深入分析70家征信机构：北京、上海、广东及其他地区征信方法与场景比较
据说，才华横溢的大佬们都在关注【财务高管会议】
概括：
本文对70家机构进行分析，深入了解其征信方式、征信对象及情况
和信用报告场景。在这70家机构的基础上，淘汰了一些找不到的征信方式和征信场景以及只是笼统介绍征信对象的征信机构。最后，根据地区分类对这63家企业进行了分析比较。其中，北京法人机构22家，上海法人机构13家，广东省法人机构7家，其他省区法人机构21家。
从征信对象来看，63家征信机构的征信对象和服务对象分为个人、企业、金融或准金融机构、电商支付和政府五类。这些企业征信机构的服务对象主要是企业和金融机构客户，且大多数机构具有多重服务对象。
从征信场景来看，这些征信机构的场景应用主要集中在信用金融和政府应用上。随着互联网的兴起，新型征信机构不断涌现，其场景主要应用于日常生活，比如芝麻信用。
从征信方式来看，不同的征信机构针对各自场景反馈的数据以及企业自身的数据，采用不同的征信方式和模型。主要分为三类：风险监控、关联图、信用评分。从几个方面进行比较分析。虽然企业都使用关联图来监控风险，但是每个企业使用的关联方法是不同的，企业通过这种方法来尽可能地降低风险。企业信用评分的维度基本包括企业身份信息和信用表现；个人信用评分中，身份属性和信用记录是常见的维度。
征信对象与服务对象比较
对63家企业征信机构的征信对象及服务对象进行汇总汇总，如下表所示：
表1：征信机构对象分类表
63家征信机构的服务对象分为个人、企业、金融或准金融机构、电商支付、政府五类。从表中可以看出，这些企业征信机构的服务对象主要是企业和金融机构客户，且多数机构具有多重服务对象。
表2：征信机构专项服务对象一览表
从表2可以看出，征信机构除了表1中的一些一般分类服务对象外，还有一些其他特殊服务对象，如中诚信征信、金科征信、中策征信、广东德信银行征信等。报告有限公司都为一些协会提供服务。服务。
信用报告场景比较
对收集到的企业征信机构应用场景进行分类总结，如表3所示：
表3：应用场景分类表
随着互联网信息技术的不断普及，征信产品主要应用于金融征信服务、反欺诈、信贷决策、租赁等金融和生活场景，除了以银行、保险为代表的大型金融机构、P2P、消费金融公司、小额贷款公司等中小金融机构也成为征信产品的主要用户。从表3可以看出，这些征信机构的场景应用主要集中在信用金融和政府应用。
随着互联网的兴起，新的征信机构不断涌现。他们的场景主要应用在日常生活中，比如芝麻信用，他们的场景衍生到生活的方方面面：
Ÿ消费金融：蚂蚁借钱、花呗、天猫推新车
Ÿ信用租赁自行车：ofo、优百自行车、永安自行车、破风自行车、神州租车、一嗨租车、安飞士租车、熊猫租车
信用贷：充电宝、雨伞、图书、服装、数码产品、玩具、海外WiFi
信用租赁：未来酒店、蚂蚁短租、小猪短租、途家、木鸟短租公寓、蘑菇租赁、公寓之家、优客宜家、春棉、美丽屋
考拉征信不仅应用于住宿、旅游、餐饮等，旗下考拉APP还拥有自己的考拉金融借贷，方便用户直接借贷、理财等；还有一些其他征信机构的场景应用更广泛：
中诚信元信用信息在服务、舆情等方面有应用：
Ÿ金融类：银行、小额贷款、P2B担保、信用保险
Ÿ企业类别：大中小微企业
服务类别：市场研究及咨询机构、公关公司
Ÿ管理类别：政府、行业协会、商会
舆情类别：求职招聘、媒体记者、投资理财、创业加盟
金典银行在园区管理、采购、非法集资等方面的应用：
晨信征信主要应用于：招商企业画像、政府管理服务领域、宏观经济运行监测、企业结算管理、园区企业服务、园区运营管理、园区生活服务、唤醒沉睡客户、新客户开发、银行合规管理、操作风险管理、数据访问管理、数据操作管理、权限控制、日志审核。
