電信大數據在征信領域的應用研究

王波 陳標 魏宇航

通過對大數據時代征信領域展現的新特點進行剖析，提出了一種基于電信大數據在征信領域的應用方案，并從征信理念、數據來源、數據形式、數據量、技術要求等方面對傳統征信、互聯網征信及電信大數據征信進行對比分析。電信大數據承載了大量的用戶連續行為信息，可以應用于征信領域，為社會征信體系建設提供了有益的啟示。

大數據 電信大數據 征信

1 引言

征信市場是我國市場經濟體系的重要組成部分，也是全面深化改革進程中進一步發揮市場決定性作用及推進國家治理體系和治理能力建設的重要基礎[1]。我國的征信市場與發達國家相比仍具有較大差距，主要表現在市場主體及征信組織體系不夠完善、規模小、研究和應用深度及廣度不夠、法律不夠健全等。

作為對數據、技術、方法和制度的一種全面革新，大數據將對征信數據的來源和形態、征信加工處理方式、征信評估技術、征信產品的傳播分享渠道以及征信制度基礎進行全面重構，從而對征信市場產生了深刻影響[1]。本文僅就大數據時代的征信新特點，并嘗試基于電信大數據在征信領域的探索及應用展開討論。

2 大數據時代的征信新特點

大數據是信息時代發展到一定階段的結果與體現，其對傳統信用評估尤其是在企業信用評級和個人信用評分方面產生了巨大的沖擊[2]，它拓展了信用信息的內涵及數據范圍，為信用數據的處理提供了新的處理技術，使“一切數據皆信用”成為可能。例如，阿里巴巴“芝麻信用評分”的出現是大數據運用到社會誠信建設的巨大進步，是大數據時代誠信機制建設的有利契機[3]，也響應了英國大數據科學家所說的“大數據時代已經來臨，將引起一場生活、工作與思維的重大變革”[4]。“芝麻信用評分”從信用歷史、履約能力、身份特質、行為偏好以及人脈關系等五個維度對評分主體開展信用考核[5]，涵蓋了用戶網購、人際關系、學歷、位置、職業、信用卡還款、水電繳費等各個方面，評分范圍從350分到950分，分數越高代表信用度越高，就可以使用更多的信用生活。從某種意義上說，“芝麻信用評分”產品的出現代表了大數據征信時代的來臨。大數據時代的征信呈現出新的特點，具體體現在以下方面：

（1）“一切數據都是征信”提供了技術及實踐上的可能。傳統的中國人民銀行征信中心提供的征信數據主要基于用戶的銀行貸款、信用卡還款、社保及公積金繳存、水電煤等基礎設施費用、法院判決等數據，而大數據時代則將數據的使用范圍拓展到了網購、朋友圈、上網行為、個人生理特征以及如穿衣、駕駛、理發、購書、乘車、醫療等日常生活的所有數據，這些數據極大地拓展了征信主體的信息范圍，并使原來看似無用或者碎片的個人信息得到了關聯規整，通過大數據挖掘技術及信息展現技術，全面立體地展現了一個人的信用狀況。

（2）民眾的信用意識提升到新的高度，并越發重視信用評分的提升。隨著移動互聯網及智能手機的普及，互聯網征信產品的成功運營使潛在征信主體的覆蓋范圍得到了極大地提升，從而讓更多的人有了自己的大數據“征信評分”。而隨著大數據征信評分可以享受的權益越來越多，失信得到的懲戒措施越來越完善，征信主體就會主動提交更多的個人征信評價數據，并自覺規范自己的行為，從而保持或者不斷提升個人的已有評分。

（3）大數據征信有利地促進了市場經濟繁榮。大數據征信為信譽良好的個人和組織提供了各種便利和增值效益，也為如住宿、餐飲、擔保、小額貸款、租車等行業帶來了新的盈利模式，提升了信譽資本的自身擴張和增值能力，為市場經濟的繁榮提供了信譽制度保證。

