民間借貸大數據分析

Ⅰ 接到個說是平安銀行信用貸的我沒有申請過就說通過大數據分析說給我審核通過有15萬的無抵押額度是否真假

你好，所謂的平安銀行信貸部門，通常都是信息詐騙或者信息騷擾電話，建議直接拉黑處理，不要相信他說的。

Ⅱ 現在的拍拍貸上徵信嗎我現在確實比較困難，已經逾期3天了，

拍拍貸目前暫時還沒有並入國家徵信系統，不過已經授權預期8家民營徵信企業做好了徵信准備，在將來你在拍拍貸的信用也就全國聯網了。但是會上拍拍貸的 「芝麻徵信」會受到影響。

Ⅲ 大數據徵信與銀行風險控制創新

大數據徵信與銀行風險控制創新

數據將是未來銀行的核心競爭力之一,這已成為銀行業界的共識。在大數據時代，銀行所面臨的競爭不僅僅來自於同行業內部，外部的挑戰也日益嚴峻，互聯網、電子商務等新興企業在產品創新能力、市場敏感度和大數據處理經驗等方面都擁有明顯的優勢。在此形勢下，利用大數據徵信創新和提高銀行的風險把控也逐漸成為業界關注與探討的重要話題。

銀行業在風險控制中的不足之處

普華永道發布的《2015年中國金融及銀行業展望》指出，截至2014年第三季度末中國的商業銀行不良貸款總額上升36%，達到7670億元人民幣，是四年來的高點。預計2015年不良貸款上升的趨勢將持續。上述數據的背後，除了經濟下行導致的逾期風險上升的原因之外，銀行在風險控制中存在漏洞與缺陷也是重要原因。

信息不對稱與貸款欺詐

隨著P2P、小貸等民間借貸的興起，借款人越來越容易通過非銀行途徑獲得貸款。而民間借貸機構無須向人民銀行上報數據，非銀行體系的貸款申請情況、負債情況和逾期情況等信息不清晰、不透明、無法提前預知的矛盾愈發突出，往往到了借款人逾期甚至失聯，銀行才被動了解到借款人在民間借貸領域的部分歷史逾期借貸情況或負債過高等不良行為信息。

貸款欺詐問題也是銀行面臨的另一個問題，尤其是在信用卡領域和部分運用信貸工廠模式運作的貸款產品。銀行固化的發卡審核流程以及信貸工廠運作模式已經不再是秘密。目前信用卡、貸款的包裝、組團欺詐騙貸的情況屢見不鮮，尤其是在信用貸款領域，約有60%的信用貸款來自於欺詐，這其中有一半以上是由於身份造假和資料包裝。在數據維度不全面的情況下，銀行等放貸機構由於沒有第三方大數據支持，缺乏充分和有效的交叉核驗手段，容易被組團騙貸者鑽空子。

信息不及時與貸後風險防範

信息獲取的不及時也給銀行在貸後風險管理中帶來了不同程度上的麻煩。例如，銀行往往希望第一時間知道一家企業客戶在獲得貸款後是否面臨新的法律訴訟，但是大多數銀行使用的方式僅僅是依靠信貸經理不定期手動查詢當地法院網站的方式獲取信息，這當中存在著巨大的不確定性，一旦信貸經理忘記查詢或者操作失誤，貸後司法訴訟監控工作將形同虛設。這還不包括持續監控該客戶在民間借貸中的申請情況、負債情況和逾期情況等風險點。銀行在貸後風險防範過程中的手段和效率都極大地制約了銀行風險控制的效果。

成本和效率的矛盾

為了解決信息不對稱的問題和信息獲取不及時的問題，銀行往往需要採集大量的數據來輔助判斷。但是數據採集的過程中通常運用的方法是要求借款人或企業補充提供大量的資料，這個過程中涉及到大量的人工成本和時間成本。而為了提高效率，需要搭建一套能夠實現部分數據的自動採集，同時需要自動化程度較高的後台管理系統，但是這必須組建專門的工程師團隊和進行大量的IT開發工作，對不少中小銀行來說也是一個沉重的負擔。

大數據徵信與貸款風險控制

大數據徵信產業的興起

2015年1月，中國人民銀行發印發了《關於做好個人徵信業務准備工作的通知》，要求芝麻信用管理有限公司、騰訊徵信有限公司、拉卡拉信用管理有限公司等八家機構做好為期六個月的個人徵信業務准備工作。這意味著，這八家機構或將成為我國首批商業個人徵信機構。由此，正式拉開了大數據徵信產業的序幕，個人徵信市場成長空間已經打開。基於美國個人徵信市場達600億美元的規模，考慮到我國人口基數的龐大，未來發展成熟之後我國的個人徵信市場空間很可能達到1000億元規模。

