民间借贷大数据分析

Ⅰ 接到个说是平安银行信用贷的我没有申请过就说通过大数据分析说给我审核通过有15万的无抵押额度是否真假

你好，所谓的平安银行信贷部门，通常都是信息诈骗或者信息骚扰电话，建议直接拉黑处理，不要相信他说的。

Ⅱ 现在的拍拍贷上征信吗我现在确实比较困难，已经逾期3天了，

拍拍贷目前暂时还没有并入国家征信系统，不过已经授权预期8家民营征信企业做好了征信准备，在将来你在拍拍贷的信用也就全国联网了。但是会上拍拍贷的 “芝麻征信”会受到影响。

Ⅲ 大数据征信与银行风险控制创新

大数据征信与银行风险控制创新

数据将是未来银行的核心竞争力之一,这已成为银行业界的共识。在大数据时代，银行所面临的竞争不仅仅来自于同行业内部，外部的挑战也日益严峻，互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理经验等方面都拥有明显的优势。在此形势下，利用大数据征信创新和提高银行的风险把控也逐渐成为业界关注与探讨的重要话题。

银行业在风险控制中的不足之处

普华永道发布的《2015年中国金融及银行业展望》指出，截至2014年第三季度末中国的商业银行不良贷款总额上升36%，达到7670亿元人民币，是四年来的高点。预计2015年不良贷款上升的趋势将持续。上述数据的背后，除了经济下行导致的逾期风险上升的原因之外，银行在风险控制中存在漏洞与缺陷也是重要原因。

信息不对称与贷款欺诈

随着P2P、小贷等民间借贷的兴起，借款人越来越容易通过非银行途径获得贷款。而民间借贷机构无须向人民银行上报数据，非银行体系的贷款申请情况、负债情况和逾期情况等信息不清晰、不透明、无法提前预知的矛盾愈发突出，往往到了借款人逾期甚至失联，银行才被动了解到借款人在民间借贷领域的部分历史逾期借贷情况或负债过高等不良行为信息。

贷款欺诈问题也是银行面临的另一个问题，尤其是在信用卡领域和部分运用信贷工厂模式运作的贷款产品。银行固化的发卡审核流程以及信贷工厂运作模式已经不再是秘密。目前信用卡、贷款的包装、组团欺诈骗贷的情况屡见不鲜，尤其是在信用贷款领域，约有60%的信用贷款来自于欺诈，这其中有一半以上是由于身份造假和资料包装。在数据维度不全面的情况下，银行等放贷机构由于没有第三方大数据支持，缺乏充分和有效的交叉核验手段，容易被组团骗贷者钻空子。

信息不及时与贷后风险防范

信息获取的不及时也给银行在贷后风险管理中带来了不同程度上的麻烦。例如，银行往往希望第一时间知道一家企业客户在获得贷款后是否面临新的法律诉讼，但是大多数银行使用的方式仅仅是依靠信贷经理不定期手动查询当地法院网站的方式获取信息，这当中存在着巨大的不确定性，一旦信贷经理忘记查询或者操作失误，贷后司法诉讼监控工作将形同虚设。这还不包括持续监控该客户在民间借贷中的申请情况、负债情况和逾期情况等风险点。银行在贷后风险防范过程中的手段和效率都极大地制约了银行风险控制的效果。

成本和效率的矛盾

为了解决信息不对称的问题和信息获取不及时的问题，银行往往需要采集大量的数据来辅助判断。但是数据采集的过程中通常运用的方法是要求借款人或企业补充提供大量的资料，这个过程中涉及到大量的人工成本和时间成本。而为了提高效率，需要搭建一套能够实现部分数据的自动采集，同时需要自动化程度较高的后台管理系统，但是这必须组建专门的工程师团队和进行大量的IT开发工作，对不少中小银行来说也是一个沉重的负担。

大数据征信与贷款风险控制

大数据征信产业的兴起

2015年1月，中国人民银行发印发了《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司、腾讯征信有限公司、拉卡拉信用管理有限公司等八家机构做好为期六个月的个人征信业务准备工作。这意味着，这八家机构或将成为我国首批商业个人征信机构。由此，正式拉开了大数据征信产业的序幕，个人征信市场成长空间已经打开。基于美国个人征信市场达600亿美元的规模，考虑到我国人口基数的庞大，未来发展成熟之后我国的个人征信市场空间很可能达到1000亿元规模。

值得注意的是，大数据征信成为了互联网巨头的必争之地。除了阿里巴巴和腾讯，网络、京东金融、小米金融、360金融等互联网公司也表示将打造互联网征信系统，并有意申请第二批个人征信牌照，部分机构已经向人民银行提交了申请。互联网公司的高调介入表明，一方面互联网公司的创新特性和快速扩张特性给传统征信领域带来了新的活力和机遇，另一方面互联网公司各自不同的大数据优势和应用场景优势，将使得征信市场的竞争日趋白热化。
国内大数据征信产业发展趋势

各类大数据公司介入大数据征信市场，使数据维度和种类相比两年前有了极大的丰富。特别是伴随着移动互联网时代兴起，围绕着移动上网设备信息、地理位置信息、运营商信息的大数据公司和大数据服务层出不穷，并开始运用在P2P的贷款审核和交叉核验流程中。但是，数据的来源和有效性依然制约着大数据征信产业的发展，目前行业依然处于早起的探索阶段，尚未有成熟的“杀手级”应用工具出现。

