對科技行業(yè)來說，可能幾年就是一個(gè)分水嶺，因?yàn)榛ヂ?lián)網(wǎng)總是能創(chuàng)造無限可能。過去幾年，云計(jì)算剛剛落地，大數(shù)據(jù)也開始由概念轉(zhuǎn)向應(yīng)用領(lǐng)域。而借助大數(shù)據(jù)支撐的互聯(lián)網(wǎng)征信無疑是最具前景的應(yīng)用領(lǐng)域之一。51CTO專訪【W(wǎng)OT2015"互聯(lián)網(wǎng)＋"時(shí)代大數(shù)據(jù)技術(shù)峰會(huì)】特邀講師騰訊數(shù)據(jù)挖掘高級(jí)工程師劉黎春分享社交數(shù)據(jù)在互聯(lián)網(wǎng)征信領(lǐng)域的探索。

劉黎春，騰訊數(shù)據(jù)挖掘高級(jí)工程師，社交網(wǎng)絡(luò)事業(yè)群數(shù)據(jù)挖掘團(tuán)隊(duì)負(fù)責(zé)人，第一代QQ音樂推薦系統(tǒng)架構(gòu)師，騰訊客戶生命周期管理體系搭建者。多年致力于數(shù)據(jù)挖掘技術(shù)與業(yè)務(wù)結(jié)合，在大數(shù)據(jù)分析和挖掘、互聯(lián)網(wǎng)征信等領(lǐng)域有著豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)和項(xiàng)目管理心得。目前專注于互聯(lián)網(wǎng)征信、用戶基礎(chǔ)畫像、推薦系統(tǒng)和文本挖掘。

互聯(lián)網(wǎng)征信是新藍(lán)海

劉黎春認(rèn)為互聯(lián)網(wǎng)征信是一個(gè)新型方向，不同于傳統(tǒng)征信行業(yè)，大數(shù)據(jù)征信并沒有形成一套完整的體系，不論在國內(nèi)或國外，其發(fā)展還是處于早期階段，但是整個(gè)行業(yè)進(jìn)展速度很快。他提到，多家大型互聯(lián)網(wǎng)公司已經(jīng)獲得了征信的牌照，一些互聯(lián)網(wǎng)金融機(jī)構(gòu)也正在建立自己的征信體系。在他看來，互聯(lián)網(wǎng)征信相比傳統(tǒng)征信的地位更重要，“在傳統(tǒng)的金融體系里，央行個(gè)人征信系統(tǒng)已收錄8.7億自然人，其中只有3億多有信用記錄、信用評(píng)分，也就是說還有5億多人沒有信用評(píng)分。但是這些用戶在互聯(lián)網(wǎng)上留下了大量有價(jià)值的信息，我們可以通過海量數(shù)據(jù)挖掘和分析技術(shù)來預(yù)測其風(fēng)險(xiǎn)表現(xiàn)和信用價(jià)值，為其建立個(gè)人信用評(píng)分。”

社交數(shù)據(jù)與電商數(shù)據(jù)

劉黎春介紹，當(dāng)前騰訊社交數(shù)據(jù)的主要來源包括：QQ、QQ群、QQ音樂、QQ空間等幾塊較大的業(yè)務(wù)。他認(rèn)為社交數(shù)據(jù)相比電商數(shù)據(jù)在征信領(lǐng)域有兩大優(yōu)勢：第一，社交網(wǎng)絡(luò)涉及很多關(guān)系鏈、拓?fù)涞男畔ⅲ梢酝ㄟ^關(guān)系網(wǎng)絡(luò)對某個(gè)用戶信息做擴(kuò)散或者修正，這種情況在一些電商場景下是不太好實(shí)現(xiàn)的。他舉例說：“比如用戶年齡信息，可能用戶填寫的年齡不是其真實(shí)年齡，但我們會(huì)拿到我們能確定真實(shí)用戶作為種子，通過關(guān)系鏈來擴(kuò)散到其他用戶，來對比獲得其真實(shí)年齡，整個(gè)可信度還是比較高的。如果用戶填50歲，但是他朋友圈交往圈都是在25到30之間，那我們會(huì)對其真實(shí)年齡做一個(gè)校正。”

另外一個(gè)，他提到，關(guān)系鏈拓?fù)涞臄?shù)據(jù)在風(fēng)控里是難以模擬的數(shù)據(jù)，比如惡意用戶想仿造一個(gè)關(guān)系鏈拓?fù)涫潜容^困難的，這樣就可以很好地起到了用戶甄別的功能。

如何解決數(shù)據(jù)時(shí)效性問題？

我們知道，數(shù)據(jù)是有其時(shí)效性的。那么過時(shí)的數(shù)據(jù)是否會(huì)對現(xiàn)有的模型產(chǎn)生干擾呢？劉黎春告訴筆者模型建完后，數(shù)據(jù)一般是半年前的，屆時(shí)會(huì)拿現(xiàn)在的數(shù)據(jù)做一個(gè)前后的對比，看前后是否發(fā)生太大的變化，其中有一個(gè)指標(biāo)來查看每一個(gè)用到的變量、特征，如果模型出現(xiàn)較大變化，一般來說會(huì)把變量去掉。在構(gòu)造變量時(shí)，也會(huì)考慮這個(gè)特征將來是否會(huì)發(fā)生較大的變化。

互聯(lián)網(wǎng)征信的難點(diǎn)

談及當(dāng)前互聯(lián)網(wǎng)征信遇到的難點(diǎn)，劉黎春認(rèn)為，相比傳統(tǒng)征信行業(yè)，互聯(lián)網(wǎng)征信不如傳統(tǒng)金融結(jié)構(gòu)清晰。“比如傳統(tǒng)征信有很多行業(yè)標(biāo)準(zhǔn)，用戶哪些數(shù)據(jù)需要保存下來，哪些數(shù)據(jù)需要上傳到系統(tǒng)都是有明確規(guī)定的，但互聯(lián)網(wǎng)相對沒有這么清晰，對于挖掘來說有很多非結(jié)構(gòu)化的圖片或數(shù)據(jù)。”另外，他提到，傳統(tǒng)征信有央行保證，很多銀行都把數(shù)據(jù)報(bào)到央行去，相比之下，各個(gè)互聯(lián)網(wǎng)征信機(jī)構(gòu)還是用自己掌握的數(shù)據(jù)做事情，很難有非常完整的用戶信息。比如騰訊和別的公司在數(shù)據(jù)互通方面就存在難點(diǎn)。