、分析和挖掘，并运用大数据技术重新设计征信评价模型算法，多维度刻画信用主体的“画像”，向信息使用者呈现信用主体的违约率和信用状况通过数据分析和模型进行风险评估，依据评估分数，预测还款人的还款能力、还款意愿、以及欺诈风险，更加科学的反映用户的信用状况大数据征信的概况4大数据征信的主要特征覆盖人群广泛信息维度多元应用场景丰富信用评估全面大数据征信的概况5大数据征信的程序制定数据采集计划征信机构从客户的实际需求出发，确定所需采集数据种类。例如一家银行决定是否对某企业发放短期贷款时，重点关注该企业的历史信贷记录、资金周转情况，按需采集企业基本概况、历史信贷记录、财务状况等采集数据数据一般来源于已公开信息、征信机构内部存档资料、授信机构等专业机构提供的信息、被征信人主动提供的信息、征信机构正面或侧面了解到的信息。出于采集数据真实性和全面性的考虑，征信机构可通过多种途径采集信息，但要兼顾数据的可用性和规模，在适度的范围内采集合适的数据。大数据征信的程序与技术应用6大数据征信的程序数据分析数据查证保证征信产品的真实性。一是查数据的真实性，二是查数据来源的可信度，三是查缺失的数据；信用评分运用先进的数据挖掘技术和统计分析方法，通过对个人的基本概况、信用历史记录、行为记录、交易记录等大量数据进行系统的分析，挖掘数据中蕴含的行为模式和信用特征，以信用评分的形式对个人未来的某种信用表现做出综合评估形成信用报告征信机构完成数据采集后，根据收集到的数据和分析结果加以综合整理，最终形成信用报告，报告要保证客观性、全面性、隐私和商业秘密保护等原则大数据征信的程序与技术应用7大数据征信的技术实现征信大数据链的相关方包括：上游的数据生产者、中游的征信机构及下游的征信信息使用者。大数据征信的程序与技术应用8征信大数据的上游生产者信用交易数据生产者我国金融服务机构大体可以分为三类：金融机构、类金融机构和互联网金融机构，这三类机构构成了我国的金融服务体系。信用交易数据来源于征信对象通过金融服务机构从事金融活动时所产生的数据大数据征信的程序与技术应用9征信大数据的上游生产者商品和服务交易数据以及行为数据生产者一些电商、金融、娱乐、旅游等企业，以及水、电、气、话、教育、医疗等公用服务机构，利用自有的工作机制和网络平台，收集客户买卖商品和享受服务中的基本信息、交易信息和社交行为信息，并对这些数据进行有序加工整理，形成数据库政府公开信息和公共服务信息的数据生产者政府公开信息主要是企业工商注册的信息，主要是行政司法机关掌握的企业和个人在接受行政管理、履行法定义务过程中形成的信息。公共服务信息主要包含工会服务信息、社区服务信息，以及信用中国及地方的信用信息平台的公开信息等大数据征信的程序与技术应用10征信大数据的上游生产者通过技术手段爬取或非常渠道获得的其他各种领域的数据对于很多企业来说自身数据积累相对有限，因此通过技术手段，如python网络爬虫技术从互联网渠道爬取。同时科技企业通过客户活动积累了大量的数据，此类数据的种类多样，包含各种行业的行业数据以及企业和个人的信息大数据征信的程序与技术应用11中游征信机构的数据加工针对不同的数据群体的不同特点，也要选取不同的处理和解决办法。征信大数据分析技术包括离线数据处理、实时数据处理和数据分析技术等大数据征信的程序与技术应用12中游征信机构的数据加工离线数据处理引擎——HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。Hadoop的并行计算框架MapReduce，可以对离线数据提供简单的并行计算处理。Hadoop适合处理几百T这个级别的数据量，并且适用于一次写入，多次读取的场景目前Hadoop主要可以用于用户行为分析、广告效果分析、产品设计分析、商业智能分析、报表统计等大数据征信的程序与技术应用13中游征信机构的数据加工实时数据处理引擎——SparkSpark是专为大规模数据处理而设计的快速通用的计算引擎，在某些工作负载方面表现得更加优越，不仅优化了迭代工作负载，而且内存计算速度比Hadoop快100倍。