인터넷 빅 데이터 신용 개혁 보면 800 백만 부실에서

그것은 지뢰는을 최근 강화 되었습니다 생각 하는 것이 좋습니다. 첫 노출 800 백만 대출 부실, 되 고 노출에 부동산 프로젝트 또한 나쁜 부채의 위험. 2-1 년 편지는 많은 3에서 dabbling 부동산 프로젝트에 급진적인 스타일 또는 4 선 도시. 미디어에 따라 수석 개인 금융 인물 공개 편지 나쁜 부채의 대규모 또는 true 이며 800 백만 위안 보다 훨씬 더. CEO 다우닝에서 편지가 시장 경쟁의 허위 뉴스는 주장에 왔다, 비록 나쁜 부채의 800 백만 확률이 더 멀티 채널 정보에 대 한 사실. 사실, 지난 1 년, 우리 모두의 편지 300 ~ 400 십억 회전율의 있다 나쁜 부채는 정상, 하지만 하나의 나쁜 부채 저렴 한 편지 "총" 커버, 수 있지만 전반적인 플랫폼의 원활한 운영 불가피 하지 큰 영향을 미칠 것 같은 높은 학위.

중국 경제 네트워크 기자에 업계 관계자 인터뷰, 편지 또는 피어-투-피어 플랫폼 바람 제어 용량 부족에 800 백만 나쁜 소식. 중국의 피어-투-피어 금융 산업은 최근 몇 년 동안, 급속 하 게 개발 했다 하지만 급속 한 발전 뒤에 신용 위험 평가, 경험의 부족, 인력 부족 등의 문제 및 피어-투-피어 플랫폼 투자 방향은 고 위험도 프로젝트, 피어-투-피어 플랫폼 현재 일반적으로 높은 불리 한 속도로 또한 위험 제어 능력 확인 사람 더 밖으로 지적 했다.

뿐만 아니라 그것은 피어-투-피어 신용의 수십 또한 지난 1 년을 국가에 붕괴 회사를 생각 하는 것이 좋습니다 신용 승인 모델에 심각한 허점이 될 입증 된다. 그래서, 어떻게 신용 카드의 전통적인 방법으로 개선 해야?

전통적인 신용 채널, 인력의 부족 및 경험의 부족에 의해 직면 하는 문제는 최종 분석에만 출연, 감사 인력 사용자 정보 수집 및 정보 확인 하는 과정에 너무 많은 신뢰. 노동 집약적인 상태를 표시 하는 전통적인 신용 제품 시장 수요와 감사 인사 비효율적, 무성 한, 일반적으로 낮은 한도 부여, 위험을 제어할 수 있습니다 이지만 플랫폼 얼굴 사용자 감정 문제를 만들 것입니다. 물론, 모두 대출와 같은 "높은 금리 높은 위험을 커버" 접근은, 해결 하는 방법을 하지만이 모델은 사용자의 심리적 매력 천장에 맞게 아주 쉽게, 즉, 고객은 강한 수요와 다른 절대로 대출을 선택 하 고 해결 되지 않은 사람의 수 의존 문제, 그것은 광범위 한 프로 모션을 진행.

