“你的微信朋友圈，决策了你能从银行借到多少钱？”

本篇文章1693字，读完约4分钟

◎经过记者吴悦

去年8月，脸书在美国成功申请了专利。 这个专利主要是分解某个顾客的朋友数据后闹事。 其中一个副本如下

当一位顾客申请贷款时，贷款方将审查该顾客的社会交往互联网朋友的信用等级。 只有这些朋友的平均信用等级达到了最低信用点的要求，贷款才会继续解决贷款申请。 否则，申请将被拒绝。

这项专利在国外引起了很大的争议，被称为“贷款歧视”。 抛开这些争论，这其实符合感兴趣的社会交流经济学理论。 也就是说，你的收入是你经常联系的10个人的平均值。

人聚物聚，物聚，这在当今社会，确实是比较准确的结构性概括。

同样的理论实际上也适用于腾讯根据Wechat、qq的顾客数据评价顾客的信用等级，这是大数据时代顾客注册系统构建的基本原理。 区别在于，腾讯的基础数据来自与客户有较强关系的社会交流连接微信，而阿里、京东的数据来自客户的交易行为。

大数据提高风控能力

受百度和京东欢迎的美国zestfinance成立于2009年，是一家通过机器学习和大数据技术进行个人信用评估的科技金融企业，其崛起在一定程度上与美国2008年爆发、引发全球金融危机的次贷危机有关。

在过去的美国，金融机构比较客户的信用得分，计算方法模型来自于fico企业。 但是，由于fico信用判断模型只采用了小于50的变量，所以学习评分方式的客户可以进行刷分。 另外，fico使用的新闻维度比较单一，在大数据时代，这种早就流传下来的信用风险判断体系仍然依赖顾客的信用记录进行信用判断。 特别是在2008年金融危机前后，fico得分在美国人口中的分布基本上没有很大变化，这与金融危机爆发后发生大量放贷，许多人的财务状况发生了很大变化的现实有很大不同。 因此，fico预测风险的能力受到业界的质疑。

zestfinance基于大数据技术，收集数据的来源越来越多样化。 其中，有约30%的以前流传的信用记录，此外，根据社会交流网络新闻、客户申请新闻，甚至客户的写作习性、阅读习性等客户借款行为背后的线索和线索的相关性，最终得出较为准确的客户信用得分

这个技术和信贷评估模型应该是zestfinance最应该投资的地方。 以百度为例，没有像微信、淘宝那样基于数亿人的社会交流和交易行为生成的基础数据，但通过一点比较有效的数据收集和分解系统，将顾客在百度上的搜索行为，甚至在论坛上登记顾客的发言，是很多手段 当然，与Wechat和支付宝( Alipay )相比，这类新闻的比较有效性肯定有很大的差距。 因为，这一系列“精明”的识别和解体系统更为紧迫。

在网络上，走过的东西一定会留下痕迹。 这句话也适用于征信行业。 特别是在互联网深入我们生活方方面面的时代，将来最了解你信用状况的人，可能不是你的伙伴和你的父母，而是你的大数据。

新大陆还是潘多拉之盒？

以前流传的金融机构征信方法范围很窄，但比较谨慎的方法可以避免借钱给“错的”人，网络时代的大数据征信，有可能在以前流传的征信体系中不能借钱的人也越来越多

开门，而且风险也像影子一样。

前两年互联网金融迅速兴起，很多以前金融机构不能借钱的个人和公司，可以通过互联网金融平台轻松借钱，特别是以p2p为代表的平台规模迅速扩大。 但是，在缺乏健全的征信体系的背景下，这个迅速发展的业态和聚砂建成的塔一样，稍一接触就会崩溃。

网络金融的便利性和风险控制的难度，这是一枚硬币的两面。 因此，当阿里、腾讯、百度、京东等巨头纷纷将目光投向金融业时，征信体系的建立也成为金融场景日益成熟后的必然选择。

从手段上看，新闻网络公司的大数据征信越来越像zestfinance的模式，从顾客的支出行为、社会交往关系或其他网络上遗留的新闻来评价顾客的信用评级。 在这方面，拥有超交易平台入口的芝麻信用和拥有超社会交流入口的腾讯征信占了很大的特点，未来要比较的是，谁有越来越多的第三方商业化场景。

这也符合央行“数据来源于第三方，被第三方采用”的要求。 对公司来说，授信源越多，风的控制就越完全。

以阿里、腾讯为首的网络巨头，悄然在该行业掀起了战火。 现在，需要等待的，只有央行发放个人登记牌照的“东风”。

来源：澎湃商业网