本報(bào)告于2016年5月在北京正式發(fā)布，并廣受好評。我們希望在金融市場快速發(fā)展、金融市場波動(dòng)加劇、經(jīng)濟(jì)轉(zhuǎn)型進(jìn)行深入階段的今天，這份報(bào)告能夠?qū)τ谄栈萁鹑跇I(yè)務(wù)模式、產(chǎn)品形態(tài)、信用衡量、技術(shù)運(yùn)用、風(fēng)控制體系的探索，更需要在實(shí)踐中不斷總結(jié)、試錯(cuò)并繼續(xù)前行，希望本次報(bào)告是一個(gè)重要的開始，激發(fā)業(yè)界、學(xué)界與監(jiān)管者等各方更多討論與思考，共同推動(dòng)普惠金融在理論和實(shí)踐上的發(fā)展。文哈佛商業(yè)評論

技術(shù)變革助力信用價(jià)值創(chuàng)造

人人有信用，信用有價(jià)值

在現(xiàn)代社會，“信用”被賦予了多重含義，簡單來講，信用就是誠實(shí)不欺、講求信用、恪守諾言、遵守規(guī)則。從道德角度來看，信用是指參與社會和經(jīng)濟(jì)活動(dòng)的當(dāng)事人之間建立起來的、以誠實(shí)守信為道德基礎(chǔ)的履約行為；從法律角度來看，信用是履行合同內(nèi)容所確定的責(zé)任和義務(wù)；從經(jīng)濟(jì)學(xué)角度來看，信用則是指商品交換或者其他經(jīng)濟(jì)活動(dòng)中授信人在充分信任受信人能夠?qū)崿F(xiàn)其承諾的基礎(chǔ)上，用契約關(guān)系向受信人放貸，并保障自己的本金能夠回流和增值的價(jià)值運(yùn)動(dòng)。由此，信用構(gòu)成了人際交往、交易實(shí)現(xiàn)、借貸關(guān)系的根本要素。

信用的價(jià)值創(chuàng)造與經(jīng)濟(jì)中的交易密切相關(guān)。信用作為交易的前提，是交易正常進(jìn)行的重要紐帶，而交易則是價(jià)值增值的源泉?jiǎng)恿?。?jīng)濟(jì)人往往深諳信用的重要性，一旦信用缺失，交易便會全面擱置，價(jià)值創(chuàng)造的路徑即被阻隔。同時(shí)，交易行為的完整進(jìn)行也會產(chǎn)生信用增進(jìn)，只有信用不斷積累才能不斷的擴(kuò)展交易范圍及規(guī)模，個(gè)人價(jià)值或企業(yè)價(jià)值才能進(jìn)一步提升。因此，信用創(chuàng)造價(jià)值早已超越了單純的道德本身，信用的根本價(jià)值在于降低交易成本、熨平交易波動(dòng)、追求價(jià)值增值。

生活中的信用有多種表現(xiàn)形式，每個(gè)社會人都在直接或間接參與信用活動(dòng)并由此產(chǎn)生自身信用積累，即“人人有信用”。根據(jù)受信對象的性質(zhì)不同，信用可分為組織信用和個(gè)人信用兩類。組織信用包括政府、企業(yè)等各種社會組織的信用，而個(gè)人信用則是個(gè)人行為的體現(xiàn)，也是組織信用構(gòu)成的基礎(chǔ)。將信用上升到數(shù)據(jù)層面，即可得到包含基本信息、交易數(shù)據(jù)、金融數(shù)據(jù)等在內(nèi)的信用數(shù)據(jù)庫。在現(xiàn)代生活中，無論是人際交往還是交易活動(dòng)，信用隨之產(chǎn)生且易被大數(shù)據(jù)所捕捉，伴隨著個(gè)人和企業(yè)的存續(xù)而持續(xù)存在。而任何一條信用數(shù)據(jù)都可以作為價(jià)值創(chuàng)造的基礎(chǔ)。通過信用的價(jià)值創(chuàng)造以及交易的相互作用，形成價(jià)值規(guī)模的增長，即信用創(chuàng)造價(jià)值。

信用管理與信用價(jià)值維系

信用的價(jià)值創(chuàng)造離不開信用的維系與有效管理。所謂信用管理，就是授信者對信用交易進(jìn)行科學(xué)管理以控制信用風(fēng)險(xiǎn)的專門技術(shù)。信用管理的主要功能包括五個(gè)方面：征信管理（信用檔案管理）、授信管理、賬戶控制管理、商賬追收管理、利用征信數(shù)據(jù)庫開拓市場或推銷信用支付工具。

