金融科技概論第九章

大數據征信1教學目標了解國內外征信行業概況；掌握大數據征信所需的技術支持；了解大數據征信的發展趨勢。2大數據征信概述國內外征信業發展概況大數據征信面臨的機遇和挑戰延伸閱讀：ZestFinance案例本章小結目錄3大數據征信的發展趨勢

大數據征信的概念大數據征信是指通過對海量的、多樣化的、實時的、有價值的數據進行采集、整理、分析和挖掘，并運用大數據技術重新設計征信評價模型算法，多維度刻畫信用主體的“畫像”，向信息使用者呈現信用主體的違約率和信用狀況通過數據分析和模型進行風險評估，依據評估分數，預測還款人的還款能力、還款意愿、以及欺詐風險，更加科學的反映用戶的信用狀況大數據征信的概況4大數據征信的主要特征覆蓋人群廣泛信息維度多元應用場景豐富信用評估全面大數據征信的概況5大數據征信的程序制定數據采集計劃征信機構從客戶的實際需求出發，確定所需采集數據種類。例如一家銀行決定是否對某企業發放短期貸款時，重點關注該企業的歷史信貸記錄、資金周轉情況，按需采集企業基本概況、歷史信貸記錄、財務狀況等采集數據數據一般來源于已公開信息、征信機構內部存檔資料、授信機構等專業機構提供的信息、被征信人主動提供的信息、征信機構正面或側面了解到的信息。出于采集數據真實性和全面性的考慮，征信機構可通過多種途徑采集信息，但要兼顧數據的可用性和規模，在適度的范圍內采集合適的數據。大數據征信的程序與技術應用6大數據征信的程序數據分析數據查證保證征信產品的真實性。一是查數據的真實性，二是查數據來源的可信度，三是查缺失的數據；信用評分運用先進的數據挖掘技術和統計分析方法，通過對個人的基本概況、信用歷史記錄、行為記錄、交易記錄等大量數據進行系統的分析，挖掘數據中蘊含的行為模式和信用特征，以信用評分的形式對個人未來的某種信用表現做出綜合評估形成信用報告征信機構完成數據采集后，根據收集到的數據和分析結果加以綜合整理，最終形成信用報告，報告要保證客觀性、全面性、隱私和商業秘密保護等原則大數據征信的程序與技術應用7大數據征信的技術實現征信大數據鏈的相關方包括：上游的數據生產者、中游的征信機構及下游的征信信息使用者。大數據征信的程序與技術應用8征信大數據的上游生產者信用交易數據生產者我國金融服務機構大體可以分為三類：金融機構、類金融機構和互聯網金融機構，這三類機構構成了我國的金融服務體系。信用交易數據來源于征信對象通過金融服務機構從事金融活動時所產生的數據大數據征信的程序與技術應用9征信大數據的上游生產者商品和服務交易數據以及行為數據生產者一些電商、金融、娛樂、旅游等企業，以及水、電、氣、話、教育、醫療等公用服務機構，利用自有的工作機制和網絡平臺，收集客戶買賣商品和享受服務中的基本信息、交易信息和社交行為信息，并對這些數據進行有序加工整理，形成數據庫政府公開信息和公共服務信息的數據生產者政府公開信息主要是企業工商注冊的信息，主要是行政司法機關掌握的企業和個人在接受行政管理、履行法定義務過程中形成的信息。公共服務信息主要包含工會服務信息、社區服務信息，以及信用中國及地方的信用信息平臺的公開信息等大數據征信的程序與技術應用10征信大數據的上游生產者通過技術手段爬取或非常渠道獲得的其他各種領域的數據對于很多企業來說自身數據積累相對有限，因此通過技術手段，如python網絡爬蟲技術從互聯網渠道爬取。同時科技企業通過客戶活動積累了大量的數據，此類數據的種類多樣，包含各種行業的行業數據以及企業和個人的信息大數據征信的程序與技術應用11中游征信機構的數據加工針對不同的數據群體的不同特點，也要選取不同的處理和解決辦法。征信大數據分析技術包括離線數據處理、實時數據處理和數據分析技術等大數據征信的程序與技術應用12中游征信機構的數據加工離線數據處理引擎——HadoopHadoop是一個由Apache基金會所開發的分布式系統基礎架構。Hadoop的并行計算框架MapReduce，可以對離線數據提供簡單的并行計算處理。Hadoop適合處理幾百T這個級別的數據量，并且適用于一次寫入，多次讀取的場景目前Hadoop主要可以用于用戶行為分析、廣告效果分析、產品設計分析、商業智能分析、報表統計等大數據征信的程序與技術應用13中游征信機構的數據加工實時數據處理引擎——SparkSpark是專為大規模數據處理而設計的快速通用的計算引擎，在某些工作負載方面表現得更加優越，不僅優化了迭代工作負載，而且內存計算速度比Hadoop快100倍。