大数据征信平台Perfios获得610万美元投资,但印度的征信才刚起步

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

 

日前,36氪获悉,印度大数据征信平台 Perfios 宣布获得 610 万 A 轮美元投资。投资方为 Bessemer Venture Partners 等机构。

根据 Perfios 官网信息,Perfios 创立于 2008 年,主要提供财报分析、电子化验证、API 外接、企业征信报告和行业数据分析等主要五个功能。

目前来看,Perfios 主要有B2C 和 B2B 两块的服务。在 2C 这边,主要是提供个人财务管理的解决方案,即尽量以自动化的方式(如在用户刷卡消费后,自动调取相应数据等)来统计、汇总和分析用户日常支出与收入,得到数据化的表单和图例,帮助用户做财务管理。据悉该项业务已经部署了近 6 年,已有超过 50000 名注册用户。

大数据征信平台Perfios获得610万美元投资,但印度的征信才刚起步

其官网页面

而在 2B 业务上,对象主要是针对各种银行和企业,Perfios 可以自动完成原来手动完成的 KYC 财务核准的全过程,进而加快 B 端机构对于客户理财需求(贷款,信用卡,保险等)的过审时间。Perfios 方面认为,有他们的技术加持,上述操作过程可以降低一部分人工成本,同时也提升了精度和用户体验,利于获客。据了解,Perfios 现支持超过 1000 种不同类型的数据源处理。

当然,就如今印度的征信水平来说,仍然处于一个相当早期的阶段。以较为成熟的美国征信行业为例,其发展大体经过了萌芽初创、快速发展、法律完善、兼并整合、稳定发展等五个阶段。而印度的征信尚处在第一个阶段,仍有很长的路要走。

其中一个最为关键的因素即在于数据的缺乏。截至去年年底,在印度国内大约有2000万张信用卡,而能够使用这些卡片的终端只有120万台,全国仅60万商户有POS机(平均每家拥有不到2台)。因此其能够收集到的数据极为有限。而在征信行业的产业链中,主要包括数据收集、数据处理、形成产品和产品应用四个环节,因此如果数据的获取都有难度,那后面更关键的数据处理和形成产品就不用谈了。

另外一点在于这些数据的获取渠道,有熟悉印度的业内人士表示,印度的银行和大型金融机构基本掌握在大家族手上,因而如果想要让这些掌握着大量数据的机构对其开放,搞定这些渠道很重要。

当然,随着印度目前诸如电商、车行市场的逐渐成熟,伴随着这些消费场景而生的数据也会不断建立起来,未来可见的是,印度市场上的征信机构会越来越多,也会逐渐向早期美国征信发展的繁荣期过渡。即由自上而下推动过渡到自下而上推动,由征信机构自由成长、层出不穷到兼并整合、巨头逐渐突显,整个过程是纯市场化运作,政府不参与其中,只是进行市场协调、立法执法活动。

回到国内,中国征信业也处在激烈的数据争夺战中,而且民营征信机构已在企业征信领域中地位渐显,但回到个人征信领域,则还是处于从公共向市场化过渡的阶段。

芝麻信用、腾讯征信、前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用以及华道征信等八家试点机构至今尚未获得个人征信牌照。背后反映出央行在试点过程中发现的诸如采集方式不当、滥用数据、侵犯合法权益、授信不平等问题。

如果未来这些问题依靠行业自检、政府立法等内外措施予以规范后,那适时开放的个人征信牌照必然能够有效促进市场进一步放开和更多机构参与进来。

据了解,目前公司有55名员工,服务120位企业客户,包括:HDFC银行,Axis银行,Yes Bank, Bajaj Finserv和LedingKart等。公司本次融资目的是国际化拓展,拓展到中东和东南亚市场。

日前,36氪获悉,印度大数据征信平台 Perfios 宣布获得 610 万 A 轮美元投资。投资方为Bessemer Venture Partners 等机构。

根据Perfios 官网信息,Perfios 创立于 2008 年,主要提供财报分析、电子化验证、API 外接、企业征信报告和行业数据分析等主要五个功能。

目前来看,Perfios 主要有B2C 和 B2B 两块的服务。在 2C 这边,主要是提供个人财务管理的解决方案,即尽量以自动化的方式(如在用户刷卡消费后,自动调取相应数据等)来统计、汇总和分析用户日常支出与收入,得到数据化的表单和图例,帮助用户做财务管理。据悉该项业务已经部署了近 6 年,已有超过 50000 名注册用户。

其官网页面

而在 2B 业务上,对象主要是针对各种银行和企业,Perfios可以自动完成原来手动完成的 KYC 财务核准的全过程,进而加快 B 端机构对于客户理财需求(贷款,信用卡,保险等)的过审时间。Perfios 方面认为,有他们的技术加持,上述操作过程可以降低一部分人工成本,同时也提升了精度和用户体验,利于获客。据了解,Perfios 现支持超过 1000 种不同类型的数据源处理。

当然,就如今印度的征信水平来说,仍然处于一个相当早期的阶段。以较为成熟的美国征信行业为例,其发展大体经过了萌芽初创、快速发展、法律完善、兼并整合、稳定发展等五个阶段。而印度的征信尚处在第一个阶段,仍有很长的路要走。

其中一个最为关键的因素即在于数据的缺乏。截至去年年底,在印度国内大约有2000万张信用卡,而能够使用这些卡片的终端只有120万台,全国仅60万商户有POS机(平均每家拥有不到2台)。因此其能够收集到的数据极为有限。而在征信行业的产业链中,主要包括数据收集、数据处理、形成产品和产品应用四个环节,因此如果数据的获取都有难度,那后面更关键的数据处理和形成产品就不用谈了。

另外一点在于这些数据的获取渠道,有熟悉印度的业内人士表示,印度的银行和大型金融机构基本掌握在大家族手上,因而如果想要让这些掌握着大量数据的机构对其开放,搞定这些渠道很重要。

当然,随着印度目前诸如电商、车行市场的逐渐成熟,伴随着这些消费场景而生的数据也会不断建立起来,未来可见的是,印度市场上的征信机构会越来越多,也会逐渐向早期美国征信发展的繁荣期过渡。即由自上而下推动过渡到自下而上推动,由征信机构自由成长、层出不穷到兼并整合、巨头逐渐突显,整个过程是纯市场化运作,政府不参与其中,只是进行市场协调、立法执法活动。

回到国内,中国征信业也处在激烈的数据争夺战中,而且民营征信机构已在企业征信领域中地位渐显,但回到个人征信领域,则还是处于从公共向市场化过渡的阶段。

芝麻信用、腾讯征信、前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用以及华道征信等八家试点机构至今尚未获得个人征信牌照。背后反映出央行在试点过程中发现的诸如采集方式不当、滥用数据、侵犯合法权益、授信不平等问题。

如果未来这些问题依靠行业自检、政府立法等内外措施予以规范后,那适时开放的个人征信牌照必然能够有效促进市场进一步放开和更多机构参与进来。

据了解,目前公司有55名员工,服务120位企业客户,包括:HDFC银行,Axis银行,Yes Bank, Bajaj Finserv和LedingKart等。公司本次融资目的是国际化拓展,拓展到中东和东南亚市场。



   


 


  

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
163 1
|
1月前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
177 3
【赵渝强老师】基于大数据组件的平台架构
|
2月前
|
机器学习/深度学习 监控 搜索推荐
电商平台如何精准抓住你的心?揭秘大数据背后的神秘推荐系统!
【10月更文挑战第12天】在信息爆炸时代,数据驱动决策成为企业优化决策的关键方法。本文以某大型电商平台的商品推荐系统为例,介绍其通过收集用户行为数据,经过预处理、特征工程、模型选择与训练、评估优化及部署监控等步骤,实现个性化商品推荐,提升用户体验和销售额的过程。
98 1
|
4月前
|
搜索推荐 OLAP 流计算
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
62 1
|
4月前
|
数据可视化
Echarts数据可视化大屏开发| 大数据分析平台
Echarts数据可视化大屏开发| 大数据分析平台
|
5月前
|
SQL 分布式计算 大数据
大数据处理平台Hive详解
【7月更文挑战第15天】Hive作为基于Hadoop的数据仓库工具,在大数据处理和分析领域发挥着重要作用。通过提供类SQL的查询语言,Hive降低了数据处理的门槛,使得具有SQL背景的开发者可以轻松地处理大规模数据。然而,Hive也存在查询延迟高、表达能力有限等缺点,需要在实际应用中根据具体场景和需求进行选择和优化。
|
5月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何在MaxCompute上使用Protobuf处理数据
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
5月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何实现数据在MaxCompute中是永久的
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
5月前
|
存储 分布式计算 Hadoop
阿里巴巴飞天大数据架构体系与Hadoop生态系统的深度融合:构建高效、可扩展的数据处理平台
技术持续创新:随着新技术的不断涌现和应用场景的复杂化,阿里巴巴将继续投入研发力量推动技术创新和升级换代。 生态系统更加完善:Hadoop生态系统将继续扩展和完善,为用户提供更多元化、更灵活的数据处理工具和服务。
|
5月前
|
存储 分布式计算 并行计算
使用Hadoop构建Java大数据分析平台
使用Hadoop构建Java大数据分析平台