中国信用服务市场专题分析2017.pdf

中国信用服务市场专题分析 2017Confidential and Protected by Copyright Laws本产品保密并受到版权法保护2017/11/7 2数据分析驱动变革信用服务： 指收集信用信息和信用替代数据 ， 进行采集 、 整理 、 保存 、 加工 ， 并向信息使用者提供的活动 。征信业务： 指对企业 、 事业单位等组织的信用信息和个人的信用信息进行采集 、 整理 、 保存 、 加工 ， 并向信息使用者提供的活动 。征信机构： 是指依法设立 ， 主要经营征信业务的机构 。分析范畴 与方法分析定义数据说明 数据主要来源于公开渠道发布 、 企业调研 ， 预测性数据通过公开发布数据和市场调查数据 ， 经过易观独有分析模型整理得出 ， 会根据市场情况进行微调 。A3算法升级说明易观千帆 “ A3” 算法引入了机器学习的方法 ， 使易观千帆的数据更加准确地还原用户的真实行为 、 更加客观地评价产品的价值 。 整个算法的升级涉及到数据采集 、 清洗 、 计算的全过程：1、 采集端：升级 SDK以适应安卓 7.0以上操作系统的开放 API； 通过机器学习算法 ， 升级 “ 非用户主观行为 ” 的过滤算法 ， 在更准确识别的 同时 ， 避免 “ 误杀 ”2、 数据处理端：通过机器学习算法 ， 实现用户碎片行为的补全算法 、 升级设备唯一性识别算法 、 增加异常设备行为过滤算法等3、 算法模型：引入外部数据源结合易观自有数据形成混合数据源 ， 训练 AI算法机器人 ， 部分指标的算法也进行了调整2017/11/7 3数据分析驱动变革CONTENTS目录中国信用服务市场发展概述03 中国信用服务机构案例分析中国信用服务市场发展现状02中国信用服务市场发展趋势04012017/11/7 4数据分析驱动变革PART 1中国信用服务市场发展概述2017/11/7 5数据分析驱动变革信贷市场 绝对规模稳步 增长，信用服务 面临利好analysys805879 547947 629910 718961 816770 939540 1066040 -32.01%14.96% 14.14% 13.60% 15.03%13.46%-40%-30%-20%-10%0%10%20%0200000400000600000800000100000012000002010 2011 2012 2013 2014 2015 20162010年 -2016年金融机构人民币贷款额贷款规模（亿） 环比增长率388636.68 434789.98 497827.78 551831.00 617969.46 687727.69 744715.66 11.88%14.50%10.85%11.99%11.29%8.29%0%2%4%6%8%10%12%14%16%01000002000003000004000005000006000007000008000002010 2011 2012 2013 2014 2015 20162010年 -2016年非金融企业贷款规模贷款规模（亿） 环比增长率 Analysys 易 观 中国人民银行 analysys2010年到 2016年间 ， 金融机构人民币贷款 、 非金融企业贷款以接近 10%的环比增速稳定增长 ， 2016年 ， 金融机构人民币贷款额达到 106万亿 。 伴随着网贷市场的爆发式增长 ， 与资产定价息息相关的信用服务面临重大利好 ， 各地方政府不断发文建立诚信市场 ， 寻求征信机构合作 。 截至 2017年 7月 ， 企业征信机构增长至 133家 ， 企业信用服务市场规模扩大 ， 个人征信 市场也 在探索开放中 。 Analysys 易 观 中国人民银行2017/11/7 6数据分析驱动变革政策 /地方活动频次提升 助力信用服务市场建设2013首部征信法2013年 3月国务院 发布的 征信业管理条例 是我国首部征信业法规长期发展信用市场2014年 6月国务院印发 社会信用体系建设规划纲要 （ 20142020年 ） 个人征信试点2015年 1月中国人民银行印发 关于做好个人征信业务准备工作的通知 ， 批准前海征信等 8家机构做好开展个人征信业务的相关准备工作； 5月 ， 第二批个人征信牌照申请开启保护隐私2016年 11月中国人民银行印发 关于加强征信合规管理工作的通知 ， 要求各相关机构加大对个人隐私的保护发展互联网信用2017年 1月 ， 工业和信息化部门印发 大数据产业发展规划 ， 强调大数据产业以创新发展能力为核心20162014 2015 2017征信市场没有法律依据，信用服务 市场就无法发展 。 