嘉银征信主要在风险管控、客户管理、产品创新、精准营销、运营优化等方面进行精准应用。
每个征信机构都有自己的企业特色，抓住市场需求，开发自己的场景应用，为客户提供最便捷的服务。
信用报告方法比较
1、资信调查方式
在反欺诈服务方面，CCX利用生物技术、多维信息网络验证、中文模糊匹配、互联网指纹等技术，为客户提供身份真实性验证、应用数据验证、负面信息等综合反欺诈服务检查。
考拉信用评分拥有考拉信用评分和考拉商家评分（国内首个小微商户信用评分），在信用方面充分利用了八个模型：商户信用评分模型、反欺诈模型、营销响应评分。模型、行为效益评分模型、应用风险评分模型、预授信模型、行为风险评分模型、最大限度降低所有风险的催收模型。
要素征信灵基征信系统主要解决金融风控、商事调查等领域的问题。包括征信、关联关系、贷款监控、行业分析四大业务模块。评分模型根据企业基础状况、体验效益、经营稳定性、发展前景、声誉风险五个维度进行计算。根据企业生命周期模型计算企业的生命周期指数。关联关系分为显式关联和隐式关联。内隐关联主要采用单点关联、多点关联和族群探索等方法。群组探索采用随机游走算法模型，展示与目标企业联系最紧密（节点交集数量最多）的一些群组，并根据节点数量最多的群组进行排序和推送。通过机器学习和人工智能，对新闻舆情进行二次加工，对相似新闻事件进行分类总结，智能判断新闻结论。
企乐汇利用大数据征信技术，快速采集借款人多维度信息，通过多源交叉验证和深度分析，生成借款人数据分析报告。可应用于信贷业务贷前审核、贷款决策、贷后管理等业务流程，致力于帮助金融机构提高工作效率、防范财务欺诈、降低风险。
百融金服凭借其独特的线上线下融合、多维度海量大数据，以及广泛运用有意识、有目的的行为数据和机器学习算法，构建全新的信贷模式，帮助金融机构“了解”更多借款人，同时获得更大的竞争优势的同时，我们在反欺诈、装运前信用审核等风控管理方面也有更敏锐的洞察力。 Risk Compass是百融风控产品一站式服务平台，全面支持反欺诈和信用风险评估产品。
东方金信利用该方法通过WOE方法对信息变量进行离散化，然后进行逻辑回归建模，开发出中小微企业信用风险评估模型。
宜信智信使用的智诚奇富基于Hadoop分布式生态系统和数据库集群技术。基于自主研发的风控智能决策系统，结合云计算、知识图谱、深度学习、商业智能等技术，持续优化产品。和服务；在风控智能决策系统上，志诚阿福共享平台结合人工智能、云计算、知识图谱、深度学习等技术手段，借助多年丰富的风控经验，输出高效、便捷、高效的服务。为行业可持续发展优化风控技术产品和服务。
中诚信征信采用最新的HADOOP技术、内存数据库技术以及多种ETL数据提取、转换和加载工具以及网络爬虫技术建立相应的模型，最终为客户提供多维度的信息认证、信息查询和数据分析结果。
钟书智慧采用模糊搜索、中文分词、倒排索引、只能输入判断的函数式算法。可快速匹配输出多个公司全名，实现公司名称的快速、准确录入。
华财征信结合中国企业和信用信息现状，开发了基于大数据处理的信用信息管理系统，利用先进的评分模型和大数据处理的强大支持，提供完整、高效的信用数据采集和查询并快速生成多维报告。
中国企业评级协会企业信用调查采用宏观与微观、动态与静态、定量与定性相结合的科学分析方法，评估企业信用等级。通过运用定量方法和计量经济模型进行多元统计分析，可以获得用户对特定产品或服务、特定企业的满意度分析报告。
晨信征信非法集资平台采用60余种实用业务模式，实现非法集资行为自动分析、预警、精准检测，做到早打小打，将非法集资行为消灭在萌芽状态，实现区域经济健康发展。手术。
