333 条评论分享收藏感谢收起赞同 88 条评论分享收藏感谢收起感谢赞赏！给好友秀一下吧
内容棒，扫码分享给好友
BAT等巨头和互联网金融创业公司，都是怎么花式玩大数据风控的？
现在提到互联网金融、Fintech，首先想到的就是大数据风控。大数据风控目前应该是前沿技术在金融领域的最成熟应用，相对于智能投顾、区块链等还在初期的金融科技应用，大数据风控目前已经在业界逐步普及，从BATJ这样的大企业，到交易规模比较大的网贷平台，再到做现金贷、消费金融的创业公司，都在通过大数据风控技术来控制贷款规模扩张中的风险。大家都在做，对行业格局有什么影响，未来的市场格局会是什么样子？&近期互金公司在大数据风控领域布局愈加频繁&进入12月份不到半个月，大数据风控领域不断有新动作：&12月6日， 360金融借助大数据征信和风控，推出消费金融产品360借条，推出闪电放款随借随还机制。&12月8日，网易金融发布了网易北斗智能风控系统，基于网易的数据积累和外部数据，通过网易的建模及计算能力，以及神经网络/机器学习/支持向量机等技术能力，形成大数据风控体系，构建“新赋能”金融科技商业模式，开放数据与技术能力，与商业伙伴共建信用生态。&12月13日，宜信旗下的致诚信用正式发布“致诚阿福共享平台”，推出阿福数据共享、致诚通用评分、阿福反欺诈决策引擎、授权数据抓取、阿福信用速查等产品和服务，向行业输出数据产品及金融科技服务，为商业伙伴提供大数据风控能力。此外，一直以做大额融资标的著称的红岭创投面临转型压力，其董事长周世平最近也表示，随着网贷监管办法的出台，限额让网贷的生存空间受限制，今后将重点关注智能投顾，金融IT等金融科技，金融大数据解决方案等。&由此可见，现在互金行业一个重要的趋势是，有向普惠金融、小额信贷服务转型需要的公司，与拥有数据资源的公司，都在努力向大数据风控领域布局。对于前者而言，大数据风控是做小额融资标的的必备工具；对于后者而言，大数据风控可以提供将数据和技术进行变现的途径。另外，可以看到，大数据风控系统的开放也已经成为趋势。&大公司与互金创业企业都在做大数据风控，但商业策略有所不同&以上大数据领域的新动作是互金公司发力大数据风控的缩影。近年以来，互金公司对大数据风控的布局热情满满，从大公司到创业企业，都在大数据风控上下功夫。&大公司纷纷做大数据风控技术输出在大公司方面，一个共同特征是，都在开发自己的数据体系，利用技术打造风控能力，且将这种能力开放给业界。&蚂蚁金服旗下芝麻信用称，利用梯度提升决策树、随机森林、神经网络、分群调整技术、增量学习技术等在内的机器学习算法，可以为缺少信贷记录的人群做出客观的信用评价。芝麻信用已通过商家自助服务平台全面开放消费金融风控能力，帮助行业提升风控水平；&京东金融形成了由多种大数据机器学习模型构成的弱分类组合预测模型，借助随机森林、lasso 回归等算法，参考数千个预测变量，借此评估用户的还款意愿和还款能力。京东称，正在构建开放生态，开放技术、产品能力，为传统金融机构赋能，帮助其降低成本提高效率。&腾讯旗下的微众银行陆续建立了客户分群授信、社交评分、信用评分、商户授信管理、欺诈侦测等系列模型。