大數據征信：數據源的“量”與“度”是關鍵

隨著互聯網的發展，大數據征信已被越來越多地運用到金融領域，互聯網金融平臺利用大數據判斷用戶的信用記錄是否良好，從而授予用戶相應的信貸額度。傳統銀行也在加緊布局大數據網絡，試圖與互聯網平臺接軌。與傳統信用評估模型不同的是，傳統的信用評估是根據一個人的借貸歷史和還款表現，通過邏輯回歸的方式來判斷這個人的信用情況，而大數據征信的數據源則十分廣泛，電子商務、社交網絡和搜索行為等都產生了大量的數據，在如此海量的數據面前，如何把控數據源的“量”與“度”是互聯網平臺和傳統金融機構需要重視并解決的問題。

如今一切信息皆可以成為信用數據，經過分析后用于證明一個人或企業的信用狀況。大數據的“量”是指有多少個體在被分析，每一個網上注冊賬號的個體都可以成為被分析的對象。數據源的“度”是指被分析的個體都有哪些方面能夠成為可以參考的數據。有很多人認為數據能夠被稱為“大數據”需具備兩個因素：第一要覆蓋面廣，用戶足夠多;第二維度廣，要從一個人行為的方方面面反映個體的行為與信用的關系。但是，筆者認為事實并非如此，數據的“量”與“度”也應嚴格加以控制。

把控大數據的“量”關鍵在于從大量的數據之中篩選出“有效用戶”。無論是在傳統金融領域，還是互聯網金融領域，給客戶做信用評估的前提是必須知道這個人就是他自己。所以，如何證明“你是你”是大數據征信首先要解決的問題。然而現實的情況是：一個人可以同時申請多個賬號，多個人在知道賬戶信息的條件下也可以同時使用一個賬號。在這樣的情況下數據信息往往有所重疊。因此，數據的體量大并不代表數據更加可靠。

隨著越來越多的金融業務互聯網化，“反欺詐”面臨的挑戰也日益增大?！吧矸菡J證”的重要性在各項監管文件中反復被強調，而各家機構也在不斷探索如何利用新的技術在網上實現身份的核實。金融機構在重視數據量的同時還可運用先進的科學技術手段，如指紋、虹膜、人臉識別等一系列生物識別技術，將大量的無效信息排除在外，同時也能夠抵御數據造假所帶來的信用風險。

對數據源“度”的有效性進行控制也是金融平臺和金融機構需要考慮的問題。社交軟件在數據量上有著非常明顯的優勢，許多社交軟件常常從用戶行為上分析判斷一個人的信用是否良好，這就有可能出現“分析過度”的情況。

在一些大數據征信的文章中，一些案例是這樣分析個人行為和信用評分的關系的：經常半夜上網的用戶可能被認為沒有穩定的工作而降低信用評分，購買大件家具的用戶可能提示有固定房屋資產而使其信用評分較高，微博更新頻繁的用戶可能因為社交活躍而信用評分較高等等。但這些因素并不十分穩定且準確，有些行為可能只是用戶的個人習慣，如果過度依賴這些因素將對用戶信用的判斷產生誤差。因此，哪些行為可以成為判斷個人信用的標準需要考量。

因此，大數據能夠成為金融機構的征信參考標準并不一定要求數據量大、數據的維度多，數據的有效性高、數據更能反映問題才能讓征信更加全面、可靠。