产品经理：错误的信息也是信用数据

互联网 金融 峰会印象二：ZestFinance如何构建信用评估体系？

ZestFinance是国内许多做数据 分析 的公司欲效仿和对标的对象之一。是一个利用机器学习和大数据分析来评估客户资质的平台，由前 Google CIO 及工程副总裁的 Douglas Merrill 创立。ZestFinance 前不久在 C 轮 融资 中获得了 2000 万美元 资金 。目前为止，该公司共已获得 1 亿美金融资。

目前，ZestFinance可在几秒间为用户提供分析结果。它的数千种原始数据包括来自第三方（如电话账单和租赁历史等）和借贷者本身提供的数据。通过有十几个评估模型，这些信息被转化为几万个测量指标，如诈骗几率、长期和短期内的信用风险和偿还能力。最后各模型的结果被整合成最终结果。

顾凌云现在是Turbo Finanical Group的首席风险官，曾在ZestFinance全面负责模型组的研发工作，专注于将大数据领域的算法与创新 技术 应用在个人和企业信用评级领域。他分享了ZestFinance信用评估体系的构建经验，看起来跟我们以往听起来的标准有很大不同。

1.一切数据皆为信用数据

没有什么东西不重要，数据可以汇流成海。

举两个例子，在美国申请信用卡，姓名有可能全部小写，也有可能全部大写。这在我们看来信用完全不一样的，一个人如果能力知道何时大小写他的姓名，从某种程度来说姓名指数更好，这跟教育背景形成正相关。

还比如，看客户开什么样车，并不是希望通过开什么样车判断车价值或者最后怎么样，而是开什么样车跟还款能力有很大关系。开一辆本田、尼桑风险程度不一样。开尼桑往往更激进，还款程度来说更快一些。

2、所有信息看关联不看因果。很多人都认为我总要看到因果关系是什么？没有因果关系不愿意做出判断。实际上，只看关联不看因果从某种程度来说更好的。

举一个例子，大家看身高以后判断出体重，但有时个子高体重并不一定很重，因为可能肌肉松紧不一样。数据也是一样的道理。

3、每一条自己写错信息也是关键信息。用户给我信息就可以，至于是不是说谎或有意隐藏信息都没关系，全收，信息之间可以相互佐证。比如一个人写收入多少、月收入多少，都是一条信息。

ZestFinance的数据工作包括特征变换，特征提取，独立模型建立和合成模型这四个部分。

特征选取。从某种程度上大数据，在所有信息中选取特征，有时候会出错误，这个人最近搬家次数，每个都是独立特征。如果只是用积极选取，只能选出其中一类这是不合理，把信息全部串联起来，像搬家次数明显加快，还是降低，从信用角度来说有巨大区别。在人工当中如何进行选取和变换也是非常重要。

ZestFinance个人信用评级和中小企业信用评级都做，尤其现在做中小企业评级。引入了社交网络数据，这些企业在上面有比较多的信息，什么时候做了促销客户群什么样子。网络分析数据，你IP地址哪里来，用什么电脑，玩不玩游戏这些东西在ZestFinance的信用评价都很重要。

最后分析出来想要解决是什么？信用评估两点。第一有没有还款意愿，有没有还款能力就是信用。二者之间不能完美解决，原因很简单，因为有一个滞后性，公司解决办法希望把离散的变成是连续的，把离散的变成连续的，在我印象当中有完美世界，对我来说希望最终产生的版本每分每秒改变，根据不同进来数据源，每分每秒都在变，不是等两三个月信息才改变一次。