信息孤岛依然存在。信息孤岛是目前制约国内信贷行业发展的重要因素。信息不对称、不透明，带来了大量的多头负债风险和欺诈风险。在国内大数据征信产业兴起时，市场对于消除信息不透明、打破信息孤岛寄予极大的期待。从目前行业的发展情况来看，信息孤岛在短期内无法完全消失。

首先，公共事业缴费、固定资产、社保、居住等与贷款风险控制息息相关的信息，依然归属于相关政府部门。虽然工商、司法等信息已经向社会开放，但是政府信息开放程度依然较低，这将是一个长期而复杂的过程。

其次，掌握大量公民信息的互联网公司相互之间难以产生信息互通。目前国内社交数据、电商数据、地理位置数据、搜索数据、移动设备使用行为数据等互联网信息分别集中于阿里、网络、腾讯、京东、360等互联网巨头手中，这些公司在跑马圈地的过程中存在着大量的竞争关系，数据互通、信息共享在目前看来可能性极低。

最后，征信公司之间的信息也难以互通。征信公司的核心竞争力在于拥有自己独有的信息。作为直接竞争对手，征信公司之间不可能用自己的核心数据去提升竞争对手的竞争力。可以说，一方面征信公司致力于解决信息不对称，另一方面征信公司也在构建数据壁垒。

应用场景逐渐丰富，组合信用评估或成主流。放眼征信行业较为发达的美国，征信报告的运用早已不仅限于金融领域，例如招聘、租房、租车、相亲等行业和领域都需要使用个人征信报告。随着“互联网+”的推动、大数据概念的提出以及P2P互联网金融的发展，目前国内的征信公司也在应用场景的丰富性上进行着探索和尝试。

从国内大数据征信行业的发展现状来看，由于信息孤岛、数据不完全共享的现状将长期存在，当行业发展到一定阶段，将会产生组合式的信用评估。譬如要求当事人同时出具多家机构的信用报告，从社交、电商、招聘、浏览行为、地理位置等不同角度对当事人做出全息用户画像，判断其综合情况。这是因为单方面的信用评估已不能全面评价一个人，必须发挥出各家大数据征信公司的信息优势才能全面评价。

大数据征信在贷款风险领域的应用案例

反映电商信用行为的芝麻信用。芝麻信用基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据，并与公安网等公共机构以及合作伙伴建立数据合作，数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等等。芝麻信用以芝麻分来直观呈现信用水平，主要包含了用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度，从950～350分划分为5个等级，分数越高代表信用程度越好，违约可能性越低。芝麻征信还出具个人信用报告，其主要由央行征信中心负责提供，记录了个人基本信息、贷款信息、信用卡信息和信用报告查询记录等。

反映互联网社交行为的腾讯征信。腾讯征信的数据更多的是社交数据，其征信产品有两大类别：一是反欺诈产品，包括人脸识别和欺诈评测；二是信用评级产品，包括信用评分和信用报告。腾讯征信反欺诈产品的主要服务对象包括银行、证券、保险、消费金融、小贷、P2P等商业机构，它能帮助企业识别用户身份，防范涉黑账户或有组织欺诈，发现恶意或者疑似欺诈客户，避免资金损失。对于之前没有个人征信报告的蓝领工人、学生、个体户、自由职业者等用户，腾讯通过他们使用社交、门户、游戏、支付等服务，通过海量数据挖掘和分析技术来预测其风险表现和信用价值，为其建立个人信用评分。

反映借款人风险的好贷云风控。好贷云风控是好贷网和全球最大的个人信用评分机构FICO（费埃哲）共同打造的大数据风控平台，整合征信公司、司法数据、工商数据、消费数据等重要数据源头，构建了金融贷款机构风控所需全行业各领域的风险数据库，同时包括反欺诈风险名单库、重大风险识别名单库、贷款申请记录名单库的数据，合计已超过7000万条。多达6000多个维度的数据库不仅能有效补足贷款机构本地的数据库，还能协助其大幅提高反欺诈识别和信用风险识别能力，同时结合FICO的信贷决策引擎为信贷机构提供服务。金融机构不用再投入巨资自建系统，不用花巨大精力和成本寻找各种风控数据。

银行风险控制与大数据征信的结合

大数据难以解决所有问题，但可以作为有效的工具。大数据能为信贷行业带来什么价值？笔者的判断是：大数据在未来一段时间，仍无法解决信贷风控中的所有问题；或者说单纯依靠大数据进行信贷风控、审批全流程的贷款种类还很有限。

但是，大数据已经可以解决信贷行业的一部分问题，并且将发挥越来越重要的作用。比如，大数据在进行反欺诈识别、风险动态监测、用户行为分析、用户画像等领域，都已经有了越来越多的运用。银行机构应当拥抱大数据，敢于和善于运用大数据辅助进行风险把控。
通过大数据，将民间借贷信息对银行透明化。银行机构通过大数据征信的数据，可以了解借款人在民间借贷的信息。目前大数据征信公司提供的民间借贷相关信息主要包含黑名单信息、贷款申请信息和被查询信息。以好贷云风控为例，其包含了各家征信公司的黑名单信息以及好贷云风控平台整合的数十家P2P平台的黑名单信息，同时也包含了好贷网的1000万条贷款申请记录和每个星期增加一倍的被查询信息。这些信息都从侧面反映了借款人的民间借贷情况。通过大数据征信，将能够使民间借贷信息对银行机构越来越透明，识别出更多的民间借贷风险，更好地进行贷款审核和反欺诈识别。