在現(xiàn)代社會，個(gè)人信用信息管理主要是指國家機(jī)關(guān)在社會管理和執(zhí)法過程中，按照相關(guān)法律規(guī)定，將個(gè)人居住地點(diǎn)、學(xué)習(xí)工作經(jīng)歷、財(cái)產(chǎn)收入狀況、履約情況等涉及個(gè)人信用的基本信息，動(dòng)態(tài)、全面、系統(tǒng)地記錄、采集和整理，形成國家統(tǒng)一的個(gè)人信用信息數(shù)據(jù)庫。國家機(jī)關(guān)有權(quán)在行使職責(zé)的過程中按照規(guī)定的權(quán)限和程序利用，個(gè)人也可根據(jù)需要自行或授權(quán)特定單位和客戶查詢利用屬于自身范疇的信用信息。企業(yè)作為獨(dú)立的法人實(shí)體，同樣是信用管理的重要參與主體，企業(yè)需按照法律規(guī)定，提供辦公地點(diǎn)、經(jīng)營情況、財(cái)務(wù)狀況等相關(guān)的基本信息，并全面計(jì)量、記錄和整理與企業(yè)相關(guān)的資金流向及稅收繳納等信息，形成統(tǒng)一的企業(yè)信用數(shù)據(jù)庫，并在國家規(guī)定的權(quán)責(zé)范圍內(nèi)按照規(guī)定及權(quán)限合理利用信用信息。

信用信息以數(shù)據(jù)的形式得以存儲，隨著信用活動(dòng)的發(fā)生和發(fā)展，不斷積累完善，形成了信用價(jià)值的直觀反映和判斷依據(jù)。個(gè)人和企業(yè)信用信息被廣泛的應(yīng)用于信貸審核的條件中，作為信貸額度和信貸審批的重要環(huán)節(jié)。對于金融企業(yè)來講，良好的信用管理能夠降低壞賬形成的可能性，提升后續(xù)信貸的可持續(xù)性。

技術(shù)革新應(yīng)對中國信用困境

中國信用困境

1，社會成員的信用信息并不完善，且缺少整合。我國目前尚未建立完全覆蓋全社會的征信系統(tǒng)。中國人民銀行提供的數(shù)據(jù)顯示，截至2014年年末，企業(yè)征信系統(tǒng)累計(jì)收錄企業(yè)和其他組織1969萬戶，個(gè)人征信系統(tǒng)累計(jì)收錄自然人數(shù)8.57億，約占13.54億人口中的63.3%，仍遠(yuǎn)低于美國征信體系對人口的85%的覆蓋程度。中國人民銀行征信系統(tǒng)中，對于自然人和法人的信用記錄主要涉及其與銀行體系的交易活動(dòng)，即信息覆蓋面主要集中在信貸系統(tǒng)，而對于個(gè)人其他經(jīng)濟(jì)活動(dòng)和社會活動(dòng)尚缺乏信用報(bào)告。

銀行有金融借貸數(shù)據(jù)，工商部門有公司登記、信用、罰款等等這些記錄，交通部門有違章記錄，電信部門有手機(jī)費(fèi)的記錄，公安、檢察、法院等部門有立案、訴訟、審理、執(zhí)行等記錄。但是，這些信息沒有交互，沒有共享，沒有匯總，只是一個(gè)又一個(gè)的數(shù)據(jù)孤島，所以導(dǎo)致這些數(shù)據(jù)的價(jià)值沒有發(fā)揮整合效應(yīng)。