中国 国务院 2013年颁布的 征信业管理条例 制定了中国首部征信业法律法规，为信用服务市场奠定了法律基础。2014年，政府将发展信用市场列入了长期发展规划，推动发展信用服务市场。市场信用服务需求增大，央行准备放开个人征信市场以满足各种信用需求，故通知八家机构准备个人征信业务，标志着个人征信业务将要放开。市场上信息泛滥，个人隐私受到威胁，政府加强征信机构的合规管理，要求加大对个人隐私保护力度。试点征信机构大量采集线上数据，互联网信用市场的发展有待规范，政府在 2017年印发大数据产业发展规划，指导发展互联网信用市场。建设信用城市2017年 7月首届 “ 中国诚信信用建设高峰论坛 ” 在杭州召开 ，以 “ 信用城市 、 品质生活 ” 为主题讨论城市 信用发展2017/11/7 7数据分析驱动变革互联网及大数据 技术创新 使得信用服务边界外延多元化信用服务传统征信服务“互联网 +” ”互联网 +”模式下沉淀了海量用户数据，依托于云计算技术，大数据信用服务分析数据，更为全面的刻画 用户违约概率和信用状况人工智能模型与机器学习 模型 通过 预测信用主体的履约意愿和履约能力， 规避 违约风险和坏账率 人工智能可实现验证欺诈与跟踪交易大数据储存 多样化的储存方式，以云技术储存呈几何量级增加的半结构化和非结构化互联网数据应用方场景宽泛深入化：除传统的信用借贷业务外，还有赊销，租车、酒店预订、求职、签证等各种生活化的履约场景全过程信用判断：云计算技术实现了对交易的追踪效率高，针对性强：由于数据来源丰富，可以多维度判断个人 信用数据，判断有效性更强，接入应用场景端口时针对性更强人力监管成本高预测风险的效率低应用场景单一，无法有效覆盖生活场景应用信用服务风控征信黑名单 信用分反欺诈信用报告2017/11/7 8数据分析驱动变革从数据源来分类 ， 基础信用服务主要收集债务人和债务数据 ， 数据来源于信贷机构和基础身份信息机构 ， 互联网信用服务主要收集线上数据 。 截至 2016年 ， 央行征信系统收录自然人 9亿 ， 有信贷数据的约有 4亿人 ， 另外 5亿人只有简单的身份信息 ， 其余 5亿人的信息根本无法收集 ， 在此背景下 ， 中国的大数据信用服务市场开始发展 。互联网信用服务辅助基础信用服务 共同完善社会信用体系扩大覆盖面积建立多维 个人信息数据库 降低信用 服务门槛提高风险 预警能力截至 2016年 12月，我国约 8.8亿人使用互联网，其中包含了大量传统征信较难了解的人群，比如大学生、农村群体等等大数据信用采集能从多个维度收集个人数据，不再局限于个人的现有资产状况，更能从道德、朋友圈等维度了解个人信用。大数据征信机构能够对一般人群进行风险揭示，能够提供大面积小额借贷，能够提供普通用户的信用租赁、生活服务等因网络的便捷性，征信 数据的变化能够及时 反应，对个人信用状况的监测变得动态，能够及时针对个人生活变化、资产变化作出相应的对策以降低风险社会信用体系公安法院金融机构互联网信用服务基础信用服务 通讯网购 、 支付网贷2017/11/7 9数据分析驱动变革信用服务提供公平借贷 机会 移动端应用活跃用户规模高速增长 Analysys 易 观 A3 analysys数据说明：易观千帆只对独立 APP中的用户数据进行监测统计 ， 不包括 APP之外的调用等行为产生的用户数据 。 截止 2017年第 3季度易观千帆基于对 21.9亿累计装机覆盖及 5.2亿活跃用户的行为监测结果采用自主研发的 enfoTech技术 ， 帮助您有效了解数字消费者在智能手机上的行为轨迹 。375.55508.7535.47%0%5%10%15%20%25%30%35%40%01002003004005006008月 9月2017年 8月 -9月信用服务应用活跃用户规模活跃用户（万） 环比增长率数据库 共享平台增值服务信用报告 信用分征信机构借贷缴费网络通讯购物其他贷款申请信用查询反馈加工债权人信用行为授信数据信用产品数据回流债务人信用市场主要有三方参与，债权人、债务人、征信公司。