丰富数据维度，提升对信用档案客群风控能力。2014年，美国政策与经济研究委员会（PERC）对于非金融信息（也成为替代性信息）在信贷决策中作用的研究表明：诸如水、电、煤、有线电视、手机等非金融信息纳入征信系统，显著地提高了信用档案在案人群的信贷获得能力。

目前不少银行逐步认识到已经纳入银行传统数据库的信息量并不丰富和完整，开始积极与第三方大数据征信公司频繁接触与接洽合作，如客户信息、银行拥有客户的基本身份信息等。但客户其他的信息，如性格特征、兴趣爱好、生活习惯、行业领域、居住状况等却是银行难以准确掌握的；另一方面对于多种异构数据的分析是难以处理的，如银行有客户的资金往来的信息、网页浏览的行为信息、服务通话的语音信息、营业厅、ATM的录像信息，但除了结构化数据外，其他数据无法进行分析，更谈不上对多种信息进行综合分析，无法打破“信息孤岛”的格局。通过与第三方大数据征信公司的合作，尽力弥补自身在获取信息维度以及数据挖掘和分析能力方面的不足。

综上，笔者认为，在互联网时代和大数据时代的背景下银行如欲进一步加快转型的步伐、实现诚信社会与普惠金融的愿景、肩负信用风险管理重任，就要在信息使用、贷前调查、贷中监控等风险控制方面借助互联网的优势，拥抱大数据征信，充分利用内外各种信息做好客户征信和增信，进一步提高对风险的控制和管理水平，才能立于不败之地。

