【干货】63家征信机构的征信方法对象和应用场景分析

【干货】63家征信机构的征信方法对象和应用场景分析综述：本文就分析的70家机构进行深入了解他们的征信方法、征信对象以及征信场景。在这70家机构的基础上，除去一些无法查到的征信方法以及征信场景和只是笼统介绍征信对象的征信的机构进行剔除。最终对这63家企业按地区分类进行分析，比较。其中北京地区有22家企业机构，上海地区有13家机构、广东地区有7家企业机构，其他省地区有21家企业机构.从征信对象来看，把63家征信机构征信对象和服务对象分为五类：个人、企业、金融或类金融机构、电商支付和政府。这些企业征信机构服务对象主要以企业跟金融机构客户为主，而且大多数机构有多个服务对象。从征信场景来看，这些征信机构的场景应用主要集中在信贷金融及政府方面的应用。随着互联网的兴起，新的征信机构随着衍生而出，其场景主要应用在生活方面，如芝麻信用。从征信方法来看，不同的征信机构针对各自场景反馈回来的数据以及企业自家的数据所采用的征信方法、模型是不一样的，主要分为风险监控、关联图、信用分这三方面进行比较分析。虽然企业用的都是用关联图来监控风险，但是各个企业所用的关联方法均不一样，企业都尽可能的将这种方法使风险最小化。企业信用分的维度中基本都包含企业身份信息、信用履约这两个维度；个人信用分当中，身份属性、信用记录是共有的维度。征信对象和服务对象的比较把63家企业征信机构的征信对象和服务对象进行总结、归纳，如下表所示：表1：征信机构对象分类表把63家征信机构服务对象分为如下五类：个人、企业、金融或类金融机构、电商支付和政府。从表中可以看出，这些企业征信机构服务对象主要以企业跟金融机构客户为主，而且大多数机构有多个服务对象。表2：征信机构特色服务对象表由表2可知，征信机构除了表1一些总体分类服务对象，还有一些其他特色服务对象，如中诚信征信、金科征信、中策征信和广东德信行信用都有对一些协会服务。征信场景的比较把收集到的企业征信机构的应用场景进行分类、归纳，如表3所示：表3：应用场景的分类表随着互联网信息技术的不断普及，征信产品主要应用在金融信贷服务、反欺诈、信用决策、租赁等金融及生活类的场景中，除了以银行、保险等为代表的大型金融机构外，P2P、消费金融公司、小贷公司等中小型金融机构也成为征信产品的主要用户。从表3可知，这些征信机构的场景应用主要集中在信贷金融及政府方面的应用。随着互联网的兴起，不断有新的征信机构衍生而出，其场景主要应用在生活方面，如芝麻信用，其场景衍生到生活的方方面面：?消费金融：蚂蚁借呗、花呗、天猫开新车?信用租骑：ofo小黄车、优拜单车、永安自行车、破风骑行、神州租车、一嗨租车、安飞士租车、盼达用车信用借还：充电宝、雨伞、图书、服装、数码、玩具、境外WiFi信用租住：未来酒店、蚂蚁短租、小猪短租、途家、木鸟短租相寓、蘑菇租房、公寓家、优客逸家、春眠、美丽屋考拉征信不仅在住宿、旅游、餐饮等方面有所应用，其考拉APP，还有有自己的考拉理财借贷，方便用户直接贷款理财等；还有其他一些征信机构有比较广的场景应用：中诚信源征信在服务类、舆情类等方面有所应用：?金融类：银行、小贷、P2B担保、信用保险?企业类：大、中、小微企业服务类：市场研究及咨询机构公关公司?行政类：政府、行业协会、商会舆情类：求职招聘、媒体记者、投资理财、创业加盟金电联行在园区管理、采购、非法集资方面的应用：宸信征信主要应用在：招商引资企业画像、政府管理服务区域、宏观经济运营监控、企业入驻管理、园区企业服务、园区运营管理、园区生活服务、沉睡客户唤醒、新客户拓展、银行合规管理、操作风险管理、数据接入管理、数据运营管理、权限控制、日志审核。嘉银征信主要在风险管控、客户管理、产品创新、精准营销、运营优化进行精准化应用。每个征信机构都有根据自己企业的特色，抓住市场需求，开拓属于自己的场景应用，为广大客户提供最方便的服务。征信方法的比较一、征信方法中诚信在反欺诈服务方面，运用了生物技术、多维信息联网核查、中文模糊匹配、互联网指纹等技术，为客户提供身份真实性验证、申请资料核验、负面信息检查等全方位反欺诈服务。