欢迎致电: 0755-2562-7468或:400-136-8288 服务时间:9:00 - 18:00

2017年27万亿信贷规模即将到来;中国征信市场将成三大格局

作者:今日头条 创建时间:2016-07-04 14:28:26 点击数:311
内容摘要:以“重构信用价值,激发创新力量”为主题的2016中国“征信+”应用发展高峰论坛在深圳举行

       6月30日~7月1日,以“重构信用价值,激发创新力量”为主题的2016中国“征信+”应用发展高峰论坛在深圳举行,来自监管机构、大数据服务商、征信机构、P2P网络借贷、消费金融、银行、融资租赁等征信应用企业代表与会,围绕行业发展配套政策、小微和消费金融产品创新、征信需求、大数据征信技术和产品实践等内容进行了探讨。

9c1000491f5ad0b6324.jpg


中国人民大学信用管理研究中心主任 吴晶妹

从现在开始至少到2020年前,中国征信市场的格局将会形成三大体系格局:金融征信、商业征信、行政管理征信。

目前中,国的市场经济正朝信用化发展,经济交易中用信用来衡量部分的比重越来越大。市场经济信用化的背景下,实物资本不再是衡量信用价值的唯一标准,每个人都应该有平等的机会来实现信用价值。征信不仅要找出问题和风险,并且发现信用价值,帮助个人和企业实现信用价值。


中国人民银行金融研究所互联网金融研究中心副秘书长 庾力

现在的互联网金融存在浮躁、蜂拥而上,急功近利、希望赚快钱和拉大旗作虎皮的现象。企业要有工匠精神,潜心研究。

金融创新的定位:金融创新并不高高在上,不能脱离实际;金融创新要支持实体经济,不能钱炒钱、自我循环。

除了监管,行业、企业自律也非常重要。互联网金融从业者要把握五个原则,首先是不能骗钱、法律法规一定不能违反;二是信用是生命线;三是脚踏实地的工匠精神、不要靠虚假宣传、拉大旗做虎皮;四是技术是互联网金融的核心竞争力,尤其要把握好大数据;五是人力资源要跟上。

9c6000423fd2b2e2bf6.jpg


前海创新研究院院长 陈坤耀

从征信1.0到征信3.0时代,收集征信数据的途径越来越多,包括互联网时代的社交媒体,还有使用的信用卡、会员卡越多,相关资料就越全。将来征信4.0时代,征信的应用超过传统金融,一定是未来的趋势,征信不但可以用到金融,所有衣食住行的生活领域都会用到征信。


中国小额信贷联盟秘书长 白澄宇

普汇征信服务,作为在普惠金融体系中的基础设施服务,现在还做不到普惠式的全面覆盖征信系统。它现在是这样一个恶性循环,穷人没有得到征信服务,就无法得到交易信息,没有交易信息就无法形成征信。个人是有信用的,但它的信用于没有被征信机构采纳,它的信用资产实际上是被贬值了。

数尊CEO 许正

2017年,27万亿信贷规模即将到来,客户长尾化、场景多样化成为趋势,只有过硬的风控能力才能让长尾中的优质客户体验到极致化金融服务。

大数据时代下,如何让金融更普惠高效?智慧风控中,活性数据是基础,智慧引擎是关键。覆盖广泛、更新稳定、价值丰富的活性数据,可以辅助金融机构的风险决策;智慧引擎则具有开放、个性化、简单友好、高延展性、绝对安全等五大特点,不仅能实现灵活部署、便捷调整、多数据融合、多策略承载等功能,更是大数据风控的核心。


增信通联合创始人 陈绩伟

过往的征信机构和一些数据公司,主要作用是帮金融机构找到坏客户,这对市场经济信用化的发展推动是有限的。如果我们可以通过这些数据和模型,找到用户的信用价值,帮助他们因此得到更快捷、成本更低的金融及其他服务,才能推动征信和信用行业更快的发展。

中邮消费金融有限公司副总经理 叶永靑

当前消费金融市场处于风口期,但市场征信环境仍不完善。居民个人基础性征信数据仍较为欠缺,客户风险识别成本较高。消费金融公司需进一步提升风险管控能力,需融合大数据技术与传统风控经验。

政府部门应牵头建立数据共享机制,健全社会征信体系,将信用记录纳入户籍改革制度体系,严厉打击消费金融诈骗和恶意讨债行为;建设金融业统一征信平台和良好司法环境;推进数据融合规范化,打破不同数据资源部门间的“信息孤岛”格局,整合各方面信用信息资源。


长江大数据交易所总裁、亚信数据云平台部副总经理 武源文

征信场景无处不在。现在很多征信新代理不能覆盖的人群是特殊人群,有学生、流动人口,还有越来越多自由职业者,他们怎么享受消费服务和消费金融领域所带来的价值和消费场景的便利?比如一个学生,我们从他的社交、学校表现、生活圈、衣食住行轨迹判断出生活轨迹在哪里。一个征信产品的落地和服务好与坏,都是由数据来决定。

马上消费金融首席数据官 George

目前贷款申请的审批,主要是通过风险评估和决策解决以下三大问题:第一是第三方欺诈,第二是第一方欺诈,第三是信用风险。而风险评估工作都是从数据开始的,首先是数据,包含信息收集、信息处理、信息利用;二是数据产品,包含客户体验、及时审批、远程申请;三是信用政策实施,包含规模效应、提升效率、降低成本。

所以,反第三方欺诈的数据产品,要能给出各类身份特征识别比对结果;评估第一方欺诈的数据产品,要能给出不良行为比对结果,并包含反欺诈变量和欺诈行为预测模型;评估信用风险的数据产品,要对数据进行清理、格式化,并保护信用评估变量和信用风险模型。