9月23日，由上海市经信委员会、上海市金融工作指导、上海市信息服务行业协会牵头编写的《2014上海网络信贷服务业白皮书》发布。 白皮书显示，目前央行征信中心针对有信用记录的市民收集的信息共有两种。 一个是个人的基本信息，另一个是信用卡的消费和还款记录。 不过，P2P网贷行业判断借款人信用评价的数据包括手机列表、个人收入证明、社保信息、家庭身份信息、驾照信息等34个信息类别。 由于这一现象充分展示了央行征信系统的局限性，一直备受关注的P2P行业大数据征信再次受到关注。 希望借此机会，阳光宝利市场研究部对P2P行业大数据征信进行前瞻性分析，简要解读这一趋势的特点和动态。
在讨论大数据的征信问题之前，首先要明确所谓大数据的概念。 很多人认为数据规模大是大数据，这种观点是错误的。 大数据不仅是指数据规模大，最重要的是数据结构复杂。 像前面提到的央行征信系统，其中包含8亿居民的信用卡信息，规模巨大，但只包含这样的信息，数据结构极其简单，所以不能说是大数据，最多只能说是大数据库由于数据结构复杂，数据库中每个实体都需要非常多属性的数据，就个人而言，不仅要有各种社会学背景、财务数据等，而且要有网络习惯、操作行为、出行路径等一系列数据。
目前，积累了如此复杂的数据，拥有大数据分析基础的公司只有——百度和阿里巴巴两家。 中国的网民大部分都使用百度和阿里巴巴的产品，所以这两家公司有足够的数据存量。 同时，这两家公司至少从五年前开始投入大量资源探索大数据业务。 百度公司已经发布了一系列探索性的大数据分析结果，从这些分析结果来看，百度在大数据分析技术上正在逐渐成熟。 其研究成果最具代表性的是百度经济指数预测。 百度通过大数据对未来三个月进行经济指数预测，预测结果与三个月后国家统计局公布的统计结果极为一致。
2
虽然阿里并未公布大数据的研究成果，但阿里巴巴已经开放了大数据平台，同时每年暑假举办大数据大赛，吸引大批优秀人才参与大数据分析，并让这些人才的电脑进行大数据云处理系统阿里巴巴成功实施IPO后，大数据被列为三大集资投资领域之一，预计即使尚未成型的大数据研究成果出炉，阿里巴巴也将很快在这一领域建树良多。
从目前阿里巴巴和百度拥有的数据资源来看，笔者认为未来P2P大数据征信的数据框架大致如下。
社会学背景：最基础的分析维度来自用户注册信息
现金流量：判断经济状况的基础维度来自宝宝类产品、第三方支付等数据
操作习惯：不同职业的用户操作习惯差异非常明显，可用于证明用户的职业类型，可在用户操作习惯记录系统中获得
信息偏好：不同层次的用户信息偏好也有明显差异，来自用户搜索习惯
消费习惯：消费习惯代表消费能力，来自用户的消费记录
人际网络：根据社会阶层理论，社会人总是与和自己同一层次的人交流，通过APP读取和获取联系信息；
移动特征：可判断是否为本地人、旅游目的地偏好等，通过APP发送定位信息获得；
消费场所信息：消费场所等级特征可以表征消费能力，通过APP发送定位信息获得。
由此可见，大数据的征信可以大大完善当前P2P行业的征信系统，虽然不能起到替代作用，但可以从更多维度判断。 但排除政策等系统性障碍，大数据征信目前面临一些严峻问题，无法完全发挥作用。
第一，非结构化数据处理。 在年初的百度大数据论坛上，百度公司的数据科学家曾经表示，目前百度大数据面临的最大问题是无法从大量非结构化数据中筛选出有价值的数据，百度公司每天的净增量数据量约为1 Pb，其中至少有99.9
第二，自然语义分析。 大数据有很多工作需要应用于自然语义分析，如信息偏好，需要将文字转化为可以量化的数据。 但是汉语不是进制语言，计算机不能直接识别，只能依靠自然语义分析。 但是汉语词语搭配极其复杂，自然语义分析最基础的工作分词词典仍然不能用计算机完成，目前所有的自然语义分析都是基于分词词典，效率低下，完全不能适应用户网络使用习惯的快速变化。
三是大数据分析与市场研究的差距。 这是当前大数据征信面临最大问题但最容易忽略的问题。 如果大数据还停留在数据水平，P2P的征信就没有意义了，有人要把数据转换成结论。 有什么样的互联网连接行为的人很可能按时还款，喜欢什么样的信息的人容易违约等，这些问题都不能直接反映在大数据中
分析结果上，此时就需要有善于解读和分析客户行为的市场研究方通过市场研究手段进行数据解读与建模，然后才能被P2P公司应用。因此，大数据能够完全应用到P2P征信领域的前提是大数据部门与市场研究部门的对接融合，将数据转化为结论。但目前这两个部门之间存在非常严重的鸿沟，试想，一群连qsdmf都没听说的数据分析工程师与一群连oracle都不会读的市场研究人员之间在沟通时如何相互理解？因此目前中国整体大数据领域面临的最大问题就是数据分析工程师已经写出了大量的算法代码，但不知应该怎么用，而市场研究人员也做了大量假设和建模，但不知道怎么实现，双方在沟通的时候都在自说自话，沟通之后都发现自己什么都没听懂。这也就导致了大数据还只停留在一些有成型模型的宏观层面应用，无法深入到像P2P征信这种细化到个人行为判断的深度。因此，阳光宝利市场研究部认为，可以预期，在将来个人征信牌照发放之后，P2P大数据征信应该首先通过社会学背景和现金流这两个简单维度进行探索，同时等待自然语义研究的发展以及数据分析与市场研究单位打破双方之间的技术壁垒顺利对接，才能开始真正意义上的大数据征信时代。
转载于:https://my.oschina.net/u/1160813/blog/323645