二代征信银行怎么用？从技术解读银行如何加强风控

发布时间：2023-11-6 17:07 阅读：692

2020年年初，中国人民银行征信中心将向社会公众和金融机构提供二代格式信用报告查询服务，与一代信用报告相比，新版二代征信报告对信息内容进行丰富，优化了信息展示形式，提升了信息更新效率等。

信用报告是依法设立，以经营征信业务为主体的信用机构，通过对个人的综合信息，包括个人完整信息、银行贷款与还款信息、进行采集、整理、保存、加工，并向信息使用者提供的记录文件。也是征信基础产品，系统记录个人的信用情况，全面反映信息主体的信用状况。

截至2019年底，个人征信系统收录10.2亿自然人的信息，规模已位居世界前列；个人征信系统分别接入机构3737家，基本覆盖各类正规放贷机构；2019年，个人征信系统累计查询量分别为24亿次，日均查询量分别为657万次。

不过虽然信用报告升级到二代，但对于大多数银行和金融机构来说，如何利用二代征信对客户来分层，或者说是风控上的升级呢？

二代征信报告数据的丰富，对于金融机构准确评价客户信用、了解客户负债情况等具有重要意义。但目前国内征信报告读取形式单一，无特征变量体系，机构无法直接使用于信审规则和风控模型等场景。

合理利用征信报告数据，对征信数据进行深入挖掘和加工，衍生构建指标变量体系，建设征信数据统一加工、衍生变量统一管理平台，为客户评价、风险评估、差异化等价等模型提供统一、标准化征信数据衍生变量计算服务，从而增加风控能力的全面性、准确性和灵活性。

这也意味着二代征信系统所生成的报告仍是非结构化的数据，需要将其解读、整合并形成大数据评分可用的数据维度,并借此快速建立起评分模型。

以大数据公司华策数科为例，从二代征信系统试运行启动开始,华策数科已着手进行相关数据的衍生变量设计规划,目前已从二代征信的八大类模块中,解析出超过400个基础变量,生成基础变量库,并在此基础上打造出拥有超过8000个衍生变量的衍生变量库。

要知道，华策数科有一款基于大数据评分产品Smart Score已稳定迭代并运行近5年,服务了超过五十家商业银行、消金公司等客户，覆盖信用卡发卡、现金与消费分期等全应用场景,以及从获客、筛选直到贷后管理的信贷全流程。

而刚才我们所提到的变量库的搭建成型，让Smart Score再度升级，基于二代征信报告的数据维度,能够进一步丰富和完善Smart Score中的不良信息类、多头共债类等大数据风控模型,从而大幅提升模型应用于授信审查、反欺诈、精准营销等方面的准确度。

也正是这样的大数据产品和征信报告的结合，在银行的风控升级中起到了众多积极的作用。