芝麻信用到底是按什么来评估用户的?
之前总有人会问:“为什么我芝麻分挺高的还审核不过”、“芝麻分数高就代表征信好吗”。诸如此类的问题有很多,所以机汤就详细来给大家讲解一下芝麻信用,以及芝麻信用到底是通过什么来评估用户的。

首先要明白芝麻分不是支付宝来评定,而是由第三方的信用评估机构在经过用户授权之后,通过分析用户在互联网上的各类消费和行为数据,结合互联网金融借贷信息,运用云计算等技术来对用户进行各个维度的综合评估。目前芝麻分越高,确实代表信用越好。
1、信用衡量
信用衡量其实可以从字面意思来理解,评估的就是你先享后付的能力有多少,这样也决定了评估系统最终给你定的芝麻分及信用服务的权限。
那么那些信息可以用来衡量先享后付的能力?

这主要会从两个方面来看,一个是你的消费能力,还有一个是你的消费意愿。消费能力主要取决于你的就业、收入,不过这不仅只局限在当前的收入水平,收入的稳定性也是系统衡量的维度之一。消费意愿的衡量本质其实就是违约成本衡量,意愿一定程度和收入相关,但并不完全一直。
举个例子来说一个月收入十万的人找你借一万块钱和一个每次找你借钱都会准时还你的人,同时找你借钱,你会把钱借给谁。
2、数据变量
芝麻信用的数据变量总共有65个变量,并且按照维度分为一级分类和DAS变量类别分类:

这五个维度都是大家比较熟悉的:





身份特征、行为特征、履约能力、信用历史以及人脉关系都体现了“收”和“支”。变量的数量其实也从侧面反映了DAS变量类别的重要程度,信用在评估过程中依然是最重要的一环,所以大家平时还是要维护好自己的信用,不要总是心大觉得没关系。
3、芝麻接入央行征信
目前支付宝正在稳步推进芝麻信用接入央行征信系统的工作,那么在日常使用芝麻信用服务的时候需要注意些什么呢?
截止到现在央行收录的自然人越11亿,其中拥有信贷数据的自然人不到一半,也就是说大部分人的征信数据信息是比较少的,这也就是为什么有的人查询自己的征信报告只有简单的身份信息没有金融信用数据的原因。

之前评估用户信用的模型主要是依据用户的借贷和还款表现数据,进行逻辑回归来判定信用,现在大数据兴起,信用考量的数据来源变得广泛,用户在电商、社交媒体、浏览器等平台的行为数据都会成为信用判定的依据之一。

有人说支付宝接入央行征信之后对用户来说并不好,但其实对用户产生的影响并不是很大,不过在日常使用花呗、信用租赁或其他信用服务的时候要按时还款,不要出现逾期,甚至恶意拖欠的情况。

之前总有人会问:“为什么我芝麻分挺高的还审核不过”、“芝麻分数高就代表征信好吗”。诸如此类的问题有很多,所以机汤就详细来给大家讲解一下芝麻信用,以及芝麻信用到底是通过什么来评估用户的。

首先要明白芝麻分不是支付宝来评定,而是由第三方的信用评估机构在经过用户授权之后,通过分析用户在互联网上的各类消费和行为数据,结合互联网金融借贷信息,运用云计算等技术来对用户进行各个维度的综合评估。目前芝麻分越高,确实代表信用越好。
1、信用衡量
信用衡量其实可以从字面意思来理解,评估的就是你先享后付的能力有多少,这样也决定了评估系统最终给你定的芝麻分及信用服务的权限。
那么那些信息可以用来衡量先享后付的能力?

这主要会从两个方面来看,一个是你的消费能力,还有一个是你的消费意愿。消费能力主要取决于你的就业、收入,不过这不仅只局限在当前的收入水平,收入的稳定性也是系统衡量的维度之一。消费意愿的衡量本质其实就是违约成本衡量,意愿一定程度和收入相关,但并不完全一直。
举个例子来说一个月收入十万的人找你借一万块钱和一个每次找你借钱都会准时还你的人,同时找你借钱,你会把钱借给谁。
2、数据变量
芝麻信用的数据变量总共有65个变量,并且按照维度分为一级分类和DAS变量类别分类:

这五个维度都是大家比较熟悉的:





身份特征、行为特征、履约能力、信用历史以及人脉关系都体现了“收”和“支”。变量的数量其实也从侧面反映了DAS变量类别的重要程度,信用在评估过程中依然是最重要的一环,所以大家平时还是要维护好自己的信用,不要总是心大觉得没关系。
3、芝麻接入央行征信
目前支付宝正在稳步推进芝麻信用接入央行征信系统的工作,那么在日常使用芝麻信用服务的时候需要注意些什么呢?
截止到现在央行收录的自然人越11亿,其中拥有信贷数据的自然人不到一半,也就是说大部分人的征信数据信息是比较少的,这也就是为什么有的人查询自己的征信报告只有简单的身份信息没有金融信用数据的原因。

之前评估用户信用的模型主要是依据用户的借贷和还款表现数据,进行逻辑回归来判定信用,现在大数据兴起,信用考量的数据来源变得广泛,用户在电商、社交媒体、浏览器等平台的行为数据都会成为信用判定的依据之一。

有人说支付宝接入央行征信之后对用户来说并不好,但其实对用户产生的影响并不是很大,不过在日常使用花呗、信用租赁或其他信用服务的时候要按时还款,不要出现逾期,甚至恶意拖欠的情况。
