老赖画像出炉 大数据显身手

近日，国内首份老赖大数据画像报告出炉。在超过300万样本的数据基础上，报告显示，东部地区，40-49岁男性，且具有大专或本科学历，是国内老赖典型特征。数据堂相关负责人对此表示，此次对老赖画像的总结，是通过多维度的数据整合，使得惩戒老赖更加高效准确，这正是大数据的优势所在。

老赖画像

大数据精准预防欺诈

近几年，随着互联网金融行业的发展，其面对的风险也在加大，除了传统的信用风险，外部欺诈风险正成为一个主要风险。

业内人士表示，恶意欺诈正在成为互联网金融公司面临的主要威胁之一，甚至在一些互联网金融公司，恶意欺诈产生的损失占整体坏账的60%。很多互联网金融公司将主要精力放在如何预防恶意欺诈方面，而高风险客户识别和黑名单成为预防恶意欺诈的主要手段。

据了解，目前市场上有近百家公司涉及个人征信业务，其主要的商业模式是反欺诈识别。反欺诈识别中，一个重要的参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，而大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。黑名单主要构成是民间借贷、线上P2P、信用卡公司、小额借贷等公司的历史违约用户，其中很大一部分不再有借贷行为，参考价值有限。另外一部分产生于催收公司，催收的成功率一般小于30%，会产生很多黑名单。

数据堂相关负责人表示，数据堂积累了很多黑名单数据，这些数据主要来源于高法公示的企业法人违法信息,虽不能全面覆盖全量借贷人员，但可以通过在黑名单库中筛选，帮助金融企业降低金融借贷风险且获得更多的黑名单来提高查得率。

以数据堂推出的“反欺诈产品”为例，该产品通过多维度数据在贷前、贷中和贷后对用户进行身份确认，用户类别的准确定位以及消费能力、偿债能力的预测，帮助互联网金融企业预防互联网恶意欺诈和识别高风险客户。例如，数据堂可以通过“反欺诈产品”初步确定用户的合法性，准确定位用户类别；可以帮助互联网金融公司，识别出出现在同一个经纬度的群体性恶意欺诈事件，降低不良贷款发生概率。此外，数据堂还可以结合用户近三个月的行为轨迹，帮助互联网金融企业准确识别出高风险客户。

大数据让老赖寸步难行

近日,中央办公厅、国务院办公厅印发《关于加快推进失信被执行人信用监督、警示和惩戒机制建设的意见》，对失信被执行人规定了11类37项联合惩戒措施，包括从事特定行业或项目限制、政府支持或补贴限制、任职资格限制、准入资格限制、特殊市场交易限制、限制高消费及有关消费、出境限制、加大刑事惩戒力度等。

据 《人民日报》日前公布的数据显示，截至2015年，中国共有308万名被执行人被纳入失信名单，累计拦截357.7万人次购买飞机票，拦截59.88万人次购买列车软卧、高铁和动车一等座以上车票。

数据堂相关负责人表示，这些庞大的数据背后，折射出诚信社会的构建力度日益加大。要实现让老赖寸步难行，一方面需要国家打通各部门、各行业之间的信息壁垒，搭建一个开放共享、可以流通的大数据资源平台；另一方面，作为大数据企业，要积极发挥资源整合优势，构建数据共享平台，为我国信用体系建设提供更多维度的数据支撑。

大数据助力征信体系建设

据统计，截至2015年末，央行征信中心覆盖8.8亿人，其中有信贷记录的为3.8亿人，剩下的几乎没有任何记录，我国在征信体系上还不太完善。这也是很多互联网金融企业在借款时，很难对借款人的信用做出精准判断的重要原因。

当前，社会上有两种征信模式：传统征信和大数据征信。传统征信主要利用了信用属性强大的金融数据，当下互联网金融平台多是以中小额放贷业务为主，所沿用的也是传统信贷业务中征信手段，因此导致人力和时间成本投入过高，不具备互联网时代的高效性。相比之下，大数据征信通过核心数据建模，来对借款用户进行资信评估，以此来预测其违约概率，能够大大节省传统征信环节中的人力成本。

数据堂相关负责人表示，大数据征信并不是完全改变传统风控，实际是丰富传统征信的数据维度。大数据征信中，首先还是利用信用属性强的金融数据，判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用风险之间的关系。

作为国内大数据资源的龙头企业，数据堂利用多个行业的数据资源，通过自身的核心的数据处理技术，对数据进行挖掘重组，能勾画出360度的个人和企业征信画像。作为传统征信的有益补充，大数据征信的发展将极大扩展征信体系的数据范畴，带来全新的服务理念和先进的信息处理方式，推动传统信用评分模式的转变，进而对完善我国征信体系乃至社会信用体系发挥重要作用。