构建在Spark上处理实时数据的Stream的框架，基本的原理是将实时数据分成小的时间片断(几秒)，以批量处理的方式来处理这小部分数据，从而实现了实时计算与处理数据流的功能大数据征信的程序与技术应用14中游征信机构的数据加工数据分析技术——Python征信大数据应用Python软件强大的数据分析技术，通过多种机器学习和深度学习方法，除了可以运用预测信息主体的信用状况外，还可以输出模型重要性特征排序，为模型预测与优化提供重要参考依据大数据征信的程序与技术应用15下游信息使用者对数据征信产品的使用金融领域：银行评级及其他评级报告、专项评价报告、信用咨询类服务、企业征信、金融机构服务等。该领域的产品主要为从事金融活动的相关方提供，例如担保机构、小贷公司、保理公司、融资租赁公司等大数据征信的程序与技术应用16下游信息使用者对数据征信产品的使用政府领域：评级或评价报告、筹建咨询报告、征信调查服务、信用体系建设咨询等大数据征信的程序与技术应用17下游信息使用者对数据征信产品的使用商业或商务领域：评级或评价报告、投融资咨询报告、征信评价报告、供应链管理服务、系统开发等大数据征信的程序与技术应用18下游信息使用者对数据征信产品的使用公共领域：PPP咨询、社会信用产品应用咨询、社会责任报告、大数据排名等大数据征信的程序与技术应用19大数据征信的主要模式及范例汉得信息的供应链金融业务京东的供应链金融服务大数据征信的程序与技术应用20我国征信体系发展历程美国征信业概况欧洲征信业概况欧美征信业对我国征信业的启示国内外征信业发展概况21我国征信体系发展历程1932年第一家征信机构“中华征信所”诞生20世纪80年代后期中国人民银行批准成立了第一家信用评级公司——上海远东资信评级有限公司2003年国务院批准设立征信管理局2014年6月27日《社会信用体系建设规划纲要(2014—2020年)》公布2018年3月19日百行征信有限公司在深圳成立…………22美国征信业概况20世纪20年代：快速发展期信用卡的诞生以及居民消费支出不断提高引发信贷需求日益膨胀，同时受到经济的大萧条影响，个人违约率不断上升，驱动征信市场快速发展20世纪60年代：法律完善期法律体系不断完善，政府陆续出台了《公平信用报告法》、《公平债务催收作业法》、《平等信用机会法》、《诚实租借法》等17部法律，为征信发展注入强大动力20世纪80年代：并购整合期银行开始大规模整合和全国化进程，加上技术作用的推动，征信行业步入整合期，机构数量由2000家减至500家。2000年至今：成熟稳定期这一阶段的特点是专业化和全球化，各大征信机构开始积极进行海外布局，扩大市场，并致力于开发更多的征信应用。23美国征信业发展模式美国作为一个高度市场化的国家，征信模式主要是以市场为主导的征信模式。市场化征信模式是指由独立于政府之外私营企业组成的征信机构，通过对个人、企业信用信息进行收集、加工然后提供给信息使用者，以获得报酬的征信模式市场化征信模式，信息来源相对广泛，并为法律允许范围内的所有市场主体提供信用调查服务。政府会通过设立信用管理局来管理信用行业实务，并且制定相关法律并监督法律执行，但市场化征信模式下政府不会直接参与征信活动在美国，征信机构均独立于政府和联储之外，按照纯市场化的方式运作，并以营利为目的向市场提供信用信息产品和服务，政府和联储仅扮演监管者的角色。除美国外，英国、加拿大等也采用市场主导的征信模式24欧洲征信业概况区别于美国征信业的市场主导模式，欧洲大部分国家的征信业则采用政府主导型模式，这种模式一般是以中央银行建立的银行信贷登记系统为主体，征信机构多是由各国的中央银行或银行监管机构开设，一般为政府出资来建立中央信贷登记系统和全国数据库，并且非盈利。中央银行征信系统主要收集企业信贷信息和个人信贷信息，用于央行进行金融监管及执行货币政策，也可用于商业银行防范贷款风险25欧洲征信业概况法国、德国、比利时、意大利、奥地利、葡萄牙、西班牙等国都是典型的政府主导型模式，以德国为例，德国的征信体系以公共征信系统为主，行业协会内部征信系统和私营征信系统两部分为辅，三者构成德国强有力的社会信用体系。