大数据信用评级:保持手机高电量会让你更容易贷到款?

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

全世界有四分之一的人没有银行账户,没有信用记录也没有财务特性,这说明他们没办法借到钱。现在几个初创公司试着把这20亿人带入国际金融系统,通过监控手机使用和其他个人习惯来估计信用等级。

这些公司说用手机的习惯,网络浏览和社交媒体组合,公共事业付款记录以及心理测试能够给贷款人新的方法去评估一个潜在的借款人。在他们眼里:

不让自己手机电池电量变低的人能够及时的支付贷款还款。相比拨出电话多的人,能接到更多电话的人的风险更低。

能用聊聊几句来表示出自己贷款用途的人更好比是一个小说作家。

“如果这些模型中的任何一个是成功的,那么无论是金融服务领域还是国际发展,这个的成果是巨大的”Paul Christensen,这位西北大学的金融教授如此说到,“整个新市场将被开启。”

位于汉堡的Kreditech公司,既是最大的信用评分新兴公司也是唯一的应用该评分的贷款公司。Sebastian Diemer,作为这家公司联合创始人及CEO表示,该公司目标成为新兴市场中消费贷款的亚马逊。自从2012年该公司成立以来,已经在金融领域的业务量超过3亿六百万欧元(3亿2千6百万美元)。他的投资人包括paypal的联合创始人Peter Thiel,私募基金公司J.C. Flowers,以及风险投资公司Amadeus Capital Partners。

公司的算法生成器有着超过20000个数据节点,包含网上购物历史记录、智能手机的地理位置信息以及其它一些类似信息。他们从那些愿意适当牺牲部分隐私的申请者那里获得授权并进行采集。
当Kreditech进入一个新市场时,会给予100欧元的初始贷款,并获取申请者的财务历史记录来优化其模型。该公司的业务在快速发展并在9个国家内扩展,包含俄国、西班牙、波兰,并以每年一亿两千万欧元的速度发放贷款。他们已评估超过两百万申请者,批准了其中15%的,整体的贷款损失率约15%。

一些新公司希望超越数据挖掘,EFL Global已经设计了一个30分钟的测试来度量信用信誉,这个测试无需通过互联网接入,可以通过移动设备及电脑进行该测试。公司Revolution Credit已经开发了益智类的游戏来测试贷款申请者并教会他们一些财务基础知识。那些发起该类服务的贷款人可以使用该部分结果作为贷款评估的一部分。

信用信誉的关键点可以从一个人的日常生活中发现。“对于人们购买移动手机的通话时间而言,在每周相同日期购买相同数量的人的信用风险要低于一次购买大量通话时间的人。从而失去其相应的账户活力。”First Access的联合创始人及CEO,Nicole van der tuin 如此说。当一个电话每天一直显示在同一个地方,那经常标志着所有者很有可能在工作。

传统 的信用风险评估对这些创业公司而言,已经忽视了社会资本的重要性。除了作为实际的银行声明,移动电话以及网络的足迹表明了社会是如何对待该潜在借款人的。新加坡公司Lenddo的创始人及董事长Jeff Stewart说,一个人的朋友圈也影响着他自身的信誉,例如他是否肥胖、是否有吸烟的习惯。如果借款人的朋友能准时付账单,那么借款人自身可能也是非常可靠的。Stewart 说,Lenddo公司的评估社会标准的系统帮助拉丁美洲的借款人减少了一半的贷款初始额度。

世界银行总裁Jim Yong Kim在四月时发起了一个活动,志在在2020年前普遍实现该种金融评估模式。在演讲中,他经常说到在达到这个目标是过程中,新科技将扮演一个鉴定的角色,政策经济研究所的创始人Michael turner认为,这新的信用评分方式将推动传统借款人使用更大范围的信息,并且他的目标就是将金额服务带给全世界更多的人。他认为“大数据的崛起让互联网人士以及数据提供商相信他们现在就坐在一个金矿上”。

原文发布时间为:2016-01-08

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
uniapp小程序单页面改变手机电量,头部通知的颜色效果demo(整理)
uniapp小程序单页面改变手机电量,头部通知的颜色效果demo(整理)
|
10月前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
1758 8
|
存储 Java 大数据
JavaSE综合练习之大数据手机商城
JavaSE综合练习之大数据手机商城
67 0
|
Android开发 数据格式 XML
|
机器学习/深度学习 大数据

热门文章

最新文章