对债权人来说，信用市场提供信息查询，帮助识别债务人的 信用状况 ；对债务人来说，同意征信后获得公平借贷的机会和充分的信贷便利。征信公司提供了面对市场的有价值的商业服务，是一种接受监管的基础信息服务。由征信机构作为信息中介，降低借贷信息不对称是核心服务 。目前，信用服务移动端应用主要提供企业信息查询服务，满足了市场信用查询需求，活跃用户规模高速增长 ,月活跃用户增幅达 35.47%。2017/11/7 10数据分析驱动变革901 3160 11015 23911 49313 250.72% 248.58%117.08%106.24%0.00%50.00%100.00%150.00%200.00%250.00%300.00%01000020000300004000050000600002013 2014 2015 2016 2017F2013年 -2017年中国互联网消费金融市场成交量规模市场规模（亿） 环比增长率 Analysys 易 观 A3 analysys互联网消费金融快速发展助力信用服务市场规模扩大近几年 ， 包含网贷市场在内的互联网消费金融市场呈现出爆发式增长 ， 增大了线上信用服务需求 ， 未来消费金融市场规模将以80%左右的增长率持续增长 。 与此同时 ， 中央及地方政府推动建设诚信社会 ， 全面建设信息公示系统 ， 带动信用服务市场规模扩大 。在各方信用服务需求快速增长的带动下 ， 中国信用服务市场会进入高速发展期 ， 预计在 2019年信用服务市场突破百亿市场规模 。数据说明：以上数据根据公开数据 、 易观自有监测数据和易观研究模型估算获得 ， 易观将根据掌握的最新市场情况对历史数据进行微调 。 Analysys 易 观 A3 analysys20.26 29.78 47.9082.08147.8646.97%60.84%71.36%80.13%0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%0.0020.0040.0060.0080.00100.00120.00140.00160.002015 2016 2017F 2018F 2019F2015年 -2019年 信用服务市场规模市场规模（亿） 环比增长率数据说明：包含但不限于个人征信和企业征信 ， 不包含资信评级市场 ， 以上数据根据公开数据 、 易观自有监测数据和易观研究模型估算获得 ， 易观将根据掌握的最新市场情况对历史数据进行微调 。2017/11/7 11数据分析驱动变革PART 2中国信用服务市场现状2017/11/7 12数据分析驱动变革互联网信用服务机构连接线上数据与线下需求信用需求方生活服务网贷平台租赁平台其他数据电商数据网贷数据通讯数据数据提供方监管机构 央行监管征信市场互联网信用机构收集各类信息数据 按客户需求提供信息购买数据 支付服务费用支付数据库 评分模型IT服务商按规定格式提供数据 提供客户需求的信用分数或报告2017/11/7 13数据分析驱动变革征信机构准入设有严格门槛限制，公信力是机构核心竞争力线上大数据信用服务需要处理的数据维度高 、 散乱 、 计算复杂导致模型开发过程和 IT处理过程难度加大 ， 对机器内存 、 CPU、 IT运行能力提出了更高的要求 。 对征信机构的规模和能力也提出了很高的要求 。技术征信机构的发展方向表现在提供的信用产品，提供公正有效的产品无疑会得到市场的认可，围绕信贷记录，提供信用报告或以信用报告为基础提供信用分和各种类型的风控产品才是市场的诉 求。产品征信机构无论是业务还是股东背景都不能从事借贷交易，必须是独立第三方机构，否则其他债权机构不会给有利益威胁的竞争对手无偿分享数据，市场征信制度就无法建立。独立第三方征信机构需要严格依照国家法律保护个人隐私安全，征信与数据倒卖就在一线之差，需要征信机构的团队有较高的思想意识，对征信行业理解足够的深刻才能为数据安全上一把枷锁。团队公信力征信业务作为金融业的基础行业 ， 掌握着大量的个人信息 ， 属于国家高度敏感的行业 ， 在行业发展之初 ， 就设有严格的门槛 ， 门槛包含了多方面的要求 ， 主要有股权 、 团队 、 技术 、 产品等方面 ， 而这些形式最后都体现在公信力上 ， 征信的核心还是要推动数据共享 ， 只有具有公信力的机构才能整合行业数据 ， 只有完整的信用数据才具有普及和使用的价值 ， 所以 ， 公信力是征信机构的核心竞争力 。