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

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