構建在Spark上處理實時數據的Stream的框架，基本的原理是將實時數據分成小的時間片斷(幾秒)，以批量處理的方式來處理這小部分數據，從而實現了實時計算與處理數據流的功能大數據征信的程序與技術應用14中游征信機構的數據加工數據分析技術——Python征信大數據應用Python軟件強大的數據分析技術，通過多種機器學習和深度學習方法，除了可以運用預測信息主體的信用狀況外，還可以輸出模型重要性特征排序，為模型預測與優化提供重要參考依據大數據征信的程序與技術應用15下游信息使用者對數據征信產品的使用金融領域：銀行評級及其他評級報告、專項評價報告、信用咨詢類服務、企業征信、金融機構服務等。該領域的產品主要為從事金融活動的相關方提供，例如擔保機構、小貸公司、保理公司、融資租賃公司等大數據征信的程序與技術應用16下游信息使用者對數據征信產品的使用政府領域：評級或評價報告、籌建咨詢報告、征信調查服務、信用體系建設咨詢等大數據征信的程序與技術應用17下游信息使用者對數據征信產品的使用商業或商務領域：評級或評價報告、投融資咨詢報告、征信評價報告、供應鏈管理服務、系統開發等大數據征信的程序與技術應用18下游信息使用者對數據征信產品的使用公共領域：PPP咨詢、社會信用產品應用咨詢、社會責任報告、大數據排名等大數據征信的程序與技術應用19大數據征信的主要模式及范例漢得信息的供應鏈金融業務京東的供應鏈金融服務大數據征信的程序與技術應用20我國征信體系發展歷程美國征信業概況歐洲征信業概況歐美征信業對我國征信業的啟示國內外征信業發展概況21我國征信體系發展歷程1932年第一家征信機構“中華征信所”誕生20世紀80年代后期中國人民銀行批準成立了第一家信用評級公司——上海遠東資信評級有限公司2003年國務院批準設立征信管理局2014年6月27日《社會信用體系建設規劃綱要(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美國征信業概況20世紀20年代：快速發展期信用卡的誕生以及居民消費支出不斷提高引發信貸需求日益膨脹，同時受到經濟的大蕭條影響，個人違約率不斷上升，驅動征信市場快速發展20世紀60年代：法律完善期法律體系不斷完善，政府陸續出臺了《公平信用報告法》、《公平債務催收作業法》、《平等信用機會法》、《誠實租借法》等17部法律，為征信發展注入強大動力20世紀80年代：并購整合期銀行開始大規模整合和全國化進程，加上技術作用的推動，征信行業步入整合期，機構數量由2000家減至500家。2000年至今：成熟穩定期這一階段的特點是專業化和全球化，各大征信機構開始積極進行海外布局，擴大市場，并致力于開發更多的征信應用。23美國征信業發展模式美國作為一個高度市場化的國家，征信模式主要是以市場為主導的征信模式。市場化征信模式是指由獨立于政府之外私營企業組成的征信機構，通過對個人、企業信用信息進行收集、加工然后提供給信息使用者，以獲得報酬的征信模式市場化征信模式，信息來源相對廣泛，并為法律允許范圍內的所有市場主體提供信用調查服務。政府會通過設立信用管理局來管理信用行業實務，并且制定相關法律并監督法律執行，但市場化征信模式下政府不會直接參與征信活動在美國，征信機構均獨立于政府和聯儲之外，按照純市場化的方式運作，并以營利為目的向市場提供信用信息產品和服務，政府和聯儲僅扮演監管者的角色。除美國外，英國、加拿大等也采用市場主導的征信模式24歐洲征信業概況區別于美國征信業的市場主導模式，歐洲大部分國家的征信業則采用政府主導型模式，這種模式一般是以中央銀行建立的銀行信貸登記系統為主體，征信機構多是由各國的中央銀行或銀行監管機構開設，一般為政府出資來建立中央信貸登記系統和全國數據庫，并且非盈利。中央銀行征信系統主要收集企業信貸信息和個人信貸信息，用于央行進行金融監管及執行貨幣政策，也可用于商業銀行防范貸款風險25歐洲征信業概況法國、德國、比利時、意大利、奧地利、葡萄牙、西班牙等國都是典型的政府主導型模式，以德國為例，德國的征信體系以公共征信系統為主，行業協會內部征信系統和私營征信系統兩部分為輔，三者構成德國強有力的社會信用體系。