消费贷 借贷 支付网购 通讯金融机构数据整合2017/11/7 14数据分析驱动变革信用服务模式探索前行 数据共享推动行业发展Analysys分析认为：如果说公信力是机构发展的核心竞争力 ，那么数据共享将推动行业发展， 以共享债务数据为例，有利于市场诚信体系建立，降低多头借贷风险，提升市场整体的风险识别能力 ，信 联是一种走向共享的路径尝试，不过效果待现，这需要每一家市场化征信机构的共同推动。市场中存续的包含征信的公司就有三千多家 ， 还不包括多家信息公司 ， 市场鱼龙混杂 ， 133家央行备案的企业征信机构中 ， 多家机构没有官网 ， 互联网信用机构更是参差不齐 。各方机构共享意愿不强 ， 不愿共享核心数据给竞争对手 ，并且数据不完整 、 缺乏统一的标准 ， 甚至有机构作虚假数据 ， 污染数据源 。信联 ：为解决以上几大难题 ， 多家机构共同发起成立了一家个人征信机构 “ 信联 ” ， 围绕 “ 共建 、 共有 、 共享 ” 为原则 ， 并尝试解决个人征信牌照不能发放问题 。目前 ， 因为大多数征信机构没有接入央行征信系统 ， 失信人员对信用分没有概念 ， 即使失信也是有恃无恐 ， 并且继续多头借贷 。机构共建的征信机构相对更具有公信力，对失信人员具有较强的制约能力，部分解决了市场混乱的问题。共建打破了部分数据孤岛，参与信联多是网络机构，能够针对用户的行为进行全网画像开发有效的反欺诈等风控模型共享保证征信机构不为几家授信机构所控制，确保行业内所有参与者的利益，公平公正地面向行业内提供服务。共有失信制约没有威慑效果信用服务市场混乱数据孤岛2017/11/7 15数据分析驱动变革为突破债务数据瓶颈限制 信用 服务机构尝试 多元化数据应用房贷信用卡车贷借贷债务信息线上消费金融 公安职业学历基本信息担保债务人信息电话 支付 网购电费 通讯征信信用数据采集互补数据社保市场征信机构 征信数据有限有效互补数据生成创新产品因央行征信系统规模较大，且具有一定的垄断性，市场征信机构在债务数据的采集上有很大的限制，基本只能收集网贷数据和线上消费金融数据以及各类替代数据。大数据时代的到来，使得替代数据的收集和整理能力大大增强，替代数据的使用效果在市场中已经有良好的表现，值得进一步的挖掘和应用。由于使用了大量替代数据，市场征信机构在应用场景开发上具有一定优势，不同的数据能应用于不同的领域，且效果显著。创新信用产品能补充传统信用报告，进一步降低借贷市场风险。除社交外的其他单一领域 ， 是信用服务应用的重要场景 ， 以网络借贷为例 ， 据易观千帆数据统计 ， 中国第 2季度网络借贷行业活跃用户约为 3200万 ， 中国参与网络借贷的 用户约 为 5000万 ， 相较于 14亿总人口 ， 网贷市场的债务人和债务信息覆盖面积较小 ， 信用服务应用创新 ， 跨领域互补性数据使用有助于实现应用场景的串联 ， 成为众多信用服务机构的发力方向 。网贷2017/11/7 16数据分析驱动变革典型试点征信机构发展起步 征信 /风控发展路径待分化主要股东核心数据来源核心产品征信公司电商数据蚂蚁金服芝麻分芝麻认证反欺诈财付通通讯数据合作机构信用分信用管理平安集团数据合作机构数据征信评分反欺诈-历史积累信息合作金融机构和企业平台信用报告信用评分反欺诈多家机构联合组建股东数据信贷平台数据信用 分职业雇佣信用平台八家征信试点机构中选取五家线上机构 ， 各机构股东背景不同导致核心数据来源不一样 。产品来看 ， 每一家都有提供信用分 ， 因目前数据的通用性仍存在限制 ， 所以各征信试点机构通过本身具有通用性的信用分切入征信市场 。中国的信用服务机构依据各自体系内资源能力或凭借基础征信业务 ， 或凭借风控服务 ， 同一起点起步 ， 未来在路径上或现分化 。2017/11/7 17数据分析驱动变革依赖借贷数据，导致覆盖人群有限不能完全反映信用状况，只能做辅助作用固定的信用规则容易被人为操作应用场景易被滥用信用分 已成 机构标配 有效性 仍待市场检验35 30 15 10 10 Fico信用分信用历史欠款数额信用历史长短信贷组合新开信用账户15 35 20 5 25 芝麻信用分身份特征信用历史履约能力人脉关系行为偏好中国各征信试点机构结合自身特点 ， 开发出一些特色的信用分 ， 降低对信贷数据的依赖性 ， 提高替代数据的权重 ， 但信用历史数据权重占比仍最高 。 