研报速递 
个人信贷中“大数据”的详细构成
一、信贷行为数据（最核心）
- 历史还款记录：不仅是逾期，还包括是否频繁最低还款、是否经常临近还款日才还款。
- 负债水平：总负债金额、每月还款占收入比例（DTI）、循环授信利用率（信用卡已用额度占总额度比例）。
- 新增信贷频率：近3个月、6个月申请过多少笔dai款/信用卡，每次申请的时间间隔。
- 信贷产品类型：是否使用过现金dai、网dai等银行视为高风险的产品。
二、交易与流水数据
- 收入特征：工资入账稳定性、是否断缴、入账金额波动情况。
- 支出特征：是否有大量非消费类转账（可能被视为资金拆借给他人）、是否频繁夜间交易。
- 账户余额：日均余额、是否经常账户见底。
- 第三方支付数据：支付宝、微信支付的交易频率、金额、收款方类型。
三、社交与设备数据
- 设备指纹：是否在多台设备上申请贷款、设备更换频率。
- IP地址：是否异地登录、是否与高风险IP重合。
- 通讯录分析：联系人稳定性、是否有失信人员在联系人中。
- 社交行为：是否有异常频繁的催收电话、骚扰电话记录（部分机构接入运营商数据）。
四、消费与生活方式数据
- 网购行为：购买商品类别（如奢侈品、高风险投资品）、退货率、是否频繁拒收。
- 出行记录：机票、酒店预订频率、是否经常前往敏感地区。
- 公共缴费：水电煤、话费是否按时缴纳。
五、职业与收入稳定性数据
- 社保/公积金：缴费基数、缴费连续性。
- 职业类别：是否属于高风险行业（如房地产中介、P2P从业人员、博彩相关）。
- 工作变动：近一年换工作次数、就职公司存续时间。
六、司法与公共记录数据
- 涉诉信息：是否被起诉、案件类型（合同纠纷、金融借款纠纷等）。
- 失信被执行人：是否上“老赖”名单。
- 税务、行政处罚：是否有欠税、违规被罚款记录。
七、关联人风险
- 共同借dai人/担保人的信用状况。
- 紧急联系人的风险评分。
💡 银行用这些数据做什么？
他们会把这些信息输入风控模型，生成一个综合风险分数。如果分数低于设定阈值，即使征信报告没问题，也会被拒dai。#专业解决方案 金融知识 #贷款 #北京#信贷 #负债人上岸 #客户经理 #公积金
一、信贷行为数据（最核心）
- 历史还款记录：不仅是逾期，还包括是否频繁最低还款、是否经常临近还款日才还款。
- 负债水平：总负债金额、每月还款占收入比例（DTI）、循环授信利用率（信用卡已用额度占总额度比例）。
- 新增信贷频率：近3个月、6个月申请过多少笔dai款/信用卡，每次申请的时间间隔。
- 信贷产品类型：是否使用过现金dai、网dai等银行视为高风险的产品。
二、交易与流水数据
- 收入特征：工资入账稳定性、是否断缴、入账金额波动情况。
- 支出特征：是否有大量非消费类转账（可能被视为资金拆借给他人）、是否频繁夜间交易。
- 账户余额：日均余额、是否经常账户见底。
- 第三方支付数据：支付宝、微信支付的交易频率、金额、收款方类型。
三、社交与设备数据
- 设备指纹：是否在多台设备上申请贷款、设备更换频率。
- IP地址：是否异地登录、是否与高风险IP重合。
- 通讯录分析：联系人稳定性、是否有失信人员在联系人中。
- 社交行为：是否有异常频繁的催收电话、骚扰电话记录（部分机构接入运营商数据）。
四、消费与生活方式数据
- 网购行为：购买商品类别（如奢侈品、高风险投资品）、退货率、是否频繁拒收。
- 出行记录：机票、酒店预订频率、是否经常前往敏感地区。
- 公共缴费：水电煤、话费是否按时缴纳。
五、职业与收入稳定性数据
- 社保/公积金：缴费基数、缴费连续性。
- 职业类别：是否属于高风险行业（如房地产中介、P2P从业人员、博彩相关）。
- 工作变动：近一年换工作次数、就职公司存续时间。
六、司法与公共记录数据
- 涉诉信息：是否被起诉、案件类型（合同纠纷、金融借款纠纷等）。
- 失信被执行人：是否上“老赖”名单。
- 税务、行政处罚：是否有欠税、违规被罚款记录。
七、关联人风险
- 共同借dai人/担保人的信用状况。
- 紧急联系人的风险评分。
💡 银行用这些数据做什么？
他们会把这些信息输入风控模型，生成一个综合风险分数。如果分数低于设定阈值，即使征信报告没问题，也会被拒dai。#专业解决方案 金融知识 #贷款 #北京#信贷 #负债人上岸 #客户经理 #公积金
发表评论
发表评论: