深耕大数据征信 麦芽数据即将迎来A轮融资

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:

当前,我国经济增长速度放缓,消费金融异军突起,逐步成为稳定经济增速、拉动内需的重要载体。同时,随着居民消费观念的变化,提前消费被普遍接受,消费信贷需求越发强烈。

有业内专家评估,现下个人消费信贷已有千亿美元的市场,未来会达到万亿美元。而征信体系是当下最大的“软肋”,中国现有的征信系统覆盖率仅为38%,近9亿的国人无法充分享受金融服务,以央行为主导的征信系统在数据覆盖面上远远不能满足信贷需求,这也为征信市场带来发展机遇。据平安证券发布的研究报告显示,中国个人征信市场预计规模将达千亿元。

强烈的市场需求,不足的市场供给,已火热点燃了我国征信行业。市场上主要有两类个人征信机构:一类来自金融机构布局,如平安银行旗下的前海征信,依托平安集团的金融经验,研发了多款征信产品和服务;另一类由互联网巨头打造,如蚂蚁金服的“芝麻信用”,借助电商平台的优势,结合用户资料、消费分析等数据,为用户评定信用分数。

这两类个人征信机构各有千秋,依靠的数据来源、评分体系均不相同,然而纵使机构跑马圈地、各显神通,从严谨的征信角度来看,各家所掌握的数据也只是征信服务中的一角,数据孤岛成为征信行业内最大的问题。个人征信行业所需的三大类数据——金融数据、政府公共服务数据和生活消费数据,分别散落在各主体机构中,此外大量的民间借贷、互联网金融数据也未能实现统一的征集和标准化处理。对庞大而杂乱的数据进行全方位的收集和科学的分析也成为另一难点。

在此背景下,以技术为驱动的第三类大数据征信公司正在兴起,这类公司对接主流征信机构,打破数据孤岛,并利用自身的大数据技术优势,对收集的数据进行有效的分析和整理。

如金融科技公司麦芽数据,整合了第三方权威征信机构和互联网数据服务提供商,数据接口可覆盖全国80%人群,实现了大规模的数据共享。在数据挖掘和分析方面,麦芽数据自建大数据信贷决策模型,围绕金融数据、消费数据和安全数据,全方位收集用户的身份特质、信用历史、行为偏好、财富水平、人脉信息等多维度信息,极细化用户画像,并通过信用规则验证、黑白名单验证、用户身份认证、实名认证及手机认证、系统反欺诈规则验证五个验证环节进行交叉验证,确保数据的严谨性,最后借助最前沿的机器学习、深度学习算法量化信用评估。

据了解,麦芽数据已服务多家金融机构,在深耕大数据征信领域时,以互联网消费金融为切入点,通过场景化产品,对数据进行积累,为需求单位优化出高精准、模块化的数据资料。

据麦芽数据创始人梁振邦介绍,以互联网消费金融切入出于三方面考量。首先,在征信数据类型中,信贷金融交易数据属于强变量,通过消费场景积累出来的征信数据价值较高。其次,互联网消费金融的用户多数是年轻人,正是国家普惠金融的重要群体,这部分征信材料的补充对国家征信体系的完善也有着非凡意义。此外,大数据征信和消费金融是个双向促进公式,大数据征信的应用可有效提高金融风控能力,促进消费金融的发展,同时,随着消费金融市场的扩大,大数据征信需求逐增,数据积累也越发成熟。

以麦芽数据旗下一款小额信贷APP为例,为都市新蓝领和小白领提供极速小贷和信用分期借贷服务,用户定位正是征信缺失人群。依托麦芽数据大数据风控体系,麦芽贷上线8个月,注册用户已超过百万,提供超过20万笔的借贷服务。仅通过麦芽贷这个平台,麦芽数据便积累了百万名用户的借贷数据,重复借款、无逾期的用户,还会获得信用累计,提高评分额度。经过系统梳理,这些数据分门别类进入麦芽数据的黑白名单征信库中。

除了深耕大数据征信领域,麦芽数据还提供一整套的大数据风控体系,提供贷前、贷中、贷后的全流程解决方案。凭借出色的技术和产品优势,麦芽数据顺利获得资本市场的认可,据透露,继今年上半年天使轮融资后,麦芽贷即将迎来A轮融资。

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
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
334 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
50 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
89 1
|
2月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
56 3
|
28天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
68 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
68 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
115 2