具有普及性的通用分要求数据源也通用 ， 所以 ， 在基础债务信息共享体系建立之前 ， 征信机构缺乏足够的信用历史数据 。 信用分有一定的局限性且核心使用于授信机构 ， 应用场景不能过度开发 ， 信用分的有效性和普及性还有待市场考证 。FICO分是运用范围最广 、 市场检验有效性最高的信用评分 ， 组成分数的五个维度都围绕历史借贷信息 ， 注重数据源的通用性 。芝麻信用分应用场景非常丰富 ， 除采集信用历史之外 ， 还整合了人脉关系 、 行为偏好等大数据 ， 注重信用分的有效性 。辅助信贷机构作出信贷决策辅助对已有贷款人进行管理辅助信贷机构利益最大化应用核心征信分是通过模型对个人信用进行量化分析 ， 以分值展现 。 分数本身具有准确 、 一致 、 易读的优势 ， 还兼具通用 、 客观 、 全面 、 高效等特点 ， 有效的信用分必须建立在强金融属性数据的基础之上 ， 信用分随着数据源和使用方法的不同而不同 ， 预测贷后还款行为的信用分被视为基本评分 。缺点2017/11/7 18数据分析驱动变革征 信机构有效推动信用数据场景应用 信用服务 应用市场 潜力巨大金融机构小贷公司风控 数据征信中心各类数据网贷机构征信机构风控 数据未来 可能连通少数机构基于盈利的视角，市场征信机构在数据使用和开发上具有更强的动力，能够有效整合社会数据资源以提高产品的使用价值；能围绕信用提供多方位服务；民间征信机构能深度挖掘与个人信用相关的应用场景，进而构建社会信用体系。个人信用服务公司决策及营销服务政府诚信管理构建信用城市为个人信用背书 ， 用于借贷 、 求职 、 租赁等场景 ， 使个人享受守信优惠和便利 。利用清洗之后的大数据为企业提供针对性营销 ， 节约推广成本 ，基于专业的分析能力为公司决策提供支持 。为政府提供数据支持社会诚信管理 ， 链接失信人员与商业应用 ，加大失信限制与信用管制范围 。基于个人服务 、 机构服务 、 政府服务三个维度构建城市信用体系 ， 做到失信受限 、 守信获益 。 市场征信机构能有效降低非金融市场不对称 ， 使信用服务应用于各个生活领域 。目前 ， 征信机构的主要服务对象是网贷机构 ， 网贷在金融市场中只占有很小的市场份额 ， 每一个金融机构都需要更高效且精准的信用服务 ， 所以征信机构有机会服务更多的授信机构 。 在连接信用城市的过程中 ， 信用服务可应用于个人 、 企业和政府 ， 并在各个领域都能提供相应服务 。央行征信中心秉承着提供基础信用服务的原则 ， 把数据挖掘的前景留给市场 ， 共享模式和合格机构是制约征信中心与征信机构数据共享的最大难题 ， 一旦市场出现合格征信机构 ， 中国征信市场规模将呈现爆发式增长 。2017/11/7 19数据分析驱动变革建设信用体系发展循序渐进 信息共享平台建设成共识国家信用体系的建立必然先有金融征信市场 ， 再有非金融信用服务市场 ， 最后才能建立社会信用体系 。 消费信用与普通公众的关系最为密切 ， 消费信用的发展有利于普通公众信用意识的培养 ， 特别是正在建设信用社会的中国 。 以市场经济行为的约束为前提 ， 才能规范个人诚信行为 ， 市场非金融征信体系建成之前 ， 盲目输出风控技术或者想建立诚信社会 ， 会造成信用资源的浪费 ， 反倒阻碍征信市场的发展 。监管监管机构的态度将决定中国征信市场的发展 ，加大市场引导 ， 对有资质的机构适时发放个人征信牌照有助于规范信用体系 。 从监管层面推动数据共享能绕开公信力的问题 。媒体媒体关注将引导社会舆论 ， 正确的认识信用服务能保障信用行业的发展 ，媒体应多关注从事债务信息共享的征信机构 ， 推动市场打破数据孤岛 。资金投资发展方向正确并具备核心竞争力的征信机构才能获得更高的投资回报，同时能够推动行业发展，分散且独立的数据源不具备普及使用的价值。金融征信市场信用 服务市场诚信社会银行 证券 保险 小贷公司共享平台消费贷网贷 支付网购通讯网络家政餐饮 传销黑名单求职中介农业快递失信酒店2017/11/7 20数据分析驱动变革政务信息共享进程 加快 债务 信息需时间积累2017年 5月 5日 5月 25日 5月 30日8月 30日国家信息中心与考拉征信 、 蚂蚁金服等 15家信用服务机构代表签署了信用信息共享协议 。确认信息中心承办国家数据共享平台贵州省人民政府与国家信息中心签署 战略合作协议 国务院办公厅印发 政务信息系统整合共享实施方案 ，要求国家信息中心承担国家数据共享交换平台、国家政务信息共享平台、数据开放网站等建设运行与接入管理工作。