微众银行也在做技术输出，推进同业合作，帮助合作伙伴构建移动互联网金融服务能力；&百度金融将自己定位为科技金融公司，以大数据技术为发力点，通过人工智能、用户画像、精准建模等技术，扩大征信范围，并对外开放技术能力；刚刚推出大数据风控系统的网易金融也主打开放性，为金融机构面向中小微企业和个人的融资服务提供获客、征信、授信、管理和催收等服务，并输出营销、客服等解决方案。&可以看到，大公司基本都选择将自己的数据和技术产品化，开放给合作伙伴。&创业企业大数据风控发展模式不尽相同已经形成较大规模的互金创业公司也基本都有自己的大数据风控体系，一些企业也在做技术能力输出。统计显示，已经完成C轮融资的互金企业中，大部分都着重通过大数据、人工智能等技术加强风控、获客、资产配置环节。例如，量化派基于hadoop spark，搭建了大数据机器学习架构，能够离线对历史千万申请用户数据进行挖掘，来对用户进行评级处理；51信用卡形成了人机结合管控的“51大数据智能风控体系”，包括爬虫技术、反欺诈技术等；融360推出了“天机”大数据风控系统，包含一组模型，会根据身份认证，还款意愿和还款能力三大维度，给申请贷款的用户进行信用评分。这三家企业以及品钛集团旗下的读秒等也都在做大数据技术能力的输出，向业界开放能力。交易规模较大的网贷公司也大多构建了大数据风控体系，相比之下，网贷公司的大数据风控技术目前以服务自己的资产端为主，对外开放的案例并不多。由此可见，在互金领域，从BATJ这样的大企业，到创业企业，都努力发展大数据风控技术，以构建提供普惠金融服务的能力，一句话总结，没有大数据风控，就没有真正的普惠金融。预计在未来，可能每家做借贷类的互金公司都需要有自己的一套大数据风控体系，同时，有数据与技术优势的企业也会进一步向业界开放能力。市场上也会存在类似Zestfinance这样的大数据征信公司向业界提供技术风控能力。&大数据风控面临的质疑很多，为什么互金公司都在做？尽管针对大数据风控的有效性有很多质疑，但互金业界都这么看重大数据风控，原因在于，虽然技术还不一定成熟，国内数据资源也不够开放，但发展普惠金融，大数据风控似乎是必由之路。互联网金融本质上是普惠金融，为传统金融机构所服务不了的小微企业和普通人群提供金融服务，而传统金融之所以服务不了这部分群体，就在于这部分群体缺少传统风控手段下必备的条件，如抵押品、高额的银行流水等。而且传统金融的风控是线下人力操作的风控，能服务的人群有限，成本也高。&互联网金融之所以有可能解决这些难题，在于大数据时代的来临，借款人、企业的各类活动都移至线上并产生大量线上数据，用这些数据进行分析，可以形成不同维度来判断借款人和企业的信用状况。大数据技术正在成为开展普惠金融服务的必备工具，也正是因为这样，大大小小的互金企业都在做大数据风控技术，提升自己的竞争力。目前的技术还存在很多不足，但预期未来其功效会越来越好。&围绕大数据风控构建商业模式&构建一个大数据风控不是目的，目的在于通过大数据风控来推进业务，从而拓展营收与利润。目前围绕大数据风控的商业模式主要有两种，即直接放贷模式与助贷模式。平台依托大数据风控技术直接发放贷款，就是直接放贷模式，盈利主要来自于净息差。这样平台的盈利能力取决于放贷规模以及利差水平，放贷规模大，资金成本低，就有可能获得更高的收益。网贷公司大部分是这样的模式。&助贷模式是平台本身不放贷，通过向其他企业输出风控技术来获取服务费或返佣。这样收益主要来自合作企业的交易规模，平台不会从利差中获利。很多开放技术能力的公司都是这种模式。