运营商加入征信领域，构建个人信用模型

panjl | 2016年5月24日 | 2016年 | 评论已关闭 | 3073

信用是每个时代都倡导的品质，随着资本市场的蓬勃发展，信用已经成为市场经济中非常重要的资源。尤其在 “互联网 +”时代，人们的生活日益处于网络环境，客户欠费和坏账等行为的频繁出现导致个人信用风险分析和评估极为重要。个人信用评分起源于银行和保险行业，根据个人在银行或保险公司的信用资料构建信用模型，授信者根据客户的信用等级考虑是否授信和授信的额度。

西方国家工业发达，信用征信行业在 19 世纪开始萌芽，随着科技和资本市场的发展，个人信用评价得到充分发展。在欧美等西方国家，个人信用评分不仅仅运用在金融机构放贷方面，且已经渗透到人们的平常生活当中，比如房屋租赁、公司招聘等，在个人信用评分的方法和应用方面已经非常成熟了，构建个人信用评分的方法主要是利用数据挖掘相关技术。

国内信用评分常出现在银行和保险行业，但随着互联网已渗透到人们生活的方方面面，比如：购物、理财，各行业都开始重视个人信用问题。2015年，央行宣布开放个人征信市场，各大企业开始涉猎该领域，目前出现了芝麻信用和腾讯征信等个人征信机构，国内个人信用评分出现“百花齐放”的景象。互联网公司主要依据用户在各个公司相应的产品使用中产生的个人行为数据构建个人信用等级，然而由于这些行为数据不够全面和互联网电商等对用户身份要求不严等原因制约了个人信用评分的发展。目前，随着科技的进步和数据挖掘技术的成熟，个人信用评分市场的发展需要依靠着更全面的数据构建更精准、更全面的信用等级才能符合市场经济发展的需求。“互联网+”时代，移动互联网已经得到充分的发展，电信运营商作为宽带和移动互联网的流量提供者，拥有通信行为数据、用户位置数据及全网移动互联网数据，以及公共事业单位拥有的日常支付消费数据，可以尝试进入个人信用评分这个领域，而且未来有可能在这块领域占有相应的位置。

l 运营商展开征信业务的优势

电信运营商在开展个人信用评分的主要优势是数据存储，电信运营商的数据拥有全面性、及时性、形式多样性和可信度高等优势。电信运营商可以充分利用这些数据，将相应的数据提供给征信数据使用方，同时电信运营商也可以构建内部的个人信用评分服务于电信运营商的传统业务。

1.全面性：电信运营商拥有用户的用户身份属性、消费属性数据、位置属性数据及手机上网数据，涉及了用户的外在属性、内在属性、行为和用户特征四大方面，涵盖了用户生活的方方面面。

2.及时性：电信运营商可以说是最早的互联网公司，它在系统构建方面非常完善。目前电信运营商一天数据存储量达到了 1EB，而且电信运营商存储的数据周期都在一年以上。随着大数据时代的到来，电信运营商已经构建相应的大数据平台，可以实现批量的分析计算，甚至是实时交互的查询分析。

3.形式多样性：随着科技的发展，产生的数据不仅仅只限于量化数据，视频、图片和语音等都是数据。电信运营商可以存储用户在手机网上产生的图片、视频等数据。

4.可信度高：电信运营商所拥有的数据是电信用户真实产生的数据，然而电商网站的数据含有虚假性，如很多电商会雇人进行刷单和评价。因为电信运营商已经完成用户的实名制，可以确保数据与用户身份的一一匹配。

l 如何构建用户信用评分

用户信用评分构建有以下流程：维度指标选取、模型构建、信用等级划分和信用评

分应用。

1、维度指标的选取

人们生活的各方面都需要信用，因此在选取维度指标的时候需要全面。主要涉

及五个维度：身份特征、消费能力、信用历史、人脉关系和行为偏好。

2、模型的构建

首先，对用户在四个维度下构建：消费评分模型、诚实度评分模型、交际圈评分模型和行为偏好评分模型，构建用户在这四个维度下的信用画像，基于用户四个信用画像评分利用分层分析法计算用户的个人综合信用分数。目前流行的信用评分模型构建算法：判别分析、系统聚类分析、决策树和逻辑回归等。