国家信息中心与苏宁云商集团签署 关于加强信用信息共享的合作备忘录 ， 双方将共同推动信用信息共享共用 ， 加快联合奖惩措施在商业零售 、 金融服务等领域落地应用 ， 进一步有效激励守信行为 ， 严厉惩戒失信行为 ， 扩大联合奖惩应用效果 。 上海市社会信用条例 发布引入信用服务机构参与信用监管 ， 为行业信用档案建设 、 备案 、 资质准入提供基础社会信用信息查询和核查服务7月 5日工商总局发布 国家企业信用信息公示系统使用运行管理办法 （ 试行 ） 。 从信息归集与公示 、 信息共享与应用 、 系统运行与保障 、 责任追究等方面规范了公示系统的使用 、 运行和管理工作 。8月 30日 ， 国家信息中心与 11家金融机构在京签署信用信息共享协议 ， 旨在推动各类信用信息共享共用 ， 加快联合奖惩措施在金融领域落地应用 。6月 23日政务信息共享国家信息中心围绕数据共享和接入第三方服务建立国家数据平台 ， 截至 2017年 8月 ， 全国信用信息共享平台已经连接 39个部门 ， 所有省区市 ， 共与 37个市场机构签订了共享协议 ， 归集数据达到 64亿条 ， 为构建以信用为核心的事中事后监管体系提供了有力的信息化支撑 。 与之相对的市场债务信息共享的进程相对较慢 ， 征信数据在确保准确性的前提之下 ， 还需要保障数据的完整性 ， 故而会有标准的数据处理格式 ， 且收集征信数据需要用户授权 ， 债务数据需要时间 积累 。2017/11/7 21数据分析驱动变革成熟 市场存在良性 竞争 信用 服务市场探索期以风控服务 为主金融行业反欺诈保险行业风险与信息服务新兴征信机构美国三大征信机构 主要竞争机构 风 控服务多样化服务数据积累到一定程度 、 社会信用意识较强之后 ， 信用服务才能规模化变现 ， 信用服务市场规模在这一阶段会快速 扩大 ， 场景定制化服务成主要竞争市场 。衍生服务信用服务市场后期 ， 市场仅存在少数大型征信机构 ，垄断数据源和下游机构 。 以信用数据为核心 ， 征信机构将推出商业决策分析 、 市场营销等产品 ， 信用衍生服务是主要竞争市场 。因债务数据需要时间积累 ， 各信用服务机构 前期只能以反欺诈等风控服务寻求 存活 ， 风控市场是主要竞争市场 探索发展成熟竞争市场2017/11/7 22数据分析驱动变革PART 3中国信用服务机构案例分析2017/11/7 23数据分析驱动变革算话征信专注信贷风险，提供全流程服务2014算话征信有限公司成立于 2014年 ， 是专业的智能风控服务提供商 ， 公司核心成员均为个人征信 、风险管理及数据分析专家 ，专注信用评分模型 、 标准征信局评分模型 、 申请欺诈防范和早期风险识别以及债务信息共享等领域 。为信贷行业用户提供贯穿信贷生命周期的完整风险管理和完整信贷周期咨询解决方案 ， 降低合作机构坏账率 。债务信息共享平台算话反欺诈云面向全信贷行业提供服务 ， 利用神经网络等深度学习算法 ， 实现多维度布控 ， 高效识别集中攻击欺诈行为和早期风险特征 。智能风控服务平台算话速查基于算话征信的跨机构信贷数据 、外部数据 ， 开发个人征 信分 ， 帮助机构提高审批阶段的风控水平 。面向消费金融 、 网贷 、 个人融资租赁等零售信贷机构提供信用信息共享服务 。征信分利用算话多年实战风控经验 ， 结合算话独特征信数据资源 ， 为有意开展线上信贷业务的机构 ， 快速孵化风控能力 。支持贷款客户风控常用数据在客户授权下的实时抓取与后台数据推送 ， API、 H5、SDK完美解决各种信贷场景的快速部署 。获得“金鼎最佳数据安全奖”算话反欺诈云服务日均查询量突破 50万次算话债务信息共享服务平台正式上线获得上海市政府政策资金支持入选“ 2016毕马威中国领先金融科技 50强”公司合作机构突破百家算话反欺诈云服务上线公司成立20162015 2017获科技部 2016创新创业大赛优秀企业称号2017/11/7 24数据分析驱动变革欺诈行为愈加复杂，算话征信凭借前沿技术提供专业解决方案团伙欺诈预警多头借贷评估关系网络洞察提供包括 IOS及 APP客户端的设备指纹应用 ， 涵盖了全场景（ 借款 、 注册 、 登录 ） 的解决方案 ， 基于海量数据和知识图谱 ， 可以有效识别设备中介 、 设备异常 、 设备多次申请等欺诈情况构建客户关系网络，划分业务类型之后，基于策略驱动原理，同时在部分分支结合随机森林、逻辑回归等算法来得到相应的欺诈分数以及欺诈评级发掘出申请人在 7天或 30天内的多机构申请情况，以此评估该申请人的还款能力及还款意愿（恶意欺诈）算话 反欺诈云 服务上线以来，已 为 200余 家合作机构 每日处理超过百万次欺诈侦测 ， 为客户防堵 潜在 欺诈损失 超过 亿元 。