【干貨】63家征信機(jī)構(gòu)的征信方法、對象和應(yīng)用場景分析來源：神通征信本文就分析的70家機(jī)構(gòu)進(jìn)行深入了解他們的征信方法、征信對象以及征信場景。在這70家機(jī)構(gòu)的基礎(chǔ)上，除去一些無法查到的征信方法以及征信場景和只是籠統(tǒng)介紹征信對象的征信的機(jī)構(gòu)進(jìn)行剔除。最終對這63家企業(yè)按地區(qū)分類進(jìn)行分析，比較。其中北京地區(qū)有22家企業(yè)機(jī)構(gòu)，上海地區(qū)有13家機(jī)構(gòu)、廣東地區(qū)有7家企業(yè)機(jī)構(gòu)，其他省地區(qū)有21家企業(yè)機(jī)構(gòu).從征信對象來看，把63家征信機(jī)構(gòu)征信對象和服務(wù)對象分為五類：個人、企業(yè)、金融或類金融機(jī)構(gòu)、電商支付和政府。這些企業(yè)征信機(jī)構(gòu)服務(wù)對象主要以企業(yè)跟金融機(jī)構(gòu)客戶為主，而且大多數(shù)機(jī)構(gòu)有多個服務(wù)對象。從征信場景來看，這些征信機(jī)構(gòu)的場景應(yīng)用主要集中在信貸金融及政府方面的應(yīng)用。隨著互聯(lián)網(wǎng)的興起，新的征信機(jī)構(gòu)隨著衍生而出，其場景主要應(yīng)用在生活方面，如芝麻信用。從征信方法來看，不同的征信機(jī)構(gòu)針對各自場景反饋回來的數(shù)據(jù)以及企業(yè)自家的數(shù)據(jù)所采用的征信方法、模型是不一樣的，主要分為風(fēng)險監(jiān)控、關(guān)聯(lián)圖、信用分這三方面進(jìn)行比較分析。雖然企業(yè)用的都是用關(guān)聯(lián)圖來監(jiān)控風(fēng)險，但是各個企業(yè)所用的關(guān)聯(lián)方法均不一樣，企業(yè)都盡可能的將這種方法使風(fēng)險最小化。企業(yè)信用分的維度中基本都包含企業(yè)身份信息、信用履約這兩個維度；個人信用分當(dāng)中，身份屬性、信用記錄是共有的維度。征信對象和服務(wù)對象的比較把63家企業(yè)征信機(jī)構(gòu)的征信對象和服務(wù)對象進(jìn)行總結(jié)、歸納，如下表所示：表1：征信機(jī)構(gòu)對象分類表把63家征信機(jī)構(gòu)服務(wù)對象分為如下五類：個人、企業(yè)、金融或類金融機(jī)構(gòu)、電商支付和政府。從表中可以看出，這些企業(yè)征信機(jī)構(gòu)服務(wù)對象主要以企業(yè)跟金融機(jī)構(gòu)客戶為主，而且大多數(shù)機(jī)構(gòu)有多個服務(wù)對象。表2：征信機(jī)構(gòu)特色服務(wù)對象表由表2可知，征信機(jī)構(gòu)除了表1一些總體分類服務(wù)對象，還有一些其他特色服務(wù)對象，如中誠信征信、金科征信、中策征信和廣東德信行信用都有對一些協(xié)會服務(wù)。征信場景的比較把收集到的企業(yè)征信機(jī)構(gòu)的應(yīng)用場景進(jìn)行分類、歸納，如表3所示：表3：應(yīng)用場景的分類表隨著互聯(lián)網(wǎng)信息技術(shù)的不斷普及，征信產(chǎn)品主要應(yīng)用在金融信貸服務(wù)、反欺詐、信用決策、租賃等金融及生活類的場景中，除了以銀行、保險等為代表的大型金融機(jī)構(gòu)外，P2P、消費(fèi)金融公司、小貸公司等中小型金融機(jī)構(gòu)也成為征信產(chǎn)品的主要用戶。從表3可知，這些征信機(jī)構(gòu)的場景應(yīng)用主要集中在信貸金融及政府方面的應(yīng)用。隨著互聯(lián)網(wǎng)的興起，不斷有新的征信機(jī)構(gòu)衍生而出，其場景主要應(yīng)用在生活方面，如芝麻信用，其場景衍生到生活的方方面面：?消費(fèi)金融：螞蟻借唄、花唄、天貓開新車?