智慧信用大数据平台建设方案.pptx

信用大数据平台解决方案
目录
公司介绍
背景与目标
解决方案
合作模式
2
信用评级是大数据应用的重要方向，但我国在个人信用评级领域有较大差距
•对比发达国家，我国的个人用户的信用评级体系仍有较大差距，无法充分满足信用信用大数据平台解决方案
目录
公司介绍
背景与目标
解决方案
合作模式
2
信用评级是大数据应用的重要方向，但我国在个人信用评级领域有较大差距
•对比发达国家，我国的个人用户的信用评级体系仍有较大差距，无法充分满足信用消费需 求。
建乏
随着"互联网金
信用评级的重要性
社会 需求
基于信用的营销和服务 进行差异化宠户关系 管理的重要手段，信用是可以将企业和宠户的利益 撬励到最大化的有力杠杆
经济驱
需要。成熟稳定、高效运行白
统是经济持续发展的重要保障。
融〃和〃消费信 贷"的迅速发展, 对个人信用数据 服务需求也随之 増长。
我国的个人信用评级仍处于初始阶段
-维度单二：从个人金融因素、民事実判、行 政处分、电信欠费记录等方面进尙分；
-缺乏提炼:缺乏对征信对象个体特征的提炼 和辨识，无法满多行业的征信需求。
3
国外已经的信用评级发展的相对成熟，以Lending Club与Zest Finance为代表 的传统与新兴两种评级模式都对大数据应用做了很好的诠释
• Lending club是美国最大的P2P公司之二，Zest finance是新兴的信用评估公司，两者的 信用评级模式都是大数据的评级模式，风控能力高于行业标准，具有很强的代表性。
Lending Club•传统评级模式
以FICO为核心,添加二些自有指标的模式 基于海量源数据和复杂模型算法的大数据模式
源数据：＞1万条/人
中间数据：＞7万条/人
元变量
模型：10个，机器学习
评分
QOOQC
SCOKC
根据贷款金额和期 限,对基准信用评 级进行调整，得到 最终信用评级(贷
款金额越大/期限越 长，评级下调档次 越多)
基准评级(MODEL
RANK)= FICO 分 数+
信用报告中提炼几 个指标+贷款申请 中提炼几个指标
档次
1 2
4 II5
信
A
1
2
3
4
5
用
评
B
6
7
8
9
10
C
11
12
13
14
15
D
16
17
18
19
20
E
21
22
23
24
25
F
26
27
28
29
30
G
31
32
33
34
35
Zest Finance-新兴评级模式
移勘运营商拥有高质量用户数据和挖掘经验，为跨行业的数据服务奠定了基础
•运营商数据掌握较为全面的用户信息，在满足对内运营支撑的同时，将数据能力产品化,