学习
实践
活动
专区
工具
TVP
写文章

数据分析】六种可用于互联网金融风险控制的大数据来源

一是电商大数据,以阿里巴巴为例,它已利用电商大数据建立了相对完善的风控数据挖掘系统,并通过旗下阿里巴巴、淘宝、天猫、支付宝等积累的大量交易数据作为基本原料,将数值输入网络行为评分模型,进行信用评级。 二是信用卡类大数据,此类大数据以信用卡申请年份、通过与否、授信额度、卡片种类、还款金额等都作为信用评级的参考数据。 国内典型企业是成立于2005年的“我爱卡”,它利用自身积累的数据和流量优势,结合国外引入的FICO(费埃哲)风控模型,从事互联网金融小额信贷业务。 四是小额贷款类大数据,目前可以充分利用的小贷风控数据包括信贷额度、违约记录等。由于单一企业信贷数据的数量级较低、地域性较强,业内共享数据的模式已正逐步被认可。 六是生活服务类网站大数据,包括水、电、煤气、物业费交纳等,此类数据客观真实地反映了个人基本信息,是信用评级中一种重要的数据类型。

74890

6种可用于互联网金融风险控制的大数据来源

电商数据 以阿里巴巴为例,它已利用电商大数据建立了相对完善的风控数据挖掘系统,并通过旗下阿里巴巴、淘宝、天猫、支付宝等积累的大量交易数据作为基本原料,将数值输入网络行为评分模型,进行信用评级。 信用卡数据 此类大数据以信用卡申请年份、通过与否、授信额度、卡片种类、还款金额等都作为信用评级的参考数据。 国内典型企业是成立于2005年的“我爱卡”,它利用自身积累的数据和流量优势,结合国外引入的FICO(费埃哲)风控模型,从事互联网金融小额信贷业务。 3. 小额贷款数据 目前可以充分利用的小贷风控数据包括信贷额度、违约记录等。由于单一企业信贷数据的数量级较低、地域性较强,业内共享数据的模式已正逐步被认可。 5. 生活服务类网站数据 包括水、电、煤气、物业费交纳等,此类数据客观真实地反映了个人基本信息,是信用评级中一种重要的数据类型。

57520
  • 广告
    关闭

    【限时福利】腾讯云大数据产品,爆品特惠4.5折起!

    移动推送、BI、ES、云数仓Doris、数据湖计算DLC,多款产品助您高效挖掘数据潜力,提升数据生产力!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    《大数据时代,全球征信业发展》研究报告

    (2)商业征信体系——信用评级机构和社会征信机构 信用评级机构:主要应用于债券市场和信贷市场。 2012 年共有70 多家评级机构,其中8 家获准从事债券市场评级业务,当年共完成债项评级1672 笔,同比增长42%;其余从事信贷市场评级业务,共完成信贷市场主体评级近5 万户,同比增长近5%。 信贷服务是Experian 最大的业务板块,2014 年占营业收入比重为49.2%;而以征信业务为基础,利用数据优势发展其他增值业务,客户互动服务、市场营销解决方案、决策分析亦成为重要收入来源,分别占20.4% 年9 月创立,旨在利用数据技术重塑审贷流程,帮助在传统信用评估体系下因风险高估而难以获得信贷服务的个人拿到融资,并降低其借款成本。 3、日本:行业协会主导模式 日本的征信体系划分为三个类别——银行体系、消费信贷体系和销售信用体系,分别对应三行业协会——银行业协会、信贷业协会和信用产业协会。 ?

    2.2K70

    互联网征信体系产业格局与关键技术探析

    评级模型掌握在FICO(费埃哲)公司手中,三征信公司在其模型基础之上,结合自身数据特点,开发个性化的FICO 评分模型。 目前日本共有三个人信用信息中心(CIC信用信息中心、JIC全国信用信息中心联合会、KSC全国银行个人信用信息中心)和两企业征信机构(帝国数据银行、东京商工)。     征信数据产品化的核心环节在于信用评级模型,国内大多数金融机构一般使用FICO或三征信公司提供的评级模型。 随着云计算和大数据技术的发展,使得利用数据优化传统信用评估方法成为可能,降低了融资双方的信息不对称和交易成本。     在业界有许多利用数据进行信用评估以此提供互联网金融服务的成功案例,并有文献将其定义为大数据金融。例如:国内的金电联行和国外的kabbage。