信用租騎：ofo小黃車、優(yōu)拜單車、永安自行車、破風(fēng)騎行、神州租車、一嗨租車、安飛士租車、盼達(dá)用車信用借還：充電寶、雨傘、圖書、服裝、數(shù)碼、玩具、境外WiFi信用租?。何磥砭频辍⑽浵伓套?、小豬短租、途家、木鳥短租相寓、蘑菇租房、公寓家、優(yōu)客逸家、春眠、美麗屋考拉征信不僅在住宿、旅游、餐飲等方面有所應(yīng)用，其考拉APP，還有有自己的考拉理財(cái)借貸，方便用戶直接貸款理財(cái)?shù)?；還有其他一些征信機(jī)構(gòu)有比較廣的場景應(yīng)用：中誠信源征信在服務(wù)類、輿情類等方面有所應(yīng)用：?金融類：銀行、小貸、P2B擔(dān)保、信用保險?企業(yè)類：大、中、小微企業(yè)服務(wù)類：市場研究及咨詢機(jī)構(gòu)公關(guān)公司?行政類：政府、行業(yè)協(xié)會、商會輿情類：求職招聘、媒體記者、投資理財(cái)、創(chuàng)業(yè)加盟金電聯(lián)行在園區(qū)管理、采購、非法集資方面的應(yīng)用：宸信征信主要應(yīng)用在：招商引資企業(yè)畫像、政府管理服務(wù)區(qū)域、宏觀經(jīng)濟(jì)運(yùn)營監(jiān)控、企業(yè)入駐管理、園區(qū)企業(yè)服務(wù)、園區(qū)運(yùn)營管理、園區(qū)生活服務(wù)、沉睡客戶喚醒、新客戶拓展、銀行合規(guī)管理、操作風(fēng)險管理、數(shù)據(jù)接入管理、數(shù)據(jù)運(yùn)營管理、權(quán)限控制、日志審核。嘉銀征信主要在風(fēng)險管控、客戶管理、產(chǎn)品創(chuàng)新、精準(zhǔn)營銷、運(yùn)營優(yōu)化進(jìn)行精準(zhǔn)化應(yīng)用。每個征信機(jī)構(gòu)都有根據(jù)自己企業(yè)的特色，抓住市場需求，開拓屬于自己的場景應(yīng)用，為廣大客戶提供最方便的服務(wù)。征信方法的比較一、征信方法中誠信在反欺詐服務(wù)方面，運(yùn)用了生物技術(shù)、多維信息聯(lián)網(wǎng)核查、中文模糊匹配、互聯(lián)網(wǎng)指紋等技術(shù)，為客戶提供身份真實(shí)性驗(yàn)證、申請資料核驗(yàn)、負(fù)面信息檢查等全方位反欺詐服務(wù)?？祭餍庞锌祭庞梅趾涂祭虘舴郑ㄊ侵袊谝粋€面向小微商戶的信用評分），在信貸中的充分運(yùn)用八大模型：商戶信用評分模型、反欺詐模型、營銷響應(yīng)評分模型、行為收益評分模型、申請風(fēng)險評分模型、預(yù)授信模型、行為風(fēng)險評分模型、催收模型，將所有風(fēng)險最小化。元素征信的靈吉征信系統(tǒng)主要解決金融風(fēng)控領(lǐng)域、商業(yè)調(diào)查領(lǐng)域中的問題。由征信報告、關(guān)聯(lián)關(guān)系、貸中監(jiān)控、產(chǎn)業(yè)分析四大業(yè)務(wù)模塊組成。其中評分模型根據(jù)企業(yè)基本狀況、經(jīng)驗(yàn)效益、經(jīng)營穩(wěn)定性、發(fā)展前景、聲譽(yù)風(fēng)險五大維度計(jì)算得出。根據(jù)企業(yè)生命周期模型測算出企業(yè)的壽命指數(shù)。關(guān)聯(lián)關(guān)系分為顯性關(guān)聯(lián)和隱性關(guān)聯(lián)，隱性關(guān)聯(lián)主要采用單點(diǎn)關(guān)聯(lián)、多點(diǎn)關(guān)聯(lián)和族群探索方法。族群探索使用隨機(jī)游走算法模型，展示部分與目標(biāo)企業(yè)聯(lián)系最緊密（節(jié)點(diǎn)交集最多）的族群，根據(jù)節(jié)點(diǎn)數(shù)最多的群體排序，推送。通過機(jī)器學(xué)習(xí)和人工智能對新聞輿情進(jìn)行二次加工處理，實(shí)現(xiàn)歸類匯總相似新聞事件和智能判斷新聞結(jié)論。企樂匯運(yùn)用大數(shù)據(jù)征信技術(shù)快速收集借款人多維度信息，并通過多源交叉驗(yàn)證、深度分析，生成借款人數(shù)據(jù)分析報告?？蓱?yīng)用于信貸業(yè)務(wù)貸前審核、貸中決策、貸后管理等業(yè)務(wù)流程，致力于幫助金融機(jī)構(gòu)提高工作效率、防范金融欺詐、降低風(fēng)險。百融金服依托自身特有的線上線下相融合、多維度海量大數(shù)據(jù)，大量使用有意識、有目的行為數(shù)據(jù)及機(jī)器學(xué)習(xí)算法來構(gòu)建全新的信用模型，幫助金融機(jī)構(gòu)“了解”更多的借款人，在獲得更大競爭優(yōu)勢的同時在反欺詐、貨前信審等風(fēng)控管理環(huán)節(jié)也擁有了更為敏銳的洞察力。風(fēng)險羅盤是百融風(fēng)控類產(chǎn)品的一站式服務(wù)平臺，全面支持反欺詐和信用風(fēng)險評估兩大類產(chǎn)品。東方金誠信用，將信息變量通過WOE方法離散化后運(yùn)logistic回歸進(jìn)行建模，開發(fā)了中小微企業(yè)信用風(fēng)險評價模型。宜信至誠信用的致誠企?；贖adoop分布式生態(tài)系統(tǒng)與數(shù)據(jù)庫集群技術(shù)，在自主研發(fā)的風(fēng)控智能決策系統(tǒng)基礎(chǔ)上，結(jié)合云計(jì)算、知識圖譜、深度學(xué)習(xí)、商業(yè)智能等科技，持續(xù)優(yōu)化產(chǎn)品與服務(wù)；致誠阿福在風(fēng)控智能決策系統(tǒng)上，共享平臺結(jié)合人工智能、云計(jì)算、知識圖譜、深度學(xué)習(xí)等科技手段，借助多年風(fēng)控的豐富經(jīng)驗(yàn)，向行業(yè)輸出高效、便捷、可持續(xù)優(yōu)化的風(fēng)控科技產(chǎn)品與服務(wù)。中誠信源征信，采用最新的HADOOP技術(shù)、內(nèi)存數(shù)據(jù)庫技術(shù)以及多種ETL數(shù)據(jù)抽取轉(zhuǎn)化加載工具和網(wǎng)絡(luò)爬蟲技術(shù)，建立相應(yīng)的模型，最終向客戶提供多維度信息認(rèn)證、信息查詢及數(shù)據(jù)分析成果。中數(shù)智匯，通過模糊檢索、中文分詞、倒排索引、只能輸入判定的功能算法，快速匹配輸出多條企業(yè)全名，實(shí)現(xiàn)企業(yè)名稱快速精準(zhǔn)錄入。華財(cái)征信，結(jié)合中國企業(yè)和征信現(xiàn)狀，開發(fā)了一套基于大數(shù)據(jù)處理的征信管理系統(tǒng)、采用先進(jìn)的評分模型及大數(shù)據(jù)處理的強(qiáng)大支撐，提供完備、高效的信用數(shù)據(jù)采集、查詢和快速多緯度的報告生成。中企評協(xié)企業(yè)征信則采用宏觀與微觀、動態(tài)與靜態(tài)、定量與定性相結(jié)合的科學(xué)分析方法，評定企業(yè)信用等級。通過量化方法、計(jì)量經(jīng)濟(jì)學(xué)模型進(jìn)行多元統(tǒng)計(jì)分析，得到用戶對某一特定產(chǎn)品或服務(wù)以及某一特定企業(yè)的滿意度分析報告。宸信征信的非法集資平臺通過60多個實(shí)戰(zhàn)業(yè)務(wù)模型，實(shí)現(xiàn)非法集資行為自動分析、提前預(yù)警、精準(zhǔn)檢測，做到打早、打小，將非法集資行為扼殺在萌芽狀態(tài)，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)良性運(yùn)轉(zhuǎn)。國石天韻征信采用國際領(lǐng)先的信用評定標(biāo)準(zhǔn),根據(jù)其信息進(jìn)行加工、處理后得出的信用評分。