使用全球“街機”iPhone人群的信用指數不抵魅族和華為手機的擁有者？你沒看錯，這是來自P2P平臺拍拍貸最新發布的《個人無抵押小額信貸市場發展報告》中的數據。利用互聯網五花八門的社交數據，來評價個人的信用級別——眼下，這種大數據的風控模式正在國內悄然流行起來。

粉絲多100，信用風險降一成

“對拍拍貸而言，目前互聯網行為、社交關系、網絡黑名單數據信息已經占P2P個人無抵押小額信貸的信用評分也即純線上風控信用審核的60%，而傳統的信貸審核信息只占40%。”拍拍貸CEO張俊告訴記者，“一般而言，傳統銀行考察借款人70至80個數據維度，我們僅圍繞互聯網層面選取的維度就已經超過400個。”

在拍拍貸的報告中，在年齡與信用的表現上，30歲至40歲的群體信用最高，40歲至50歲群體次之，90后群體信用最低；而在學歷與信用關系的表現中，本科及以上學歷人群信用最好，大專學歷人群次之，高中學歷人群信用高于初中及以下人群信用指數。有意思的是，用戶填身份證號或者銀行卡號的速度與信用逾期關系密切。根據大數據分析，填寫速度在13秒的借款者信用情況更優，填寫速度每慢一秒或者快一秒，逾期風險概率就會上升。

互聯網的社交數據也與信用“親密相關”——擁有100個粉絲的借款者可以被認為信用基本可信，同時借款人每增加100個粉絲，其借款逾期風險概率就下降10%。手機號使用年限越長，其逾期的風險概率越低。其中手機號使用一年以下的借款者，就較使用一年以上的借款者，逾期風險概率提升20%。而從使用手機的種類來看，使用魅族手機的人群信用指數最高，華為和三星用戶的信用指數緊隨其后，全球“街機”iPhone的用戶則排在中等位置。另外，小米用戶信用指數居中下水平，低于使用Vivo和OPPO這兩大國產機的人群，酷派和聯想用戶信用指數排名靠后。

大數據不能取代線下信息

目前，阿里、騰訊、京東由于坐擁電商的交易數據、社交信息數據等，都在“試水”利用大數據來搭建信用評價體系。但事實上，基于社交網絡上的數據來進行信用評分、描繪一個人的畫像，在國際上也沒有成功的先例。那么，互聯網社交數據究竟靠譜嗎？

作為統計、概率領域的權威專家，美國普林斯頓大學運籌與金融工程系主任范劍青日前在復旦大學管理學院接受記者專訪時表示：“大數據肯定對于信用評估非常有幫助，比如在網上購買了什么東西、社交網絡上有哪些朋友、你的朋友的違約程度，把這些相關數據整合在一起，顯然可以勾勒出一個人基本的信用情況。但我認為，這也不太可能完全取代傳統的數據收集方法，因為人們在網上的行為跟平時在網下的行為不完全是一樣的。”

范劍青指出，針對個人信用的評價，美國至少有3家公司在收集相關數據，還有一個獨立的公司把這些數據綜合在一起。其實，非常關鍵的就是數據收集，因為人的行為是很多樣化的。“在這方面，中國可能剛剛開始起步，最重要的還是央行的征信系統。但我相信，線上與線下的結合可以對于個人信用做出更為合理的評價。”