其中公共征信系统主要提供数据信息的基本收集、整理、保存、加工，是德国征信体系的的重要数据来源，包括德意志联邦银行信贷登记中心系统和行政司法系统，分别供银行与金融机构内部使用和对外提供工商登记信息、地方法院债务人名、法院破产记录等信息查询服务26欧洲征信业概况政府主导模式下的征信体系在信用信息获取方面，信用数据由中央银行及其下属部门掌控，这有利于保护金融系统的信息安全，从而较大程度地保护个人隐私。在使用时，只有被授权的央行职员或金融机构职员才能通过公共征信系统查询相关信息，其他任何人均不能在未得到授权的情况下通过该系统直接查询企业和个人信用状况不过，与市场化的征信机构相比，该系统的信息范围要窄许多，政府主导模式下的欧洲各国公共征信系统的数据主要包括企业和个人的借贷信息，而对诸如企业地址、业务范围、所有者名称等信息基本不搜集27欧美征信业对我国征信业的启示与欧美成熟市场相比，我国现有征信体系的问题：缺乏充分有效的数据基础征信体系的覆盖广度和深度有限完善的信用管理与相关的法律体系缺失……28欧美征信业对我国征信业的启示今后改进的方向：政府层面应当加强对信用行业的管理征信机构应当着力实现与主要客户的信息共享在法律和程序方面加强对消费者的保护……29大数据时代我国个人征信发展的机遇征信数据的来源广泛与传统征信模式相比，大数据时代个人征信数据的来源广泛而多样。在大数据时代利用互联网平台能够有效扩大征信对象的范围，从横向上增加征信数据的范围，是对目前央行征信系统很好的补充。就征信数据的内容而言，大数据征信收集的数据除传统个人征信依靠的信贷信息和部分公共信息，还包括征信对象的消费、社交及网络行为等信息，其获取的数据具有海量性、实时性、结构复杂等特征，通过对数据进行深入挖掘，可以从多个维度对主体的信用状况进行综合评价，在纵向上增加了征信数据的广泛性30大数据时代我国个人征信发展的机遇征信市场的发展多元化央行的个人征信系统基本覆盖全国的传统信贷市场，是我国个人征信体系的基础。但随着经济社会的发展，央行征信系统提供的产品与服务已不能满足某些企业的定制性产品需求，大数据时代的个人征信市场处公共征信机构外，还要有民营的市场第三方机构作为有力补充，2015年八家开展个人征信业务准备工作机构名单的公布标志着我国个人征信市场打破了政府主导的局面，开始进入多元化的发展阶段31大数据时代我国个人征信发展的机遇征信产品的应用场景多样随着信审效率的提高和用户体验的增加、征信业务执行方及授信模式的变化，征信产品的应用场景将会不断扩展。除金融领域外，个人征信产品可用于租房、快速安检等多个生活场景，以及通过征信产品对客户进行行为研究、精准营销、画像等拓展性应用32大数据时代我国个人征信发展的挑战“信息孤岛”难以消除据统计，我国的各级政府部门掌握着全社会80％的信息资源，政府掌握的政务信息在最大范围内的开放与共享是信用制度发展的关键所在。征信机构能够快速、真实、完整、连续、合法、公开地获得用于完成企业信用调查报告和个人信用调查报告的数据，是保障信用体系健康发展的基础。33大数据时代我国个人征信发展的挑战专业技术人才匮乏征信专业化人才严重不足，造成征信服务业发展的供血不足。大部分征信机构处于亏损状态，经营状况十分艰难，难以吸引大量的优秀人才34大数据时代我国个人征信发展的挑战信息安全面临考验随着数据量的剧增和数据的云端集中，数据的安全性面临着巨大挑战用户在不同场合不同情形下发布或留下的部分个人信息，存在因黑客攻击、网络病毒而导致信息被非法访问、盗取和篡改的风险数据库防护网如果托付给技术不成熟的云计算服务商，数据丢失、病毒入侵等问题就更加严峻35大数据时代我国个人征信发展的挑战法律保障力度不足与征信相关的保护企业商业秘密和公民个人隐私的法律法规体系尚不完善当企业的商业秘密或个人的隐私受到侵害时，缺乏与之相对应的司法救济，企业和个人的合法权益得不到有力保障36大数据征信的发展趋势多样化的信息采集主体全局性的信息采集内容深层次的信息加工程度广泛化的信息应用范围37延伸阅读：Zes