將借款企業(yè)信用等級分三等九級,即：AAA、AA、A、BBB、BB、B、CCC、CC、C。等級由高至低排列為A、B、C,等級越高代表信用風(fēng)險越低,違約的可能性越小。憑安征信，在金融反欺詐方面，通過大規(guī)模集群運(yùn)算，用機(jī)器學(xué)習(xí)的技術(shù)自動分析、處理、加工海量短文本內(nèi)容，自動識別內(nèi)容之間的關(guān)聯(lián)模式。商安信采用Creditreform的評級體系，結(jié)合中國市場的特點(diǎn)，進(jìn)行個性化評估模型優(yōu)化。文瀝征信，通過行業(yè)、業(yè)務(wù)、財(cái)務(wù)、賬戶的縱向空間和供應(yīng)鏈上下游的橫向空間，并在歷史、現(xiàn)在和未來的時間創(chuàng)建的新型交易信用風(fēng)險管理模型，驅(qū)動金融服務(wù)。萬達(dá)征信，利用先進(jìn)的大數(shù)據(jù)挖掘和分析技術(shù)對海量經(jīng)營消費(fèi)數(shù)據(jù)科學(xué)分析和運(yùn)用，形成精準(zhǔn)的公司及消費(fèi)信用評估；并且運(yùn)用云計(jì)算、深度學(xué)習(xí)等大數(shù)據(jù)技術(shù)，用自然屬性、財(cái)務(wù)狀況、信用歷史、消費(fèi)偏好、公共信息及身份特質(zhì)六個維度以先進(jìn)的數(shù)據(jù)可視化方法展現(xiàn)給用戶的個人信用綜合指數(shù)。其身份信息通過多維度數(shù)據(jù)進(jìn)行交叉驗(yàn)證，將風(fēng)險最小化。維氏盾征信，依據(jù)企業(yè)經(jīng)營過程中多維度數(shù)據(jù)源，結(jié)合大數(shù)據(jù)技術(shù)深入挖掘及云計(jì)算技術(shù)客觀分析，直接反映每個企業(yè)的信用情況，分值在350分~800分。機(jī)構(gòu)對于客戶的身份信息采用了多維度數(shù)據(jù)交叉驗(yàn)證，有效降低平臺的風(fēng)險。嘉銀征信，沿襲國際金融領(lǐng)域先進(jìn)模型算法，結(jié)合本土行業(yè)狀況及業(yè)務(wù)場景，采用多模型交叉檢驗(yàn)（Logistic、決策樹、機(jī)器學(xué)習(xí)等），精準(zhǔn)預(yù)測中小微企業(yè)信貸風(fēng)險服務(wù)于客戶的信貸決策。外灘征信，為小微企業(yè)提供貸款全生命周期風(fēng)險管理的一站式服務(wù)。在貸前通過簡單的身份信息驗(yàn)證，接著到審核環(huán)節(jié)，鏈接多維度數(shù)據(jù)進(jìn)行驗(yàn)證身份信息，以及對客戶評分、預(yù)測的貸款額度，在貸款結(jié)束后，需要對他們進(jìn)行風(fēng)險監(jiān)控，對于欠款者提供催收服務(wù)。鵬元征信，基于公安部公民身份信息、生物識別技術(shù)、銀行身份信息的多維度身份認(rèn)證，保障互聯(lián)網(wǎng)用戶身份的真實(shí)有效，杜絕身份欺詐。基于推薦算法的陌生實(shí)名社交服務(wù)，有效幫助用戶找到志同道合、真實(shí)的人。微眾稅銀在對過往的壞賬數(shù)據(jù)分析基礎(chǔ)上，通過線性回歸和蒙特卡羅算法等數(shù)據(jù)科學(xué)，進(jìn)行聚類分析，采用數(shù)據(jù)化驗(yàn)證搭建比傳統(tǒng)專家決策更科學(xué)的細(xì)化模型。結(jié)合企業(yè)畫像，運(yùn)用機(jī)器學(xué)習(xí)等技術(shù)和方法，通過量化方法評估企業(yè)的還款能力和還款意愿，得到企業(yè)的信用評分。