基于社交软件大数据分析的互联网金融征信研究

王志友

【摘要】我国的征信体系建设正处于起步阶段，从事互联网金融的企业也很难拿到第一手的征信数据，依据网络社交关系大数据建立客户信用评价体系，可以在互联网征信中发挥重要的作用。本文介绍了互联网关系大数据的概念和特点，互联网社交关系大数据在互联网金融信用分析的作用，并对利用互联网社交关系大数据提高互联网金融征信分析能力的问题进行了探讨。

【关键词】社交 大数据 互联网金融 信用

我国的征信体系建设正处于起步阶段，全民征信体系并没有全面建立，而且在我国严格的金融立法面前，从事互联网金融的企业也很难拿到第一手的征信数据，这给互联网信贷平台的风险评估和反金融欺诈带来很多不稳定的因素。互联网金融企业要想在风控和反金融欺诈上取得突破，必须通过对互联网数据相关的分析，通过客户的互联网社交关系来评估其信用水平，从而减少互联网企业的信贷风险。本文介绍了互联网关系大数据的概念和特点，以及互联网社交关系大数据在互联网金融信用分析中的作用。

一、社交关系大数据的概念

基于社交关系大数据指的是在互联网时代，客户在QQ、通信工具、推特、facebook、微信以及其他社交平台上的联系人信息及其关系的特征，包括联系人的种类、好友数量、好友的特征、粉丝数量、平台偏好、发言内容、邮件往来以及通信往来等社交信息及其关系的特征。这些数据可以取得客户授权后，在互联网金融平台的主导下，利用大数据分析技术对客户的社交关系及其特征进行分析，用于区分信用型客户和欺诈性客户。

根据我国互联网信息中心的调查：到2017年年底，社交类软件的应用在我国网民的覆盖率已经达到了92%以上，可见互联网社交类软件在我国网民中的覆盖率和使用率都很高。网民在互联网的社交中会建立相应的社交联系，建立属于自己的互联网社交圈，是目前大数据技术研究的重要方向。对这些数据以及数据用户之间的关系进行研究，这类研究的一个应用重要的方向是量化互联网用户的信用水平。

二、社交关系的大数据特点

将互联网关系大数据应用于互联网金融征信，首先要分析互联网社交关系的特点，然后确定社交关系大数据研究在互联网金融信用的应用方向。互联网社交关系大数据的主要特点有三个方面：

群体性：即我们常说的“物以类聚，人以群分”。目前，我国的社交类软件都具有即时通讯功能，比如微信、QQ，这也是我国网民重要的及时通信手段。为了更好的沟通和交流，我国的互联网用户会根据社会关系、商业关系、亲友关系、职业关系甚至政治见解建立不同的群组。这些群组在社交圈有一定的共性和特点，分析同类型社交圈内的数据，可以总结出该群体共同特征的相关规律。

预测性：我国的互联网用户在建立起自己的互联网社交圈以后，往往喜欢以发感言、发图片、发评论以及点赞的方式在互联网进行活动，对这些数据进行分析就可以总结互联网用户不同的性格特点、消费偏好以及信用特点等等。对互联网金融企业来说，通过大数据对相关数据进行分析，就可以获得互联网用户的收入情况、消费情况以及信用情况，进而用于区分信用型客户和金融欺诈型用户。

关系性。互联网是一个共享型社交平台，互联网用户在互联网上的社交关系大数据实际上是把现实中的社会关系搬迁到网上，并通过互联网的共享性予以拓展和延伸。互联网社交大数据是比真实社会关系更大的社交圈，相对真实的社会关系更能客观反映一个人的社交特点。在互联网社交关系大数据中，个体之间接触、关联、交流比社会关系交流方面的信息更能反映一个人的全方位的客观信息。

三、社交关系谱图在金融欺诈行为分析中的应用

根据互联网社交关系大数据的概念和特征，将互联网社交关系大数据应用于互联网金融欺诈行为的分析和判定可以从以下三个方面着手：

对客户社交的行为特征进行分析：研究显示，互联网用户如果在社交圈比较活跃，获得的点赞数很多，则改用户的信用关系会很高，其筹集资金的概率和能力就越高；互联网用户在互联网中的朋友越多，在互联网世界中被投诉的次数越少，客户金融违约的概率越低。如果能拿到客户的社交行为数据，就可以采用大数据分析的方法对客户进行互联网声誉和信用方面的排名，从而用户信用的量化，解决互联网金融贷款过程中的信息非对称问题。

从“物以类聚，人以群分”的角度进行分析：如果一个客户的好友中欺诈用户的比例过大，其欺诈用户的朋友的比例过多，那么这样的用户就有可能也是潜在的金融欺诈性用户。根据这个原理，可以通过分析客户直接好友圈和间接好友圈中信用欺诈用户的数量和比例，以及互联网金融客户在社交网络众与已知金融欺诈用户好友的联系程度来分析社交关系大数据与互联网金融欺诈的关系。

关注专业代办公司的业务渠道和客户特点：这些代办公司如果与欺诈型的客户联系过于紧密，根据“物以类聚，人以群分”的原理，就可以将这类代办公司和代办者的社交关系列为重点监控对象。因为多数金融欺诈行为是通过代办公司和代办人合作完成的，这些代办公司和代办人熟悉互联网互联网审核的流程和特点，会专门帮助金融欺诈者进行信息包装。同样，互联网金融企业及时甄别这类代办公司和代办人，可以有效规避这些互联网金融“毒瘤”。对这些互联网金融“毒瘤”诉诸法律，有利于保护互联网金融企业的自身利益。

四、社交关系大数据在互联网征信中的应用

社交媒体高速发展的背景下，很多征信机构都把互联网社交关系数据分析作为评估客户信用，预防金融欺诈的重要手段。世界最大的全球征信评估和管理机构Experian（益博睿）早在10年前刘开出基于社交关系数据的跨渠道客户身份识别引擎，并通过都中技术连接客户消费渠道，探索网络大数据在反互联网金融诈骗中的作用。全球第二大征信评估和管理机构Equifax（艾克飞）也致力于数据产品和服务的研发布局，并通过旗下多家中小型IT高科技公司从事个人客户互联网征信的研究，建立互联网数据模型用于评估用户在线数据，用以提高对客户的区分度，提高了个人用户信用风险预测，降低了互联网金融欺诈的案发率。

但将互联网社交关系数据用于评估客户信用水平，降低互联网金融欺诈方面也有一定的法律风险。比如德国最大的征信评估和管理机构夏华（schufa），由于数据收集的过程中涉及到互联网用户的隐私问题，并被告上德国联邦法院，最后以该公司不得不宣布放弃将相关计划。2018年3月，美国著名的社交软件Facebook首席执行官两次被美国国会召去听证，其中就涉及到Facebook用户数据泄露问题，如果相关指控成立，Facebook将会面临天文数字般的罚款。

五、展望

在分析客户的社交关系大数据的基础上对客户的信用水平进行评估，并在反互联网金融欺诈中发挥重要的作用，这是今后确保互联网金融业务健康發展的重要保证。但在从事互联网社交关系数据的收集中，如何避免规避法律问题，在保护客户隐私的基础上进行数据采集和分析，是互联网金融机构需要重点解决和规避的重要问题之一。