值得注意的是，大數據徵信成為了互聯網巨頭的必爭之地。除了阿里巴巴和騰訊，網路、京東金融、小米金融、360金融等互聯網公司也表示將打造互聯網徵信系統，並有意申請第二批個人徵信牌照，部分機構已經向人民銀行提交了申請。互聯網公司的高調介入表明，一方面互聯網公司的創新特性和快速擴張特性給傳統徵信領域帶來了新的活力和機遇，另一方面互聯網公司各自不同的大數據優勢和應用場景優勢，將使得徵信市場的競爭日趨白熱化。
國內大數據徵信產業發展趨勢

各類大數據公司介入大數據徵信市場，使數據維度和種類相比兩年前有了極大的豐富。特別是伴隨著移動互聯網時代興起，圍繞著移動上網設備信息、地理位置信息、運營商信息的大數據公司和大數據服務層出不窮，並開始運用在P2P的貸款審核和交叉核驗流程中。但是，數據的來源和有效性依然制約著大數據徵信產業的發展，目前行業依然處於早起的探索階段，尚未有成熟的「殺手級」應用工具出現。

信息孤島依然存在。信息孤島是目前制約國內信貸行業發展的重要因素。信息不對稱、不透明，帶來了大量的多頭負債風險和欺詐風險。在國內大數據徵信產業興起時，市場對於消除信息不透明、打破信息孤島寄予極大的期待。從目前行業的發展情況來看，信息孤島在短期內無法完全消失。

首先，公共事業繳費、固定資產、社保、居住等與貸款風險控制息息相關的信息，依然歸屬於相關政府部門。雖然工商、司法等信息已經向社會開放，但是政府信息開放程度依然較低，這將是一個長期而復雜的過程。

其次，掌握大量公民信息的互聯網公司相互之間難以產生信息互通。目前國內社交數據、電商數據、地理位置數據、搜索數據、移動設備使用行為數據等互聯網信息分別集中於阿里、網路、騰訊、京東、360等互聯網巨頭手中，這些公司在跑馬圈地的過程中存在著大量的競爭關系，數據互通、信息共享在目前看來可能性極低。

最後，徵信公司之間的信息也難以互通。徵信公司的核心競爭力在於擁有自己獨有的信息。作為直接競爭對手，徵信公司之間不可能用自己的核心數據去提升競爭對手的競爭力。可以說，一方面徵信公司致力於解決信息不對稱，另一方面徵信公司也在構建數據壁壘。

應用場景逐漸豐富，組合信用評估或成主流。放眼徵信行業較為發達的美國，徵信報告的運用早已不僅限於金融領域，例如招聘、租房、租車、相親等行業和領域都需要使用個人徵信報告。隨著「互聯網+」的推動、大數據概念的提出以及P2P互聯網金融的發展，目前國內的徵信公司也在應用場景的豐富性上進行著探索和嘗試。

從國內大數據徵信行業的發展現狀來看，由於信息孤島、數據不完全共享的現狀將長期存在，當行業發展到一定階段，將會產生組合式的信用評估。譬如要求當事人同時出具多家機構的信用報告，從社交、電商、招聘、瀏覽行為、地理位置等不同角度對當事人做出全息用戶畫像，判斷其綜合情況。這是因為單方面的信用評估已不能全面評價一個人，必須發揮出各家大數據徵信公司的信息優勢才能全面評價。

大數據徵信在貸款風險領域的應用案例

反映電商信用行為的芝麻信用。芝麻信用基於阿里巴巴的電商交易數據和螞蟻金服的互聯網金融數據，並與公安網等公共機構以及合作夥伴建立數據合作，數據涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等等。芝麻信用以芝麻分來直觀呈現信用水平，主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度，從950～350分劃分為5個等級，分數越高代表信用程度越好，違約可能性越低。芝麻徵信還出具個人信用報告，其主要由央行徵信中心負責提供，記錄了個人基本信息、貸款信息、信用卡信息和信用報告查詢記錄等。

反映互聯網社交行為的騰訊徵信。騰訊徵信的數據更多的是社交數據，其徵信產品有兩大類別：一是反欺詐產品，包括人臉識別和欺詐評測；二是信用評級產品，包括信用評分和信用報告。騰訊徵信反欺詐產品的主要服務對象包括銀行、證券、保險、消費金融、小貸、P2P等商業機構，它能幫助企業識別用戶身份，防範涉黑賬戶或有組織欺詐，發現惡意或者疑似欺詐客戶，避免資金損失。對於之前沒有個人徵信報告的藍領工人、學生、個體戶、自由職業者等用戶，騰訊通過他們使用社交、門戶、游戲、支付等服務，通過海量數據挖掘和分析技術來預測其風險表現和信用價值，為其建立個人信用評分。

反映借款人風險的好貸雲風控。好貸雲風控是好貸網和全球最大的個人信用評分機構FICO（費埃哲）共同打造的大數據風控平台，整合徵信公司、司法數據、工商數據、消費數據等重要數據源頭，構建了金融貸款機構風控所需全行業各領域的風險資料庫，同時包括反欺詐風險名單庫、重大風險識別名單庫、貸款申請記錄名單庫的數據，合計已超過7000萬條。多達6000多個維度的資料庫不僅能有效補足貸款機構本地的資料庫，還能協助其大幅提高反欺詐識別和信用風險識別能力，同時結合FICO的信貸決策引擎為信貸機構提供服務。金融機構不用再投入巨資自建系統，不用花巨大精力和成本尋找各種風控數據。

銀行風險控制與大數據徵信的結合

大數據難以解決所有問題，但可以作為有效的工具。大數據能為信貸行業帶來什麼價值？筆者的判斷是：大數據在未來一段時間，仍無法解決信貸風控中的所有問題；或者說單純依靠大數據進行信貸風控、審批全流程的貸款種類還很有限。

但是，大數據已經可以解決信貸行業的一部分問題，並且將發揮越來越重要的作用。比如，大數據在進行反欺詐識別、風險動態監測、用戶行為分析、用戶畫像等領域，都已經有了越來越多的運用。銀行機構應當擁抱大數據，敢於和善於運用大數據輔助進行風險把控。
通過大數據，將民間借貸信息對銀行透明化。銀行機構通過大數據徵信的數據，可以了解借款人在民間借貸的信息。目前大數據徵信公司提供的民間借貸相關信息主要包含黑名單信息、貸款申請信息和被查詢信息。以好貸雲風控為例，其包含了各家徵信公司的黑名單信息以及好貸雲風控平台整合的數十家P2P平台的黑名單信息，同時也包含了好貸網的1000萬條貸款申請記錄和每個星期增加一倍的被查詢信息。這些信息都從側面反映了借款人的民間借貸情況。通過大數據徵信，將能夠使民間借貸信息對銀行機構越來越透明，識別出更多的民間借貸風險，更好地進行貸款審核和反欺詐識別。

豐富數據維度，提升對信用檔案客群風控能力。2014年，美國政策與經濟研究委員會（PERC）對於非金融信息（也成為替代性信息）在信貸決策中作用的研究表明：諸如水、電、煤、有線電視、手機等非金融信息納入徵信系統，顯著地提高了信用檔案在案人群的信貸獲得能力。

目前不少銀行逐步認識到已經納入銀行傳統資料庫的信息量並不豐富和完整，開始積極與第三方大數據徵信公司頻繁接觸與接洽合作，如客戶信息、銀行擁有客戶的基本身份信息等。但客戶其他的信息，如性格特徵、興趣愛好、生活習慣、行業領域、居住狀況等卻是銀行難以准確掌握的；另一方面對於多種異構數據的分析是難以處理的，如銀行有客戶的資金往來的信息、網頁瀏覽的行為信息、服務通話的語音信息、營業廳、ATM的錄像信息，但除了結構化數據外，其他數據無法進行分析，更談不上對多種信息進行綜合分析，無法打破「信息孤島」的格局。通過與第三方大數據徵信公司的合作，盡力彌補自身在獲取信息維度以及數據挖掘和分析能力方面的不足。

綜上，筆者認為，在互聯網時代和大數據時代的背景下銀行如欲進一步加快轉型的步伐、實現誠信社會與普惠金融的願景、肩負信用風險管理重任，就要在信息使用、貸前調查、貸中監控等風險控制方面藉助互聯網的優勢，擁抱大數據徵信，充分利用內外各種信息做好客戶徵信和增信，進一步提高對風險的控制和管理水平，才能立於不敗之地。