以上是小编为大家分享的关于大数据征信与银行风险控制创新的相关内容，更多信息可以关注环球青藤分享更多干货

Ⅳ 为什么现在互联网金融那么吃香

金融互联网的特点和发展趋势
在全民理财的时代里，在互联网已改变生活方式的今天，在经济结构调整的进程中，互联网金融正在汹涌而来。网络与金融结合创新的政策环境、市场环境均已具备，网络与金融结合的各类自发自主创新的产品、服务也日趋增多。
网络与金融融合产生的一是金融互联网，二是互联网金融。关于金融互联网与互联网金融的区别，阿里巴巴集团董事局主席马云曾表示，“未来的金融有两大机会，一个是金融互联网，金融行业走向互联网;第二个是互联网金融，纯粹的外行领导，其实很多行业的创新都是外行进来才引发的。金融行业也需要搅局者，更需要那些外行的人进来进行变革。”目前较为一致的观点为，金融互联网为金融机构自发、主动开拓的与互联网融合的合作发展方式。
在证券行业领域，证券公司加快了与互联网融合的步伐，网上开户、网上卖金融产品、与电商联合拓展业务，但这些尝试在性质上依然属于对传统业务的改良，并非对互联网应用的彻底融合。关于传统金融与互联网的关系，目前较为流行的两种观点为“颠覆论”和“融合论”。“颠覆论”认为，互联网金融新模式会颠覆传统金融形式。“融合论”在承认互联网金融对传统金融业带来挑战的同时，认为二者将是互相促进、共同发展的关系。证券公司只要敞开思维，顺应金融生态变化的趋势，充分发挥优势，主动性探讨开拓更多的金融互联网的发展路径，将会在互联网金融的挑战中立于不败之地。
以下主要探讨金融互联网目前呈现的特点，以及结合互联网发展的优势，传统金融在融合互联网基础上的发展趋势。 金融互联网的特点
(一)即时性。平板电脑、手机使用越来越便捷，其随时上网、携带方便、易于操作的特点，使用户可以随时随地享用互联网提供的金融服务。转账、证券交易、支付等金融功能的实现越来越快捷及时，只需在手机等终端按下按键即可。同时，当下的移动网络大多具有推送功能，更能让客户在最短的时间内获得自己想要的信息。
(二)移动化。2007年，iPhone以“重新发明手机”的姿态揭开移动互联网发展大潮的序幕，互联网的移动化趋势正以迅雷不及掩耳之势席卷全球，当前最为流行的移动操作系统Android，截至2013年3月设备激活量已达7.5亿部。移动互联网正从PC互联网的延伸逐渐转变为全新的互联网形态，颠覆着传统互联网模式，移动互联网正在加速主导未来互联网的发展。
移动化趋势在金融互联网的发展中体现日愈明显。手机炒股、网上购买理财产品等网络金融服务已经被越来越多的客户使用。
(三)互动与透明化。典型的移动互联网应用，如手机微信等，使客户可以随时随地查看金融信息，并可以实现双方直接交流沟通。移动互联网将对用户获取金融信息的方式产生重要影响，并使得金融信息更为透明和公开。
(四)低成本。移动互联网使金融产品随时随地交易，降低交易成本。中国互联网信息中心数据显示，截至2012年底，我国使用网上银行的用户规模达2.21亿元，其中手机网上银行用户规模达5407万人;网上支付的用户规模达2.21亿，其中手机支付用户5531万。手机网络商务应用，如网络银行和网上支付等使金融产品可随时购买交易，并且大大降低了交易成本。例如股票、期货、黄金交易、中小企业融资、民间借贷和个人投资渠道等信息快速匹配，极大提高了效率。 畅想金融互联网的趋势
金融互联网在发展运用到极致之后，为人们带来的服务的便利性和创新性，将是充满让人遐想的空间。
(一)移动支付。智能手机的快速普及催生了移动支付这个巨大行业的发展，作为一个拥有10.8亿手机用户、4.2亿手机网民的互联网大国，移动支付有可能变革传统的商品交易模式。 目前互联网实现的一灶扮大金融功能便是移动支付。随着手机、iPad等移动工具的使用，以及支袜绝付宝、财付通等网络支付的运用，让人们随时随地可以上网支付。支付宝正是因为其方便快捷的支付方式，牢牢抓住客户，最终获得认可。 除了支付宝之外，越来越多的第三方机构介入支付市场。第三方支付市场正日益蓬勃发展。今年7月6日，央行发放27家支付牌照。2011年5月26日，央行发放第一批支付牌照。至此，央行已累计发放250张支付机构牌照。资料显示，2012年，我国第三方支付市场规模超过10万亿元。支付机构互联网支付业务快速增长，业务量初具规模，处理互联网支付金额6.89万亿元。
在移动支付的年代，尽量实现账户的告辩姿多功能性，集购物、支付、投资理财等服务功能于一身的账户，才能给客户带来最大的便利性，让客户产生强大的黏性，实现锁定客户的目标。国泰君安万建华董事长曾有一个观点，得账户者得天下。他认为，支付宝、腾讯、淘宝的成功，其中一个核心要素便是账户。近日，央行已经同意国泰君安证券有限公司试点加入人民银行支付系统，该券商投资者可以通过账户像使用网上银行一样在网上购物时用证券账户里的钱付款。这标志着证券公司已经开始介入支付、电商的“大蛋糕”。
(二)大数据分析与挖掘。随着产生数据的终端与平台的快速发展，大数据成了2013年科技界最为火热的话题，依托新兴的大数据分析与挖掘技术，从现有数据平台的海量数据中提取出数据的价值，提供数据分析与挖掘服务，可以帮助企业在提升营销与广告的精准性等方面进行探索。看似指数级膨胀的大数据，貌似负担，实则是无价之宝。借助先进的工具挖掘分析数据，对用户的行为模式进行提炼和分析，可能为公司在发现新的商机、拓展业务等方面带来极大的惊喜。
移动互联网的应用与发展，金融行业整体业务和服务的多样化和金融市场的整体规模的扩大，金融行业的数据收集能力的提高，将形成时间连续、动态变化的金融海量数据，其中不仅包括用户的交易数据，也包括用户的行为数据。对金融数据进行分析，才能快速匹配供需双方的金融产品交易需求，发现隐藏的信息和趋势，进一步发现商机。
在金融领域，越来越多的机构正在充分运用大数据分析。阿里小贷公司便运用交易数据提供信用评估，据此为申请贷款的客户发放贷款。华尔街的投资高手已经开始通过挖掘数据来预判市场走势，比如根据民众的情绪指数来抛售股票，对冲基金根据购物网站的顾客评论来分析企业产品销售状况;银行根据求职网站的岗位数量来推断就业率;投资机构搜集并分析上市企业，从中寻找破产的蛛丝马迹。麦肯锡在一份“大数据，是下一轮创新、竞争和生产力的前沿阵地”的专题研究报告中提出，“对于企业来说，海量数据的运用将成为未来竞争和增长的基础”。

希望采纳！

Ⅳ 如何利用大数据做金融风控

大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另外一个是大数据风控，典型的场景是互联网金融的大数据风控。

金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。

传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据 纬度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人 的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。普惠在线

互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中，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。

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。

常用的互联网金融大数据风控方式有以下几种：

验证借款人身份
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。

如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通／公安局 API接口，将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。

其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。
分析提交的信息来识别欺诈

大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷和学生贷都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往 往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相 同、单位名称相同、甚至居住的楼层和号码都相同。还有一些填写假的小区、地址和单位名称以及电话等。

如果企业发现一些重复的信息和电话号码，申请人欺诈的可能性就会很高。

分析客户线上申请行为来识别欺诈

欺诈用户往往事先准备好用户基本信息，在申请过程中，快速进行填写，批量作业，在多家网站进行申请，通过提高申请量来获得更多的贷款。

企业可以借助于SDK或JS来采集申请人在各个环节的行为，计算客户阅读条款的时间，填写信息的时间，申请贷款的时间等，如果这些申请时间大大小于 正常客户申请时间，例如填写地址信息小于2秒，阅读条款少于3秒钟，申请贷款低于20秒等。用户申请的时间也很关键，一般晚上11点以后申请贷款的申请 人，欺诈比例和违约比例较高。