&目前，在技术与数据方面有优势的互金平台基本都采取直接放贷与助贷两种兼用的模式，即自己也做资产端，直接放贷，同时也向外界开放技术能力，帮助合作企业放贷。究其原因，资产端的项目开拓尤其是优质资产的寻找并不容易，通过开放风控能力可以在不影响自己的资产端的前提下，进一步扩大营收来源。目前蚂蚁金服、腾讯、京东金融、百度金融、网易金融等都是如此。而中小互金企业一方面自己做大数据风控，一方面也与大企业合作来补充数据源，从而增强风控能力。&未来行业会演绎怎样的格局？&目前做大数据风控的公司可以分为两派，一派是在数据或技术方面有优势的大型企业，一派是近些年在竞争中兴起的互金创业公司。大家都在做比较类似的事情，未来行业会有怎样的格局？可以从数据资源、技术能力、商业模式构建等方面做一个比较。&数据&在数据方面，大型企业有数据方面的巨大积累，量级是创业企业所不能比的，数据类型丰富，判断用户的维度也比较广泛。不同企业之间的数据类型业不尽相同。阿里和京东在电商数据方面有优势，阿里这些年通过大量收购，也积累了用户在娱乐、搜索、地理位置、生活服务等方面的数据；百度在搜索数据方面有优势，同时通过旗下多种应用也积累了用户在贴吧、地图、外卖等方面形成的数据；腾讯最大优势在于社交领域，拥有海量社交数据，同时在新闻、娱乐等内容的分发方面也有不少数据积累，在各类工具应用（应用商店、信息安全应用等）上也有大量用户数据；网易数据类型也比较丰富，有社交网络数据，即用户的评论信息，有网易严选、考拉海购方面的电商数据，有用户在游戏方式的消费数据，有用户在邮箱、词典等工具上的使用数据；&以上都是互联网企业。相比之下，也在开放金融技术的宜信的数据主要集中在金融领域，官方资料显示，其信用共享平台加入了线上线下1200万条借贷数据，以及40万个风险名单，并结合了共享机构的借贷数据。不过，对于大企业而言，大量庞杂的数据，其开发的难度也会比较大，对数据的整合过程是一个比较庞大的系统工程，另外很多数据类型与信用状况相关度较弱，这就会考验数据挖掘能力。&创业企业需要自己在业务拓展中逐步去积累自己的数据体系，并通过引入大量第三方数据来增加数据维度，过程相对来说更艰辛，不过在放贷过程中形成的数据体系，与信用强相关，对于模型的优化帮助比较大，随着创业公司业务数据越来越大，数据基础会逐渐扎实。在数据上，创业企业优势不及大企业，但并非没有机会。&技术&技术实力方面很难量化，也没有很公允的标准来评判各家公司在技术上孰优孰劣。相对来说，大企业财力更雄厚，可以招募到比较优秀的技术人员，技术体系也会比较系统、全面；创业公司则可以靠股权、期权、发展前景等来吸引优秀的技术人员，且创业公司普遍战斗力强，技术开发往往更聚焦、更迅速。&商业模式构建&在大数据风控的商业模式构建方面，创业公司生存压力大，相对来说在资产端的开拓上更为进取，目前网贷交易规模超过300亿元的创业公司已经逾10家，创业企业更偏向于将自身资产端拓展与大数据技术相结合，在模式上表现为直接贷款为主，少量助贷业务；&大企业在数据和技术上有优势，在资产端的拓展上更注重安全，目前大公司的金融服务，除了有消费场景的蚂蚁金服和京东金融，其他企业交易规模普遍不大。大企业更倾向于依托技术和数据来开放能力，打造生态。很多大企业都是直接放贷与助贷并重的模式。