内容简介
本书的主要内容分为征信商业模式和大数据在征信领域的应用两大部分。
随着近年来国内征信相关法规的出台，国内市场化的征信业开始起步，建设热情高涨，社会需求旺盛，资本市场热捧、大量互联网公司涌入。但是由于起步晚，国内金融、经济和法制环境配套并不完善，所以国内征信业发展过程虽然遇到空前的机会，但是目前还存在短时间内难以解决的瓶颈。相比而言，在欧美发达国家，征信有一百多年的历史，随着信息技术的发展，已经到了一定的专业高度。因此针对国内目前刚起步的市场化征信机构所面临的问题和挑战，本书剖析国外成熟的知名征信机构的发展历程，商业模式和未来趋势，提取对中国征信业建设的启示和有益的经验，希望能够给混乱而有蓬勃发展的中国市场化征信提供借鉴。
大数据目前也是国内外的热点话题，政府、厂商、金融机构、互联网等多方面非常关注和投入，国家层面更是发布了大数据行动纲领。但是大数据热的背后却缺少有切实落地的生动案例。征信业作为数据为核心资产的金融服务子行业，是金融大数据应用的很好的场景。每一次数据技术的进步都会带来征信业务的飞跃，从数据自动处理技术、数据库技术到数据挖掘技术等。大数据技术作为*的信息技术的集成者，未来对征信的提升也不可限量。从传统的征信机构到新兴的高科技大数据公司都从不同角度、不同的环节，纷纷尝试利用大数据技术解决征信领域的问题，提升产品和服务。同时大数据技术在征信领域的应用不仅可以处理微观信用风险，而且还可以支持宏观的金融系统性风险管理、消费市场预测和重大金融决策等。本书将介绍国内外大数据技术在征信领域*的应用，深入分析具体而又丰富的实用案例，希望给未来中国征信建设提供技术参考。
本文最后还将介绍全球征信业的新趋势。本书还将对在复杂而生动的中国社会场景下开展征信业务，提出一些建议和未来展望。例如，一方面国内市场经济环境和法制相对落后，另外一方面现代信息技术又普遍应用，如何利用技术的后发优势来建设征信；又如，我们虽然有着良好的“君子之言，信而有征”的文化传统，但又面临改革开放之后商业领域的信用普遍缺失而带来的的巨大经济损失，如何来重塑“守信激励、失信惩戒”的信用体系。
作者简介
刘新海：现任某国有大型金融机构副研究员，同时也是北京大学智能金融研究中心兼职研究员。比利时鲁汶大学获得电子工程博士。中国人民银行金融研究所博士后。主要的研究方向：征信、信用风险管理、数据挖掘和金融大数据。刘新海博士曾在布鲁塞尔的互联网公司Attentio和金融分析公司Vadis从事过咨询和数据分析工作。曾经在数据挖掘国际*期刊IEEE TKDE和人工智能国际*期刊IEEE PAMI发表学术文章。在国内工作期间参与征信和金融数据挖掘多个应用项目，其中主持国家自然科学基金等*研究项目三项。刘新海博士还是财新网专栏作家。研究交流的微信号：credit2bigdata
目录
前言 // IX
绪论 // XI
第一篇
征信机构：市场经济的风险信息服务商
01 美国征信业的前世今生
美国征信业概述 // 005
美国个人征信发展史 // 006
美国个人征信体系的框架 // 010
征信的法律和监管 // 013
个人信用报告 // 015
发展中的美国征信业 // 019
02 益博睿：横跨欧美，全球最大
益博睿的发展历史 // 023
益博睿的商业模式 // 029
数据资源和分析能力 // 035
03 艾克飞：百年老店，技术领先
艾克飞的基本概况 // 039
艾克飞的历史 // 041
艾克飞商业模式分析 // 042
04 环联：家族企业，姗姗上市
环联概况与历史 // 053
环联的商业模式 // 058
环联的未来之路 // 066
05 服务垂直领域的专业性征信机构
专业征信机构概述 // 075
服务于不同的消费生活场景 // 078
代表性的专业征信机构 // 079
传统征信机构和专业征信机构交互 // 087
06 蓬勃发展的新兴征信服务公司
Credit karma 的互联网征信服务 // 095
Credit Karma 的商业模式分析 // 099
Credit Karma 的竞争对手 // 102
对中国个人征信业的启示 // 104
07 企业征信巨头邓白氏：诞生了四位美国总统
企业/ 商业征信 // 109
邓白氏基本概况 // 111
邓白氏发展历程 // 112
邓白氏的商业模式 // 116
邓白氏公司的业务保障——DUNSRight 数据质量管理流程 // 123
邓白氏在国内关于侵犯个人隐私的事件回顾 // 124
第二篇
信用评估：大数据技术的应用场景
08 全球个人征信机构的大数据征信技术
数据处理：匹配连接和下一代技术 // 135
数据挖掘和分析：释放大数据价值 // 137
数据服务：多元化产品与个性化良好体验的服务 // 139
09 信用评分60 年
信用评分：信用报告的数字化解读 // 146
信用评分的历史 // 147
信用评分的应用 // 151
信用评分的类型 // 154
信用评分模型的原理 // 157
信用评分的缺陷 // 159
10 国外信用评分新进展
信用评分最新趋势 // 167
可替代信用评分 // 169
11 一切数据皆信用的ZestFinance
背景知识 // 179
ZestFinance 简介 // 180
传统信用评估方法的缺陷 // 181
ZestFinance 的基本商业理念 // 185
ZestFinance 大数据信用评估的技术分析 // 188
ZestFinance 的最新动态 // 194
对中国征信业的启示 // 195
12 运用大数据做P2P 信用风险评估的Upstart
面向大学毕业生消费者服务的P2P // 201
商业模式：基于未来潜力的大数据信用评估 // 202
智能数据管理和分析技术 // 204
在线信贷的激烈竞争 // 206
对互联网金融的启示 // 207
13 扎根于新兴市场的EFL：看人品，放贷款
利用人品测试放贷款的故事 // 214
来自哈佛的高科技创业公司EFL // 215
EFL 进行信用评估的原理 // 217
对EFL 应用的讨论 // 220
类似的信用评估公司VisualDNA // 221
14 征信大数据对宏观金融决策的支持
宏观经济应用概述 // 227
担保圈风险简介 // 228
引入复杂网络技术分析我国担保圈问题 // 230
担保圈复杂网络技术分析的初步发现 // 233
担保圈风险管理的建议 // 242
征信大数据的进一步应用 // 243
15 电信大数据在征信领域中的应用研究
背景介绍 // 247
电信运营业务中的征信问题 // 248
电信大数据在金融征信中的应用 // 253
国内情况分析和政策建议 // 257
16 生物识别技术在征信领域的应用
基于生物特征的身份验证 // 261
指纹识别：乌干达的征信应用 // 263
声纹验证技术 // 264
声纹验证在征信领域的应用 // 266
声纹验证的机遇和挑战 // 268
第三编
征信模式：互联网时代的信息共享机制
17 全球个人征信业所面临的市场机遇
全球个人征信业的机遇 // 275
国内个人征信业的机遇 // 281
18 全球个人征信机构的挑战
信息安全和数据源 // 287
宏观经济形势和市场竞争 // 293
法律和监管的合规性 // 296
19 互联网时代的征信
征信应用岂止互联网金融 // 305
互联网经济下的征信 // 307
物联网中的征信问题 // 310
征信模式：互联网时代的信息共享机制 // 311
参考文献 // 313
文档截图