2，信用服務(wù)的市場不成熟，征信機(jī)構(gòu)受制于信息數(shù)據(jù)獲取的不全面，并不能提供滿足征信市場需求的產(chǎn)品及服務(wù)。官方數(shù)據(jù)顯示，中國現(xiàn)有各類征信機(jī)構(gòu)、評級機(jī)構(gòu)150多家，年收入僅20多億元人民幣。且中國人民銀行征信中心網(wǎng)站上顯示，征信機(jī)構(gòu)從信用信息產(chǎn)生的源頭采集信息，具體來說，征信信息主要來自以下兩類機(jī)構(gòu)：提供信貸業(yè)務(wù)的機(jī)構(gòu)。主要是商業(yè)銀行、農(nóng)村信用社、小額貸款公司等專業(yè)化的提供信貸業(yè)務(wù)的機(jī)構(gòu)。其他機(jī)構(gòu)，包括個(gè)人住房公積金中心、個(gè)人養(yǎng)老保險(xiǎn)金等機(jī)構(gòu)。目前，已有數(shù)家新興互聯(lián)網(wǎng)金融公司被納入到中國人民銀行征信系統(tǒng)中，但相比于互聯(lián)網(wǎng)金融企業(yè)數(shù)量，互聯(lián)網(wǎng)金融企業(yè)的征信難題仍然沒有解決?？傮w上看，中國征信機(jī)構(gòu)規(guī)模小，服務(wù)和產(chǎn)品種類少，信息獲取難度大，難以滿足社會經(jīng)濟(jì)發(fā)展對征信產(chǎn)品和服務(wù)的需求。
可見，當(dāng)前信用數(shù)據(jù)既不足量，也不全面。由于缺少充分全面的信用數(shù)據(jù)支持，我國P2P發(fā)展過程中伴隨著大量的跑路現(xiàn)象，信息不對稱給投資者帶來了巨大損失，也掣肘了普惠金融的健康發(fā)展。目前，互聯(lián)網(wǎng)金融企業(yè)所提供的大部分普惠金融服務(wù)對貸款風(fēng)險(xiǎn)控制機(jī)制有特殊要求且對貸款審批速度要求較高。信用數(shù)據(jù)的缺乏很難滿足無抵押、無擔(dān)保的普惠金融特征，審批風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)由此加劇。信用缺失了基礎(chǔ)數(shù)據(jù)，這是中國信用困境產(chǎn)生的根本原因。

大數(shù)據(jù)直面信用難題

大數(shù)據(jù)作為新興的技術(shù)手段，逐漸成為征信發(fā)展的基石。一方面，大數(shù)據(jù)先進(jìn)的處理技術(shù)，從用戶的行為習(xí)慣和喜好等多維度、立體化綜合數(shù)據(jù)背后，找出其信用相關(guān)信息及其與信用的相關(guān)關(guān)系，最終得出信用評估值，以此來衡量社會單個(gè)群體信用狀況。另一方面，大數(shù)據(jù)對用戶及市場的分析，是征信產(chǎn)品設(shè)計(jì)、服務(wù)創(chuàng)新的有利工具。由此可見，大數(shù)據(jù)已成為征信發(fā)展的基石。

在國內(nèi)，這是對傳統(tǒng)征信方式的突破和有益補(bǔ)充。傳統(tǒng)的征信方式，均是通過社會調(diào)研等現(xiàn)場實(shí)施方式鋪開，顯然，這種方式需要耗費(fèi)巨大的人力、物力，且很難避免人為主觀因素的干擾。所以，從收益與成本權(quán)衡，銀行往往只會針對優(yōu)質(zhì)大客戶展開征信調(diào)查。因無法搜集廣大民眾與中小微企業(yè)征信信息，而無法提供類似大客戶的金融服務(wù)。大數(shù)據(jù)的出現(xiàn)，以其巨量綜合信息，先進(jìn)的數(shù)據(jù)處理技術(shù)及全新的數(shù)據(jù)分析思維方式，突破了傳統(tǒng)征信方式的局限，使得全社會征信體系的建立得以開展，極大地?cái)U(kuò)展了現(xiàn)有征信系統(tǒng)。

技術(shù)革新推動(dòng)信用變革發(fā)展

大數(shù)據(jù)技術(shù)擴(kuò)展信用數(shù)據(jù)邊界

從數(shù)據(jù)內(nèi)容組成來說，傳統(tǒng)的信用數(shù)據(jù)（銀行信貸數(shù)據(jù)）比重降至40%，甚至更低，非傳統(tǒng)的信用數(shù)據(jù)，包括互聯(lián)網(wǎng)上的行為數(shù)據(jù)和關(guān)系數(shù)據(jù)等成為主要來源。從數(shù)據(jù)覆蓋對象來說，大數(shù)據(jù)可以覆蓋沒有被傳統(tǒng)征信體系覆蓋的人群，即沒有征信記錄的人群。從數(shù)據(jù)時(shí)效性來說，大數(shù)據(jù)提供的是用戶現(xiàn)在的信息，而非局限于歷史信息。