这些异常申请行为可能揭示申请人具有欺诈倾向，企业可以结合其他的信息来判断客户是否为欺诈用户。
利用黑名单和灰名单识别风险

互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人的恶意欺诈。客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收，M2逾期的回收率在20％左右。

市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，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，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。

黑名单来源于民间借贷、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。另外一个主要来源是催收公司，催收的成功率一般小于于30%（M3以上的），会产生很多黑名单。

灰名单是逾期但是还没有达到违约的客户（逾期少于3个月的客户），灰名单也还意味着多头借贷，申请人在多个贷款平台进行借贷。总借款数目远远超过其还款能力。

黑名单和灰名单是很好的风控方式，但是各个征信公司所拥有的名单仅仅是市场总量的一部分，很多互联网金融公司不得不接入多个风控公司，来获得更多的 黑名单来提高查得率。央行和上海经信委正在联合多家互联网金融公司建立统一的黑名单平台，但是很多互联网金融公司都不太愿意贡献自家的黑名单，这些黑名单 是用真金白银换来的教训。另外如果让外界知道了自家平台黑名单的数量，会影响其公司声誉，降低公司估值，并令投资者质疑其平台的风控水平。

利用移动设备数据识别欺诈
行为数据中一个比较特殊的就是移动设备数据反欺诈，公司可以利用移动设备的位置信息来验证客户提交的工作地和生活地是否真实，另外来可以根据设备安装的应用活跃来识别多头借贷风险。

欺诈用户一般会使用模拟器进行贷款申请，移动大数据可以识别出贷款人是否使用模拟器。欺诈用户也有一些典型特征，例如很多设备聚集在一个区域，一起 申请贷款。欺诈设备不安装生活和工具用App，仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件。

欺诈用户还有可能不停更换SIM卡和手机，利用SIM卡和手机绑定时间和频次可以识别出部分欺诈用户。另外欺诈用户也会购买一些已经淘汰的手机，其机器上面的操作系统已经过时很久，所安装的App版本都很旧。这些特征可以识别出一些欺诈用户。

利用消费记录来进行评分

大会数据风控除了可以识别出坏人，还可以评估贷款人的还款能力。过去传统金融依据借款人的收入来判断其还款能力，但是有些客户拥有工资以外的收入，例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持，拥有较高的支付能力。

按照传统金融的做法，在家不工作照顾家庭的主妇可能还款能力较弱。无法给其提供贷款，但是其丈夫收入很高，家庭日常支出由其太太做主。这种情况，就需要消费数据来证明其还款能力了。

常用的消费记录由银行卡消费、电商购物、公共事业费记录、大宗商品消费等。还可以参考航空记录、手机话费、特殊会员消费等方式。例如头等舱乘坐次数，物业费高低、高尔夫球俱乐部消费，游艇俱乐部会员费用，奢侈品会员，豪车4S店消费记录等消费数据可以作为其信用评分重要参考。

互联网金融的主要客户是屌丝，其电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。

参考社会关系来评估信用情况

物以类聚，人与群分。一般情况下，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，

参考借款人常联系的朋友信用评分可以评价借款人的信用情况，一般会采用经常打电话的朋友作为样本，评估经常联系的几个人（不超过6六个人）的信用评分，去掉一个最高分，去掉一个最低分，取其中的平均值来判断借款人的信用。这种方式挑战很大，只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别，利用其经常通话的手机号在黑名单库里面进行匹配，如果命中，则此申请人的风险较高，需要进一步进行调查。

参考借款人社会属性和行为来评估信用

参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高，其中50岁左右的贷款人违 约率最高，30岁左右的人违约率最低。贷款用于家庭消费和教育的贷款人，其贷款违约率低；声明月收入超过3万的人比声明月收入低于1万5千的人贷款违约率 高；贷款次数多的人，其贷款违约率低于第一次贷款的人。

经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。

午夜经常上网，很晚发微博，生活不规律，经常在各个城市跑的申请人，其带贷款违约率比其他人高30%。刻意隐瞒自己过去经历和联系方式，填写简单信 息的人，比信息填写丰富的人违约概率高20%。借款时间长的人比借款时间短短人，逾期和违约概率高20%左右。拥有汽车的贷款人比没有汽车的贷款人，贷款 违约率低10%左右。

利用司法信息评估风险

涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。

寻找这些涉毒涉赌的嫌疑人，可以利用当地的公安数据，但是难度较大。也可以采用移动设备的位置信息来进行一定程度的识别。如果设备经常在半夜出现在 赌博场所或赌博区域例如澳门，其申请人涉赌的风险就较高。另外中国有些特定的地区，当地的有一部分人群从事涉赌或涉赌行业，一旦申请人填写的居住地址或者 移动设备位置信息涉及这些区域，也要引起重视。涉赌和涉毒的人员工作一般也不太稳定或者没有固定工作收入，如果申请人经常换工作或者经常在某一个阶段没有 收入，这种情况需要引起重视。涉赌和涉毒的人活动规律比较特殊，经常半夜在外面活动，另外也经常住本地宾馆，这些信息都可以参考移动大数据进行识别。

总之，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制信用风险，将资金借给合格贷款人，保证资金的安全。

