传统征信主要以人工采集为主，而大数据征信采集的数据覆盖人群广泛，信息维度多元。建立邮储银行自有大数据征信模型，可发挥邮政集团公司优势，打破“数据壁垒”，整合邮乐电商、保险、证券等数据，使自身征信模型不断完善。

    “作为大型金融机构，邮储银行应在前期吸纳、模仿的过程中逐步建立自有大数据征信模型。”7月3日，在位于北京市丰台区七十二号院的邮储银行数据中心办公室，应用二处员工张歆爽一说起大数据征信滔滔不绝。 

    随着我国社会信用体系建设的步伐不断加快以及计算机和网络技术的不断提高，征信的发展需要适应大数据时代发展所带来的技术变革。“目前，国内大数据征信来源主要有电商类平台、P2P网络借贷、网络金融征信系统，至2015年底，中国个人征信的覆盖率只有35%。”在张歆爽看来，大数据征信在中国还有很大的发展潜力。 

    之所以要建立大数据征信模型，是因为与传统征信相比，其更有优势。传统征信主要以人工采集为主，以家庭住址、通讯方式、房产情况、银行流水作为细节点，来判断是否放贷。银行若想发展客户，客户经理要逐一确认资质，人力成本很高。大数据征信采集的数据覆盖人群广泛。只要是用户留存在网上的数据信息，都可以通过数据挖掘、云计算、大数据等网络技术抓取并进一步分析。大数据征信的信息维度多元，信用评估全面。大数据征信的数据来源不止包括传统征信的信贷历史数据，还包括个人的消费行为、交易行为、人际关系等半结构化数据。网购消费能力、共享单车租借、社交好友的信用状况，都是大数据信息采集的来源，能够多维度反映一个人的信用状况。“京东金融、蚂蚁金服这些互联网公司拥有大量的数据，比如用户寄快递、叫外卖、借白条，都可以作为大数据征信的数据，只要充分利用这些数据，就能对用户进行更加全面和深刻的画像。邮储银行虽然正在朝这个方向努力，但是还没有对数据进行整理，也没有把数据用起来，我就有了建立自有大数据征信模型的想法。”张歆爽说，“我们可以发挥集团优势，整合邮乐电商、保险、证券等数据，同时辅以合作电商、公司的大数据，使自身征信模型不断完善。关键是打破‘数据壁垒’，只有这样，才能更好地定义用户，才能保证我们的服务更有针对性。” 

    建立大数据征信模型，这与邮储银行目前面临的金融数字转型及发展普惠金融密切相关。“目前，邮储银行的网贷审批征信模型还部分依赖第三方购买的成熟产品，这导致我们获取部分数据成本较高，并且对外部数据有较强的依赖性。”张歆爽说。在她看来，建立大数据模型并不是邮储银行单方面的事情，“希望集团能够牵头部署，并且有专门的团队做这个事情。哪些数据能进入模型中，哪些数据可以整合在一起，这都需要集团层面协调”。为此，张歆爽也进行了调研，像美团和京东都有专门的数据分析团队，他们会根据业务需求及掌握的数据建立模型，“我们首先要整合数据，然后使用这些数据，这两方面都要去推动”。 

    “《未来简史》中提出，下一个宗教是数据教。大数据和每个人都息息相关。我们掌握数据之后，还要提取字段去刻画画像，从而保证能够精准建立模型。”对建立自有大数据征信模型，张歆爽充满了期待。