以上是小編為大家分享的關於大數據徵信與銀行風險控制創新的相關內容，更多信息可以關注環球青藤分享更多干貨

Ⅳ 為什麼現在互聯網金融那麼吃香

金融互聯網的特點和發展趨勢
在全民理財的時代里，在互聯網已改變生活方式的今天，在經濟結構調整的進程中，互聯網金融正在洶涌而來。網路與金融結合創新的政策環境、市場環境均已具備，網路與金融結合的各類自發自主創新的產品、服務也日趨增多。
網路與金融融合產生的一是金融互聯網，二是互聯網金融。關於金融互聯網與互聯網金融的區別，阿里巴巴集團董事局主席馬雲曾表示，「未來的金融有兩大機會，一個是金融互聯網，金融行業走向互聯網;第二個是互聯網金融，純粹的外行領導，其實很多行業的創新都是外行進來才引發的。金融行業也需要攪局者，更需要那些外行的人進來進行變革。」目前較為一致的觀點為，金融互聯網為金融機構自發、主動開拓的與互聯網融合的合作發展方式。
在證券行業領域，證券公司加快了與互聯網融合的步伐，網上開戶、網上賣金融產品、與電商聯合拓展業務，但這些嘗試在性質上依然屬於對傳統業務的改良，並非對互聯網應用的徹底融合。關於傳統金融與互聯網的關系，目前較為流行的兩種觀點為「顛覆論」和「融合論」。「顛覆論」認為，互聯網金融新模式會顛覆傳統金融形式。「融合論」在承認互聯網金融對傳統金融業帶來挑戰的同時，認為二者將是互相促進、共同發展的關系。證券公司只要敞開思維，順應金融生態變化的趨勢，充分發揮優勢，主動性探討開拓更多的金融互聯網的發展路徑，將會在互聯網金融的挑戰中立於不敗之地。
以下主要探討金融互聯網目前呈現的特點，以及結合互聯網發展的優勢，傳統金融在融合互聯網基礎上的發展趨勢。 金融互聯網的特點
(一)即時性。平板電腦、手機使用越來越便捷，其隨時上網、攜帶方便、易於操作的特點，使用戶可以隨時隨地享用互聯網提供的金融服務。轉賬、證券交易、支付等金融功能的實現越來越快捷及時，只需在手機等終端按下按鍵即可。同時，當下的移動網路大多具有推送功能，更能讓客戶在最短的時間內獲得自己想要的信息。
(二)移動化。2007年，iPhone以「重新發明手機」的姿態揭開移動互聯網發展大潮的序幕，互聯網的移動化趨勢正以迅雷不及掩耳之勢席捲全球，當前最為流行的移動操作系統Android，截至2013年3月設備激活量已達7.5億部。移動互聯網正從PC互聯網的延伸逐漸轉變為全新的互聯網形態，顛覆著傳統互聯網模式，移動互聯網正在加速主導未來互聯網的發展。
移動化趨勢在金融互聯網的發展中體現日愈明顯。手機炒股、網上購買理財產品等網路金融服務已經被越來越多的客戶使用。
(三)互動與透明化。典型的移動互聯網應用，如手機微信等，使客戶可以隨時隨地查看金融信息，並可以實現雙方直接交流溝通。移動互聯網將對用戶獲取金融信息的方式產生重要影響，並使得金融信息更為透明和公開。
(四)低成本。移動互聯網使金融產品隨時隨地交易，降低交易成本。中國互聯網信息中心數據顯示，截至2012年底，我國使用網上銀行的用戶規模達2.21億元，其中手機網上銀行用戶規模達5407萬人;網上支付的用戶規模達2.21億，其中手機支付用戶5531萬。手機網路商務應用，如網路銀行和網上支付等使金融產品可隨時購買交易，並且大大降低了交易成本。例如股票、期貨、黃金交易、中小企業融資、民間借貸和個人投資渠道等信息快速匹配，極大提高了效率。 暢想金融互聯網的趨勢
金融互聯網在發展運用到極致之後，為人們帶來的服務的便利性和創新性，將是充滿讓人遐想的空間。
(一)移動支付。智能手機的快速普及催生了移動支付這個巨大行業的發展，作為一個擁有10.8億手機用戶、4.2億手機網民的互聯網大國，移動支付有可能變革傳統的商品交易模式。 目前互聯網實現的一灶扮大金融功能便是移動支付。隨著手機、iPad等移動工具的使用，以及支襪絕付寶、財付通等網路支付的運用，讓人們隨時隨地可以上網支付。支付寶正是因為其方便快捷的支付方式，牢牢抓住客戶，最終獲得認可。 除了支付寶之外，越來越多的第三方機構介入支付市場。第三方支付市場正日益蓬勃發展。今年7月6日，央行發放27家支付牌照。2011年5月26日，央行發放第一批支付牌照。至此，央行已累計發放250張支付機構牌照。資料顯示，2012年，我國第三方支付市場規模超過10萬億元。支付機構互聯網支付業務快速增長，業務量初具規模，處理互聯網支付金額6.89萬億元。
在移動支付的年代，盡量實現賬戶的告辯姿多功能性，集購物、支付、投資理財等服務功能於一身的賬戶，才能給客戶帶來最大的便利性，讓客戶產生強大的黏性，實現鎖定客戶的目標。國泰君安萬建華董事長曾有一個觀點，得賬戶者得天下。他認為，支付寶、騰訊、淘寶的成功，其中一個核心要素便是賬戶。近日，央行已經同意國泰君安證券有限公司試點加入人民銀行支付系統，該券商投資者可以通過賬戶像使用網上銀行一樣在網上購物時用證券賬戶里的錢付款。這標志著證券公司已經開始介入支付、電商的「大蛋糕」。
(二)大數據分析與挖掘。隨著產生數據的終端與平台的快速發展，大數據成了2013年科技界最為火熱的話題，依託新興的大數據分析與挖掘技術，從現有數據平台的海量數據中提取出數據的價值，提供數據分析與挖掘服務，可以幫助企業在提升營銷與廣告的精準性等方面進行探索。看似指數級膨脹的大數據，貌似負擔，實則是無價之寶。藉助先進的工具挖掘分析數據，對用戶的行為模式進行提煉和分析，可能為公司在發現新的商機、拓展業務等方面帶來極大的驚喜。
移動互聯網的應用與發展，金融行業整體業務和服務的多樣化和金融市場的整體規模的擴大，金融行業的數據收集能力的提高，將形成時間連續、動態變化的金融海量數據，其中不僅包括用戶的交易數據，也包括用戶的行為數據。對金融數據進行分析，才能快速匹配供需雙方的金融產品交易需求，發現隱藏的信息和趨勢，進一步發現商機。
在金融領域，越來越多的機構正在充分運用大數據分析。阿里小貸公司便運用交易數據提供信用評估，據此為申請貸款的客戶發放貸款。華爾街的投資高手已經開始通過挖掘數據來預判市場走勢，比如根據民眾的情緒指數來拋售股票，對沖基金根據購物網站的顧客評論來分析企業產品銷售狀況;銀行根據求職網站的崗位數量來推斷就業率;投資機構搜集並分析上市企業，從中尋找破產的蛛絲馬跡。麥肯錫在一份「大數據，是下一輪創新、競爭和生產力的前沿陣地」的專題研究報告中提出，「對於企業來說，海量數據的運用將成為未來競爭和增長的基礎」。

