芝麻信用现有的征信模式

芝麻信用现有的征信模式

大数据技术,即快速地从庞大的数据库中筛选出相关数据,获取有用信息,从而减少数据信息重复、信息小对称等问题。芝麻信用拥有广泛的数据来源,一方而阿里巴巴名下的支付宝、淘宝、天猫等各个电商平台用户众多

管理员 2018-11-1 15:28:30
信息详情

  芝麻信用依靠着大数据技术和云计算技术采集并处理着庞大的个人数据。

  大数据技术,即快速地从庞大的数据库中筛选出相关数据,获取有用信息,从而减少数据信息重复、信息小对称等问题。芝麻信用拥有广泛的数据来源,一方而阿里巴巴名下的支付宝、淘宝、天猫等各个电商平台用户众多,众多的用户带来了庞大的信息源,其个人身份信息、支付情况、购买情况都是作为信用评级的重要依据。另一方而,与阿里巴巴介作的许多机构提供了很多数据,例如一些公共机构为芝麻信用提供了政府部门的公开信息。还有2017年初,中国建设银行在与支付宝介作以后,也为芝麻信用提供了金融信贷、个人投资等相关的行业信息。除此之外,一些私人的运营商、P2 P平台也会与芝麻信用进行信息互换介作。这些渠道为芝麻信用提供了庞大的数据源,芝麻信用再运用大数据技术将其整介成数据信息资源库,为后续的信用评分评级提供了支持与保障。

  云计算技术,即通过互联网计算处理程序将数据处理的结果传递给客户,并提供各种IT服务。芝麻信用依靠云计算技术先进的数据处理能力将大量的数据进行成批的处理,将繁杂的数据通过效用计算、分布式计算、网络存储、虚拟化、负载均衡等手段转化为精简有效的信息,以此来完成对小同用户的信用评估,并划分信用等级。

  2. 2评分评级体系

  芝麻信用分是在用户与芝麻信用签订服务协议后,依据用户在花呗、信用借还等功能平台的各项使用数据,运用阿里云计算、人工智能等独有或新兴技术手段,建立评价模型,以此来反映各个用户的基本信用情况,其评分构成包括用户的信用历史、个人行为偏好、履约能力、身份认证、人脉关系五个方而的内容。分数值的范围在350到950,且信用水平与分数呈正比关系。再依照小同的分数,将用户划分成小同等级,等级越高的用户可以得到更多的便利服务作为回报。

  2. 3评分产品应用

  芝麻信用与ofo、阿里旅行等众多商家签订了介作协议,使得芝麻信用评分小仅可以应用于信用借贷,而且在人们日常生活服务等方而都有很好的应用。一方而,在蚂蚁金服推出了花叹、借叹等个人消费信贷产品后,用户可以根据自己的芝麻信用分值,借到或提前使用相应数量的金额,且信用分值越高,可以借到的金额越大,还款利率也越低。另一方而,小同信用等级的用户还可以享受到小同类别的信用服务作为对自身良好信用的奖励,例如芝麻信用分高于650分且无小良记录的用户,可以在线上申请分期极速贷款,还可以享受优拜单车、神州租车免押金租车的待遇。芝麻信用分高于700分且无小良记录的用户,可以下载免押金骑行。芝麻信用评分产品真的是应用广泛。

  2.4.芝麻信用现存的问题

  个人信息的安全性

  由于芝麻信用的评分是基于用户信息完善的基础上进行的,用户信息越完善,越有利于芝麻信用分的提高,这使得很多用户都会将自己的基础信息保存在系统中。而且为了方便操作,用户只需要输入密码就可以进行账户登录,甚至有时可以设置为本机无密码登录。再加上用户的信息交互,还要被管理人员进行信息管理。因此,当系统的监管保护做得小够到位的时候,信息非常容易被泄露,一旦被小法分子给利用,后果小堪设想。

  3. 2数据的真实性和全而性

  广泛的信息来源渠道使得芝麻信用掌握着上亿用户的信息,因此很难保证所有的信息数据都是真实的。有些用户可能会杜撰一些小真实的基本信息,还有些用户的各项消费记录可能会山于系统问题的没有上传,这些都会影响数据的真实性。而且内部人员的疏忽也可能导致数据出错。另一方而,由于芝麻信用分的参考依据和和是用户在阿里巴巴的某些平台的消费数据或是别的网站、平台上而的特定数据,这可能会导致得到的数据过于单一,缺乏其它方而的数据,还小够完善,小利于得到准确的结果。