    1.1K60

    公司利用数据的三模式

    这个相关关系是机器从一数据中筛选出来 的,也是人类可能永远都发现不了的。 美国国家记者俱乐部 的常客从来没有想过要再利用网上的媒体资源,阿蒙克、纽约和印度班加罗尔的分析专家们也没有想过要用这种方法来使用数据。 一旦得以有效利用,大数据就可以变革公司的赢利模式和传统交流方式。我们举一个典型 的例子,通过得到竞争对手所没有的行业信息,欧洲一家汽车制造商重新定位了与它的一个零件供应商的关系。 而这些设备监控到的汽车零部件的工作状况,能够在整合之后用来提高汽车的质量,因此,能够掌握这些数据的公司拥有非常的竞争优势。 在商业环境更加和谐的情况下,也许会发生上面说到的情况,但是既然 汽车制造商已经在这个项目上花费了一笔钱,它就会利用这个数据挽回一点点损失。

    86680

    金融业务架构的技术挑战

    1 信贷类业务 1.1 传统信贷业务 信贷业务俗称放贷,传统银行主要从事业务。表现形式有面向企业的贷款,房贷,P2P,花呗、借呗、白条等。 信贷类业务利用了哪些信息不对称来挣钱? 所以传统银行需要通过收集数据评价借款人的还款能力,即借款人的信用评级。银行信用评级过程主要依靠信贷员对借款方的熟悉程度。 所以,这种传统银行信贷业务买卖利息的操作,对信息系统的要求不高。 这时候信贷行业的核心竞争力变成怎么才能更好地收集和处理数据。这就是大数据价值。 对于系统架构来说,信贷业务的特点是交易频率低,而且用户评级在短时间内不会大变,因此整个系统架构不需要实时组件,常用的批处理、大数据处理框架都能很好发挥作用。 简单的抵押赚不了啥钱,所以有些聪明人把一堆房贷打个大包,然后按信用评级拆分成几个小包。类似的小包还可堆在一起,再继续拆分。最后再将拆分好的小包卖给投资人。

    11340

    遭遇巨头联合绞杀,中小征信机构如何切入P2P网贷

    这或许是央行有意为之,充分利用民间数据渠道及各类企业优势,补全金融数据打造多元化征信产品形态构建健康征信生态,央行这种拥抱趋势,接受差异性征信机构的态度就意味着只要中小征信机构足够有特色,与如今征信体系形成互补就可能获得关注和鼓励 2、巨头数据优势尚待验证。民营巨头闯入征信行业无非依仗其坐拥庞大的“社交数据”“电商数据”以及其他场景数据,希望利用过去累积的海量数据成形成可靠的个人征信评级系统。 美国的三征信机构收集统计最多的也是信贷征信数据,甚至没有个人消费数据、通信数据、社交数据。即便有部分通信数据,也只是通信付费状况的履约数据。 巨头们的征信体系可能可以利用掌握的数据来反映个人的信用特征,但如何搭建在这个过程中的对错误认定的纠错机制和形成完善的征信体系就可以成为中小征信的入口。 据有关数据统计,我国目前有 80%的人群未被央行征信体系所覆盖,而没有信用数据就意味着无法从银行得到借款,所以超过 78%的中国人有信贷需求却无法得到满足。

    16730

    创业新机遇?信用需求推动美国替代评分市场崛起

    Aire 2014年1月成立的Aire使用用户提供的数据为不具有传统信用分数的个人制订替代信用评分。如果Aire无法验证核实数据,分数就无法产生。Varma模仿申请借贷时借款人和放款人的对话。 Credable会一个一个给房东、水电提供商、保险公司及其他供应商打电话,确定按时缴费情况,并根据付款情况给用户提供信用评级(A-F)。 这份报告叫做AMP信贷评级(其中AMP即“我的所有付款all my payments”)。经用户授权后,eCredable将与潜在贷款人或房东共享用户信用评级。 Ely说,“一旦用户有了传统信用,就会把重点放在信贷文件上。” 而为普通消费者提供借贷的贷款人,并不总向三信用局(Experian, TransUnion及Equifax)进行报告,因此FactorTrust将分期付款和循环付款的信息整合纳入信用报告,这样贷款人就可以无需使用

    58990

    欺诈、骗单、玩消失,如何用大数据解决银行这些痛点?

    一些银行已经开启了自己的数字化转型旅程,采用了新兴技术并利用现有的数据源来开发出更好的产品和服务。大数据和分析技术是其中的关键,但这两者的潜力都没有被发挥到极致。 数据挖掘  数据挖掘在银行业的重要应用之一是风险管理,如信用风险评估。可通过构建信用评级模型,评估贷款人或信用卡申请人的风险。 一个进行信用风险评估的解决方案,能对银行数据库中所有的账户指定信用评级标准,用若干数据库查询就可以得出信用风险的列表。 通过数据挖掘,还可以异常的信用卡使用情况,确定极端客户的消费行为。根据历史数据,评定造成信贷风险客户的特征和背景,可能造成风险损失的客户。 利用推荐引擎相关的数据 – 可以采取针对少部分人进行试验的方法进行。根据喜好对消费者进行分组、根据消费者对产品进行分组、再根据模式的相似程度对交易数据进行分组。