希望採納！

Ⅳ 如何利用大數據做金融風控

大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。

金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。

傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線

互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。

常用的互聯網金融大數據風控方式有以下幾種：

驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。

如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。

其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐

大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。

如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。

分析客戶線上申請行為來識別欺詐

欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。

企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。

這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險

互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。

市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。

黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。

灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。

黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。

利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。

欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。

欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。

利用消費記錄來進行評分

大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。

按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。

常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。

互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。

參考社會關系來評估信用情況

物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，

參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。

參考借款人社會屬性和行為來評估信用

參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。

經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。

利用司法信息評估風險

涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。

總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。

Ⅵ 哪個機構可以查詢信用報告；民間借貸記錄、個人大數據信息分析等

目前，國內比較靠譜的網貸徵信查詢平台主要有：網貸資料庫，百行徵信，央行徵信。

網貸資料庫中的數據主要是那些不上銀行徵信的網貸機構數據。

百行徵信統計部分P2P網貸平台的借款數據信息。

央行徵信只統計銀行以及正規機構貸款的借款數據信息。

普遍來說，如果想要查詢詳細的網貸大數據報告，那麼只需要查詢網貸數據與央行徵信即可。

網貸大數據能夠直接查看絕大部分P2P網貸平台的數據，以及民間借款的詳細記錄，個人大數據情況等等，

可以在微信查找：佰易數據。

該資料庫與98%以上網貸平台合作，查詢的數據非常精準全面。

能夠查看到用戶的申請次數，網貸數據，網黑指數分，命中風險提示，法院起訴信息，仲裁案件信息，失信人信息等數據。

其中，用戶可以憑網貸綜合信用評分來判斷自身是否為網貸黑名單用戶。

綜合信用分滿分為100分，分數越高，信用越好，低於10的用戶為網貸黑戶。

而命中風險提示則可以幫助用戶更好了解到自身的不足，提升網貸平台的審核通過率。

Ⅶ 什麼是大數據徵信

大數據和徵信是兩種數據，大數據又稱：網貸大數據。

網貸大數據一般為一個用戶在網貸平台借款時提交的信息，從放款到還款或者逾期，這些數據都會由網貸公司進行上傳至資料庫。作為其他網貸平台借款時的審核依據，所以如果網貸逾期了，共享這個資料庫的平台就會拒絕這個逾期用戶的借款申請。

對於大數據有疑問的，可以在支付寶首頁搜索：知否數據。

自行查詢大數據報告，如果有違約信息或者法院失信等信息一樣會顯示出來。

徵信統稱為：央行徵信。央行徵信記錄的都是銀行或者一些持牌機構的數據，為一個人的終身數據，對於用戶來說非常重要，房貸和車貸都非常注重一個人的徵信資質，如果有未還的貸款，在申請房貸時會被拒絕。