国石天韵征信采用全球领先的信用评级标准，对信息进行加工处理，获得信用评分。借款企业信用等级分为三级九级，分别为：AAA、AA、A、BBB、BB、B、CCC、CC、C。等级从高到低排列为A、B、 C、等级越高，信用风险越低，违约的可能性越小。
平安征信在金融反欺诈方面，利用机器学习技术，通过大规模集群计算，对海量短文本内容进行自动分析、加工和处理，自动识别内容之间的关联模式。
商安信采用Creditreform的评级体系，结合中国市场特点，优化个性化评估模型。
文利征信通过产业、商业、金融、账户的纵向空间和供应链上下游的横向空间驱动金融服务，创造历史、现在和未来的交易信用风险管理新模式。
万达征信采用先进的大数据挖掘和分析技术，科学分析和应用海量商业和消费数据，形成精准的企业和消费者信用评估；还利用云计算、深度学习等大数据技术，利用自然属性、财务状况、信用记录、消费偏好、公共信息和身份特征六个维度，利用先进的数据可视化，向用户呈现综合的个人信用指数方法。其身份信息通过多维度数据交叉验证，最大限度降低风险。
维氏盾信用报告基于业务流程中的多维度数据源，结合大数据技术的深度挖掘和云计算技术的客观分析，直接反映每个企业的信用状况，评分范围为350到800分。机构对客户身份信息采用多维度数据交叉验证，有效降低平台风险。
嘉银征信遵循国际金融领域先进的模型算法，结合当地行业情况和业务场景，利用多模型交叉核对（Logistic、决策树、机器学习等），精准预测企业的信用风险。服务中小微企业客户信用决策。
外滩征信为小微企业提供贷款全生命周期风险管理的一站式服务。通过贷款前简单的身份信息验证，然后在审核过程中联动多维度数据验证身份信息，并对客户进行评分并预测贷款金额。贷款完成后，需要对其进行风险监控。对于债务人，提供催收服务。
鹏元征信基于公安部公民身份信息、生物识别技术、银行身份信息等多维度身份认证，确保互联网用户身份的真实性、有效性，杜绝身份欺诈。基于推荐算法的奇葩实名社交服务可以有效帮助用户找到志同道合、真实的人。
微众税务银行在对过往坏账数据分析的基础上，通过线性回归、蒙特卡洛算法等数据科学进行聚类分析，并利用基于数据的验证，构建出比传统专家决策更加科学的详细模型。结合企业画像，利用机器学习等技术和方法，通过量化的方法评估企业的还款能力和还款意愿，获得企业的信用评分。针对海量数据源、时间序列、结构化和非结构化数据，采用HADOOP集群进行分布式存储，保证海量数据吞吐，利用神经网络技术进行深度学习，进行数据挖掘分析，输出企业画像和行业数据。指数产品等
Credit Union采用逻辑回归、随机森林、深度神经网络等优秀算法来量化风险，并根据评分排名快速评估欺诈风险。
申通征信是基于回归法、挖掘法、引导法大数据分析模型的三法证据系统。通过历史客观数据与主观评价相结合，大大提高了信用信息的准确性，弥补了传统信用信息体系下“唯一”的问题。只看历史，忽视未来。”
川数通企业征信利用人像识别、图像比对、北斗定位等多项技术对企业状况进行监控识别，通过制度和技术手段消除人的道德风险，降低人力物力成本，降低金融机构贷后风险。 。
数联名品科技采用机器学习量化评估模型，综合计算各个风险维度，确定各个关注对象的LFR金融风险指数，在海量动态信息中识别出潜在有害、影响大、有价值的风险。监管关注的高价值目标。基于关联方风险传导评分体系，对公司进行阿拉丁评分，分值范围为0至1000分，描述了公司不同级别的信用评级。采用企业5维信息，运用科学算法，按照“近红者红，近红者红”的原则，客观预测目标企业的违约概率，构建企业真实的信用画像。近墨者黑”和风险沟通原则。
