在刚刚闭幕的全国两会上，个人征信同金融科技、风险管理等一样，成为众多金融领域代表委员提案议案中的热门关键词。全国政协委员、原银监会主席尚福林更是在分组讨论时明确呼吁，要加快社会主义信用体系建设，降低交易成本和管理成本。通过立法，奖罚措施，加大宣传力度，并通过互联网和大数据等手段，完善企业和个人的征信系统。
事实上， 征信一度被视为金融及相关行业展业的基石，没有完善的征信体系，审核和风控的成本必然会增加，信息搜集的维度也会受到很大限制。平安科技作为平安集团的科技智库，一直以来除了向集团公司和所有下属子公司提供IT规划、开发和运营服务之外，还依托集团在金融领域场景化服务方面的资源优势，不断推进大数据、云计算等技术成果的应用和转化，充分挖掘大量数据碎片中的关联性，推动数据统计模型不断完善，更加科学的反映用户的信用状况。
据悉，平安科技早在4年前就开始着手数据集中，通过清洗、整合等，对底层数据进行深度地综合应用。目前已经完成了对所有子公司和相关合作伙伴的数据收集，并通过内部和外部的数据整合，形成了一个非常清晰明确的体系和不同的模型。平安科技大数据首席总监肖京博士表示，之所以这样做，是因为此前数据存储在各个不同孤岛上，很分散，缺乏强关联的线索，导致数据缺乏利用的价值，比如需要更精准地识别欺诈时，不能关联起来的数据救无法发挥逻辑分析的作用。
同时，作为平安集团向IT专业化领域迈进，向“科技金融”进行实践探索的重要载体，平安科技还通过大数据分析和挖掘，在向客户提供金融服务时做好风险控制，比如在信贷业务的风险控制方面，依托后台大数据的分析，在审核贷款时能够清晰地通过贷款人过往的数据行为判断其信用情况、还款能力等，而这些同样也是开展征信业务的信息基础。
肖京认为，把大数据用于信用风险评估一般需要满足三个条件：一是明确评分建模的方法论、过程和数据;二是准确建立模型，对不同风险状况的人群有区分能力和排序能力;三是数据、方法和模型在不同人群和时间跨度上是稳定的。目前，就平安科技而言已经进入到人工智能的深度学习阶段，完全能够熟练运用数据挖掘、机器学习、深度学习等前沿技术，对各种结构化、非结构化的数据进行精细化分类管理，深度挖掘数据价值并进行直观的可视化呈现，绘制出全方位、多维度的用户画像和产品画像，从而更好地进行风险把控。
可见，对于金融机构而言，大数据的价值主要体现在对各项风险的预警能力上，其丰富了信用风险评估的数据维度，扩展了征信数据规模和数据维度。平安科技的做法正是通过人工智能技术对大数据进行深度挖掘，并将之运用在诸如风险控制、保险定价、欺诈识别、贷款风控、精准营销等很多金融服务场景中。
目前，平安科技大数据项目已经建立起覆盖全国34个省份、囊括19个国标一级分类行业的行业风险模型，生成风险指数、景气指数、行业关键指标指数等几十种指数产品，提高系统性风险的量化衡量精度30%以上。肖京表示，基于多年大数据的积累与整合，平安科技目前仍在不断完善自身场景化服务的生态体系，未来会继续为推动金融、健康等众多传统行业在互联网+和DT时代的发展贡献自己的智慧与力量。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