針對海量數(shù)據(jù)源，時間序列，結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)，通過運(yùn)用，HADOOP集群進(jìn)行分布式存儲，保證海量數(shù)據(jù)吞吐，運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行深度學(xué)習(xí)對數(shù)據(jù)挖掘分析，輸出企業(yè)畫像，行業(yè)數(shù)據(jù)，Indexproduct等。信聯(lián)征信運(yùn)用邏輯回歸、隨機(jī)森林、深度神經(jīng)網(wǎng)絡(luò)等優(yōu)秀算法，將風(fēng)險量化，以分?jǐn)?shù)排序快速評估欺詐風(fēng)險。神通征信是基于大數(shù)據(jù)分析模型的回歸法、挖掘法、導(dǎo)向法三法共證系統(tǒng)，通過歷史客觀數(shù)據(jù)與主觀評測相結(jié)合，大大提升征信準(zhǔn)確性，彌補(bǔ)了傳統(tǒng)征信體系下“只看歷史，不管未來”的缺陷。川蜀通企業(yè)征信，通過人像識別、圖像對比及北斗定位等多項(xiàng)技術(shù)實(shí)現(xiàn)企業(yè)情況監(jiān)控、識別，從制度和技術(shù)手段上杜絕人為道德風(fēng)險，減少人力、物力成本，降低金融機(jī)構(gòu)貸后風(fēng)險。數(shù)聯(lián)銘品科技，通過機(jī)器學(xué)習(xí)的量化評估模型對各風(fēng)險維度進(jìn)行綜合計(jì)算，確定每個關(guān)注對象的LFR金融風(fēng)險指數(shù)，在海量動態(tài)的信息中識別出潛在危害性高、影響程度大、值得監(jiān)管機(jī)構(gòu)關(guān)注的高價值打擊對象。基于關(guān)聯(lián)方風(fēng)險傳導(dǎo)的評分體系，為企業(yè)評定阿拉丁分，分值在0~1000分，分層次描述企業(yè)信用等級。采用企業(yè)5維度信息，運(yùn)用科學(xué)的算法，根據(jù)“近朱者赤近墨者黑”及風(fēng)險傳播的原理，用于客觀預(yù)測觀測目標(biāo)企業(yè)的違約概率，構(gòu)畫企業(yè)真實(shí)信用畫像。陜西融信信用，通過現(xiàn)場調(diào)查研究，對評估客戶提供的資料進(jìn)行閱讀分析，圍繞信用評價指標(biāo)體系進(jìn)行量化，給予相應(yīng)的權(quán)重，得出企業(yè)的綜合信用分及相應(yīng)的等級。延安鼎業(yè)征信依托大數(shù)據(jù)分析能力開啟征信新模式，分析系統(tǒng)利用大數(shù)據(jù)挖掘、分析、智能模型運(yùn)算等技術(shù)。為用戶提供了海量信息計(jì)算、分析和可視化處理能力；評估系統(tǒng)則采用了定性和定量分析，對企業(yè)的財(cái)務(wù)狀況及未來經(jīng)營績效進(jìn)行評價和預(yù)測。芝麻信用的芝麻分，運(yùn)用云計(jì)算及機(jī)器學(xué)習(xí)等技術(shù)，通過邏輯回歸、決策樹、隨機(jī)森林等模型算法，對各維度數(shù)據(jù)進(jìn)行綜合處理和評估，在用戶信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系五個維度客觀呈現(xiàn)個人信用狀況的綜合分值。而企業(yè)征信則是基于海量的數(shù)據(jù)來源，依托在云計(jì)算、機(jī)器學(xué)習(xí)方面的前沿技術(shù)，信用數(shù)據(jù)洞察、信用價值鏈接、信用風(fēng)險模型構(gòu)建等多方面的經(jīng)驗(yàn)，客觀地呈現(xiàn)中小微企業(yè)信用狀況。中策征信，動態(tài)監(jiān)控使用多種數(shù)據(jù)處理方式和大數(shù)據(jù)分布儲存方式,使用回歸算法專家法，機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)等30種算法，建立科創(chuàng)模型，中小微模型，供應(yīng)鏈模型，反欺詐模型等。