陕西融信信用通过现场调查研究，读取并分析评价客户提供的信息，围绕信用评价指标体系进行量化，赋予相应权重，得出企业的综合信用评分及相应等级。
延安鼎业征信依托大数据分析能力，开启征信新模式。分析系统采用大数据挖掘、分析、智能模型计算等技术。为用户提供海量信息计算、分析和可视化处理能力；该评价体系采用定性和定量分析的方法来评价和预测公司的财务状况和未来的经营业绩。
芝麻信用的芝麻分利用云计算、机器学习等技术，通过逻辑回归、决策树、随机森林等模型算法，对各维度的数据进行综合处理和评估。特质和联系五个维度客观呈现个人信用状况的综合得分。企业征信以海量数据源为基础，依托云计算、机器学习、信用数据洞察、信用价值链接、信用风险模型构建等方面的前沿技术经验，客观呈现中小微企业的信用状况和微型企业。 。
中策征信与动态监测采用多种数据处理方法和大数据分布式存储方法，利用回归算法专家法、机器学习、神经网络等30种算法建立科学创新模型、中小型微观模型、供应链模型、反馈欺诈模型等。
苏州企业征信和信用评分服务是基于用户从事投资、借贷、赊销活动时对相关企业的信用评价。服务内容可以由用户自由定制，也可以由服务提供商根据需求专业定制。用户可以将企业的财务指标和非财务信息作为元素名称创建评分模型，系统根据模型返回单个或多个企业的评分，为用户的贷前决策和贷后决策提供支持-贷款管理。
联合征信银行业解决方案中的贷前模块企业谱系图，利用大规模数据处理技术自动采集、清洗和处理多维度企业信息，利用机器学习智能识别数据关联，描绘企业全息肖像，构建企业家谱、股东链图，帮助银行业金融机构深入挖掘企业关联关系、投资关系和实际控制人，有效规避关联交易、长期授信等风险。利用大数据和云计算技术对海量全景数据进行研究、计算和分析，从宏观和中观角度把握行业变化趋势，帮助用户准确把握行业发展和变化趋势。
2.将收集到的信用报告方法分为风险监控、关联图、信用评分等四个方面进行比较分析。
风险监控：
考拉征信采用先进的数据挖掘技术和机器学习方法进行信贷（贷前、贷中、贷后），帮助客户在信贷过程中监控风险、防范欺诈、降低风险。
八种信贷模式
百融金服在反欺诈、装运前信用审核等风控管理方面也有更敏锐的洞察。 Risk Compass是百融风控产品一站式服务平台，全面支持反欺诈和信用风险评估产品。
宜信智信采用的智诚阿福共享平台将人工智能、云计算、知识图谱、深度学习等科技手段结合在风控智能决策系统上。借助多年丰富的风控经验，为行业提供高效、便捷、高效的解决方案。可持续、优化的风控技术产品和服务。
智诚阿福反欺诈决策引擎
平安征信在金融反欺诈方面，利用机器学习技术，通过大规模集群计算，对海量短文本内容进行自动分析、加工和处理，自动识别内容之间的关联模式。
平安征信金融反欺诈
万达征信采用先进的大数据挖掘和分析技术，科学分析和应用海量商业和消费数据，形成精准的企业和消费者信用评估；其身份信息通过多维度数据交叉验证，最大限度降低风险。
身份检查
反欺诈流程
外滩征信在贷款前经过简单的身份信息验证，然后进入审核流程，联动多维度数据验证身份信息，并对客户进行评分并预测贷款金额。贷款完成后，需要对其进行风险监控。为债务人提供催收服务。
外滩信用信息平台服务
微众税银根据监测企业收入大幅下降、周转率下降、盈利能力下降等单一指标或多个指标组合对预警信号进行分级。
伟众税务银行贷款后监测部分指标
相关方面：
要素信用在信用中采用单点关联、多点关联、群体探索等方法，展现企业与目标企业的关联性，及时监控和防范风险。
金典联合银行采用股东之间的关联方法，形成公司关联图谱，更好地防范风险。