&行业或会形成若干个比较大的大数据风控生态圈未来一段时间这样的格局或会继续延续，即大企业在做资产端的同时，也将自己的大数据风控体系开放出来，帮助互金创业企业、传统金融机构等来提升风控能力，自己也可以扩大收入来源，壮大生态圈；创业企业在形成自己的大数据风控体系的同时，也接入大企业的风控体系，助力资产端的拓展。&大企业一个不容忽视的优势是，在技术输出的过程中，不仅获得一定收入，也会获得商业伙伴的部分数据，包括信贷、借款人等方面的信息，使自己的数据规模越来越大，优势越来越明显。未来的普惠金融圈子，或许会形成若干个比较大的、以少数大企业为中心的大数据风控生态圈，大企业掌握比较多的数据资源，将数据与技术开放，帮助生态圈内接入的金融机构、互金企业打造风控体系，发展资产端。
未来面前，你我还都是孩子，还不去下载 猛嗅创新！
最多15字哦
后参与评论
关注互金、在线教育、文体等?App Store 上的“百金贷-专注于汽车领域的互联网金融平台”
只能在 iOS 设备上的 App Store 获取此 App。
【安全保障】资产保障：汽车车贷资产，车辆产权质押海外股东：星达（新加坡）集团控股有限公司1000万美金战略入股风控保障：传统汽车金融风控手段与大数据风控结合，0逾期，历史兑付率100%资金保障：贵州银行存管合规资质：银行存管、ICP备案、三级等保、信息披露健全，项目真实透明【公司荣誉】- 荣获“2017年年度十佳互联网金融公司”奖- 获得国家颁发的“企业信用评级AA级认证”-
8月互联网金融行业车贷领域排名第8位截止至今-平台交易规模破25亿元-平台单月交易规模近4亿元-服务用户数超35万人-累积创造收益超3000万元-稳健运营近3年，保持0逾期，历史兑付率100%【平台活动】-新手特权：888元投资红包；首投额外加息1%；-邀请活动：288元现金奖励+额外好友年化投资额返现【产品特点】收益稳健，约定年化收益率达12%，0逾期，历史兑付率100%100元超低起投门槛，1~36期灵活选择，银行存管提现秒到！【联系我们】百金贷官方网站：https://www.baijindai.com/百金贷官方微信：百金贷服务中心百金贷客服热线：400-900-2888（工作日：09:00-18:00）百金贷在线客服：（自然日：09:00-21:00）
-新年新气象
-2月8日,积分商城超级会员日,享受全场8.8折积分兑换
-2月8日,积分商城超级会员日,享受全场8.8折积分兑换
-新增限时加息
-积分商城展示优化-标的展示优化
1.优化用户体验
1.优化用户体验2.新增iPhoneX支持
新增功能说明：　　1.新增新手标功能，新手首笔投资享额外收益；　　2.新增风险测评功能，全面评估用户风险承受能力；　　3.新增信息披露模块，用户可在移动端查看企业经营资质及运营信息；　　4.新增会员中心模块，用户可首页查看详细会员权益；　　5.新增新手专区，用户可在专区了解新手特权福利及操作指南；　　6.奖励中心新增礼品查询功能，用户可在移动端查看礼品状态；　　7.奖励中心新增红包来源说明，用户可详细了解红包出处；　　优化功能说明：　　1.优化了首页页面样式；　　2.优化了发现页面样式；　　3.优化了积分商城布局；　　4.优化了我的积分获取方式；　　5.优化了会员中心会员权益；　　6.优化了百金社区界面样式及操作功能；　　7.优化了个人设置功能构架；　　8.优化了产品交互体验操作；
1.修复了iOS11 的兼容性问题
优化回款日历2.
