摘 要：大數據運用在處理征信數據上具備了先天的優勢，至少3000多萬小微企業用戶需要征信，PB級數據量，日均處理數據大于萬億規模，同時對數據處理能力要求高，不僅局限于存量和增量，有可能會發生全量計算，也面臨支持實時和在線處理的場景。
隨著互聯網帶動實體經濟的崛起，互聯網金融行業也催生出了一波新的發展浪潮。借貸平臺、P2P平臺、交易平臺等嫣然以成為互聯網金融圈的新載體，雖然無法顛覆傳統金融的主導地位，但作為其補充的已有效的擴展了現在人對金融的新認識。
互聯網金融領域如果想要平臺平穩運轉，必須存在一套詳細風險控制流程，在此之前還存在一個關鍵步驟“征信”當借款方出現身份欺詐、逾期不還、P2P跑路等行為，平臺就需通過征信手段提前預知其行為。由于借款人負債情況無法統計，數據沒有統一的平臺處理，審核及監管尺度松，重復借款現象普遍致使征信已成為制約企業發展的關鍵因素之一。其根本原因在于各互聯網金融機構信息封閉，不開放、不共享、評估標準、評估模型、風險模型也不規范，征信數據無法共享進行分析。
從需求方角度推動征信發展機構可以劃分為三類：
1、電子商務與O2O企業：目的為構建屬于自己的金融體系，同時可以推送小額貸款業務發展。
2、互聯網P2P金融機構：征信涉及到了其核心業務的穩定發展，應包含在其風控模型中去。
3、第三方征信機構：通過平臺化發展方式，為從事互聯網金融行業客戶提供專業垂直服務。
征信數據源也包含5個部分：
1、政府機構：中央機構(如公安部數據、戶籍信息、學歷、車輛、身份、護照等基礎數據)、地方數據(含地方平臺數據信息)、工商經營類行業。
2、民生型企業：央企、國企、大型企業(如電力企業，通訊企業、醫療機構數據)。
3、金融機構：傳統銀行(交易流水、支付情況、商戶數據)、小額貸款(信貸額度、違約情況等)、信用卡(信用額度、授權信息、刷卡記錄)、第三方支付公司(線上線下數據)、投資公司(股票、基金、期貨、保險等)、支付平臺數據(支付信用情況、分期支付、支付源)。
4、專業征信機構：企業征信機構、個人征信機構、征信系統等。
5、互聯網行業公司：大型IT公司、電商&O2O公司(交易情況、虛擬貨幣、物流數據)、社交網站(互聯網行為)，垂直網站和移動應用公司(位置信息)
推動機構與數據源為構成互聯網金融征信平臺創造條件，通過數據共享形式為互聯網金融企業(2015年P2P金融企業超過1000家)提供征信服務。同時結合央行征信系統(無個人詳細信息，只有有貸款行為人的貸款信息，《征信業管理條例》中規定有貸款行為的機構都必須接入到央行征信系統，目前接入比例相當低。)的信息進行數據互補。大中小型互聯網金融機構分別將數據匯總到平臺中，平臺基于用戶線下與線上行為進行挖掘分析，制定信用等級和分數(類似支付寶錢包中的信用評分)，數據源的準確程度則依靠各互聯網金融機構自控，其質量受數據量規模、數據維度指標、數據分析模型、數據挖掘算法四個因素影響。所有分散在互聯網上的金融平臺將數據匯總后可以針對征信建立多維分析主題，當新的風險出現時，迭代調整分析主題，進行主題升級，最終形成“央行征信數據 + 互聯網金融行業數據 + 社交行為數據 = 征信平臺分析數據”的模式。
針對社交行為數據，互聯網中小金融公司及初創金融公司，通常無社交行為數據積累，只能單純從自身業務中分析用戶信用狀況。而BAT類的互聯網企業，進入互聯網金融領域后，可以將自身長期積累的社交行為數據結合伙伴與生態圈公司數據整合構建社交行為庫，這方面傳統互聯網企業占據較大優勢。