    58150

    银行大数据:非hadoop的架构证明

    如果农行不买外协服务,就如同联通拿掉省级精分数据仓库一样,不知道要死多少家IT公司。 先看看工行。不久前,前工行杨凯生先生弄了一篇论,深刻见底。足见银行IT之威武雄壮。 积累的数据规模将近300个TB,利用这些数据,建立了4.1亿个人客户和460万法人客户的信息视图和星级评价体系,开发了34个法人客户评级模型、75个零售信用评分模型、16项市场风险内部计量模型和17类操作风险资本计量模型 工商银行早在上世纪90年代就开始将客户评级结果用于信贷准入和贷后监测,2005年开始按照新资本协议的最新要求对信用评级方法、系统与流程进行了全面优化,2008年开始将风险计量结果用于风险管理全流程,2010 就拿最近媒体热炒的网络信贷而言,截至今年8月末,工商银行以小微企业为主要服务对象的“网贷通”的贷款余额已超过2150亿元,累放额已近11000亿元。 银行对数据的整合利用并实现数据价值,都是基于数据仓库的架构和核心理念,在早期的运营中,有了先发的比较优势,但是,随着对私客户市场的兴起,互联网为首的公司还是带来了一定的冲击,但是银行还是在数据仓库上越做越好

    706110

    商业级公链~原链是干什么区块链业务的?

    关键是现在银行的信贷员不单负责信贷调查,还需要负责催收,压力也不是一般的,所以如果小企业的数据一旦有点瑕疵,立马就断贷,原因不言而喻。 并且对交易的企业进行授信评级,根据评级来确定市场利率水平和开票额度。但是大型企业本身并没有出钱,所有的票据均挂在交易所上对普通投资者开放,意味着钱是从市场上融来的,等于将市场风险转嫁到投资者身上。 并且是区块链交易所,所有的交易数据不能造假,避免了虚开的风险。 ,数据共享不可篡改。 原链可以通过对数据的收集,完成对企业评级的评估和投资者的保护。而原链未来的目标是达到100家世界五百强和十万、百万家上下游中小企业上链交易。

    29700

    互联网金融再掀争夺战:巨头抢筹消费金融

    目前,互联网巨头们利用所掌握的海量大数据优势,挖掘需求、创新设计新产品则成为大势所趋。    央行统计数据显示,2013年,银行业的信贷资产里,消费信贷只占15%;在消费信贷中,消费金融只占3%。消费金融市场无疑是一片有待开发的蓝海。    据了解,“京东白条”服务的推出是基于京东积累的大量高质量的客户数据和消费数据,通过对用户的消费记录、配送信息、退货信息、购物评价等数据进行风险评级,建立起了京东自己的信用体系。    京东金融通过对消费、金融大数据的深入分析和理解,对用户的消费记录、配送信息、退货信息、购物评价等数据进行风险评级,京东建立了一套自己的信用体系。”    而这套风控体系是京东金融结合自身的特点和优势自创的,京东金融是通过对用户的消费记录、配送信息、退货信息、购物评价等数据进行分析,从而对用户做出的信用评级

    48350

    微众微粒贷、蚂蚁借呗、京东金条,谁能赢得网贷下半场?

    不论是传统银行、消费金融公司还是BAT巨头、P2P等互联网金融平台,都在觊觎这一块蛋糕。 典型的是P2P网贷在经历过前期跑马圈地、烧钱营销之后,模式逐渐分化,一批平台被迫转型或退出,而那些专注P2P网贷的规范平台也将迎来好时光,陆金所(现在是平安普惠承接贷款业务)、人人贷、宜人贷等已组成第一阵容 于是互联网巨头相继进入这个万亿级市场,纷纷发力网络信贷领域,笔者这里从渠道、数据、和技术上尝试分析一下三家巨头的优势。 首先在渠道上,蚂蚁借呗和京东金条类似,都是基于电商场景。 最后我们看决定风控的两个核心要素:一是信用体系,主要看数据来源及构成,二是综合评级体系,即风控模型及其体系。 其中白名单筛选机制是传统评级方法和最新机器学习技术相结合的产物,也就是基于大数据进行分析、筛选再通过信用评级方法最后完成白名单筛选。