提高短信送达率
1、优化：优化系统性能，运行更稳定
平台匠心打造，全面优化品牌设计并提升服务体验。1．新注册用户专享18888元体验金；2．新增手机号验证码登录，操作更迅速；3、新增在线客服功能，咨询更便捷；4、APP新增百金社区，投资交流更方便；5、优化显示 界面，设计层次全面提升；6、优化积分商城，更多豪礼等你来拿；7、优化会员体 系，享专属服务特权；8、优化邀请体系，计算奖励更简单；9、优化签到奖励规则，惊喜无处不在；10、优化奖券使用规则，使用更加方便。
1、优化:优化系统性能，运行更稳定。
1、新增 上线贵州银行资金存管，投资理财更放心；2、优化 优化系统性能，运行更稳定
1、新增 上线贵州银行资金存管，投资理财更放心；2、优化 优化系统性能，运行更稳定。
1、新增 用户邀请体系2、新增 积分商城3、优化 签到规则4、优化 积分获取规则5、优化 微信端界面6、优化 移动端界面7、优化 平台文案
1、新增 用户邀请体系2、新增 积分商城3、优化 签到规则4、优化 积分获取规则5、优化 微信端界面6、优化 移动端界面7、优化 平台文案
优化-用户视觉体验界面样式优化-标的详情页面信息展示方式
优化- 用户视觉体验界面样式优化- 标的详情页面信息展示方式
1.修复投资无法选择加息券2.修复投资无法选择优惠券
1.修复已知问题
1.修复选择支行2.替换推广等级3.修复部分手机闪退
1.修复主页布局错乱
新增功能说明：1.新增抢标奖励功能，用户抢得首标、尾标、及最高投资可获得额外奖励；2.奖励中心新增奖品物流状态功能，用户可查询奖品物流状态；优化功能说明：1.优化了首页页面样式；2.优化了发现页面样式；3.优化了积分商城布局；4.优化了我的积分获取方式；5.优化了会员中心会员权益；6.优化了百金社区界面样式及操作功能；7.优化了个人设置功能构架；8.优化了产品交互体验操作；9.优化了消息中心；
3.5（满分 5 分）
随着行业监管和标的整改，对行业平台而言，车贷市场已经进入到一波竞争高潮。对于投资者而言，汽车资产下的投资机会到底在哪里？刘聪以百金贷为例进行了分析。他表示，百金贷主要的核心业务围绕分期购车和汽车融资资产，核心模式包括三个部分：1、围绕汽车金融分期服务，和合作机构做终端。选择合作机构线下推荐这种“以租代购”购车模式，而线上购车人来到百金贷平台；2、互联网信息中介平台。通过线上撮合对这种模式进行推进，在帮助客户解决了购车式需求的同时，也为投资人做了保值增值的服务；3、汽车周转。代购车人已经符合了贷款要求，而银行放款周期会比较长，解决不了购车人对汽车需求、汽车修护的问题，百金贷提供周转这一块的服务。“以租代购”在2017年一直受到国家政策扶持，同时，不同于整个互联网汽车金融行业的质押和抵押模式，百金贷更多专注的新车购入等交易类资产模式，而非以车为抵的融资行为。在资产源头上保障了汽车金融资产的强可溯性和优质性，在运营上也减少了流通环节带来的成本压力和发展压力，能够使更多利润让出来，回馈给投资人。
随着行业监管和标的整改，对行业平台而言，车贷市场已经进入到一波竞争高潮。对于投资者而言，汽车资产下的投资机会到底在哪里？刘聪以百金贷为例进行了分析。他表示，百金贷主要的核心业务围绕分期购车和汽车融资资产，核心模式包括三个部分：1、围绕汽车金融分期服务，和合作机构做终端。选择合作机构线下推荐这种“以租代购”购车模式，而线上购车人来到百金贷平台；2、互联网信息中介平台。通过线上撮合对这种模式进行推进，在帮助客户解决了购车式需求的同时，也为投资人做了保值增值的服务；3、汽车周转。代购车人已经符合了贷款要求，而银行放款周期会比较长，解决不了购车人对汽车需求、汽车修护的问题，百金贷提供周转这一块的服务。“以租代购”在2017年一直受到国家政策扶持，同时，不同于整个互联网汽车金融行业的质押和抵押模式，百金贷更多专注的新车购入等交易类资产模式，而非以车为抵的融资行为。在资产源头上保障了汽车金融资产的强可溯性和优质性，在运营上也减少了流通环节带来的成本压力和发展压力，能够使更多利润让出来，回馈给投资人。