말을 해야, 이러한 문제는 해결 하기 어려운, 인터넷 시대에도 모두 대출, 팻 인터넷 피어-투-피어, 신용 하지만 온라인 수 선 감사, 감사에서 본질적으로, 거기 아무 근본적인 변화, 여전히 거 대 한 인력에 의존 하는 필요. 인터넷의 방법을 통해 사실, 있다 전통적인 신용의 문제에 해결책 일 네트워킹의 시대에 큰 데이터, 신용 서 방법의 대규모 데이터와 인공 지능 분석을 통해 수집 될 수 있습니다 때문에. 이 제품 모델, 외국 zestfinance 및 Kreditech는 이미 관련 경험, 5 월 네트워킹 방법을 통해 사용자의 소셜 네트워크를 통합할 수 있습니다, 그리고 세금 기록, 사회 보장 및 사용자 평가에 정보에 신용 등급 제공 빠른 신용 서비스. 작년에 ZestFinance 원 20 백만 달러 수준의 자금 조달 라운드 C, 중간 유럽 및 미국 시장에서 좋은 성과가 있다. 사실, 유사 제품, Wecash 실버는 모바일 사용자가 자신의 공인 소셜 네트워크 데이터와 크롤링 검색 엔진 크롤 링 결과, 크로스-테스트 데이터 신뢰성, 그리고 업계, 사용자 신용 등급의 전문 수준의 포괄적인 평가 따라 다 수를 통해 인터넷 신용 제품에 기반 최고 50w 수준 신용 한도를 2 시간 이내 6000 위안 다음 신용 한도 받을 20 분 이내 올해 초이, Wecash 실버 상했다 첫 자금의 20 백만 원 수준.

근본적으로 인간에 대 한 의존도 해결할 수 있는 기존의 신용에 문제를 해결 하기 위해 큰 데이터를 사용 하 여, 한편으로, 데이터 하지 않아도 수동으로 수집, 하지만 대량 크롤링 대체, 뿐만 아니라 인공 압력을 해결 하기 위해 뿐만 아니라 참조 데이터의 범위를 향상 시키기 위해 다른 한편으로, 데이터 감사는 교차 하는 종합적, 평가 하는 테스트 여러 데이터 효과적으로 데이터의 신뢰성을 테스트할 수 있습니다, 그리고 인공 복잡 작업의 오류를 가져올 수 있습니다; 그리고 셋째, 사용자의 종합 평가 등급, 각 산업에 각 직업 신용 및 독립적인 신용 레이블 줄에, 감사 직원 경험적 감사 방법을 해결 하기 위해 오류를 가져올 수 있습니다. 따라서, 인터넷 큰 데이터 및 인공 지능을 통해 사용자 신용 감사의 방법 수 있습니다 효과적으로 해방 노동 조건의 수에 감사.

예를 들어 국내 Wecash 플래시 실버, Wecash 플래시 실버 제품 모델에서 사용자만 작업, 전화 (작업, 등의 증명), 플러스 시 나/Tencent Weibo, Renren 및 다른 소셜 네트워크 계정 권한 부여 등 몇 가지 간단한 정보를 입력 하면, 신용, 신용의 전통적인 방법에 비해 얻을 수 있습니다. 사용자는 큰 편의 얻을. 다른 한편으로, 다 수의 사용자의 정보를 수집 기계를 통해 Wecash 플래시 실버 크로스-테스트 사용자 작업 등 정보의 진위 및 업계에 따르면 정보 그것의 신용 한도를 수집,이 사용자는 다른 나쁜 신용 기록, 다음이 경우는 사용자의 신용 자금 최대 금액을 얻을 수 있습니다. 보이는 복잡 한 과정, Wecash 플래시는 15-20 분에 해결할 수 있습니다.

그러나 Wecash 플래시은 지난 1 년, 최신, 공식 라인 온라인 테스트는 아직 3 개월,, 신용 사용자에 도달 3만 명, 누적 수 누적 신용 선 깨진된 십억, 매일 플랫폼 대출 수요는 수백만 도달. 전통적인 방법으로 처리 하는 경우이 수준을 달성 하기 위해 Wecash 플래시 실버 수백명의 사람들이이 작업을 완료 하지만 현재 Wecash 사람들의 모든 인원 또한 단지 수십 필요! 또한, Wecash 플래시 실버 피어 투 피어 "소득 커버 위험" 높은 관심 속도 방법, 플래시 은행 금리 1%, 전통적인 은행 모기지 이자율 보다 높은 이지만 피어-투-피어 및 다른 인터넷 신용 방식 보다 훨씬 낮은 Wecash를 사용 하지 않는 경우에, 몇 달 동안 선 Wecash, 나쁜 부채 비율 유지 되었습니다 1%, 그리고 죽음 계정 없음.