其中公共征信系統主要提供數據信息的基本收集、整理、保存、加工，是德國征信體系的的重要數據來源，包括德意志聯邦銀行信貸登記中心系統和行政司法系統，分別供銀行與金融機構內部使用和對外提供工商登記信息、地方法院債務人名、法院破產記錄等信息查詢服務26歐洲征信業概況政府主導模式下的征信體系在信用信息獲取方面，信用數據由中央銀行及其下屬部門掌控，這有利于保護金融系統的信息安全，從而較大程度地保護個人隱私。在使用時，只有被授權的央行職員或金融機構職員才能通過公共征信系統查詢相關信息，其他任何人均不能在未得到授權的情況下通過該系統直接查詢企業和個人信用狀況不過，與市場化的征信機構相比，該系統的信息范圍要窄許多，政府主導模式下的歐洲各國公共征信系統的數據主要包括企業和個人的借貸信息，而對諸如企業地址、業務范圍、所有者名稱等信息基本不搜集27歐美征信業對我國征信業的啟示與歐美成熟市場相比，我國現有征信體系的問題：缺乏充分有效的數據基礎征信體系的覆蓋廣度和深度有限完善的信用管理與相關的法律體系缺失……28歐美征信業對我國征信業的啟示今后改進的方向：政府層面應當加強對信用行業的管理征信機構應當著力實現與主要客戶的信息共享在法律和程序方面加強對消費者的保護……29大數據時代我國個人征信發展的機遇征信數據的來源廣泛與傳統征信模式相比，大數據時代個人征信數據的來源廣泛而多樣。在大數據時代利用互聯網平臺能夠有效擴大征信對象的范圍，從橫向上增加征信數據的范圍，是對目前央行征信系統很好的補充。就征信數據的內容而言，大數據征信收集的數據除傳統個人征信依靠的信貸信息和部分公共信息，還包括征信對象的消費、社交及網絡行為等信息，其獲取的數據具有海量性、實時性、結構復雜等特征，通過對數據進行深入挖掘，可以從多個維度對主體的信用狀況進行綜合評價，在縱向上增加了征信數據的廣泛性30大數據時代我國個人征信發展的機遇征信市場的發展多元化央行的個人征信系統基本覆蓋全國的傳統信貸市場，是我國個人征信體系的基礎。但隨著經濟社會的發展，央行征信系統提供的產品與服務已不能滿足某些企業的定制性產品需求，大數據時代的個人征信市場處公共征信機構外，還要有民營的市場第三方機構作為有力補充，2015年八家開展個人征信業務準備工作機構名單的公布標志著我國個人征信市場打破了政府主導的局面，開始進入多元化的發展階段31大數據時代我國個人征信發展的機遇征信產品的應用場景多樣隨著信審效率的提高和用戶體驗的增加、征信業務執行方及授信模式的變化，征信產品的應用場景將會不斷擴展。除金融領域外，個人征信產品可用于租房、快速安檢等多個生活場景，以及通過征信產品對客戶進行行為研究、精準營銷、畫像等拓展性應用32大數據時代我國個人征信發展的挑戰“信息孤島”難以消除據統計，我國的各級政府部門掌握著全社會80％的信息資源，政府掌握的政務信息在最大范圍內的開放與共享是信用制度發展的關鍵所在。征信機構能夠快速、真實、完整、連續、合法、公開地獲得用于完成企業信用調查報告和個人信用調查報告的數據，是保障信用體系健康發展的基礎。33大數據時代我國個人征信發展的挑戰專業技術人才匱乏征信專業化人才嚴重不足，造成征信服務業發展的供血不足。大部分征信機構處于虧損狀態，經營狀況十分艱難，難以吸引大量的優秀人才34大數據時代我國個人征信發展的挑戰信息安全面臨考驗隨著數據量的劇增和數據的云端集中，數據的安全性面臨著巨大挑戰用戶在不同場合不同情形下發布或留下的部分個人信息，存在因黑客攻擊、網絡病毒而導致信息被非法訪問、盜取和篡改的風險數據庫防護網如果托付給技術不成熟的云計算服務商，數據丟失、病毒入侵等問題就更加嚴峻35大數據時代我國個人征信發展的挑戰法律保障力度不足與征信相關的保護企業商業秘密和公民個人隱私的法律法規體系尚不完善當企業的商業秘密或個人的隱私受到侵害時，缺乏與之相對應的司法救濟，企業和個人的合法權益得不到有力保障36大數據征信的發展趨勢多樣化的信息采集主體全局性的信息采集內容深層次的信息加工程度廣泛化的信息應用范圍37延伸閱讀：Zes