闪退啊望改进
闪退啊望改进
闪退，什么玩意，就这研发能力，谁能相信你们啊！到期赶紧走人！随时跑路的感觉。
闪退，什么玩意，就这研发能力，谁能相信你们啊！到期赶紧走人！随时跑路的感觉。
启用“家人共享”后，此 App 最多可供 6 名家庭成员使用。大数据风控中，怎样判断你是不是一个“好人”？
& 数读生活
分享到微信 大数据风控中，怎样判断你是不是一个“好人”？DT财经 14:40:00 简介：你只花了三分钟在网上就填好了一张贷款申请表。转身倒杯茶的功夫，机器就知道以多少利率贷多少钱给你了。你不好奇它在你转身倒茶的时候，是怎么快速作出判断的吗？
在互联网金融行业，不少人都对&大数据风控&有一种迷思：认为只要数据够&大&，就能有最牛的风控体系和行业最低的坏账率。
这未免理解地过于简单了。DT君最近专访了金融服务集团PINTEC旗下智能信贷公司读秒的科学决策总监任然。任然告诉DT君，其实做大数据风控是一个挺细致的事儿，大数据风控，重要的不是数据本身，而是对数据的理解(类似的话，DT君之前也听哈佛大学的Gary King教授说过。King教授说，Big data is not about the data&&大数据的价值不在于数据本身，而在于它背后的数据分析)。
在专访中，任然回答了大数据风控行业数据的来源、风控模型如何建构、什么样的数据才会被视为&有用&、中美两国在大数据征信体系方面的不同等问题。在他看来，中国的大数据征信体系的完善还有很长的路要走。
做大数据风控的公司，手头的数据源都差不多
(注：以下内容根据对任然的采访整理而成，文中小标题为DT君所加。)
我们做的业务，学名叫作&零售信贷&。简单来说，我们会对应该给一个人贷多少钱、贷多长时间作一个评判，这个判断100%是基于数据分析作出的。
我们数据的来源分内部数据和外部数据。内部数据包括：用户在我们平台上以前的借贷记录，用户申请时的行为数据，我们内部的黑名单、灰名单等。
外部数据的来源包括：现在比较常见的八家个人征信机构(DT君注：2015年1月，央行开始允许芝麻信用等8家机构开展个人征信业务)。我们还会对接一些用户银行卡的字段数据，在用户授权的前提下，我们会把这个卡的信息和银联的相关数据去比对。
我们现在接入的外部数据有四五十家，但这不意味着这四五十家的数据都会被用到风控建模中去。如果它们提供的变量不完全是我们最想要的，我们会做一些联合建模。现在市面上比较常规的做大数据风控的，数据源都相差不大。
我们认为，数据本身价值很有限，只有理解数据后，把这些数据进行解释，最后运用进去(实际应用)，才是有价值的。
理解风控数据：常打电话订花?给你一张&好人卡&
我觉得，做大数据风控的核心点在于：我们对数据的理解有多深。我们这群(做大数据风控的)人对数据要极其敏感，因此我们会花很多时间在变量上。
举一个我们和电商合作做变量的例子。我们可以通过这些合作看到用户订票的信息、机票的信息，比如公务舱、经济舱这些信息&&这本身其实也能说明一个人的基本经济情况。
但是我们会做得更细，会继续做一些叠加或衍生。比如我们也可以不看公务舱和经济舱的区分，而看飞行每公里的消费单价。因为公务舱和经济舱的价格也会波动很大，有的时候经济舱也有特价票、公务舱也会有优惠活动，所以我们会看每公里的消费金额。
又比如同样是基于近六个月的流水话单，我可以做出很多不一样的变量。比如说用户是否跟某某类的店打过电话?打电话的频次怎么样?趋势怎么样?
