信用算力《2018年中国零售金融信用体系报告》出炉！

1月15日，信用服务解决方案提供商信用算力联合上海市社会信用促进中心、上海交通大学中国普惠金融创新中心发布《2018年中国零售金融信用体系报告》，报告聚焦包括个人消费贷款、个人经营贷款等在内的零售贷款服务，从零售金融信用体系建设的环境、产业链及参与方格局、信用数据采集、保护、流通与共享等多个维度，深入分析零售金融行业现状。

零售金融信用体系对社会信用建设至关重要

作为与国家发展和经济运行密不可分的基础金融领域，零售金融正在步入“新时代”。在科技加持下，我国的零售金融行业正逐步实现弯道超车，科技为信用数据采集、存储、信用分析及信用产品的应用带来新契机，进入战略级发展机遇期。

图为零售金融信用产业链

随着银行零售金融业务占总业务比重的不断攀升，行业发展虽然已取得一定成效，但也面临着信用信息不对称、不良资产率攀升等问题，这从一定程度上也会影响零售金融信用体系建设。

良好的社会信用环境是金融生态环境有序运行的前提，社会信用环境建设水平的高低也直接制约金融生态环境的好坏。金融领域已经成为社会信用体系建设的重要组成部分，政策层面也屡次提及。

2018年6月，央行、银保监会等五部门联合印发《关于进一步深化小微企业金融服务的意见》，提出引导金融机构聚焦单户授信500万元及以下小微企业信贷投放。

2018年9月，国务院发布《完善促进消费通知机制实施方案（2018-2020年）》，提出建立健全消费领域信用体系，加快消费信贷管理模式和产品创新，不断提升消费金融服务质效。

数据丰富度及共享融合机制亟待完善

在大数据时代，便捷与风险并存。从采集到应用全生命周期的各个环节，包括数据质量、数据隐私以及数据采集界限等方面。

报告分析认为，在相关数据的归集方面，虽然形成了以央行征信为主，上海资信、百行征信及协会数据共享平台为辅的一整套数据归集体系，但仍然缺乏明确的规范性文件。

相较之下，欧盟对所有收集、处理、储存、管理欧盟公民个人数据的企业进行详细的规范。

自2012年上海推出全国第一个政府数据开放平台后，截至2018年4月，全国共有8个省级行政区、7个副省级城市和31个地市上线数据开放平台。贵阳、上海、青岛、哈尔滨、东莞等地政府数据平台在数据集总量和开放数据容量两方面都居全国前列。

从数据类型看，目前社会民生和经贸工商两类数据最丰富，而信用服务、社保就业等数据相对偏少。

信用算力Fin-Cloud信贷云 大数据助力信用风险识别

作为信用服务解决方案提供商的信用算力出具此份报告并非偶然，实际上也预示着信用算力的战略转型，逐步向社会信用体系建设的方向发展。“从信用算力2018年的品牌升级和这一次的研究报告发布来看，信用算力正在往一个更广的信用领域去探索。”信用算力董事长&CEO张建梁介绍，“信用算力的目标不仅仅是针对金融行业，而是希望信用在未来可以连接各行各业，提升整个社会的流通效率。”

自2015年成立以来，信用算力坚持以技术为驱动，依托人工智能、大数据、云计算等核心科技，在国家社会信用体系建设方针指导下，力图打破信息不对称、信用不对称问题，完善金融信用，降低个人及小微企业信用信息服务门槛，提供多层次、专业化的信用产品及服务，推动全行业信用信息互联互通与信用成果共享共用，赋能信用体系及信用社会建设。

Fin-Cloud信贷云大数据建模

2017年，信用算力推出Fin-Cloud信贷云系统，该系统基于千万级贷后表现和10000+风险维度数据，在风险识别方面，依托多维度数据，通过五大欺诈风险识别流程，重点识别黑名单、欺诈、多头借贷用户，筛选符合准入的用户，并基于评分授予用户信用额度。

Fin-Cloud信贷云风险识别系统

事实上，互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。与信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示得更充分，信用评分就会更加客观，接近借款人实际风险。而关于客户个人风险的预测，使用大数据评分体系，不但可以筛选高风险客户，减少损失发生，也可以找出相对优质的客户群，发掘潜在机会。

“信用最大的价值还是在于数据和场景这两端，目前政府和企业都在数据流通和共享方面做了很多努力，信用算力也在这方面做了深入的探索和研究，希望让信用和数据能够进行更快更高效的流通。”张建梁说。

免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。