大数据220

个人信用如此重要,衡量信用的那把“ 尺子”也要精准、可靠。不仅甄别信用的数据信息要有效,个人征信体系也要有完整性和统一性

最近,一家网络金融服务平台的用户发现,自己已按时还款,却收到平台合作银行发送的逾期警告信息,有可能影响个人征信记录。这一现象引发了一些网友的担忧。

有信用走遍天下,无信用寸步难行。如今,这样的观念已经深入人心。随着百姓的信用意识大大提升,大家越来越重视自己的信用身份,生怕留下不良记录,在日常生活中碰壁。

个人信用如此重要,衡量信用的那把“尺子”是不是精准、可靠,也就变得尤其重要。现实生活丰富多彩,影响个人信用的因素越来越庞杂,这把“尺子”该量些什么?用什么标准去量?明确这些问题,对于完善个人征信体系而言十分重要。特别是这些年互联网金融、消费信贷等新兴业务快速发展,个人征信只有兼顾传统行业和新兴领域、覆盖经济行为和社会生活,才能全面、准确地刻画个人信用特征。

准确评价个人信用,要选取有效信息。在信用数据中,金融数据是最核心的数据,除此之外,随着互联网、大数据技术的广泛应用,大量电商购物数据、网络借贷数据和移动消费数据能部分辨识个人诚信程度,但前提是得借助海量数据和模型的运算,才能得出科学结果,而不能随随便便就和信用好坏挂钩。比如,水电费不宜计入征信记录,是因为难以分辨每家的租户、户主谁是承担主体,不能简单地以缴纳情况来判断某个人的信用状况;又如,有人在一段时间内频频跳槽,可能是因为当地就业环境、企业用工情况所致,不能因此就判定就业者信用不佳。因此,要采集那些能准确判断个人信用程度的信息,并进行科学合理的运用,而不能将信用当成一个“大筐”,什么都往里装,什么都与信用相关联。

信用这把“尺子”量得准不准,拿“尺子”的人很关键。征信是为了解决信息不对称导致的信用违约风险问题,提高交易效率、降低交易成本。从征信机构的角度说,在公司治理结构和业务开展上应确保独立,防止利益冲突。开展业务要客观中立,不能受信息提供者和使用者等其他主体的支配,征信产品和服务的使用不能与征信机构股东或出资人的其他业务相捆绑,不能成为部分人谋取利益的手段。要从保护个人隐私、加强个人信息保护的角度出发,防止个人信息被过度采集、不当加工和非法使用。

信用评级机构可以“百花齐放”,但不能因此影响征信体系的一致性。各类金融平台、科技公司丰富了征信数据的来源,其中不少机构构建了自己的信用评价体系,甚至各地也推出了本地版的个人信用积分。信用数据扩容、征信体系完善,的确需要更多机构参与,但如果全社会没有一把标准统一、有公信力的大“尺子”,怎么能甄别出不同人的信用度,信用分又怎能有普遍适用性?在信用评价完善的市场,往往都有一个普遍适用的打分机制,简便、鲜明地标识出每个人的信用水平。我国也亟须打造一个标准统一、具有可比性的信用评价体系。

现代市场经济是信用经济。可以预见,未来我们的信用身份将越来越清晰,个人征信的适用范围也会不断拓宽,并在每个人的生活中扮演更有价值的角色。

相关阅读:

我国大数据产业的发展展望  

青海用大数据为游客精准“画像”  

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2019-07-31 13:34:00
大数据资讯 贵州省人大审议大数据安全保障条例(草案)
7月29日,贵州省十三届人大常委会第十一次会议举行第一次全体会议,听取了贵州省人大法制委员会关于《贵州省大数据安全保障条例(草案)》审议结果的报告,并分组审议了《 <详情>
2019-07-31 13:28:21
大数据资讯 贵州:大数据服务队为传统企业“会诊”
日前,贵州省大数据发展管理局和国家工业信息安全发展研究中心共同主办的大数据与实体经济深度融合全国行在贵阳举行启动会。贵州以大数据为传统企业的转型升级“把脉问诊” <详情>
2019-07-31 13:23:06
大数据技术 贵州大数据让脱贫攻坚“大”有可为
前几年,大数据这个词在不少人眼里恐怕还是“高大上”的代名词。随着近几年信息技术高速发展、互联网的快速普及,全球数据爆发增长、海量集聚,大数据应用渗透到我们生活的 <详情>
2019-07-31 09:58:00
大数据技术 运用大数据实现扶贫脱贫“精准”性
2019年中央一号文件将聚力精准施策,决战决胜脱贫攻坚作为一项硬任务,明确要求到2020年确保现行标准下,农村贫困人口实现脱贫、贫困县全部“摘帽”、解决区域性整体贫困。从 <详情>
2019-07-31 09:05:34
大数据技术 中云数据:用去中心化打破孤岛,“数工场” 实现工业数据互联|创业
“工业数据比电商数据复杂的多,首先它多且杂,传统工业企业产生大量数据但不知道如何应用;其次是它数据产生的频率不规律但是要求很严格,尤其数据不能出错,不然会影响整 <详情>