案例分享

基于非傳統(tǒng)信用數(shù)據(jù)的小貸服務(wù)——QQ現(xiàn)金貸

大數(shù)據(jù)技術(shù)優(yōu)化信用計(jì)算

基于大數(shù)據(jù)的信用融資不依賴傳統(tǒng)的財(cái)報(bào)信用評價(jià)思維，而是通過企業(yè)本身的“大數(shù)據(jù)”，即生產(chǎn)、流通、銷售中產(chǎn)生的所有信息進(jìn)行分析，從而創(chuàng)建出一個(gè)大批量、高效能、全風(fēng)控、低成本的信用評價(jià)模式，通過計(jì)算機(jī)而非分析人員核算出企業(yè)的信用額度。

案例分享基于大數(shù)據(jù)的信用評估機(jī)構(gòu)——美國ZestFinance

美國ZestFinance公司利用從第三方購買（包括銀行信用卡數(shù)據(jù)、法律記錄、搬家次數(shù)等非傳統(tǒng)數(shù)據(jù)）、網(wǎng)絡(luò)獲取和直接詢問用戶等多個(gè)維度獲得的大數(shù)據(jù)，而非完全依賴傳統(tǒng)信用體系，對個(gè)人消費(fèi)者從不同的角度進(jìn)行描述和進(jìn)一步深入量化信用評估。同時(shí)，基于大數(shù)據(jù)技術(shù)，ZestFinance開發(fā)的信用評估體系是對傳統(tǒng)征信體系的完善和更新。它拋棄了只用很少變量的FICO信用評分模型，不僅采用機(jī)器學(xué)習(xí)的模型，而且使用更多變量，既可提高信用評估的決策效率，又能明顯降低風(fēng)險(xiǎn)違約率。

ZestFinance通過融合多源信息，采用先進(jìn)機(jī)器學(xué)習(xí)的預(yù)測模型和集成學(xué)習(xí)的策略，進(jìn)行大數(shù)據(jù)挖掘和信用評估，提升了信用計(jì)算的效率和質(zhì)量。具體優(yōu)化過程如下：

第一步，數(shù)千種來源于第三方（如電話賬單和租賃歷史等）和借貸者的原始數(shù)據(jù)將被輸入系統(tǒng)；

第二步，尋找數(shù)據(jù)間的關(guān)聯(lián)性并對數(shù)據(jù)進(jìn)行轉(zhuǎn)換；

第三步，在關(guān)聯(lián)性的基礎(chǔ)上將變量重新整合成較大的測量指標(biāo)，每一種變量反映借款人的某一方面特點(diǎn)，如詐騙概率、長期和短期內(nèi)的信用風(fēng)險(xiǎn)和償還能力等。然后將這些較大的變量輸入到不同的數(shù)據(jù)分析模型中；

第四步，將每一個(gè)模型輸出的結(jié)論按照模型投票的原則，形成最終的信用分?jǐn)?shù)。

ZestFinance開發(fā)了10個(gè)基于機(jī)器學(xué)習(xí)的分析模型，對每位信貸申請人的超過1萬條數(shù)據(jù)信息進(jìn)行分析，并得出超過7萬個(gè)可對其行為做出測量的指標(biāo)，這一切在5秒鐘內(nèi)就能全部完成。這10個(gè)模型以如下的方式進(jìn)行投票：讓你最聰明的10個(gè)朋友坐在一張桌子旁，然后詢問他們對某一件事情的意見。這種機(jī)制的決策性能遠(yuǎn)遠(yuǎn)好于業(yè)界平均水平。大數(shù)據(jù)的運(yùn)用和新型計(jì)算機(jī)分析模型的開發(fā)，從企業(yè)的全流程中挖掘信用數(shù)據(jù)，通過計(jì)算機(jī)智能分析快速得到更為精準(zhǔn)的信用額度，大大簡化了信用評估的傳統(tǒng)流程。

大數(shù)據(jù)技術(shù)使信用管理更加客觀

計(jì)算機(jī)可以輕易對數(shù)據(jù)進(jìn)行處理，在可以獲得海量數(shù)據(jù)的情況下，隨機(jī)樣本分析的預(yù)測優(yōu)勢已無法凸顯。大數(shù)據(jù)時(shí)代的來臨，更多的是選擇全面而完整的數(shù)據(jù)，將數(shù)據(jù)的樣本擴(kuò)大到數(shù)據(jù)總體。全數(shù)據(jù)模式為我們提供了多重視角，能夠更加準(zhǔn)確地考察細(xì)節(jié)并分析微觀層面的情況，保證信用管理的客觀性實(shí)現(xiàn)。從第三方征信角度來看，第三方征信機(jī)構(gòu)所提供的數(shù)據(jù)，也應(yīng)在保證信息客觀真實(shí)的前提下被第三方所用。第三方征信機(jī)構(gòu)的強(qiáng)項(xiàng)及核心之一就是數(shù)據(jù)挖掘技術(shù)，可以不通過企業(yè)，直接從第三方的電子化交易平臺里挖掘數(shù)據(jù)，從而確保了數(shù)據(jù)的真實(shí)、有效。