Ⅵ 哪个机构可以查询信用报告；民间借贷记录、个人大数据信息分析等

目前，国内比较靠谱的网贷征信查询平台主要有：网贷数据库，百行征信，央行征信。

网贷数据库中的数据主要是那些不上银行征信的网贷机构数据。

百行征信统计部分P2P网贷平台的借款数据信息。

央行征信只统计银行以及正规机构贷款的借款数据信息。

普遍来说，如果想要查询详细的网贷大数据报告，那么只需要查询网贷数据与央行征信即可。

网贷大数据能够直接查看绝大部分P2P网贷平台的数据，以及民间借款的详细记录，个人大数据情况等等，

可以在微信查找：佰易数据。

该数据库与98%以上网贷平台合作，查询的数据非常精准全面。

能够查看到用户的申请次数，网贷数据，网黑指数分，命中风险提示，法院起诉信息，仲裁案件信息，失信人信息等数据。

其中，用户可以凭网贷综合信用评分来判断自身是否为网贷黑名单用户。

综合信用分满分为100分，分数越高，信用越好，低于10的用户为网贷黑户。

而命中风险提示则可以帮助用户更好了解到自身的不足，提升网贷平台的审核通过率。

Ⅶ 什么是大数据征信

大数据和征信是两种数据，大数据又称：网贷大数据。

网贷大数据一般为一个用户在网贷平台借款时提交的信息，从放款到还款或者逾期，这些数据都会由网贷公司进行上传至数据库。作为其他网贷平台借款时的审核依据，所以如果网贷逾期了，共享这个数据库的平台就会拒绝这个逾期用户的借款申请。

对于大数据有疑问的，可以在支付宝首页搜索：知否数据。

自行查询大数据报告，如果有违约信息或者法院失信等信息一样会显示出来。

征信统称为：央行征信。央行征信记录的都是银行或者一些持牌机构的数据，为一个人的终身数据，对于用户来说非常重要，房贷和车贷都非常注重一个人的征信资质，如果有未还的贷款，在申请房贷时会被拒绝。

(7)民间借贷大数据分析扩展阅读：

征信数据库

1、企业信用信息数据库

经几百家分支机构历经10年的采集、加工、录入，日常数百名工作人员的优化、维护等辛勤工作，已经拥有了2000多万家中国区域的企业数据库，涉及有价值企业信用信息达亿条，信用信息最远追溯可达8年，建立起了中国最庞大的企业信用信息数据库。

2、企业信用信息分六大类

分别为政府监管信息、银行信贷信息、行业评价信息、媒体评价信息、企业运营信息、市场反馈信息 。

其中政府监管信息包括企业基本资质、质量检查信息、行政许可/认定、行政奖罚信息、商标/专利/著作权信息、人民法院判决；银行信贷信息包括中国人民银行信贷评价信息、商业银行信贷评价信息、小额贷款公司及民间借贷评价信息。

行业评价信息包括行业协会（社团组织）评价信息、水、电、气、通讯等公共事业单位评价信息；企业运营信息包括企业财务信息、企业管理体系评估信息；市场反馈信息（包括消费者、交易对方、合作伙伴、员工等不同身份的实名评价信息）。

Ⅷ 当前民间借贷所存在哪些问题

法律分析：当前民间借贷所存在的问题如下： 1、法律不明确、体制不完善； 2、带有盲目性，风险系数极大； 3、信贷经营者往往经营管理腔改拆能力差。

法伍枣律依据：《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》 第一条 本规定所称的民间借贷，是指自歼粗然人、法人和非法人组织之间进行资金融通的行为。

经金融监管部门批准设立的从事贷款业务的金融机构及其分支机构，因发放贷款等相关金融业务引发的纠纷，不适用本规定。

Ⅸ 进一步分析为什么民间借贷兴盛问题的根源在哪里如何解决

一、民间借贷兴盛原因
1、放款迅速。
2、手续简捷。
3、办理地点方便。
4、借贷来源众多。
5、大部分信任度高于官方。
二、问题根源
主要的只有两个方面：

1、急这所急性。
由于手续操作、用钱的方便，这些能够及时性的提供足量的钱款给需方，及时性和急迫性远比银行这种官方好操作。
2、利推性与益推性。
虽然银行借贷成本较低，可是由于网点的设立不能设到需求人的家中等最近方便地区，这种市场利润的空白区，民间借贷就有优势，虽然成本高，可以相对于快速用钱迟伏及短时钱款的收益而言码毁携，还是很不错的。所以其利润操作再高也有人用。
从公益角度，公众受益面，银行更是远不及民间借贷所能达到的层次。所以在一定程序上地主政府会（非银行系统）一定程度上默许民间借贷的存在。
三、解决方法
1、首先，这个问题，是不可能从根本上解决的。
2、其次，但是可以在宏观层次上进行一定的引导。
3、解决思路。
a、增加网点的设立合理性（前提是网络建设、征信建设得跟得上）。
b、设立多种不同体系的银行借贷方案。不能只以银行受益为标准。比如典型的信用卡，免息期就余腊是很好的例子。如果类似这种免息期的低息方式等又便于取现的细分类银行借贷方式大量存在的话，就可以有效引导人们更多使用银行借贷，减少民间借贷的情况。

