反映電商信用行為的芝麻信用

芝麻信用基于阿里巴巴的電商交易數據和螞蟻金服的互聯網金融數據，并與公安網等公共機構以及合作伙伴建立數據合作，數據涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等等。芝麻信用以芝麻分來直觀呈現信用水平，主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度，從950～350分劃分為5個等級，分數越高代表信用程度越好，違約可能性越低。芝麻征信還出具個人信用報告，其主要由央行征信中心負責提供，記錄了個人基本信息、貸款信息、信用卡信息和信用報告查詢記錄等。

劉華鵬老師在農業銀行講授互聯網金融

反映互聯網社交行為的騰訊征信

騰訊征信的數據更多的是社交數據，其征信產品有兩大類別：一是反欺詐產品，包括人臉識別和欺詐評測；二是信用評級產品，包括信用評分和信用報告。騰訊征信反欺詐產品的主要服務對象包括銀行、證券、保險、消費金融、小貸、P2P等商業機構，它能幫助企業識別用戶身份，防范涉黑賬戶或有組織欺詐，發現惡意或者疑似欺詐客戶，避免資金損失。對于之前沒有個人征信報告的藍領工人、學生、個體戶、自由職業者等用戶，騰訊通過他們使用社交、門戶、游戲、支付等服務，通過海量數據挖掘和分析技術來預測其風險表現和信用價值，為其建立個人信用評分。

反映借款人風險的好貸云風控

好貸云風控是好貸網和全球最大的個人信用評分機構FICO（費埃哲）共同打造的大數據風控平臺，整合征信公司、司法數據、工商數據、消費數據等重要數據源頭，構建了金融貸款機構風控所需全行業各領域的風險數據庫，同時包括反欺詐風險名單庫、重大風險識別名單庫、貸款申請記錄名單庫的數據，合計已超過7000萬條。多達6000多個維度的數據庫不僅能有效補足貸款機構本地的數據庫，還能協助其大幅提高反欺詐識別和信用風險識別能力，同時結合FICO的信貸決策引擎為信貸機構提供服務。金融機構不用再投入巨資自建系統，不用花巨大精力和成本尋找各種風控數據。

銀行風險控制與大數據征信結合

大數據難以解決所有問題，但可以作為有效的工具。大數據能為信貸行業帶來什么價值？筆者的判斷是：大數據在未來一段時間，仍無法解決信貸風控中的所有問題；或者說單純依靠大數據進行信貸風控、審批全流程的貸款種類還很有限。

但是，大數據已經可以解決信貸行業的一部分問題，并且將發揮越來越重要的作用。比如，大數據在進行反欺詐識別、風險動態監測、用戶行為分析、用戶畫像等領域，都已經有了越來越多的運用。銀行機構應當擁抱大數據，敢于和善于運用大數據輔助進行風險把控。

通過大數據，將民間借貸信息對銀行透明化。銀行機構通過大數據征信的數據，可以了解借款人在民間借貸的信息。目前大數據征信公司提供的民間借貸相關信息主要包含黑名單信息、貸款申請信息和被查詢信息。以好貸云風控為例，其包含了各家征信公司的黑名單信息以及好貸云風控平臺整合的數十家P2P平臺的黑名單信息，同時也包含了好貸網的1000萬條貸款申請記錄和每個星期增加一倍的被查詢信息。這些信息都從側面反映了借款人的民間借貸情況。通過大數據征信，將能夠使民間借貸信息對銀行機構越來越透明，識別出更多的民間借貸風險，更好地進行貸款審核和反欺詐識別。

豐富數據維度，提升對信用檔案客群風控能力。2014年，美國政策與經濟研究委員會（PERC）對于非金融信息（也成為替代性信息）在信貸決策中作用的研究表明：諸如水、電、煤、有線電視、手機等非金融信息納入征信系統，顯著地提高了信用檔案在案人群的信貸獲得能力。

目前不少銀行逐步認識到已經納入銀行傳統數據庫的信息量并不豐富和完整，開始積極與第三方大數據征信公司頻繁接觸與接洽合作，如客戶信息、銀行擁有客戶的基本身份信息等。但客戶其他的信息，如性格特征、興趣愛好、生活習慣、行業領域、居住狀況等卻是銀行難以準確掌握的；另一方面對于多種異構數據的分析是難以處理的，如銀行有客戶的資金往來的信息、網頁瀏覽的行為信息、服務通話的語音信息、營業廳、ATM的錄像信息，但除了結構化數據外，其他數據無法進行分析，更談不上對多種信息進行綜合分析，無法打破“信息孤島”的格局。通過與第三方大數據征信公司的合作，盡力彌補自身在獲取信息維度以及數據挖掘和分析能力方面的不足。

綜上，筆者認為，在互聯網時代和大數據時代的背景下銀行如欲進一步加快轉型的步伐、實現誠信社會與普惠金融的愿景、肩負信用風險管理重任，就要在信息使用、貸前調查、貸中監控等風險控制方面借助互聯網的優勢，擁抱大數據征信，充分利用內外各種信息做好客戶征信和增信，進一步提高對風險的控制和管理水平，才能立于不敗之地。