导读    技术变革对征信业的发展起到了非常大的促进作用。征信最早起源于消费分期，需要对消费者进行信用评估，但当时更多的是通过口碑积累的定性判断，没有定量描述。进入电子化时代后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和评估信用，这极大地推动了行业快速向前发展。

在今天的互联网时代，数据承载量非常大，任何数据都可以成为信用的一部分，即我们可以利用数据与信用的关联度，深层次挖掘信用数据。人工智能算法模型不止是对过去的统计，也包括对未来的预测，它可以帮助我们更好地刻画违约概率和信用状况。

互联网+大数据征信：广泛、多维、实时

首先，征信人群覆盖广泛，可作为征信体系有效补充。人民银行征信中心在征信数据方面做得非常出色，有效地解决了信用风险问题，帮助金融行业持续健康发展，大大提高了金融的获得性。同时我们也看到，目前只有不到4亿人在央行征信系统有信用记录，还有很多人没有信用记录数据，在获得金融服务时，存在一定的门槛。中国有6.48亿网民，人群覆盖面非常广，通过对他们在网络上留下的痕迹进行数据挖掘和分析，能够对目前的征信状况进行有效补充，让更多在互联网上有数据的人，通过刻画得出的信用状况，也能得到金融服务，当然还包括生活服务。

其次，征信信息广谱多维。现有征信记录主要是个人信息加信贷记录，而互联网上的行为记录非常多，我们可以用大数据的方法计算互联网上万个变量，将更多信用记录以外的信息纳入征信体系。结合现有身份记录和信贷记录，以及生活类数据，再加上互联网数据，可以得到更多广谱信息来刻画信用。

最后，征信数据实时鲜活。大数据的两个主要特点是存量、热数据，它不再是离线的事后分析数据，而是在线实时的互动数据。如果某个人有违约行为记录，会立刻被刻画进来，使当前业务的快速决策更加有效。

运用大数据征信模型全面刻画信用

信用是一笔巨大的资产，让它成为一个可衡量、可变现的资产是我们的愿景。我们的优势在于互联网数据，但不仅指交易数据。多年来，用户通过第三方支付缴纳水电煤气费、信用卡还款以及物流信息也是重要的数据来源。当然，公共政务数据也很重要，此外还有用户自主上传的数据。这些数据能够帮助我们更好地描述以及准确地刻画个人信用。我们输出的是信用分，基于数据来构建决策引擎，以便向用户输出更有价值的服务。

大数据征信模型与传统评分体系有所不同。我们深度融合了传统信用评估与创新信用评估，开创了大数据征信模型。在模型中，信用历史是非常重要的一项，其他维度包括身份特质、履约能力、行为偏好和人脉关系（此项分数比重稍低）。通过这五大维度，我们建立了刻画个人信用全貌的模型。我们的主要切入点在于，使普通老百姓(603883,股吧)感受到信用的力量和价值，使他们今后在生活中注意培养信用意识，并在全社会建立起信用文化。

净化互联网环境

在合法合规的前提下，大数据征信公司应科学客观公正地评价个人的信用水平，通过输出各种标准化和定制化的身份识别、反欺诈、信用风险识别与跟踪产品与服务，赋能合作伙伴，并一起推动中国诚信文化的传播和诚信体系的构建。

基于大数据7×24小时在线运算能力，芝麻信用有非常强大的身份识别和反欺诈能力，能够以商业化的方法净化互联网环境。随着生物识别技术的发展，生物特征的识别率、准确性、可靠性可以大大提高，再辅之其他识别方法，可以非常精准、可靠地识别人，这样就能将人与账户和设备关联起来。基于这套识别体系，能够充分了解网上的行为主体。今年3月，我们在德国展示了人脸识别技术，我们的样本非常大，识别可靠性也不错，我们对此抱以期待。

另外，通过账户行为分析，我们能够准确地刻画人的行为，以此判断是否出现行为异常，带来安全隐患，帮助合作伙伴进行反欺诈识别。未来，反欺诈将回到“以人为本”，而不是以账号为中心。线下查询信用一定要本人持身份证来操作，身份识别对网上查询来说也很关键。