张强

摘要：当前国内征信行业的数据评分产品领域存在着产品质量良莠不齐，产品标准不统一、概念混淆等问题。本文从评分产品全流程（数据采集、数仓建模、机器学习、数据评分产品应用）来探讨此问题产生的原因，并给出一定的管理建议。整体上目前存在着核心信贷数据采集不到位，数仓建模不成体系，机器学习模型过于泛滥等问题。建议回归征信的本质，加强制度建设，同时发放多张征信牌照，引入市场化机制推动问题的解决。

关键词：数据，概念，模型，制度

笔者从2015年一直在征信行业数据评分领域工作，见证了国内征信行业评分产品的发展。当前征信行业各种概念层出不穷，为了便于表述清晰，现將文中讨论的概念提前说明。

文中提到的征信行业评分既包括传统的信用评分，也包括传统信用评分的有效补充大数据评分，两者的定义如下：信用评分是基于对个人信用档案的等级分析的数字表达式，代表个人的信用度。信用评分主要基于信用报告，信息通常来源于信用局;大数据评分是一项基于云的服务，让消费者贷款机构通过使用大数据提高贷款质量和接受率。

数据评分产品的产生整体上分为数据采集、数据仓库（基于数据模型构建、实施数据仓库）、数据建模（机器学习模型）、数据产品等环节。

一、征信行业数据评分产品存在问题

1. 数据采集不到位

1）信用数据采集不全

一个良好的数据评分产品需要有覆盖率高、数据质量高的数据源作为支撑，否则数据评分产品的质量很难做好。……