蘇州企業(yè)征信，信用評分服務(wù)是基于用戶進(jìn)行投資、借貸、賒銷活動時，對相關(guān)企業(yè)進(jìn)行信用評價的服務(wù)。服務(wù)內(nèi)容可以由用戶自由定制，也可以由服務(wù)提供方根據(jù)需求專業(yè)定制。用戶可將企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)信息作為要素名稱，創(chuàng)建評分模型，系統(tǒng)根據(jù)模型返回單個或多個企業(yè)的分值，為用戶的貸前決策與貸后管理提供支持。聯(lián)合征信在銀行業(yè)解決方案貸前模塊企業(yè)族譜圖采用大規(guī)模數(shù)據(jù)處理技術(shù)自動采集、清洗、加工多個維度企業(yè)信息，運(yùn)用機(jī)器學(xué)習(xí)智能識別數(shù)據(jù)關(guān)聯(lián)，刻畫企業(yè)全息畫像，構(gòu)建企業(yè)族譜、股東鏈圖，幫助銀行業(yè)金融機(jī)構(gòu)深度挖掘企業(yè)關(guān)聯(lián)關(guān)系、投資關(guān)系及實(shí)際控制人情況，有效規(guī)避關(guān)聯(lián)交易、多頭授信等風(fēng)險。利用大數(shù)據(jù)和云計(jì)算技術(shù)，進(jìn)行海量全景數(shù)據(jù)的研究、測算和分析，從宏觀和中觀角度把握行業(yè)變動趨勢，幫助使用者對行業(yè)發(fā)展和變化趨勢進(jìn)行準(zhǔn)確把握。二、把收集到的征信方法分為風(fēng)險監(jiān)控、關(guān)聯(lián)圖、信用分及其他這四方面進(jìn)行比較分析。風(fēng)險監(jiān)控方面：考拉征信針對信貸（貸前、貸中、貸后）運(yùn)用了先進(jìn)的數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)方法，幫助客戶在信貸過程中監(jiān)控風(fēng)險、防范欺詐、降低風(fēng)險。信貸中的八大模型百融金服在反欺詐、貨前信審等風(fēng)控管理環(huán)節(jié)也擁有了更為敏銳的洞察力。風(fēng)險羅盤是百融風(fēng)控類產(chǎn)品的一站式服務(wù)平臺，全面支持反欺詐和信用風(fēng)險評估兩大類產(chǎn)品。宜信至誠信用的致誠阿福在風(fēng)控智能決策系統(tǒng)上，共享平臺結(jié)合人工智能、云計(jì)算、知識圖譜、深度學(xué)習(xí)等科技手段，借助多年風(fēng)控的豐富經(jīng)驗(yàn)，向行業(yè)輸出高效、便捷、可持續(xù)優(yōu)化的風(fēng)控科技產(chǎn)品與服務(wù)。致誠阿福反欺詐決策引擎憑安征信，在金融反欺詐方面，通過大規(guī)模集群運(yùn)算，用機(jī)器學(xué)習(xí)的技術(shù)自動分析、處理、加工海量短文本內(nèi)容，自動識別內(nèi)容之間的關(guān)聯(lián)模式。憑安征信金融反欺詐萬達(dá)征信，利用先進(jìn)的大數(shù)據(jù)挖掘和分析技術(shù)對海量經(jīng)營消費(fèi)數(shù)據(jù)科學(xué)分析和運(yùn)用，形成精準(zhǔn)的公司及消費(fèi)信用評估；其身份信息通過多維度數(shù)據(jù)進(jìn)行交叉驗(yàn)證，將風(fēng)險最小化。身份核查反欺詐流程外灘征信，在貸前通過簡單的身份信息驗(yàn)證，接著到審核環(huán)節(jié)，鏈接多維度數(shù)據(jù)進(jìn)行驗(yàn)證身份信息，以及對客戶評分、預(yù)測的貸款額度，在貸款結(jié)束后，需要對他們進(jìn)行風(fēng)險監(jiān)控，對于欠款者提供催收服務(wù)。外灘征信平臺服務(wù)微眾稅銀按照被監(jiān)控企業(yè)收入大幅下降，周轉(zhuǎn)率下降、盈利能力下降等單一指標(biāo)或者多指標(biāo)組合對預(yù)警信號分級。