Ⅹ 几种常见的民间借贷纠纷分析

近年来，公民、法人等向非金融机构的个人借款的现象越来越多。由于这种民间借贷目前尚存在许多不规范现象，因此酿成的纠纷也就不断出现。笔者根据这几年来钦北区法院受理自然人之间借款纠纷案件进行分析，总结民间借贷中的各类纠纷及风险，并从实务角度探讨各类法律风险的针对性防范措施，以供大家参考。 一、借款未出具借条的纠纷 张某为钦州某镇个体户，2007年亲戚提出向张某借钱盖房，出于亲情的考虑，张某借给亲戚8万元，对方声称半年后归还且没有打借条。随后在张某多次催要下，亲戚只偿还了1万元后便声称无钱再偿还，之后张某再去催要时亲戚更称没有向张某借过钱，让张某去上告。后张某在再次催要时私自录了音作为证据，向法院提起了诉讼，但在诉讼过程中亲戚对借款一事矢口否认，因为张某无法提供其他证据映证亲戚借款的事，最终法院没有支持张某的请求。 因为是熟人之间的借款，且借款的数额一般都不会很大，个人之间的借款通常都不会签订专门的借款合同。且熟人之间借款时相互之间关系非常要好，要求对方出具借条似乎会破坏朋友之间的感情，也会让人产生不信任对方的错觉。所以在借款时很多情况下借款人并未向出借人出具借条，这样就会给出借人收回借款造成法律上的障碍。在借款人不能按时偿还借款时，或者双方关系恶化、破裂后借款人拒绝偿还借款的情况下，借款人只能通过诉讼途径索要，但往往因为没有借条，不能提供当时借款的证据而败诉。 俗话说“亲兄弟明算账”，不管关系多么密切的朋友、还是亲戚，借款时必须出具借条（借据），写明双方的真实姓名，借款数额及具体的还款期限。最好能找个与双方没有利害关系（亲戚）的人作为证人，在借条上签字见证。这样在发生纠纷后，出借方就可依据借条（借据）通过诉讼途径索要。 二、房产证抵押的纠纷 黄某在2006年借给朋友韦某25万元，为使黄某放心，韦某提出以自己位于钦州的一套房产作为抵押并将房产证交给黄某抵押。后韦某未能及时偿还借款，黄某向法院提起诉讼并主张以韦某抵押的房产偿还，但因没有办理房产抵押登记，法院认定抵押判胡无效，判决后黄某去房产局查询后才知道，早在2006年年底，韦某就在房产局办理了房产证的挂失手续，并将房产专卖并过户给了他人，判决内容迟迟不能得到执行。 借款的人为了取得别人的信任，能够顺利获得他人的借款，往往会提出以自己的房产作为抵押并将房产证交给出借人。这样从表面上看，似乎出借人得到了有力的保障，收回借款应该没有问题。但实际上，以房产证作抵押在法律上没有任何效力，出借人的借款同样不能得到任何保障。我国法律规定，以房产作为抵押的，双方必须到房地产管理机构办理抵押登记，债权人拿到他项权（抵押）证或者管理部门在房产证上盖章确认，并注明担保的数额、抵押的期限后该抵押始产生法律效力。在借款人到期不能偿还借款时，出借人就可申请法院以抵押的房产变卖、拍卖的价款优侍芦先偿还借款。如果双方只是达成口头一致，或者签订了书面的抵押合同，但并没有办理房产的抵押登记手续，抵押是无效的，出借人并不能通过抵押的房产优先收回借款。在没有办理抵押登记的情况下，出借人所持有的房产证也不能起到约束借款人偿还借款的作用。 所以，在他人提出借款并以房产抵押担保时，就应当明确要求对方进行房产抵押登记，以便将来能够顺利收回借款。 三、还款后没有收回、销毁借条的纠纷 2004年王某向生意伙伴李某借款10万元，双方未约定还款的期限，王某向李某出具了借条。2005年前后，因为财务账目上的原因，两个人终止了生意上的合作，王某一次性偿还了借款，李某在拿回借款时向王某出具了收条，并承诺回去后立即销毁借条。但半年之后，李某持借条向王某要求还款，王某拿出李某的收据并坚持已经全部偿还了借款，没料李某趁王某不备撕毁收条随后向法院起诉要求王某还款。 向他人借款时，出具借条是正常的、合理的。但因为私人之间的借款一般没有签订借款合同，双方只是口头约定还款的时间，借条上也常常只注明借款的数额，并不会写明还款的期限。所以借款往往不会一次性偿还，而是在出借人的多次催要下分批老冲带偿还。在此过程中，双方往往会因为催要借款而发生不愉快，关系恶化甚至断绝关系、互相仇恨。同时，在借款人偿还借款时，往往会因为出借人没有将借条带在身边，不能立即收回借条，也不能在借条上加注还款的情况。这样在借条没有销毁或收回的情况下，会给借款人埋下不可预知的隐患和风险，实践中出现过多起出借人在得到还款后，再次拿借条索要借款的情况。 所以，在借款时向他人出具了借条的情况下，还款时一定要及时收回借条，或者让出借人当面销毁借条；不能立即收回、销毁的，必须让出借人出具收条，写明还款情况，作为自己已经偿还借款的证据，以防止日后出具人以借条为依据重复索要。