3 傳統征信、互聯網征信及電信大數據

征信的比較

如表1所示，主要從征信理念、數據來源、數據形式、數據量、技術要求等方面對傳統征信、互聯網征信及電信大數據征信展開比較分析。

4 電信大數據在征信領域的應用實踐

擬構建的基于電信大數據的個人征信評價體系由客觀變量、評價指標及信用評分三部分組成，如圖1所示：

客觀變量包含ARPU（Average Revenue Per User，每用戶平均收入）、流量消費、在網時長等用戶業務數據，以及用戶的性別、年齡、身份證號碼或者實名制信息等用戶基礎數據共24項變量；基于客觀變量，將24項變量劃分為身份特征、通信消費能力、信用歷史、行為偏好以及人脈關系五類評價指標，如表2所示。最終評分參考了美國個人信用評級法FICO評分，評分范圍為300分至950分，通過評分模型邏輯計算輸出用戶評級，分數越高代表用戶的信用越好。

5 應用效果

銀行及金融服務公司在發行信用卡或審核貸款時通常需要解決兩個問題：一是申請人資料是否屬實；二是應該給予申請人多少信用卡或貸款額度。為解決這些問題，東莞某銀行與東莞移動就大數據評分在信用卡授信方面通過聯合建模提出了應用方案，即：問題一可通過運營商實名制結果予以驗證，問題二可通過綜合信用評分予以解決，具體如表3所示：

該合作從2015年9月份開始正式運營，共受理銀行信用卡授信請求1709筆，通過銀行驗證1075筆，應用效果良好，具體如圖2所示：

6 結束語

本文對大數據時代征信的新特點進行了剖析，并對傳統征信、互聯網征信及電信大數據征信從征信理念、數據來源等五個方面進行比較分析，從而根據電信數據的獨特優勢設計出了一種信用評價體系，最后通過與某銀行的合作案例驗證其應用效果良好。

2015年9月國務院關于印發《促進大數據發展行動綱要》的通知中明確提出[7]，要充分運用大數據，不斷提升信用等領域數據資源的獲取和利用能力，提升信用體系等方面管理效能[8]。通知還要求2018年底前將會建成國家政府數據統一開放平臺，率先在信用等重要領域實現公共數據資源合理適度向社會開放[9]，加快信用信息系統的互聯互通和信息共享，豐富面向公眾的信用信息服務，實現公共服務的多方數據共享、制度對接和協同配合[10]。因此，在大數據已提升到國家戰略的形勢下，電信大數據包含了用戶大量的連續行為，是用戶信用評分的重要輸入，在社會信用體系建設中將會發揮更大的作用。由于運營商尚未獲得征信牌照，所以電信大數據與個人信用機構或者央行征信中心實現信用互通或有可能。

參考文獻：

[1] 林平. 大數據背景下加快我國征信市場發展的思考[J]. 南方金融， 2014（11）： 7-11.

[2] 耿得科，梁文娟. 大數據對傳統資信評估的影響[J]. 征信， 2015（3）： 20-24.

[3] 熊富標. 大數據時代誠信機制建設的機遇、特點與路徑[J]. 中州學刊， 2015（6）： 89-93.

[4] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶. 大數據時代：生活、工作與思維的大變革[M]. 盛楊燕，周濤，譯. 杭州： 浙江人民出版社， 2013.

[5] 王冠. 基于用戶互聯網行為數據的個人征信評估體系建設分析[D]. 北京： 北京交通大學， 2015.

[6] 劉新海. 阿里巴巴集團的大數據戰略與征信實踐[J]. 征信， 2014（10）： 10-14.

[7] 謝紅生. 計算機、大數據與醫、護專業發展趨勢[J]. 貴陽學院學報： 自然科學版， 2015（3）： 72-76.

[8] 焦點[J]. 中國醫院建筑與裝備， 2015（9）： 16.

[9] 李華才. 加速推進醫療大數據的深度研究與創新應用[J]. 中國數字醫學， 2015（10）： 1.

[10] 促進大數據發展行動綱要[N]. 中國電子報， 2015-09-08（3）.