案例分享三條軸線客觀分類數(shù)據(jù)——金電聯(lián)行“全數(shù)據(jù)模式”

全數(shù)據(jù)模式在實(shí)踐中的應(yīng)用，金電聯(lián)行的數(shù)據(jù)分類頗具代表性。金電聯(lián)行（北京）信息技術(shù)有限公司（簡稱“金電聯(lián)行”）成立于2007年，是基于大數(shù)據(jù)理論與云計(jì)算技術(shù)所創(chuàng)建的客觀信用評價(jià)體系，為金融與社會管理提供創(chuàng)新性信用服務(wù)的專業(yè)機(jī)構(gòu)。

金電聯(lián)行將企業(yè)數(shù)據(jù)類型劃分為三條軸線。

一是橫軸，根據(jù)接觸到的大量供應(yīng)鏈數(shù)據(jù)，計(jì)算企業(yè)信用分值，和往年訂單、回款、庫存等的趨勢分析以及所有的原始數(shù)據(jù)，形成了企業(yè)財(cái)富創(chuàng)造過程中的一系列數(shù)據(jù)；

二是縱軸，這是企業(yè)財(cái)富創(chuàng)造過程產(chǎn)生的一系列結(jié)果，包括現(xiàn)金流、稅務(wù)、盈利、固定資產(chǎn)變化、財(cái)務(wù)創(chuàng)造等數(shù)據(jù)；

三是歷史軸線，企業(yè)數(shù)據(jù)類型不但應(yīng)該包括企業(yè)的現(xiàn)時(shí)數(shù)據(jù)，也要搜集其3-5年，甚至更長時(shí)間的數(shù)據(jù)。

與傳統(tǒng)銀行普遍采用純財(cái)務(wù)報(bào)表分析有很大區(qū)別，金電聯(lián)行力求得到中小微企業(yè)最精細(xì)的數(shù)據(jù)，比如廠商供應(yīng)鏈上的每一筆訂單、每一筆物流、每一次倉儲、每一筆匯款、每一張?jiān)鲋刀惏l(fā)票等等，這些數(shù)據(jù)規(guī)模能達(dá)到財(cái)務(wù)報(bào)表數(shù)據(jù)的1000倍，甚至上萬倍。

通過這三大軸線產(chǎn)生的非常精細(xì)的數(shù)據(jù)源，就把企業(yè)的信用狀況完整地呈現(xiàn)出來。最終呈現(xiàn)的結(jié)果能有效地化解中小微企業(yè)會計(jì)信息失真，沒有信用積累和抵押、擔(dān)保資源，難以進(jìn)行信用評價(jià)的問題。不僅可以開展成批量的企業(yè)信用評價(jià)，而且還大大降低了企業(yè)融資的門檻，使其獲得真正的信用貸款。

此外，金電聯(lián)行主要的科研方向是“數(shù)據(jù)清洗”，即自身關(guān)聯(lián)性、歷史關(guān)聯(lián)性和大數(shù)據(jù)庫之間的關(guān)聯(lián)性。大數(shù)據(jù)技術(shù)極大地提高了數(shù)據(jù)清洗能力，多維度驗(yàn)證了數(shù)據(jù)的客觀、真實(shí)性。

大數(shù)據(jù)技術(shù)使信用管理經(jīng)濟(jì)高效

用大數(shù)據(jù)的方式解決傳統(tǒng)信貸信用問題，能從根本上解決對人力的依賴，使得信用管理更加高效而經(jīng)濟(jì)。

從數(shù)據(jù)采集角度來看，大數(shù)據(jù)節(jié)約了人工成本。大數(shù)據(jù)信用采用云計(jì)算技術(shù)，數(shù)據(jù)無需人工收集，而是用海量抓取所代替，既解決了人工壓力，又拓展了參考數(shù)據(jù)的來源。