分次偿还等情况下无法收回、销毁的，应当在借条上注明还款数额、日期等，或者让出借人出具当期还款的收据，这样才能避免不必要的纠纷和麻烦。 四、借条非借款人本人书写的纠纷 赵某向好友王某借款2万元，借款时赵某主动提出一定要给王某打借条，并说自己几乎不会写字，让王某先写好借条后自己签字，在王某写好借条后，赵某开玩笑说“我们两个的关系，你还不放心我吗？这东西给你老婆看的，我的字难看，你替我写上名字吧”，王某没在意，就随手替赵某书写了签名。后两家因琐事闹翻，王某索要借款遭到拒绝，提起诉讼后经法院委托鉴定，借款人赵某的名字并非本人书写，借条不真实，王某的请求没能得到支持。 向他人借款时，根据出借人的要求，借款人会出具亲笔书写的借条，或者在他人已经写好的借据上亲笔签名、盖章（摁手印），表明借款事实。但有时也会发生借条上借款人的签名并非本人亲笔书写的情况，这种情况多出现在双方是非常要好的朋友或亲戚的场合，如借款人开玩笑说“我你还不放心吗？”“你就把我的名字签上吧”“谁写都一样、反正我会及时还的”等等；在农村，部分人不会自己书写自己姓名的情况下，这种情况也常有发生。从法律上讲，如果借条上的借款人姓名并非借款人亲笔书写，借条是不具有法律效力的，在借款人拒绝偿还借款时，即使出借人拿出借条作为证据，法院在确认并非借款人亲笔签名的情况下，也无法认定双方之间借款的事实。 所以，借条一般要借款人亲笔书写并签字，并盖上手印；如果借款人因无法书写等原因不能亲笔签名的，一定要盖上手印，并找他人见证并以见证人身份签字或者盖章加手印，也可以让借款人在盖章的同时对双方的谈话内容进行录音，用以补充佐证，这样才能万无一失。 五、诉讼时效的纠纷 2002年，陈某将一笔钱借给他人，约定半年后归还，到期后陈某多次催要，但每次都是陈某自己单独去借款人家里、或者通过电话催要，并没有保留催要的证据。反复催要无果后，谢某于2007年将借款人告上法庭，但借款人却认为该债权已经超过法定的诉讼时效，陈某声称自己多次催要并反复陈述去借款人家里的情景，但因为无法提供实质、有效的证据，最后未能得到法院的支持。 自然人之间借款时，一般会口头约定还款的期限，在出具借条时，有时会将还款期限写明，有时则不会写明具体的还款期限。借款到期后，出借人要及时催要借款，但在很多情况下，借款人都无法按照双方的约定按时一次性归还借款，在这过程中出借人可能会多次催要，远远超过两年的时间。根据我国法律的规定，借款的诉讼时效为普通时效，即两年。自当事人知道或应当知道自己的权益被侵害之日（指借条上写明的归还日期，或者前一次催要之日）开始计算，超过两年的，即丧失了胜诉权，债权便不会得到法律上的保护。出借人通常是以口头或电话方式催要，一般都不会注意保留曾催要使诉讼时效中断的证据，这样在提起诉讼要求对方还款时，往往会因为借款已经超过诉讼而得不到偿还。 所以，借款到期后，出借人一定要在两年内及时催要，且以后每次催要的时间间隔不能超过两年。在催要时尽量出具书面的催款资料，并让借款人在资料上签字确认，或者采用录音的方式保留催要的证据，数额较大时也可选择公证方式保留证据，这样享有的债权才不会超过法定的诉讼时效。 六、借款利息的纠纷 甲于2005年向乙借款12万元，借期2年，借款时双方商定利息为2万元，在借款到期时一起结算。乙给甲出具借条，借条上写明数额及还款日期，但并没有注明利息计算标准及支付方式。后在乙没有归还借款的情况下，甲起诉到法院，要求乙归还借款本金和利息，但法院只判决乙偿还甲借款本金，并没有支持其支付利息的请求。 我国《合同法》第211条规定，自然人之间的借款合同约定支付利息的，借款的利率不得违反国家有关限制借款利率的规定。所以对于民间借款，只有双方在合同中明确约定，或者在借条上注明利息的计算方法的，借款人通过诉讼途径要求归还借款并主张利息时，才能得到法律的保护；如果双方仅是口头的约定，而没有将利息的相关约定明确在合同或借条上，就不能要求借款人支付利息。 2004年张某借给王某20万元用于生意，双方签订了借款合同，2年后归还，双方商定利息为10万元。为了获取高额利息，张某如期将款打入王某帐户，但到期后王某无力归还，后张某起诉到法院，要求王某偿还本金及利息共30万元，法院只支持了张某本金的请求权，利息按照同期银行贷款利息标准计算。 民间借贷在很多情况下，双方约定的利息都比较高，而且出借人往往是为了获取比银行存款更高的利息将钱借给他人。但依据我国法律的规定，民间借款的利率可以适当高于银行利率，但最高不得超过银行同类贷款利率的四倍。对于约定的利率高于银行同类贷款利率四倍的，高出部分是无效的，将不会得到法律的保护。对于那些想要靠所谓的“高利贷”而获利的人来讲，应当谨慎为之。