    35410

    量化派基于Hadoop、Spark、Storm的大数据风控架构

    为了确保贷款的高成功率,为了更好的掌握用户需求以及对个人进行信用评级,我们需要大数据平台的支持。 相比于传统征信数据的强相关性,这些大数据征信的数据与消费者的信用状况相关性较弱,量化派就利用数据技术,通过用户授权等方法搜集了更多的数据维度来加强这些弱相关数据的描述能力。 ,如何保护好、利用好这些数据,是公司重中之重的任务。 图二 量化派的数据平台架构 相比我国的网民数量,信贷用户只占其中的一小部分,所以我司产品的用户基数并不是非常,但是,为了给信贷用户更准确的信用评级,对于每个信贷用户我们都会从多个渠道获取大量的有效数据 美国的Capital One是最早利用数据分析来判断个人借款还款概率的公司,本文的作者都曾经在Capital One 工作过,并在金融危机发生的时候也在那边,目睹了他是如何发展壮大成第五银行的。

    86330

    凯哥讲数据中台企业数据利用的四陷进

    这四个认知的陷阱是: 一、应用没有建设,没有数据,就不考虑数据架构和利用 二、没有大数据,就不考虑数据利用 三、数据利用就是数据挖掘分析,交易型应用不需要数据利用 四、数据利用最重要的是算法, “我现在业务都还没做起来,连数据都没有,还不到考虑数据利用的时候” 这一句话代表了很大一部分企业对于数据利用的认知,那就是,数据利用是从先有数据开始的,而数据是在应用建设之后存到数据库里的,所以先建设应用 ,然后等数据库里有了数据后,在考虑如何利用数据。 但是其实这就是很多企业存在的首要的对于数据利用的误区:”先建设应用,再考虑数据利用“。 陷阱二、没有大数据,所以就不考虑数据利用 “我们现在的数据很少,只能叫小数据,所以还谈不上数据利用”,这也是一个典型的数据利用的误解。

    44731

    【区块链+ABS实践】交行推出业内首个区块链资产证券化平台

    由于原始权益人直接向评级机构付费并委托其进行信用评级及跟踪信用评级,导致评级机构出于经济利益考量无法真正实现评级过程的独立性和评级结果的客观性;第三,定价与风险不匹配。 上述痛点对ABS业务各参与方均造成不利影响:原始权益人融资成本高、投资者投资风险高、中介机构服务效率低、监管机构监管难度。 为了解决这些痛点,交行开发了基于区块链的资产证券化平台。 区块链是由多方共同维护、以块链结构连续存储的分布式数据记录账本,这些记录通过密码学技术保护内容和时序,使得任何一方难以篡改与伪造。 聚财链利用区块链的分布式账本为所有参与方提供统一的业务账本与视图。 在区块链信息共享的基础上,利用非对称加密机制实现了敏感业务数据权限的自定义配置,既满足共享需求又符合业务特殊场景的控制。 ? 聚财链一期联盟链由交行、交银国信、券商、评级、会计及律师组成。 信贷ABS产品,如信用卡分期、住房按揭、对公贷款、不良贷款;企业ABS产品,如小额贷款、应收账款、信托收益权、租赁租金。 ?

    1.4K10

    【案例】恒丰银行——基于大数据技术的信用风险预警系统

    本案例将分享恒丰银行在风险控制过程中如何利用数据技术构建信用风险预警系统解决风控与成本约束、处理效率和用户体验间的矛盾,以及在系统建设过程中遇到的挑战、积累的经验及未来的规划。 、评级、税务,个人学历、车辆等外部数据,通过引入知识图谱、机器学习、自然语言处理等技术及专业化决策引擎工具构建丰富的风控模型,并打通与信贷系统、贷后系统、押品系统等的联动,构建完整的大数据风险防控体系。 客户名称/所属分类 恒丰银行/风控 任务/目标 针对恒丰银行的线上线下业务协同发展战略,风控部门提出通过大数据技术优先支持新发展的线上业务,待线上业务风控成熟后逐步应用于传统信贷业务;同时同步研究利用数据技术做好风险分类研究 ,评级公司公开的企业评级信息等; 二是根据应用需要对文本信息进行分词、实体抽取、自动摘要、关键词提取、重复检测、正负面极性判断、语义分析、文本分类等标记及基础指标加工等处理,这是数据处理过程中最核心部分 、银行的银行,“4”是龙头金融、平台金融、家庭金融、O2O金融等四金融创新业务模式,“5”是投行、资管、平台、人才盘点和以“One Bank”为核心的绩效评价体系等五战略落地工具,致力于做“知识和科技的传播者

    2.9K63

    关注

    腾讯云开发者公众号
    10元无门槛代金券
    洞察腾讯核心技术
    剖析业界实践案例
    腾讯云开发者公众号二维码

    相关产品

    • 云数据库 MySQL

      云数据库 MySQL

      腾讯云数据库MySQL是一种高性能、高可靠、高安全、可灵活伸缩的数据库托管服务,其不仅经济实惠,而且提供备份回档、监控、快速扩容、数据传输等数据库运维全套解决方案,为您简化 IT 运维工作,让您能更加专注于业务发展。

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券