目前，算话 反欺诈云服务 的 KS平均 水平可达 35， 5%的最坏客户风险倍数平均水平可达到 3倍以上。算话反欺诈云服务已经广泛应用于信用卡、消费分期、传统线下信用贷款，线上现金贷、车贷及互联网保险等领域。解决方案数万衍生 变量新型欺诈形态滋生，团伙欺诈集中攻击互联网金融快速发展，技术手段作案高发，规模性欺诈增多业务快速扩张，风险未能有效分类，导致线下人工审批压力激增欺诈排查手段有限，仅固定问答模式核实，导致排查效率低，业务量增大时，难以负荷近年来，线上贷款申请量迅速扩大，欺诈团伙作案成本逐渐降低，代办中介批量攻击日趋严重，信贷机构面临多重挑战：算法领先多方合作技术前沿机器学习 GBDT知识图谱 RNN设备指纹互联网行为探针LBS信息挖掘自然语言处理亿级关系节点毫秒 级 响应反欺诈运用底层数据跨机构完整客户申请数据互联网行为数据设备数据2017/11/7 25数据分析驱动变革算话债务信息共享平台启发构建信用共享体系算话债务信息共享平台于 2015年 10月上线 ，截至 2017年 5月 ， 已经与四百多家企业达成战略协议 ， 并与其中大多数机构达成全面债务信息共享 。 采集债务信息突破一千万人次 。 债务信息平台的搭建 ， 打破了许多企业的数据孤岛 ，共享平台以极快的速度扩张 。算话征信提倡权益对等的理念 ， 共享信用信息越多 ， 查询信用信息越多 。信贷机构债务信息共享平台贷款申请查询债务数据上传债务数据 债务数据审核 、 管理债务共享协议审批申请个人用户债务信息共享平台模式图解两百多家共享机构Analysys分析认为： 算话征信的债务信息共享平台对构建信用共享体系有很好的启示作用 ， 大数据种类多样且复杂 ， 短期难有有效的方法完善各类数据共享方式 ， 不如建立仅包含基础数据和债务数据的数据共享平台 ， 基础征信系统完善之后再寻求方式接入其他互联网信用服务机构 。互惠与公平是推动债务信息共享平台发展的动力 ， 共享机制必须保障授信机构共享债务数据不会因为数据共享而损失已有客户 ， 所以推动权益对等也是发展共享平台的必要因素 。根据西方征信机构的发展史来看 ， 都是中小型授信机构先建立信息共享模式 ， 最后再倒逼大型授信机构参与 ， 数据孤岛一般只存在于行业发展的探索期 ， 这同样适用于中国现在的诸多市场 。2017/11/7 26数据分析驱动变革深度挖掘违约率关联数据，甜橙信用专注风控服务57.1%2.1亿10亿 +30万国内近六成的用户使用电信宽带 ，用户数超过 1亿通信产业链上拥有30万上下游代理商全方位经营信息身份验证信息覆盖三大运营商 ， 超过十亿的实名用户拥有世界上最大的CDMA网络 ， 用户数超过 2.1亿天翼征信有限公司是首家运营商旗下独立的信用评估及信用管理机构 ， 提供专业的企业征信和个人大数据风控服务 。 中国使用手机设备的约有 13亿人 ， 且已实现实名制 ， 天翼征信结合通讯数据与大数据分析 ， 提供了一系列具有特色的风控产品 ， 并在 2015年荣获 年度互联网金融创新奖 。基础信用信息报告、企业财务报告、信用风险信息报告、标准企业信用报告、深度企业信用报告账户风险评估 、营销风险评估 、环境风险评估八大核心要素校验能力全面覆盖 ,产品个性化组合可定制 ， 涵盖运营商认证 、 银行要素认证等子产品针对互联网金融 、持牌类消费金融 、银行等小微小额信贷业务提供深度内嵌业务场景的定制化风控服务企业征信甜橙欺诈盾身份核验产品个人通信评分数据支持产品 Analysys 易观 analysys7.8%6.7% 6.0%5.5% 4.9%4.6% 4.5% 4.1%3.0%0.0%1.0%2.0%3.0%4.0%5.0%6.0%7.0%8.0%9.0%手机号在网时长与逾期率关系数据说明：数据来源于天翼征信有限公司2017/11/7 27数据分析驱动变革天翼征信提供多种解决方案，有效降低电商、金融流程中的欺诈风险修改密码登陆注册活动下单 