我们发现，如果用户经常跟贷款中介打电话，或者银行催收中心打电话，那用户应该相对比较缺钱，或者是曾经有过违约的历史。
相反，如果用户经常给花店打电话买花，说明他可能是个&好人&;如果经常给婴儿店打电话，说明他可能有孩子，有孩子的话一般比较稳定、也靠谱一些。
我们花非常多的时间去衍生这些变量，因为它更直接地反映了这个人的消费行为。当然，也有些时候，我们花了很多时间却做了无用功，甚至90%我们做出来的变量都没有用，但试错筛选出哪怕只有不到10%的可用变量，最终风控效果才是最重要的。
做风控模型：又&蓝领&又艺术的的活儿
说到做模型，我觉得这是个比较&蓝领&的事儿，风险(控制)、建模这类工作还是需要非常细致的。
但是做模型有时也比较&艺术&，因为这是一个比较见仁见智的事情。
建模的第一步是你有很多底层的数据，然后在这些底层的数据上先衍生一些变量，这个变量可能是基于对一个数据的一些个人的理解。
但是大部分的变量放到模型里去，你可能会发现&&比如，用户是否打过110实际上在风险上没有任何区分度，那这个变量我就不要了。但是有时在建模过程中，我们发现一些有意思的东西，会再回去衍生变量。比如说，我们在看银联的消费数据和变量的时候，我会去看他在餐饮业消费的排名或区间。比如说，&用户是否在夜间消费过多&是一个比较好的变量。那接下来，我会考虑，是不是把餐饮消费再分成夜间和白天，或者类似的，我可以回过头再进一步看&&就是这一个例子。
所谓夜间，指的是凌晨三四点钟。夜间消费过多，要不就是你的工作性质就是这样的，要不就是工作比较不稳定一些。这个也说得通。
社交数据用于风控：在美国不一定，在中国还挺有用
现在大家说的比较多的社交数据，用在比较大众化的人群上，用处比较小;但是在一些特殊的客群上，社交数据可能很有用。
比如说美国有个叫作ZestFinance的公司，Zest研究的人群很多在FICO(DT君注：美国一款广泛使用的个人信用评分系统)里是没有分的。这里补充一个背景知识：我们常听到的FICO并不是征信局，而是一个做模型、做信用评分的公司。FICO底层用的是美国三大信用局的数据(DT君注：美国三大征信局分别是Experian、Equifax和TransUnion)。
有些人群，比如拉丁族裔、新移民群体，他们在FICO里没有记录或记录很短，又或者他们的FICO分基本上是没有风险细分图的，我们把这种情况叫做叫作Thinfile(DT君注：指缺少信用方面的资料)。这个群体比较小，但是细分领域如果能做得很好，其实也不错。
我们团队里边也有之前在Zest工作过的人，他们会更多地去关注其他的数据源(alternativesource)的用法。
中国和美国的情况有一点不同。美国三大信用局的信用数据已经覆盖到了美国金融市场的大部分客户。而中国央行虽然也有信用记录，但是真正有比较完整的可用的记录也就是3亿多人。
中国的环境里，社交数据还是非常有用的。我们在和芝麻信用方面交流的时候，他们也会说，如果你的朋友圈里面芝麻分都是比较高的，他也会认为你是&好人&。
中国大数据应用的症结：绕不开的&数据孤岛&
目前，中国的大数据应用其实是处在比较初级的阶段，包括征信体系。央行的征信体系首先覆盖人群不够多，其次很多机构也接不进去。
中国市场上，各行业其实不断地在释放新的数据，但却还是一个各自为政的状态，比如说我是一个基于资源型的(企业)，可以拿到一些运营商类的数据，还有一些可能会拿到银联的数据，但是大家没有把数据整合起来。
我不觉得中国的征信体系近期内会到达像美国那样的状态。美国在出现三大征信局的格局之前，就有上千家机构，最后大家才都整合了起来。中国的情况很难讲，目前还不知道最后会是怎么样。
编辑：盛倩倩
第一财经APP第一财经日报微博第一财经微信服务号第一财经微信订阅号