近日，國內(nèi)首份老賴大數(shù)據(jù)畫像報(bào)告出爐。在超過300萬樣本的數(shù)據(jù)基礎(chǔ)上，報(bào)告顯示，東部地區(qū)，40-49歲男性，且具有大專或本科學(xué)歷，是國內(nèi)老賴典型特征。數(shù)據(jù)堂相關(guān)負(fù)責(zé)人對此表示，此次對老賴畫像的總結(jié)，是通過多維度的數(shù)據(jù)整合，使得懲戒老賴更加高效準(zhǔn)確，這正是大數(shù)據(jù)的優(yōu)勢所在。
大數(shù)據(jù)精準(zhǔn)預(yù)防欺詐
近幾年，隨著互聯(lián)網(wǎng)金融行業(yè)的發(fā)展，其面對的風(fēng)險(xiǎn)也在加大，除了傳統(tǒng)的信用風(fēng)險(xiǎn)，外部欺詐風(fēng)險(xiǎn)正成為一個(gè)主要風(fēng)險(xiǎn)。
業(yè)內(nèi)人士表示，惡意欺詐正在成為互聯(lián)網(wǎng)金融公司面臨的主要威脅之一，甚至在一些互聯(lián)網(wǎng)金融公司，惡意欺詐產(chǎn)生的損失占整體壞賬的60%。很多互聯(lián)網(wǎng)金融公司將主要精力放在如何預(yù)防惡意欺詐方面，而高風(fēng)險(xiǎn)客戶識別和黑名單成為預(yù)防惡意欺詐的主要手段。
據(jù)了解，目前市場上有近百家公司涉及個(gè)人征信業(yè)務(wù)，其主要的商業(yè)模式是反欺詐識別。反欺詐識別中，一個(gè)重要的參考就是黑名單，市場上領(lǐng)先的大數(shù)據(jù)風(fēng)控公司擁有將近1000萬左右的黑名單，而大部分黑名單是過去十多年積累下來的老賴名單，真正有價(jià)值的黑名單在兩百萬左右。黑名單主要構(gòu)成是民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價(jià)值有限。另外一部分產(chǎn)生于催收公司，催收的成功率一般小于30%，會產(chǎn)生很多黑名單。
數(shù)據(jù)堂相關(guān)負(fù)責(zé)人表示，數(shù)據(jù)堂積累了很多黑名單數(shù)據(jù)，這些數(shù)據(jù)主要來源于高法公示的企業(yè)法人違法信息,雖不能全面覆蓋全量借貸人員，但可以通過在黑名單庫中篩選，幫助金融企業(yè)降低金融借貸風(fēng)險(xiǎn)且獲得更多的黑名單來提高查得率。
以數(shù)據(jù)堂推出的“反欺詐產(chǎn)品”為例，該產(chǎn)品通過多維度數(shù)據(jù)在貸前、貸中和貸后對用戶進(jìn)行身份確認(rèn)，用戶類別的準(zhǔn)確定位以及消費(fèi)能力、償債能力的預(yù)測，幫助互聯(lián)網(wǎng)金融企業(yè)預(yù)防互聯(lián)網(wǎng)惡意欺詐和識別高風(fēng)險(xiǎn)客戶。例如，數(shù)據(jù)堂可以通過“反欺詐產(chǎn)品”初步確定用戶的合法性，準(zhǔn)確定位用戶類別；可以幫助互聯(lián)網(wǎng)金融公司，識別出出現(xiàn)在同一個(gè)經(jīng)緯度的群體性惡意欺詐事件，降低不良貸款發(fā)生概率。此外，數(shù)據(jù)堂還可以結(jié)合用戶近三個(gè)月的行為軌跡，幫助互聯(lián)網(wǎng)金融企業(yè)準(zhǔn)確識別出高風(fēng)險(xiǎn)客戶。
大數(shù)據(jù)讓老賴寸步難行
近日,中央辦公廳、國務(wù)院辦公廳印發(fā)《關(guān)于加快推進(jìn)失信被執(zhí)行人信用監(jiān)督、警示和懲戒機(jī)制建設(shè)的意見》，對失信被執(zhí)行人規(guī)定了11類37項(xiàng)聯(lián)合懲戒措施，包括從事特定行業(yè)或項(xiàng)目限制、政府支持或補(bǔ)貼限制、任職資格限制、準(zhǔn)入資格限制、特殊市場交易限制、限制高消費(fèi)及有關(guān)消費(fèi)、出境限制、加大刑事懲戒力度等。
