假如你需要5萬元左右的資金短期周轉,不必再勞時費力去銀行或小貸公司申請了,只需要靠自己常年累月攢下來的人品信用,憑借第三方征信公司提供的信用分,就可以在融360等在線金融平臺上借了。而且最快10分鐘審批、24小時放款,省事省力省成本。
由于大數據風控,未來小額信貸的應用場景發(fā)生極大的變革。將近萬億元的小額信貸市場因此正在成為各大在線金融服務商爭奪的潛在市場。
知名金融搜索平臺融360于6月初宣布,已經和螞蟻金服旗下的第三方征信機構芝麻信用建立了數據上的戰(zhàn)略合作。融360負責風控的副總裁李英浩表示,融360擁有豐富的用戶借貸行為數據,結合芝麻信用的征信數據(個人信用數據),就可以直接算出一個放貸金額。
“已經簽署合作協(xié)議了,雙方的互補性很強,在小額貸款的應用方面有充分的想象空間。”李英浩表示。
芝麻信用推出的中國首個個人信用評分“芝麻信用分”,主要接入了阿里巴巴集團的電商數據和螞蟻金融的互聯網金融數據以及公共機構的數據,運用大數據及云計算技術,客觀評估并呈現個人的信用狀況。
芝麻信用采用國際上通行的信用評分方法,最低350分最高950分,這與美國FICO分(300至850)相似,分數越高代表信用程度越好,違約可能性越低。該服務主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度。人們在日常生活中點點滴滴的行為,通過長期積累,這些行為軌跡和細節(jié),可以全面判斷其信用狀況。
統(tǒng)計數據顯示,截止到2013年底,央行銀行個人征信系統(tǒng)中收錄有信貸記錄的自然人約3.2億,還不到總人口數的1/4,遠遠滿足不了借貸市場的需求,很多沒有信用卡或從未跟銀行發(fā)生借貸關系的人群很難獲得信貸服務。而在美國,征信體系的覆蓋率已經達到了85%。
商業(yè)大數據征信的興起,將改變這一困境。融360 CEO葉大清稱,“2015年是征信元年。6月份8家商業(yè)征信公司將拿到央行頒發(fā)的牌照,補充央行征信記錄的不足。” 他透露,融360正廣泛地和國內外各類征信機構洽談合作,其中一些已經投入使用。商業(yè)征信數據結合央行征信數據,能夠讓廣大草根人群,例如自由職業(yè)者、個體戶、小微企業(yè)主、學生等人群有機會在線借到錢。
芝麻信用相關負責人表示,芝麻信用分主要分為金融和非金融兩類應用場景,非金融會在免押(租車、住宿)、后付、證明(簽證、交友)、分享經濟(比如小豬短租)方面加大投入。而金融類則需要加強同相關借貸數據提供方合作。在線金融搜索平臺融360獨有的數據源是芝麻信用一個天然的合作伙伴。
作為金融垂直搜索服務平臺,融360過去三年半積累了大量的信貸用戶數據,幫助用戶成功獲取了超過3000億元貸款。在借款人訪問數據、用戶申請資質信息、網站行為數據、批貸信息和貸后信息方面擁有獨一無二的優(yōu)勢。
該公司不久前正式推出了信用評分在借貸領域的應用模型。針對5萬元以下的個人信用貸款申請,融360使用了一個名為“天機”的大數據風控系統(tǒng),其中包含信用風險預測模型,會根據身份認證、還款意愿和還款能力三個大維度,給申請貸款的用戶進行評分,依據分值來決定是否放貸、放貸金額及期限。
未來無論是用芝麻信用,還是融360的大數據風控服務,5萬元以下的小額貸款申請將有可能完全在線化,不再需要人工的審核流程,因而速度將極大加快李英浩介紹說,人工審核一般需要一周以上才能放款,慢的可能兩個月;純線上審核可以做到10分鐘以內。這將意味著貸款在線化有望很快得到大規(guī)模普及。
除了貸款審批速度實現了突破,貸款獲批率也得到了顯著提升,同一類用戶,用抵押物、收入流水證明等粗放式的傳統(tǒng)風控方式,貸款獲批率在15%左右,而使用大數據征信結合人工后獲批率可以達到45%以上。至于貸款的逾期率,以12個月違約風險舉例,通過“天機”模型篩選的用戶,逾期率比沒有經過篩選的低一半。
目前,大數據風控最有條件的仍然是阿里,通過十幾年的發(fā)展,掌握了大量網購人士和電商從業(yè)者的相關交易數據,大數據征信服務芝麻信用有望在各行各業(yè)得到廣泛的應用。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現AI根據復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數據集和MM-AlignBench評測基準,通過創(chuàng)新的數據生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經網絡技術,通過學習40年歷史數據掌握天氣變化規(guī)律,在極端天氣預測方面表現卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。