Оценка больших данных - Big Data Scoring

Оценка больших данных это облачный сервис, который позволяет потребительским кредиторам улучшать качество ссуд и повышать процент приема за счет использования большое количество данных. Компания была основана в 2013 году и имеет офисы в г. Великобритания, Финляндия, Чили, Индонезия и Польша. Услуги компании адресованы всем кредиторам - банки, кредиторы до зарплаты, платформы однорангового кредитования, провайдеры микрофинансирования и лизинговые компании.[1]

Модели кредитного скоринга на основе больших данных

На основе информации Facebook

9 апреля 2013 года компания объявила, что построила модель кредитного рейтинга, основанную исключительно на информации из Facebook. По заявлению компании, скоринговая модель имеет Коэффициент Джини 0,340. Для построения модели данные Facebook о физических лицах были собраны в различных странах Европы с предварительного разрешения отдельных лиц. Затем эти данные были объединены с фактической информацией о выплатах по кредиту для тех же людей, и скоринговые модели были построены с использованием тех же инструментов, которые использовались при построении традиционных моделей кредитного скоринга.[2]

На основе общедоступных источников

Оценка больших данных собирает огромные объемы данных из общедоступных онлайн-источников и использует их для прогнозирования поведения людей путем применения проприетарный обработка и оценка данных алгоритмы. Основываясь на отзывах клиентов, их решение обеспечивает повышение точности подсчета до 25% в сочетании с традиционные внутренние методы. Это также надежно приводит к эквивалентному увеличению Нижняя линия.[3] На рынках, где традиционно кредитное бюро данных не хватает, дополнительная выгода может быть даже больше для людей с небольшой кредитной историей или даже без нее, например:

Это приводит к тому, что больше людей получают доступ к кредиту с более высокой процентной ставкой благодаря повышению точности скоринговых моделей.

Прогностические возможности больших данных в кредитном скоринге

Информация Facebook

Компания не первая, кто продемонстрировал предсказательную силу данных Facebook. Михал Косинский, Дэвид Стилвелла и Тор Грэпельб из Кембриджский университет показали, что «легкодоступные цифровые записи поведения, лайки в Facebook, можно использовать для автоматического и точного прогнозирования ряда очень важных личных атрибутов, включая сексуальную ориентацию, этническую принадлежность, религиозные и политические взгляды, личностные качества, интеллект, счастье, вызывающие привыкание вещества, разлучение с родителями, возраст и пол.[4]"

Общедоступные источники

Filene Research Institute опубликовал документ, показывающий четкие закономерности в транзакционных данных, кредитный рейтинг и внешние факторы, такие как недавняя цена S&P 500.[5]

Освещение в прессе и благодарности

В октябре 2013 года компания Big Data Scoring была выбрана одним из финалистов конкурса Вебсаммит Старт-ап выставки АЛЬФА.[6] В марте 2013 года компания Big Data Scoring была выбрана одним из финалистов конкурса Code_n, который является частью CeBIT выставка в Ганновере, Германия.[7] Во время конференции Finovate Fall 2015 генеральный директор Big Data Scoring представил свои решения в прямом эфире на сцене.[8] Компания была представлена ​​во многих онлайн-журналах, в том числе MarketWatch,[9] PCWorld[10] и eWeek.[11]

Big Data Scoring работает вместе с MasterCard в их программе Start Path.[12]

Критика

Estonian Business daily Эрипяев поднял вопрос, есть ли сбор данных использование для кредитного скоринга осуществляется на законных основаниях. По заявлению компании, их решение требует разрешения от пользователей Facebook для доступа к их данным, и ничто не собирается без предварительного разрешения.[13]Другие источники, такие как Новости MSN указали на вторжение в частную жизнь в качестве дополнительной проблемы, связанной с использованием информации из социальных сетей при оценке кредитоспособности.[14]

Рекомендации

  1. ^ «Оценка больших данных». Веб-страница компании.
  2. ^ «Первая универсальная европейская карта показателей социальных сетей готова». Веб-страница компании. 9 апреля 2013. Архивировано с оригинал на 2014-05-29.
  3. ^ «Пример кредитора из Центральной Европы: оценка больших данных | Лидер в решениях для кредитного скоринга больших данных». www.bigdatascoring.com. Архивировано из оригинал в 2015-10-22. Получено 2015-11-27.
  4. ^ Косинский, Михал; Дэвид Стиллвелл; Тор Грэпель (12 февраля 2013 г.). «Личные черты и атрибуты можно предсказать из цифровых записей человеческого поведения» (PDF): 4. Цитировать журнал требует | журнал = (помощь)
  5. ^ Каллерхофф, Филипп (2013). «Большие данные и кредитные союзы: машинное обучение в транзакциях участников» (PDF). Filene Research Institute. Архивировано из оригинал (PDF) 8 декабря 2015 г.. Получено 25 ноября 2015.
  6. ^ «Список финалистов WebSummit ALPHA» (PDF). Архивировано из оригинал (PDF) на 2013-11-02. Получено 2014-04-15.
  7. ^ "Список финалистов CODE_n" (PDF). Архивировано из оригинал (PDF) на 2014-05-27.
  8. ^ «FinovateFall 2015 - Оценка больших данных - Finovate». Finovate. Получено 2015-11-27.
  9. ^ «Когда Facebook плохо влияет на кредитный рейтинг». MarketWatch. Получено 13 марта, 2014.
  10. ^ «Должен ли ваш профиль в Facebook влиять на ваш кредитный рейтинг? Стартапы говорят« да »». PCWorld. Получено Одиннадцатое марта, 2014.
  11. ^ «Выставка CeBIT Code_n показывает, почему полезные инновации являются лучшими». eWeek. Получено 13 марта, 2014.
  12. ^ «Портфолио | Стартовый путь». www.startpath.com. Получено 2015-11-27.
  13. ^ «Мы не занимаемся незаконным извлечением данных из социальных сетей». Новости бизнеса Балтии. 8 мая 2013 года.
  14. ^ «Слух:« лайки »в Facebook могут повредить ваш кредитный рейтинг». Новости MSN. Архивировано из оригинал 29 августа 2013 г.. Получено 27 августа, 2013.