1）消费评分模型

用户每个月的账号余额、语音金额和流量金额等能够充分反映用户的消费能力和生活习惯。利用描述规则和数据挖掘算法对用户进行细分，并利用逻辑回归给用户消费能力进行打分。消费评分模型可以体现用户消费能力和生活习惯方面的价值。如：根据用户的消费能力勾画用户信用画像：高支付能力、低收支付能力等。

2）诚实度评分模型

用户的停机次数、欠费金额等指标充分反映了用户历史信用情况和用户的信用等级。构建诚实度模型可以体现用户在还款、诚信方面的内容。如：用户经常欠费或停机次数频繁，分析出用户是属于经常赖账类型的。

3）交际圈评分模型

根据用户的高频联系号码、流量共享套餐等信息，利用图分析方法，可以从这些记录中分析出用户与这些用户的关系，形成用户的交际圈系数模型。通过交际圈系数模型可以反映用户的社交价值和用户交往圈类型。比如：用户频繁联系的人中的通信对象一般是法院或博彩公司，则该用户交际圈评分模型的分值会降低。

4）为偏好评分模型

分析用户的网上内容偏好、位置变动情况和使用app类型，反映用户个人兴趣爱好及用户平常出入场所。用户行为偏好可以侧面反映用户消费状况，如：用户的位置经常出现在澳门或者用户经常浏览博彩网站，则该用户的行为偏好评分模型的分数相应降低。

3、信用等级划分

给四个模型相应的权重，构建综合信用分数。利用熵系数方法对信用分数划分出5个违约等级。

4、信用评分的应用

根据用户行为产生的数据对用户进行信用划分，将用户相应的信用等级提供给传统的电信业务或需要征信的企业，为企业提供防范客户信用风险的决策支撑。

l 应用场景

运营商的信用评分不仅可以指导内部运营，同时可以拓展到与其他行业进行合作开拓“互联网+”时代运营商发展的新道路。

5、场景1：电信运营商用户运营

电信运营商在传统的电信业务方面存在用户欠费或终端分期停止付款等用户信用

问题，电信运营商可以依靠用户信用评分有效的进行客户运营管理。如：在运营商终端机售卖分期付款的期限制定方面，可以根据用户的信用度分配不同的分期期限。

6、场景2：个人信贷评估

1）银行贷前评估

佰聆数据公司曾参与某省移动与微众银行在信用评分方面应用的案例，微众银行将客户提交的手机号码以及授权的数据内容如地址、联系人等信息提交某省移动公司，移动公司基于微众银行提供的信息进行核对同时对用户进行前期信用等级划分。如：分析用户地址正确性、用户的联系人是否存在不良信用等。

2）银行贷中审核

若用户通过了贷前评估阶段，在贷中审核阶段，移动公司根据用户这段时间的通信行为再次对用户信用等级划分。如：分析用户的在贷款审核阶段位置出入地点的变化，如用户在这段时间经常出入澳门，则相应的信用评分降低，移动提供用户的信用等级协助银行决策。

3）银行贷后监督

用户贷款后，银行需要及时监控用户贷后行为，但是银行在这方面缺乏相应的数据，而且“互联网+”时代，用户贷后款项的去向多种多样，传统的监督方式存在片面性。然而，由于移动公司具有数据及时性的特点，会时刻监控用户并实时对用户进行信用等级划分。如：移动公司分析用户在贷前和贷后通信行为的变化，及时调整该用户的信用等级，银行根据移动公司的相应分析结果，及时判断用户是否存在还款风险。

传统征信服务公司、互联网公司和电信运营商在大数据时代形成互相补充的关系，运营商加入征信领域可以实现数据的全面性、分析用户行为的准确性。电信运营商基于数据的优势参与到个人信用评分行业，一方面可以拓展电信运营商发展新的方向，另一方面也为征信领域增加信用评价的全面性、及时性和准确性。目前电信运营商可以协助金融机构在贷前、贷中和贷后提供用户的信用等级，协助金融机构更加合理进行决策，电信运营商还可以协助更多行业的企业进行风险评估。在大数据时代，运营商可以成为企业的“布道者”。

本文刊载于《客户世界》2016年4月刊,版权作品，欢迎转载并标明出处；作者张坤，作者单位为广州佰聆数据股份有限公司。