考拉征信有考拉信用分和考拉商户分（是中国第一个面向小微商户的信用评分），在信贷中的充分运用八大模型：商户信用评分模型、反欺诈模型、营销响应评分模型、行为收益评分模型、申请风险评分模型、预授信模型、行为风险评分模型、催收模型，将所有风险最小化。元素征信的灵吉征信系统主要解决金融风控领域、商业调查领域中的问题。由征信报告、关联关系、贷中监控、产业分析四大业务模块组成。其中评分模型根据企业基本状况、经验效益、经营稳定性、发展前景、声誉风险五大维度计算得出。根据企业生命周期模型测算出企业的寿命指数。关联关系分为显性关联和隐性关联，隐性关联主要采用单点关联、多点关联和族群探索方法。族群探索使用随机游走算法模型，展示部分与目标企业联系最紧密（节点交集最多）的族群，根据节点数最多的群体排序，推送。通过机器学习和人工智能对新闻舆情进行二次加工处理，实现归类汇总相似新闻事件和智能判断新闻结论。企乐汇运用大数据征信技术快速收集借款人多维度信息，并通过多源交叉验证、深度分析，生成借款人数据分析报告。可应用于信贷业务贷前审核、贷中决策、贷后管理等业务流程，致力于帮助金融机构提高工作效率、防范金融欺诈、降低风险。百融金服依托自身特有的线上线下相融合、多维度海量大数据，大量使用有意识、有目的行为数据及机器学习算法来构建全新的信用模型，帮助金融机构“了解”更多的借款人，在获得更大竞争优势的同时在反欺诈、货前信审等风控管理环节也拥有了更为敏锐的洞察力。风险罗盘是百融风控类产品的一站式服务平台，全面支持反欺诈和信用风险评估两大类产品。东方金诚信用，将信息变量通过WOE方法离散化后运logistic回归进行建模，开发了中小微企业信用风险评价模型。宜信至诚信用的致诚企福基于Hadoop分布式生态系统与数据库集群技术，在自主研发的风控智能决策系统基础上，结合云计算、知识图谱、深度学习、商业智能等科技，持续优化产品与服务；致诚阿福在风控智能决策系统上，共享平台结合人工智能、云计算、知识图谱、深度学习等科技手段，借助多年风控的丰富经验，向行业输出高效、便捷、可持续优化的风控科技产品与服务。中诚信源征信，采用最新的HADOOP技术、内存数据库技术以及多种ETL数据抽取转化加载工具和网络爬虫技术，建立相应的模型，最终向客户提供多维度信息认证、信息查询及数据分析成果。中数智汇，通过模糊检索、中文分词、倒排索引、只能输入判定的功能算法，快速匹配输出多条企业全名，实现企业名称快速精准录入。华财征信，结合中国企业和征信现状，开发了一套基于大数据处理的征信管理系统、采用先进的评分模型及大数据处理的强大支撑，提供完备、高效的信用数据采集、查询和快速多纬度的报告生成。中企评协企业征信则采用宏观与微观、动态与静态、定量与定性相结合的科学分析方法，评定企业信用等级。通过量化方法、计量经济学模型进行多元统计分析，得到用户对某一特定产品或服务以及某一特定企业的满意度分析报告。宸信征信的非法集资平台通过60多个实战业务模型，实现非法集资行为自动分析、提前预警、精准检测，做到打早、打小，将非法集资行为扼杀在萌芽状态，实现区域经济良性运转。国石天韵征信采用国际领先的信用评定标准,根据其信息进行加工、处理后得出的信用评分。将借款企业信用等级分三等九级,即：AAA、AA、A、BBB、BB、B、CCC、CC、C。等级由高至低排列为A、B、C,等级越高代表信用风险越低,违约的可能性越小。凭安征信，在金融反欺诈方面，通过大规模集群运算，用机器学习的技术自动分析、处理、加工海量短文本内容，自动识别内容之间的关联模式。商安信采用Creditreform的评级体系，结合中国市场的特点，进行个性化评估模型优化。文沥征信，通过行业、业务、财务、账户的纵向空间和供应链上下游的横向空间，并在历史、现在和未来的时间创建的新型交易信用风险管理模型，驱动金融服务。万达征信，利用先进的大数据挖掘和分析技术对海量经营消费数据科学分析和运用，形成精准的公司及消费信用评估；并且运用云计算、深度学习等大数据技术，用自然属性、财务状况、信用历史、消费偏好、公共信息及身份特质六个维度以先进的数据可视化方法展现给用户的个人信用综合指数。其身份信息通过多维度数据进行交叉验证，将风险最小化。维氏盾征信，依据企业经营过程中多维度数据源，结合大数据技术深入挖掘及云计算技术客观分析，直接反映每个企业的信用情况，分值在350分~800分。机构对于客户的身份信息采用了多维度数据交叉验证，有效降低平台的风险。嘉银征信，沿袭国际金融领域先进模型算法，结合本土行业状况及业务场景，采用多模型交叉检验（Logistic、决策树、机器学习等），精准预测中小微企业信贷风险服务于客户的信贷决策。外滩征信，为小微企业提供贷款全生命周期风险管理的一站式服务。在贷前通过简单的身份信息验证，接着到审核环节，链接多维度数据进行验证身份信息，以及对客户评分、预测的贷款额度，在贷款结束后，需要对他们进行风险监控，对于欠款者提供催收服务。鹏元征信，基于公安部公民身份信息、生物识别技术、银行身份信息的多维度身份认证，保障互联网用户身份的真实有效，杜绝身份欺诈。基于推荐算法的陌生实名社交服务，有效帮助用户找到志同道合、真实的人。微众税银在对过往的坏账数据分析基础上，通过线性回归和蒙特卡罗算法等数据科学，进行聚类分析，采用数据化验证搭建比传统专家决策更科学的细化模型。结合企业画像，运用机器学习等技术和方法，通过量化方法评估企业的还款能力和还款意愿，得到企业的信用评分。针对海量数据源，时间序列，结构化及非结构化数据，通过运用，HADOOP集群进行分布式存储，保证海量数据吞吐，运用神经网络技术进行深度学习对数据挖掘分析，输出企业画像，行业数据，Indexproduct等。信联征信运用逻辑回归、随机森林、深度神经网络等优秀算法，将风险量化，以分数排序快速评估欺诈风险。神通征信是基于大数据分析模型的回归法、挖掘法、导向法三法共证系统，通过历史客观数据与主观评测相结合，大大提升征信准确性，弥补了传统征信体系下“只看历史，不管未来”的缺陷。川蜀通企业征信，通过人像识别、图像对比及北斗定位等多项技术实现企业情况监控、识别，从制度和技术手段上杜绝人为道德风险，减少人力、物力成本，降低金融机构贷后风险。数联铭品科技，通过机器学习的量化评估模型对各风险维度进行综合计算，确定每个关注对象的LFR金融风险指数，在海量动态的信息中识别出潜在危害性高、影响程度大、值得监管机构关注的高价值打击对象。基于关联方风险传导的评分体系，为企业评定阿拉丁分，分值在0~1000分，分层次描述企业信用等级。采用企业5维度信息，运用科学的算法，根据“近朱者赤近墨者黑”及风险传播的原理，用于客观预测观测目标企业的违约概率，构画企业真实信用画像。陕西融信信用，通过现场调查研究，对评估客户提供的资料进行阅读分析，围绕信用评价指标体系进行量化，给予相应的权重，得出企业的综合信用分及相应的等级。延安鼎业征信依托大数据分析能力开启征信新模式，分析系统利用大数据挖掘、分析、智能模型运算等技术。为用户提供了海量信息计算、分析和可视化处理能力；评估系统则采用了定性和定量分析，对企业的财务状况及未来经营绩效进行评价和预测。芝麻信用的芝麻分，运用云计算及机器学习等技术，通过逻辑回归、决策树、随机森林等模型算法，对各维度数据进行综合处理和评估，在用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合分值。而企业征信则是基于海量的数据来源，依托在云计算、机器学习方面的前沿技术，信用数据洞察、信用价值链接、信用风险模型构建等多方面的经验，客观地呈现中小微企业信用状况。中策征信，动态监控使用多种数据处理方式和大数据分布储存方式,使用回归算法专家法，机器学习，神经网络等30种算法，建立科创模型，中小微模型，供应链模型，反欺诈模型等。苏州企业征信，信用评分服务是基于用户进行投资、借贷、赊销活动时，