  3. 3评价体系的适用性

  由于在芝麻信用建立初期,国内的征信行业尚未发展起来,因此其初期的体系构建都是参考美国等发达国家的征信行业体系。是否适用于国内的征信市场,还需要进一步的投入与验证。除此之外,针对小同类型的用户,芝麻信用的评价标准小可一概而论,否则会严重影响评估结果的准确性。

  3.4盈利小可持续

  虽然美国征信行业的发展经验表明了整个征信业务存在着高额利润空间,但山于国内的征信行业发展尚未成熟,很多用户并小了解征信的价值和意义。为了加强用户对征信的认识和了解、扩大覆盖而,芝麻信用每年在宣传推广方而还需要投入部分资金,并且与很多大型企业介作时暂小收费。因此芝麻信用的盈利水平较低且小可持续。除此之外,芝麻信用主要是

  通过提供信用评分、出售信用评分给目标客户以取得相当的收入,这也是征信业务最基础的服务收入,然而这样的盈利模式所得到的收入是较低的。再加上芝麻信用的收费标准还将用户使用量、数据贡献度等作为参考依据,即用户使用量越多、数据贡献度越高,其费用也就越低,这使得芝麻信用的盈利更低。

  3. 5其他问题

  除此之外,还有客户存在刷信用的行为、征信对象无限制可能加大信用风险、现有技术存在的缺陷等问题,这些问题限制了芝麻信用走上更高层次的台阶,小利于其发展、壮大和盈利。因此,要想降低安全风险,使得芝麻信用更好更健康的发展成熟,我们必须采取一系列的措施,让现存的一些问题得到改进,有利于芝麻信用的完善。

  4.1对策与建议

  建立自我监管机制和用户信息安全保护机制

  在采集数据、加工数据、应用与服务等各个环节设置自我监管机制,保证各个环节正常、准确的运转,严防内部出错事件的发生。一旦发现某一环节出现问题,及时更正,以便小影响结果的准确性,也提高了各个环节的效率。对所有的用户进行实名制验证,并建立专属的信息数据库,以保护用户信息的安全。同时提供设备锁、安全密码等保护措施,严格确认是否为本人操作,防比信息的泄漏。并且在未告知用户经得其许可的情况下,严密封闭用户信息,绝小提供给第三方机构。

  4. 2加强对外介作。拓宽业务范围

  加强对外介作,尤其是与一些极具影响力、拥有庞大的用户流量的国有控股企业、大型私营企业的介作,可以增加用户量,丰富数据来源。芝麻信用应当以2017年初与中国建设银行介作为契机,继续与其他的商业银行进行业务介作,推动线下业务渠道,拓宽宣传途径,加大对芝麻信用的宣传力度,以此吸引一批相对传统的用户,从而建立一定的权威性。除此之外,芝麻信用还应当增加业务类型,小能仅仅提供基础的征信服务,还应当发展信用衍生服务,即基于信用评估模型,增加相关业务的决策分析、精准营销手段等服务类型,以此来吸引大型企业,提高盈利水平。

  4. 3加快技术革新

  芝麻信用应该加快技术创新,提高模型开发的能力,并参照美国FinTech公司ZestFinance的征信模式及信用评估模型(如图2所示),将人工智能应用到大数据分析中,运用机器学习的理论,采集各类信贷数据、网络数据、社交数据,使数据类型得到补充同时小仅使结构化数据得到妥善处理,还可以处理大量复杂的、无规律性的非结构化数据。再参照ZestFinance公司在其自身建立的评价体系大框架下开发的八类信用评估模型,将原有的评价体系进行细化,针对小同类型的业务情况,开发出小同的信用评估模型,使得整个评价体系更加健全完善,提供的信用评分也更加精确。除此之外,芝麻信用还应该定期对评价模型进行更新改进,以应对越来越多用户的需求。

  4. 4提高数据的采集质量。充分应用数据

  尽量从数据源头获取未经加工处理的第一手数据,既保证了数据的完整性与精确性,又在数据源头上建立了自身优势。此外,还应当检测数据,排除一些小真实、低质量的数据,提高数据质量。新的数据要结介征信模型进行优化与验证,保证其可以进行广泛应用。芝麻信用要优化征信数据算法,充分应用征信数据,小能仅限于信贷,还应当应用在社交、消费等各个方而。

  5总结

  当前,我国征信行业尚未发展成熟,与国外发达国家相比还存在一定的差距,而芝麻信用作为国内征信行业的领跑者,要尽可能地发挥自身的用户优势、平台优势,加强对外介作交流,小断的改革创新,完善征信体系模式,努力建设成为全球知名的征信机构,并带动整个国内征信行业的发展。

点击排名

版权所有 @ 知互网