微眾稅銀貸后監(jiān)控部分指標(biāo)關(guān)聯(lián)方面：元素征信在信貸中采用單點(diǎn)關(guān)聯(lián)、多點(diǎn)關(guān)聯(lián)以及族群探索方法，展示企業(yè)與目標(biāo)企業(yè)關(guān)聯(lián)，及時監(jiān)控、防范風(fēng)險。金電聯(lián)行對股東之間采用關(guān)聯(lián)法，形成一個企業(yè)關(guān)聯(lián)圖譜，更好的預(yù)防風(fēng)險。按照股東、對外投資兩大維度，提供五個層級的企業(yè)族譜芝麻信用創(chuàng)新性地引入傳染病傳播模型研發(fā)了風(fēng)險關(guān)聯(lián)云圖，通過挖掘投資、經(jīng)營、債務(wù)等關(guān)系揭示企業(yè)之間的關(guān)聯(lián),基于風(fēng)險種子的風(fēng)險傳播，評估企業(yè)、個人、企業(yè)群、行業(yè)、地域、產(chǎn)業(yè)鏈等多維度的關(guān)聯(lián)風(fēng)險，揭示錯綜復(fù)雜的企業(yè)關(guān)聯(lián)關(guān)系及風(fēng)險。企業(yè)征信的傳染病傳播模型企業(yè)征信的風(fēng)險關(guān)聯(lián)圖雖然企業(yè)用的都是用關(guān)聯(lián)圖來監(jiān)控風(fēng)險，但是各個企業(yè)所用的關(guān)聯(lián)方法均不一樣，企業(yè)都盡可能的將這種方法使風(fēng)險最小化。信用分：天韻征信采用國際領(lǐng)先的信用評定標(biāo)準(zhǔn),根據(jù)其信息進(jìn)行加工、處理后得出的信用評分。將借款企業(yè)信用等級分三等九級,即：AAA、AA、A、BBB、BB、B、CCC、CC、C。維氏盾征信，依據(jù)企業(yè)經(jīng)營過程中多維度數(shù)據(jù)源，結(jié)合大數(shù)據(jù)技術(shù)深入挖掘及云計(jì)算技術(shù)客觀分析，直接反映每個企業(yè)的信用情況，分值在350分~800分。維氏盾信用分?jǐn)?shù)聯(lián)銘品科技，基于關(guān)聯(lián)方風(fēng)險傳導(dǎo)的評分體系，為企業(yè)評定阿拉丁分，分值在0~1000分，分層次描述企業(yè)信用等級。采用企業(yè)5維度信息，運(yùn)用科學(xué)的算法，根據(jù)“近朱者赤近墨者黑”及風(fēng)險傳播的原理，用于客觀預(yù)測觀測目標(biāo)企業(yè)的違約概率，構(gòu)畫企業(yè)真實(shí)信用畫像。阿拉丁分分值等級陜西融信信用，通過現(xiàn)場調(diào)查研究，對評估客戶提供的資料進(jìn)行閱讀分析，圍繞信用評價指標(biāo)體系進(jìn)行量化，給予相應(yīng)的權(quán)重，得出企業(yè)的綜合信用分及相應(yīng)的等級，如下表所示：表4：企業(yè)的綜合信用分及權(quán)重中企評協(xié)企業(yè)征信通過量化方法、計(jì)量經(jīng)濟(jì)學(xué)模型進(jìn)行多元統(tǒng)計(jì)分析，得到用戶對某一特定產(chǎn)品或服務(wù)以及某一特定企業(yè)的滿意度分析報告。滿意度測評模型芝麻信用的芝麻分，在用戶信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系五個維度客觀呈現(xiàn)個人信用狀況的綜合分值。企業(yè)征信則是基于企業(yè)基本信息、經(jīng)營行為、履約歷史、關(guān)聯(lián)關(guān)系和法定代表人五個維度呈現(xiàn)企業(yè)信用狀況。芝麻信用模型芝麻分把征信機(jī)構(gòu)信用分的維度整理成表，如下表所示：表5：企業(yè)信用分從表5可知，企業(yè)信用分的維度中基本都包含企業(yè)身份信息、信用履約這兩個維度，比較不一樣的是維氏盾征信其中一個