绑卡 支付审批申请贷款 授信 放款 收款恶意注册攻击欺诈用户注册盗号撞库盗卡盗刷绑定他人银行卡骗取优惠 异卡交易设备 可疑账户风险评估对应关系验证 环境 风险 评估环境风险 评估营销 风险评估欺诈风险监测欺诈风险评分多头借贷 风险预警号码风险预警综合 风险评估团伙欺诈多头借贷黑中介过度授信 信用恶化财务恶化逾期风险监测解决方案电商流程金融流程解决方案账户 风险评估环境风险评估2017/11/7 28数据分析驱动变革闪银奇异依托专业技术 提供多款信用评估产品黑名单评分用户分析P2P共享黑名单涉 诉黑名单网络不良信息风险事件预警工作 、 学校等基础信息风险等级预测关联用户分析辅助授信 、 风险定价浏览行为 、 消费习惯社交圈子 、 兴趣爱好位置信息 、 活动模式数据源模型迅速业务规则包含 3大类 、 40余项 、 7000余个数据点 ， 涵盖公开互联网 、 社交网络 、电商网站 、 通讯 、 金融等数据 。6类调用模板3个主模型 ， 370余个子模型采集 、 运算 、 决策在 3分钟内完成 ， 全程自动化产品核心技术北京闪银奇异科技有限公司成立 于 2014年 ， 依托核心技术 ， 提供信用产品 ， 以实现 快速精准的信用评估 。 基于该评估结果 ， 撮合个人用户和机构快速完成交易 ， 帮助个人享受到更便捷的资金借贷 、 消费分期等金融 服务 。2017/11/7 29数据分析驱动变革闪银 APP提供便民信用服务 用户黏性持续增大 Analysys 易 观 A3 analysys数据说明：易观千帆只对独立 APP中的用户数据进行监测统计 ， 不包括 APP之外的调用等行为产生的用户数据 。 截止 2017年第 3季度易观千帆基于对 21.9亿累计装机覆盖及 5.2亿活跃用户的行为监测结果采用自主研发的 enfoTech技术 ， 帮助您有效了解数字消费者在智能手机上的行为轨迹 。8.01 7.03 8.22 9.57 9.69 -12.21%16.86% 16.45%1.23%-15%-10%-5%0%5%10%15%20%0246810125月 6月 7月 8月 9月2017年 5月 -9月闪银 APP人均启动次数人均启动次数（次） 环比增长率个人可以查央行征信报告、社保、公积金及全国法院被执行人信息等。同时接入多个便民查询入口。提供借贷、信用卡等服务；申请流程简单，无需抵押和担保， 只要信用分 达到要求 ，就 能轻松贷款。凭借闪银个人信用档案在 投资理财、保险、衣食住行等场景中可享受不同程度的优惠，以体现“守信激励”。闪贷 信用商城信用档案闪银 APP依托大数据分析 ， 对信贷申请者 提交的信息进行识别 ， 并进行 在线 评分 ， 用户 3分钟即可完成评估 ， 得到信用 额度 ， 额度可以提 现 、 分期 消费 。 令 原本没有传统金融机构信用服务覆盖的 “ 信用白丁 ” 得到信用 服务 ， 并为之提供信用档案和信用商城服务 。闪银 APP在满足市场需求的情况下 ， 人均启动次数由 6月的 7次上升到 9月的 9.69次 ， 用户粘性不断增大 。2017/11/7 30数据分析驱动变革PART 4大数据信用服务未来趋势2017/11/72017/11/7 31数据分析驱动变革互联网机构天然具有大数据优势 信用信息共享服务体系将形成缴费公共数据消费贷 借贷 网购电费通讯电话支付资源共享平台第三方征信机构公安学历集团背景征信机构基本信息作为征信评估的依据 ， 数据天然具有的垄断性 ， 将导致 “ 大数据拥有者 ” 从最开始就利用自身生态所带来的数据量级优势处在有利位置 ， 而信息共享本身对数据较少的机构有利 ， 所以拥有大量数据的机构不愿意共享信息 ， 数据孤岛现象仍将存在 。商业并购 、 债务信息共享 、 商业数据共享等多渠道数据融合 ， 会推动征信数据的全面性不断扩大 ， 推动数据共享的第三方征信机构将不断整合中小企业资源 ， 倒逼大型授信机构共享数据 ， 得到市场广泛的认可 。第三方征信机构自己不产生数据 ， 以共享债务人和债务信息为核心数据 。第三方征信体系主要服务信贷行业 ，能够有效推动行业内 、行业间数据共享 ， 能够接入更多专业的信用服务 。集团背景征信机构以自有数据为主 ，目前来看 ， 网购 、支付 、 通讯是核心数据 ， 且不会共享 。集团背景征信机构依托庞大的替代数据和用户覆盖