據(jù) 《人民日報(bào)》日前公布的數(shù)據(jù)顯示，截至2015年，中國共有308萬名被執(zhí)行人被納入失信名單，累計(jì)攔截357.7萬人次購買飛機(jī)票，攔截59.88萬人次購買列車軟臥、高鐵和動(dòng)車一等座以上車票。
數(shù)據(jù)堂相關(guān)負(fù)責(zé)人表示，這些龐大的數(shù)據(jù)背后，折射出誠信社會的構(gòu)建力度日益加大。要實(shí)現(xiàn)讓老賴寸步難行，一方面需要國家打通各部門、各行業(yè)之間的信息壁壘，搭建一個(gè)開放共享、可以流通的大數(shù)據(jù)資源平臺；另一方面，作為大數(shù)據(jù)企業(yè)，要積極發(fā)揮資源整合優(yōu)勢，構(gòu)建數(shù)據(jù)共享平臺，為我國信用體系建設(shè)提供更多維度的數(shù)據(jù)支撐。
大數(shù)據(jù)助力征信體系建設(shè)
據(jù)統(tǒng)計(jì)，截至2015年末，央行征信中心覆蓋8.8億人，其中有信貸記錄的為3.8億人，剩下的幾乎沒有任何記錄，我國在征信體系上還不太完善。這也是很多互聯(lián)網(wǎng)金融企業(yè)在借款時(shí)，很難對借款人的信用做出精準(zhǔn)判斷的重要原因。
當(dāng)前，社會上有兩種征信模式：傳統(tǒng)征信和大數(shù)據(jù)征信。傳統(tǒng)征信主要利用了信用屬性強(qiáng)大的金融數(shù)據(jù)，當(dāng)下互聯(lián)網(wǎng)金融平臺多是以中小額放貸業(yè)務(wù)為主，所沿用的也是傳統(tǒng)信貸業(yè)務(wù)中征信手段，因此導(dǎo)致人力和時(shí)間成本投入過高，不具備互聯(lián)網(wǎng)時(shí)代的高效性。相比之下，大數(shù)據(jù)征信通過核心數(shù)據(jù)建模，來對借款用戶進(jìn)行資信評估，以此來預(yù)測其違約概率，能夠大大節(jié)省傳統(tǒng)征信環(huán)節(jié)中的人力成本。
數(shù)據(jù)堂相關(guān)負(fù)責(zé)人表示，大數(shù)據(jù)征信并不是完全改變傳統(tǒng)風(fēng)控，實(shí)際是豐富傳統(tǒng)征信的數(shù)據(jù)維度。大數(shù)據(jù)征信中，首先還是利用信用屬性強(qiáng)的金融數(shù)據(jù)，判斷借款人的還款能力和還款意愿，然后在利用信用屬性較弱的行為數(shù)據(jù)進(jìn)行補(bǔ)充，一般是利用數(shù)據(jù)的關(guān)聯(lián)分析來判斷借款人的信用情況，借助數(shù)據(jù)模型來揭示某些行為特征和信用風(fēng)險(xiǎn)之間的關(guān)系。
作為國內(nèi)大數(shù)據(jù)資源的龍頭企業(yè)，數(shù)據(jù)堂利用多個(gè)行業(yè)的數(shù)據(jù)資源，通過自身的核心的數(shù)據(jù)處理技術(shù)，對數(shù)據(jù)進(jìn)行挖掘重組，能勾畫出360度的個(gè)人和企業(yè)征信畫像。作為傳統(tǒng)征信的有益補(bǔ)充，大數(shù)據(jù)征信的發(fā)展將極大擴(kuò)展征信體系的數(shù)據(jù)范疇，帶來全新的服務(wù)理念和先進(jìn)的信息處理方式，推動(dòng)傳統(tǒng)信用評分模式的轉(zhuǎn)變，進(jìn)而對完善我國征信體系乃至社會信用體系發(fā)揮重要作用。
