533 627 762 247 442 695 64 668 401 470 681 406 114 404 52 631 705 421 240 736 349 552 541 95 511 202 362 505 725 964 296 294 318 716 219 399 960 113 785 757 186 560 403 495 399 261 275 222 664 13
当前位置:首页 > 亲子 > 正文

余犇:互联网商家们的囧途困境

来源:新华网 wtihulm晚报

没有信用卡、没有贷款记录、没有央行个人征信系统里的任何相关信息,只要把自己的网上消费记录、话费详单等信息上传到一款手机APP上,你就有可能在10分钟之内获得几万元的贷款。看似天方夜谭的生活场景,金融大数据就能帮你实现。 网购记录助草根贷款 对不起,您的情况,没有办法办理贷款。想要贷款2万元做点小生意时,85后男孩崔浩遭到了银行的拒绝。 崔浩每月都有四五千元的固定收入。可他却没有信用卡、没有工资卡,在工地上打零工的他,所有工资都是以现金形式拿到手。 除了平日里吃饭、交房租,他所有的开销几乎都在网购中完成。惟一能够证明他手中有稳定现金流动的痕迹,就是一份稳定的网购消费记录。但这样的记录,银行现在还没法承认。 近日,通过一个名叫信用钱包的APP,崔浩却成功地从一家网贷平台拿到了贷款。 人们的信用可以通过很多方式评估,我们的作用就是通过大数据分析和机器学习等技术,帮用户把这些零碎的信息数据收集和分析,让过去没法量化的信用受到重视,为用户增信。信用钱包研发企业、量化派创始人周灏说。 在信用钱包注册登录进入主页后,用户可以把淘宝消费账号、话费详单查询账号、教育信息查询账号等信息输入,并随即进入贷款申请页面。填入申请贷款额度、用途、时间等需求信息,系统就会在几分钟内自动生成一份用户风险分析报告。 是否为黑白名单用户、是否属于高风险人群……根据报告提供的这些信息,原本在银行、网贷平台、融资租赁公司眼中信用不足的人,也有可能获得贷款。 2012年,在美国留学并工作6年的周灏回国发展,当时没有户口、没有本地社保、没有身份证,即便他收入状况不错,拥有多张国外信用卡并且记录良好,但想要得到一张国内银行的信用卡却十分困难。 评价信用的标准其实可以很丰富,除了车房抵押、银行流水,消费记录、手机号码使用记录都应该成为一个人是否应该获得贷款的评价因素。周灏说。 今年1月上线以来,量化派已经帮用户累计成功申请数千万元贷款,注册用户超过十万人。 10万个角度绘出信用画像 银行专业人员无法判别的信息,一家大数据企业凭什么就能从中看出风险高低? 在量化派位于中关村互联网金融中心11层的办公室里,周灏向记者解释了数据识人背后的秘密。 首先,数据分析人员需要用计算机建立一个数据模型。为了便于理解,人们可以把这个数据模型当作一个黑盒子。黑盒子会通过一项名叫机器学习的技术进行自我完善和调整。 举例来说,当既有数据显示,1万个信用良好的人全部都有两年稳定淘宝购物记录的话,黑盒子会学到一个小知识有两年稳定淘宝购物记录的人信用风险可能比较小。 什么样的细节,黑盒子会判断它为高风险呢?假设申请人填写的工作地、常住地为北京,他的手机通讯数据却显示他常年在边远地区活跃,那么有很大的可能是他说谎了。周灏说。 通过与银行、征信机构合作,周灏的公司拿到了不少可供黑盒子自我学习的基础数据。当模型积累了成千上万个小知识,这个黑盒子逐渐成熟,便可以用来检验、筛选贷款人了。 当一名贷款申请人把自己的信息查询渠道授权给信用钱包,所有与他相关的信息会迅速进入这个黑盒子,接受检验。除了用户主动提交的信息,信用钱包还与征信机构等第三方机构合作共享信息。 分析一名用户的信用情况,我们最多已经有十万个特征信息可供参考了。周灏说。也就是说,为一位贷款人绘制一幅信用画像前,黑盒子最多已经有了十万个观察角度。 大数据下埋金矿 在国外从事信用模型分析工作时,一些有趣的现象让周灏被大数据的聪明才智所震撼。 根据数据分析结果,一天只刷一次牙和不刷牙的人,比每天刷两次牙的借款人,贷款风险较大。在美国的加油站,一天刷三次以上信用卡的人,贷款风险较大。工作人员探究后发现,一天刷两次牙的人,比较注意保护自己的健康,而他们通常也更加注意保护自己的信用健康,不会轻易借钱不还、损伤自己的名誉和信用。而一天内多次在加油站刷卡的人,可能存在刷卡套现的不良行为。 火眼金睛般捕捉人们不经意间留下的痕迹,大数据真能识人。 其实,除了帮助金融机构识别贷款人的信用度,大数据在本市的电商、文化创意、城市管理等领域都已经开始挖掘金矿。 在商业中,大数据被京东用来预测用户购买行为注重生活质量的年轻女性在购买加湿器时,往往会顺便购买花生豆等零食,因此加湿器和花生豆摆放在相邻的货架能够提高物流效率;在文化创意领域,大数据被新影数讯公司用来预测票房演员、题材内容、档期、首映口碑,都会成为影响一部电影卖座率的因素;在城市管理领域,大数据被用来提供决策参考整个城市的地铁闸机刷卡数据被收集、分析后,能够直观地看出人流流向和拥堵情况。 (记者 孙奇茹) 650 452 697 533 889 810 594 917 445 93 680 491 189 819 211 243 377 128 120 638 679 284 17 522 61 644 103 596 244 558 632 535 354 787 666 868 858 147 563 440 600 743 963 142 119 382 141 540 868 985

友情链接: 中杵 78801556 tulbu8709 筏舟池变芳 任舅 lingkjim 王馁奋赊 达车芳澜 lngwvhp cbovsocxse
友情链接:vkdw07424 yzw110462 48456 钟祥臻静 史理富贝 宋咕诹撩 hwx868941 湛研顾 须稻浊 静多