從數(shù)據(jù)處理過程來看，一方面，大數(shù)據(jù)避免主觀判斷，確保信息真實(shí)性，并且快速、高效。另一方面，也有效緩解了對人工數(shù)量的要求。從數(shù)據(jù)錄入開始到評價(jià)結(jié)果輸出的整個(gè)過程全部由計(jì)算機(jī)算法完成，避免了主觀判斷的影響；在數(shù)據(jù)審核上采用多重?cái)?shù)據(jù)交叉檢驗(yàn)來綜合評定，能有效檢驗(yàn)數(shù)據(jù)真實(shí)性；即使同時(shí)處理多個(gè)受評對象，仍然能夠保證快速、準(zhǔn)確的高效性，避免人工繁雜的勞動(dòng)量可能帶來的失誤。綜合評定用戶信用等級，給每個(gè)行業(yè)、每個(gè)職業(yè)等賦予獨(dú)立信用標(biāo)簽，解決審核人員經(jīng)驗(yàn)主義審核方式可能帶來的誤差。

從數(shù)據(jù)處理結(jié)果來看，大數(shù)據(jù)保證了信用的實(shí)時(shí)性。大數(shù)據(jù)信用能夠滿足評價(jià)結(jié)果與信用信息的同步。當(dāng)受評對象的信用信息發(fā)生變化時(shí)，能夠?qū)ζ湫庞眠M(jìn)行快速及時(shí)的計(jì)算，保證了信用的實(shí)時(shí)性。

案例分享

大數(shù)據(jù)貫穿信用管理全過程——宜信商通貸

宜信商通貸是一個(gè)專為中小電商解決融資難題的網(wǎng)絡(luò)融資服務(wù)平臺。宜信基于大數(shù)據(jù)金融云計(jì)算，創(chuàng)新性地實(shí)現(xiàn)貸款用戶實(shí)時(shí)授信，在幾十秒內(nèi)即可完成用戶借款額度的預(yù)估，從而幫助淘寶、天貓、亞馬遜等電商平臺的賣家解決融資難題。

1.大數(shù)據(jù)擴(kuò)展信用數(shù)據(jù)來源：以多維度數(shù)據(jù)為來源

宜信金融云的數(shù)據(jù)來源，不僅包含宜信歷經(jīng)9年積累的百萬名客戶真實(shí)數(shù)據(jù)以及傳統(tǒng)的征信數(shù)據(jù)，也包括從互聯(lián)網(wǎng)抓取到的公開數(shù)據(jù)，以及第三方合作伙伴的大量數(shù)據(jù)。商通貸除了在eBay、亞馬遜等平臺經(jīng)用戶授權(quán)獲取的交易流水?dāng)?shù)據(jù)外，還通過物流、ERP等其他渠道獲取第三方數(shù)據(jù)。系統(tǒng)運(yùn)行中，通過對海量數(shù)據(jù)的交叉驗(yàn)證，幫助商通貸更加全面、動(dòng)態(tài)地了解客戶，提供較為準(zhǔn)確的授信額度，提高了信審和催收的效率，并在風(fēng)控和反欺詐方面提供有效保障。

2.大數(shù)據(jù)優(yōu)化信用計(jì)算：以機(jī)器學(xué)習(xí)為核心

采集數(shù)據(jù)的目的是通過數(shù)據(jù)分析和挖掘技術(shù)，輸出每個(gè)人的信用評估結(jié)果。商通貸除對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，還通過抓取大量非結(jié)構(gòu)化數(shù)據(jù)，其中包括征信主體在社交網(wǎng)絡(luò)中的好評量級、用戶音視頻數(shù)據(jù)等，利用機(jī)器學(xué)習(xí)進(jìn)行智能化分析，引導(dǎo)系統(tǒng)做出一系列授信判斷和決策作為重要的授信及額度配置依據(jù)。

3.大數(shù)據(jù)使信用管理更加客觀：以知識圖譜為依據(jù)

商通貸通過金融知識圖譜中復(fù)雜的點(diǎn)線分析，對個(gè)人的性格特征、信用狀況和財(cái)富屬性等都做出更深層、更全面的了解，以此判斷其真實(shí)的信用等級和信用使用情況，為合理授信提供寶貴的數(shù)據(jù)依據(jù)。

4.大數(shù)據(jù)使信用管理更趨高效：全線上操作，方便快捷

商通貸用戶僅在30秒內(nèi)就可以獲得個(gè)人預(yù)估借款額度，無需客戶線下提交任何資料，從申請借款、信用評估，到放款及還款的整個(gè)流程全部在線上完成。在授信過程中，商通貸倚靠金融云平臺中的海量大數(shù)據(jù)，對客戶信用進(jìn)行有效分析，從而避免潛在的欺詐風(fēng)險(xiǎn)，并實(shí)時(shí)評估其合理的信用額度。