(7)民間借貸大數據分析擴展閱讀：

徵信資料庫

1、企業信用信息資料庫

經幾百家分支機構歷經10年的採集、加工、錄入，日常數百名工作人員的優化、維護等辛勤工作，已經擁有了2000多萬家中國區域的企業資料庫，涉及有價值企業信用信息達億條，信用信息最遠追溯可達8年，建立起了中國最龐大的企業信用信息資料庫。

2、企業信用信息分六大類

分別為政府監管信息、銀行信貸信息、行業評價信息、媒體評價信息、企業運營信息、市場反饋信息 。

其中政府監管信息包括企業基本資質、質量檢查信息、行政許可/認定、行政獎罰信息、商標/專利/著作權信息、人民法院判決；銀行信貸信息包括中國人民銀行信貸評價信息、商業銀行信貸評價信息、小額貸款公司及民間借貸評價信息。

行業評價信息包括行業協會（社團組織）評價信息、水、電、氣、通訊等公共事業單位評價信息；企業運營信息包括企業財務信息、企業管理體系評估信息；市場反饋信息（包括消費者、交易對方、合作夥伴、員工等不同身份的實名評價信息）。

Ⅷ 當前民間借貸所存在哪些問題

法律分析：當前民間借貸所存在的問題如下： 1、法律不明確、體制不完善； 2、帶有盲目性，風險系數極大； 3、信貸經營者往往經營管理腔改拆能力差。

法伍棗律依據：《最高人民法院關於審理民間借貸案件適用法律若干問題的規定》 第一條 本規定所稱的民間借貸，是指自殲粗然人、法人和非法人組織之間進行資金融通的行為。

經金融監管部門批准設立的從事貸款業務的金融機構及其分支機構，因發放貸款等相關金融業務引發的糾紛，不適用本規定。

Ⅸ 進一步分析為什麼民間借貸興盛問題的根源在哪裡如何解決

一、民間借貸興盛原因
1、放款迅速。
2、手續簡捷。
3、辦理地點方便。
4、借貸來源眾多。
5、大部分信任度高於官方。
二、問題根源
主要的只有兩個方面：

1、急這所急性。
由於手續操作、用錢的方便，這些能夠及時性的提供足量的錢款給需方，及時性和急迫性遠比銀行這種官方好操作。
2、利推性與益推性。
雖然銀行借貸成本較低，可是由於網點的設立不能設到需求人的家中等最近方便地區，這種市場利潤的空白區，民間借貸就有優勢，雖然成本高，可以相對於快速用錢遲伏及短時錢款的收益而言碼毀攜，還是很不錯的。所以其利潤操作再高也有人用。
從公益角度，公眾受益面，銀行更是遠不及民間借貸所能達到的層次。所以在一定程序上地主政府會（非銀行系統）一定程度上默許民間借貸的存在。
三、解決方法
1、首先，這個問題，是不可能從根本上解決的。
2、其次，但是可以在宏觀層次上進行一定的引導。
3、解決思路。
a、增加網點的設立合理性（前提是網路建設、徵信建設得跟得上）。
b、設立多種不同體系的銀行借貸方案。不能只以銀行受益為標准。比如典型的信用卡，免息期就余臘是很好的例子。如果類似這種免息期的低息方式等又便於取現的細分類銀行借貸方式大量存在的話，就可以有效引導人們更多使用銀行借貸，減少民間借貸的情況。

Ⅹ 幾種常見的民間借貸糾紛分析

近年來，公民、法人等向非金融機構的個人借款的現象越來越多。由於這種民間借貸目前尚存在許多不規范現象，因此釀成的糾紛也就不斷出現。筆者根據這幾年來欽北區法院受理自然人之間借款糾紛案件進行分析，總結民間借貸中的各類糾紛及風險，並從實務角度探討各類法律風險的針對性防範措施，以供大家參考。 一、借款未出具借條的糾紛 張某為欽州某鎮個體戶，2007年親戚提出向張某借錢蓋房，出於親情的考慮，張某借給親戚8萬元，對方聲稱半年後歸還且沒有打借條。隨後在張某多次催要下，親戚只償還了1萬元後便聲稱無錢再償還，之後張某再去催要時親戚更稱沒有向張某借過錢，讓張某去上告。後張某在再次催要時私自錄了音作為證據，向法院提起了訴訟，但在訴訟過程中親戚對借款一事矢口否認，因為張某無法提供其他證據映證親戚借款的事，最終法院沒有支持張某的請求。 因為是熟人之間的借款，且借款的數額一般都不會很大，個人之間的借款通常都不會簽訂專門的借款合同。且熟人之間借款時相互之間關系非常要好，要求對方出具借條似乎會破壞朋友之間的感情，也會讓人產生不信任對方的錯覺。所以在借款時很多情況下借款人並未向出借人出具借條，這樣就會給出借人收回借款造成法律上的障礙。在借款人不能按時償還借款時，或者雙方關系惡化、破裂後借款人拒絕償還借款的情況下，借款人只能通過訴訟途徑索要，但往往因為沒有借條，不能提供當時借款的證據而敗訴。 俗話說「親兄弟明算賬」，不管關系多麼密切的朋友、還是親戚，借款時必須出具借條（借據），寫明雙方的真實姓名，借款數額及具體的還款期限。最好能找個與雙方沒有利害關系（親戚）的人作為證人，在借條上簽字見證。這樣在發生糾紛後，出借方就可依據借條（借據）通過訴訟途徑索要。 二、房產證抵押的糾紛 黃某在2006年借給朋友韋某25萬元，為使黃某放心，韋某提出以自己位於欽州的一套房產作為抵押並將房產證交給黃某抵押。後韋某未能及時償還借款，黃某向法院提起訴訟並主張以韋某抵押的房產償還，但因沒有辦理房產抵押登記，法院認定抵押判胡無效，判決後黃某去房產局查詢後才知道，早在2006年年底，韋某就在房產局辦理了房產證的掛失手續，並將房產專賣並過戶給了他人，判決內容遲遲不能得到執行。 借款的人為了取得別人的信任，能夠順利獲得他人的借款，往往會提出以自己的房產作為抵押並將房產證交給出借人。這樣從表面上看，似乎出借人得到了有力的保障，收回借款應該沒有問題。但實際上，以房產證作抵押在法律上沒有任何效力，出借人的借款同樣不能得到任何保障。我國法律規定，以房產作為抵押的，雙方必須到房地產管理機構辦理抵押登記，債權人拿到他項權（抵押）證或者管理部門在房產證上蓋章確認，並註明擔保的數額、抵押的期限後該抵押始產生法律效力。在借款人到期不能償還借款時，出借人就可申請法院以抵押的房產變賣、拍賣的價款優侍蘆先償還借款。如果雙方只是達成口頭一致，或者簽訂了書面的抵押合同，但並沒有辦理房產的抵押登記手續，抵押是無效的，出借人並不能通過抵押的房產優先收回借款。在沒有辦理抵押登記的情況下，出借人所持有的房產證也不能起到約束借款人償還借款的作用。 所以，在他人提出借款並以房產抵押擔保時，就應當明確要求對方進行房產抵押登記，以便將來能夠順利收回借款。 三、還款後沒有收回、銷毀借條的糾紛 2004年王某向生意夥伴李某借款10萬元，雙方未約定還款的期限，王某向李某出具了借條。2005年前後，因為財務賬目上的原因，兩個人終止了生意上的合作，王某一次性償還了借款，李某在拿回借款時向王某出具了收條，並承諾回去後立即銷毀借條。但半年之後，李某持借條向王某要求還款，王某拿出李某的收據並堅持已經全部償還了借款，沒料李某趁王某不備撕毀收條隨後向法院起訴要求王某還款。 向他人借款時，出具借條是正常的、合理的。但因為私人之間的借款一般沒有簽訂借款合同，雙方只是口頭約定還款的時間，借條上也常常只註明借款的數額，並不會寫明還款的期限。所以借款往往不會一次性償還，而是在出借人的多次催要下分批老沖帶償還。在此過程中，雙方往往會因為催要借款而發生不愉快，關系惡化甚至斷絕關系、互相仇恨。同時，在借款人償還借款時，往往會因為出借人沒有將借條帶在身邊，不能立即收回借條，也不能在借條上加註還款的情況。這樣在借條沒有銷毀或收回的情況下，會給借款人埋下不可預知的隱患和風險，實踐中出現過多起出借人在得到還款後，再次拿借條索要借款的情況。 所以，在借款時向他人出具了借條的情況下，還款時一定要及時收回借條，或者讓出借人當面銷毀借條；不能立即收回、銷毀的，必須讓出借人出具收條，寫明還款情況，作為自己已經償還借款的證據，以防止日後出具人以借條為依據重復索要。