大數據運用在處理征信數據上具備了先天的優勢，至少3億互聯網用戶，3000多萬小微企業用戶需要征信，PB級數據量，日均處理數據大于萬億規模，同時對數據處理能力要求高，不僅局限于存量和增量，有可能會發生全量計算，也面臨支持實時和在線處理的場景。大數據的引入可以有效緩解并優化這些問題的處理。從處理流程上分為4個主要步驟：1、對現有數據進行采集、清洗處理;2、數據分布式存儲，滿足處理前準備;3、數據挖掘與分析，多維度、多主題;4、個性化數據服務保障，提升用戶體驗。用友iUAP對大數據的處理完全就是按這樣一個過程來進行的。用友iUAP基于內存分析的高性能分析引擎，可存儲和管理PB級數據;實現TB級數據的秒級實時分析;基于列存儲的自適應壓縮技術實現3-20倍的存儲壓縮比;分析場景下10到50倍性能提升。滿足結構化、半結構化和非結構化的多類型數據的全面數據存儲管理能力。
用友iUAP UDH企業管理器
征信大數據的特征如下：
1、用戶基數大：中國互聯網用戶將近7億，有一半左右人在央行征信系統沒有信用記錄，征信需要對互聯網用戶的行為進行畫像，挖掘上網痕跡進行分析，基數決定了分析的樣本域，從橫向和縱向2個方面提供數據依據。處理基數大的數據，需要從處理穩定性、處理速度、處理準確性三方面約束。
2、實時數據多：相對傳統靜態數據與離線數據分析，互聯網金融征信實時數據處理場景會非常多，很多情況下數據變化不僅僅是通過增量計算可以影響，這里需要大數據處理技術作為技術支撐，用戶的每一步操作都可以即時體現在信用體系中。
3、指標多：互聯網數據面向的主題或領域多，如金融貸款、汽車租賃、消費信貸等，每個領域的指標數量大、不統一、格式繁瑣，如何有效利用指標數據需要通過大數據技術進行處理，10萬用戶，通過指標化后，要處理的數據量可能過千萬。
基于大數據的征信發展前景：
1、推動征信產業升級，互聯網金融企業升級，目前正處在風口上。
2、征信差異化趨勢，不同的數據來源、數據維度指標、數據分析主題和用戶模型，分析算法，組成了征信的差異化。
3、更豐富的數據來源，不僅僅是線上的電商、社交、交易等數據，還可延伸至線下數據，數據種類更豐富。
4、改進當前征信市場現狀，優化現有格局，將三類征信機構數據更細分，局部數據形成共享。
大數據征信面臨的挑戰：
1、相關技術在征信領域有效運用門檻較高，設計的技術點比較多，算法、模型、框架繁雜，對于中小企業構建自己的數據分析平臺難度較大。
2、處理能力需要有待提高，之前提到用戶基數大，維度信息多，并且很多數據可能非增量，非靜態，對數據處理的能力是一個嚴峻的考驗。
3、算法的合理性和標準性，目前沒有一個統一個標準，也沒有一個類似聯盟的機構推出相關草案。
4、需要構建支撐大數據的云平臺，如果是構建企業私有云平臺或混合云平臺，成本高，技術復雜度大。
5、征信業務與大數據業務處理方式需要匹配，涉及到了數據源采集、過濾、處理、分析、挖掘等流程。
6、大數據量帶來的安全問題，征信需要對用戶隱私保護，并提供數據安全方案。
完善征信監督體系，形成獨立組織或平臺，監控業務 數據運行風險。提煉大數據安全保障機制，明確各組織或者個人的權利和義務的范圍。圍繞大數據建立征信體系標準，保障企業商業機密、用戶因素、國家信息安全，提供相應法律制度，保障大數據在對數據使用過程中的權益。增強大數據在互聯網金融行業應用范圍，提升創新度，不僅僅局限于增值服務、信用報告等。創建大數據共享聯盟體系，統一標準，使孤立在各機構、公司和互聯網的數據按照一定規范共享，這些將是未來大數據在征信領域的發展趨勢。
