大数据在征信业的应用不能过于偏重消费金融

正文

请到「今天看啥」查看全文

那么征信业究竟存在哪些问题，如何将其不断完善与发展呢？ 我们可以从大数据对征信方法与流程所发挥的作用角度进行讨论。

征信是指为个人或机构过去的信用历史提供信息，从而帮助人们判断借款人的还款可能性。对于企业，征信的任务通常是由信用评估机构来完成的；个人的征信记录则是由个人征信机构来完成。

征信的意义在于，它可以帮助提供贷款的人或机构理解借款人的信用风险以及其还款的可能性。征信存在的理论基础是，从过去人们的信用行为特征中，可以帮助判断其未来还付贷款的可能性。但是它不能够足够保证借款人绝对百分之百地偿还部分或全部贷款。

从方法上，个人的征信评估通常采用的是评分（Scoring）方法，它是建立在数理统计预测的基础上的。评分方法首先关注的是相关领域的信息，既有来自问卷咨询、官方信息，也包含一些半官方信息。

当前大数据的发展应当说为获取更多、更高质量的信息提供了捷径。但是人们不能忽略的是，获取的数据要经过严格的筛选与定性。对于成熟的征信系统，其获取信息与数据要不断随着社会现象的发展而不断进化的。例如在德国，其征信机构曾经尝试将脸书（Facebook）纳入其征信信息系统中，将其信息用来评估个人的信用积分。

虽然拥有海量信息与大数据，征信的评估过程仍旧要有人工的参与，完全依赖机器的算法是达不到最终信用评估的结果的。

例如，从脸书中，人们可以通过人脑对信息的理解、思维、判断等，来借助人与人之间的关系识别个人的信用度（通常借助于其谎言出现的频率等）。在这一点上，只有人脑通过判断才能够达到目的，机器算法在这里是无能为力的。

请到「今天看啥」查看全文