分次償還等情況下無法收回、銷毀的，應當在借條上註明還款數額、日期等，或者讓出借人出具當期還款的收據，這樣才能避免不必要的糾紛和麻煩。 四、借條非借款人本人書寫的糾紛 趙某向好友王某借款2萬元，借款時趙某主動提出一定要給王某打借條，並說自己幾乎不會寫字，讓王某先寫好借條後自己簽字，在王某寫好借條後，趙某開玩笑說「我們兩個的關系，你還不放心我嗎？這東西給你老婆看的，我的字難看，你替我寫上名字吧」，王某沒在意，就隨手替趙某書寫了簽名。後兩家因瑣事鬧翻，王某索要借款遭到拒絕，提起訴訟後經法院委託鑒定，借款人趙某的名字並非本人書寫，借條不真實，王某的請求沒能得到支持。 向他人借款時，根據出借人的要求，借款人會出具親筆書寫的借條，或者在他人已經寫好的借據上親筆簽名、蓋章（摁手印），表明借款事實。但有時也會發生借條上借款人的簽名並非本人親筆書寫的情況，這種情況多出現在雙方是非常要好的朋友或親戚的場合，如借款人開玩笑說「我你還不放心嗎？」「你就把我的名字簽上吧」「誰寫都一樣、反正我會及時還的」等等；在農村，部分人不會自己書寫自己姓名的情況下，這種情況也常有發生。從法律上講，如果借條上的借款人姓名並非借款人親筆書寫，借條是不具有法律效力的，在借款人拒絕償還借款時，即使出借人拿出借條作為證據，法院在確認並非借款人親筆簽名的情況下，也無法認定雙方之間借款的事實。 所以，借條一般要借款人親筆書寫並簽字，並蓋上手印；如果借款人因無法書寫等原因不能親筆簽名的，一定要蓋上手印，並找他人見證並以見證人身份簽字或者蓋章加手印，也可以讓借款人在蓋章的同時對雙方的談話內容進行錄音，用以補充佐證，這樣才能萬無一失。 五、訴訟時效的糾紛 2002年，陳某將一筆錢借給他人，約定半年後歸還，到期後陳某多次催要，但每次都是陳某自己單獨去借款人家裡、或者通過電話催要，並沒有保留催要的證據。反復催要無果後，謝某於2007年將借款人告上法庭，但借款人卻認為該債權已經超過法定的訴訟時效，陳某聲稱自己多次催要並反復陳述去借款人家裡的情景，但因為無法提供實質、有效的證據，最後未能得到法院的支持。 自然人之間借款時，一般會口頭約定還款的期限，在出具借條時，有時會將還款期限寫明，有時則不會寫明具體的還款期限。借款到期後，出借人要及時催要借款，但在很多情況下，借款人都無法按照雙方的約定按時一次性歸還借款，在這過程中出借人可能會多次催要，遠遠超過兩年的時間。根據我國法律的規定，借款的訴訟時效為普通時效，即兩年。自當事人知道或應當知道自己的權益被侵害之日（指借條上寫明的歸還日期，或者前一次催要之日）開始計算，超過兩年的，即喪失了勝訴權，債權便不會得到法律上的保護。出借人通常是以口頭或電話方式催要，一般都不會注意保留曾催要使訴訟時效中斷的證據，這樣在提起訴訟要求對方還款時，往往會因為借款已經超過訴訟而得不到償還。 所以，借款到期後，出借人一定要在兩年內及時催要，且以後每次催要的時間間隔不能超過兩年。在催要時盡量出具書面的催款資料，並讓借款人在資料上簽字確認，或者採用錄音的方式保留催要的證據，數額較大時也可選擇公證方式保留證據，這樣享有的債權才不會超過法定的訴訟時效。 六、借款利息的糾紛 甲於2005年向乙借款12萬元，借期2年，借款時雙方商定利息為2萬元，在借款到期時一起結算。乙給甲出具借條，借條上寫明數額及還款日期，但並沒有註明利息計算標准及支付方式。後在乙沒有歸還借款的情況下，甲起訴到法院，要求乙歸還借款本金和利息，但法院只判決乙償還甲借款本金，並沒有支持其支付利息的請求。 我國《合同法》第211條規定，自然人之間的借款合同約定支付利息的，借款的利率不得違反國家有關限制借款利率的規定。所以對於民間借款，只有雙方在合同中明確約定，或者在借條上註明利息的計算方法的，借款人通過訴訟途徑要求歸還借款並主張利息時，才能得到法律的保護；如果雙方僅是口頭的約定，而沒有將利息的相關約定明確在合同或借條上，就不能要求借款人支付利息。 2004年張某借給王某20萬元用於生意，雙方簽訂了借款合同，2年後歸還，雙方商定利息為10萬元。為了獲取高額利息，張某如期將款打入王某帳戶，但到期後王某無力歸還，後張某起訴到法院，要求王某償還本金及利息共30萬元，法院只支持了張某本金的請求權，利息按照同期銀行貸款利息標准計算。 民間借貸在很多情況下，雙方約定的利息都比較高，而且出借人往往是為了獲取比銀行存款更高的利息將錢借給他人。但依據我國法律的規定，民間借款的利率可以適當高於銀行利率，但最高不得超過銀行同類貸款利率的四倍。對於約定的利率高於銀行同類貸款利率四倍的，高出部分是無效的，將不會得到法律的保護。對於那些想要靠所謂的「高利貸」而獲利的人來講，應當謹慎為之。