加载中…
正文 字体大小:

zestfinance大数据征信技术

(2016-09-10 21:42:07)
标签:

大数据征信

分类: 数据挖掘

zestfinance大数据征信技术学习总结

学习与借鉴
(1)模型起到一定的作用,重点在于能够收集到多少用户的准确数据;因此,各个企业重点在通过各种手段,收集用户的数据;
(2)在(1)的基础之上,结合现有的数据,结合业务特点,构建不同纬度的子模型,最后通过ensemble的方法,将子模型和业务规则进行集成,生成对应的分值;
(3)数据和模型是死的,无论怎么样,都能计算个分数出来,重点是对业务的理解;
(4)银行数据才是最重要的,其他都是辅助作用。

1.zestfinance介绍

1.1 大数据征信

fico信用评分模型参考的数据变量较少,
多年来,美国金融机构都在用50条左右数据变量来决定是否给一个客户授信,问题在于,许多人没有完整的信用记录,
这导致在传统信贷中他们不断吃闭门羹

1.2 zestfinance

zestfinance 2010年成立,google员工创立,意愿是将google算法带入征信领域。
zestfinance还有一个重要的组成部分,zestcash,类似于一家小贷公司,直接给那些没有银行账户
或者信用记录不好的人提供小额贷款。

传统信用评估服务无法覆盖全体人群,特别是弱势群体
传统信用评估模型信息维度比较单一,支付历史,未尝债务,信贷时长,争取新信贷和信贷组合
传统信用评估模型时间上比较滞后(08年金融危机爆发之后发现大量坏账的现实不符合)

1.3 大数据征信公司

http://bigdatascoring.com/

https://www.zestfinance.com/

http://www.fico.com/cn/

https://www.transunion.com/

2.zestfinance征信体系架构

2.1 体系框架

zestfinance大数据征信技术

zfarch

2.2 数据

zestfinance官网上有这样一句话:所有的数据都是信用数据
zestfinance数据来源较为丰富,包括结构化的数据和非结构化的数据
大数据征信数据
1 第三方数据,传统信贷数据,搬家次数,法律记录等等
2 用户提交的数据,通讯记录,水电煤账单,调查问卷等等
3 互联网数据,网络行为,社交网络等等

2.3 十大模型

zestfinance收集约3500数据来源,提取70000+数据变量,构建10个预测分析模型,通过集成学习或者多角度学习,得到最终的消费者信用评分。
模型主要包括:身份识别类模型,风险类模型,价值计算类模型。

3.参考资料

http://www.creditchina.gov.cn/newsdetail/68
http://www.creditchina.gov.cn/home
http://www.zhihu.com/question/21094114

0

阅读 评论 收藏 转载 喜欢 打印举报
已投稿到:
  • 评论加载中,请稍候...
发评论

       

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 不良信息反馈 电话:4006900000 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有