外部数据源的使用汇总

     关注 “番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。

数据征信成本已经成为成为一家公司重大的费用支出，我们先看一份笔者之前从事过的一个现金贷的业务，也是在当时刚起步的项目，因为刚起步所以接入的数据源不多，那自然所用的费用也不多，也算是在该项目的所有的流程中最便宜的一次费用了:

 

 

从上面的数据，可以看出来，一个客户所有全查到数据的情况下，所花费的费用是九块五。九块五是什么概念，是非常便宜的数据费用。因为在正常的线上贷款公司而言，需要核查一家公司从线上到获客有效的整条产业链中，需要花费的费用大概就是20-50元的范围。

 

据笔者了解到，单单征信成本就占到整个金融公司的2%-5%的费用支出。征信成本太高，加上公司本来固定的运营成本、资金成本、人力成本各种乱七八糟的费用，一个产品的利息不达到24%以上，更有一些短期现金贷公司直到36%或以上，才能盈利，否则根本不赚钱了。

 

也基于这样的业务的逻辑催生出那么多的高利率的产品。征信成本太高了，也是目前整个行业的通病。

 

目前也因为征信成本过高，长期居高不下，每家公司在竞争角力上也一直在考虑如何优化相关的征信费用，毕竟利润已经有限，优化征信成本已经是必须要调整的内容。

 

想了解如何优化目前的数据源，进一步思考，追源溯本，就该深入了解目前所用能用的数据。只有对比完相关的数据源才能了解这些数据是否属于同质性的数据，源头的数据是否雷同或者相似，是否互相能取代，只有一个一个地了解熟悉，才能知道哪些可以交互和取代。

 

从今天开始的系列开始，我们将会对这些外部征信数据源，进行分析：

本系列的文章将分为几个部分为各位读者梳理目前市面上，常见的数据源，我们先从最常用的几个数据源开始梳理：

 

 

TongDun

 

TongDun的数据无疑是目前市面上最能查到最全面的数据源了，因为他们家做数据产品相对较早。所以数据覆盖率，在所有的数据厂家中最高的。但查得率是一回事，准确率是另外一回事。因为目前很多三方数据，其实都是无法考究真实性的。

 

央行征信数据，权威、真实、合规，这些都是三方数据都无法比拟的，难怪说实名上的数据之分两种，一种是央行征信数据，另一种就是第三方，无论第三方征信数据里的第三方有多大。

 

比如对于银行的大部分客群而言，银行间只查询银行间的数据，很少或者较少会查询非银机构的数据情况。因为非银机构的数据如何考究真伪就是个很重要的问题。但也不是每一家银行对待三方数据的角度都一样。从数据的参考来看，有些冒进些的银行会加大对第三方数据的使用，但也仅仅是对方必须也同样是持牌，受监管的单位。

相对地，非银机构也是类似。一位客户之前在小贷中申请过产品，在银行间的数据中是非常好的客户标签，但是等到去非银机构的时候，去发现该客户的借款行为已经是强苍百孔。

 

回到tongdun的征信数据本身，其征信接口是通过身份证和手机号码所对应的内容，便能反馈到具体用户的风险情况了，详情如下：

 

 

再介绍以上相关的数据维度的之前，我们先介绍一个权重分的概念。

 

 

权重分

 

目前世面上所涉及到规则的使用情况，对于某些规则比如命中多头或者黑名单类的强规则，我们一般不会一条规则名字就直接拒绝，一般会将每条规则赋予一个权重分。

 

同样的，如果权重分的累加大于某个值之后，才会真正去拒绝该客户，那权重分该怎么赋分？

 

如果一般有贷后数据的就参考贷后数据，这个之前在我们的文章有提及（传送门：重磅分享--基于违约概率跟odds的经验评分），而如果是新产品或者新的业务，没有具体的数据，就参考业内的方法，比如我们以身份证命中规则，整理汇总，情况如下：

 

身份证负面情况:

 

 

 

1.在强规则中第一梯队的规则，其权重占比也最高：

 

 

身份证格式校验错误

身份格式有误是在所有规则中权重排序最高的规则，因为格式有误证明该身份证持有人身份无法识别，证明该身份证信息连信息都无法查找，所以需要重新拒绝进件。

 

身份证命中欠款公司法人代表名单

欠款法人有重大负债，已经无法再继续经营项目，其他几条在这里的权重排位大致相同，就不明细

 

2.再继续分析第二梯队的身份证信息数据

 

存在欠费信息而且没有尝还，所以也跟第1级想类似，当然稍对比对应的权重仍弱于第一梯队的规则

 

3.第三梯队，涉及到较高风险，所以也是算较高风险的客群

 

 

4.较低风险的客群,对应如下：

 

 

这里的得分情况为稍微最低，因为最低的得分不太有相关的金融属性，所以所占权重比相对较低

 

在梳理相关的权重的时候，我们能按照这样的逻辑思路梳理：

身份证>手机号码>其他联系方式>联系人>测试数据

 

下面再展开的这些项，大概也是按照这样的方式进行梳理，请看——

 

二.我们继续分析手机号跟其他内容的信息如下,手机号负面:

 

 

 

三.座机/QQ号/邮箱负面

 

 

 

四.其他类负面

 

五.关联信息:

 

六.联系人近亲黑名单

 

七.联系人一般身份黑名单

 

八.其他类风险：

 

九.多次申请风险：

 

 

十.申请人关联信息过多：

 

 

十一.  测试类与预先埋伏类：

 

 

 

最后关于这份数据，会上传到知识星球上，请有需要的学习的同学自行下载这份最全面的数据，谢谢。

 

 

报名星球请添加小番微信，备注下行业+风控从业模块，谢谢您！

番茄学院管理员：小番
备注请填写行业岗位，谢谢啦！