基于股东和外部投资两个维度，提供五级企业谱系。
芝麻信用创新性地引入传染病传播模型，开发风险关联云图，通过挖掘投资、经营、债务等关系揭示企业之间的关联性。基于风险种子的风险传播，对企业、个人、企业集团、行业、区域进行评估。 、产业链等多维度相关风险，揭示企业错综复杂的相关关系和风险。
企业信用报告的传染病传播模型
企业征信风险关联图
虽然企业都使用关联图来监控风险，但是每个企业使用的关联方法是不同的，企业通过这种方法来尽可能地降低风险。
信用评分：
天云征信采用全球领先的信用评级标准，对信息进行加工处理后获得信用评分。借款企业信用等级分为三级九级，即：AAA、AA、A、BBB、BB、B、CCC、CC、C。
维氏盾信用报告基于业务流程中的多维度数据源，结合大数据技术的深度挖掘和云计算技术的客观分析，直接反映每个企业的信用状况，评分范围为350到800分。
Victorinox Shield 信用评分
数联名品科技基于关联方风险传导评分体系，对企业进行阿拉丁评分，评分范围从0到1000分，描述了企业不同级别的信用等级。采用企业5维信息，运用科学算法，按照“近红者红，近红者红”的原则，客观预测目标企业的违约概率，构建企业真实的信用画像。近墨者黑”和风险沟通原则。
阿拉丁积分
分数等级
陕西融信信用通过现场调查研究，读取并分析评价客户提供的信息，围绕信用评价指标体系进行量化，赋予相应权重，得出公司的综合信用评分及相应等级，如图所示下表：
表4：企业综合信用评分及权重
中国企业评级协会企业信用调查采用定量方法和计量经济模型进行多元统计分析，获得用户对特定产品或服务、特定企业满意度的分析报告。
满意度评价模型
芝麻信用芝麻分从用户信用记录、行为偏好、履约能力、身份特征、人脉关系五个维度客观呈现个人信用状况的综合评分。企业信用报告从企业基本信息、经营行为、履约历史、关联关系、法定代表人五个维度呈现企业信用状况。
芝麻信用模型
芝麻点
将征信机构信用评分的维度整理成表，如下表所示：
表5：企业信用评分
从表5可以看出，企业信用评分的维度基本包括企业身份信息和信用表现。不同的是，Victorinox 信用评分的维度之一是商标和专利资质。这种尺寸一般很少见。该数据可用，维多利亚族信用报告是关于房地产的，因此该维度中的数据相对容易收集。
表6：个人信用评分
从表6可以看出，在个人信用评分中，身份属性和信用记录是常见的维度。万达信用数据的来源基于万达集团下的商人的消费数据，因此其信用评分包括消费偏好的维度；高岭土信用评分有财务数据源，即交易行为数据。
其他方面：
Yan'an Dingye信用信息依赖大数据分析功能来开设新的信用调查模型。分析系统使用大数据挖掘，分析，智能模型计算和其他技术。它为用户提供了大量的信息计算，分析和可视化处理功能；评估系统使用定性和定量分析来评估和预测公司的财务状况和未来的运营绩效。
Dingye信用信息依赖大数据分析功能来开放新的信用调查模型
3。基于信用评分进行详细的比较分析
表7：公司信用尺寸和得分范围水平
Ronshine信用评分评分表
从表7中可以看出，维多利亚诺克斯（Victorinox）的信用评分，阿拉丁（Aladdin）的得分和芝麻企业的信用评分都分为五个级别。在这三个方面，Ronshine信用的信用次数的权重相对甚至相对均相对，表明其在所有方面的要求相对较高。
表8：个人信用维度和评分范围
芝麻种子范围等级
从表8来看，可以看出，志马信用评分的重量是，吉玛信用额更多地关注了信用记录，但是就个人联系而言，利比亚信用相对缺乏。
总结
目前，随着互联网信息技术的持续普及，信用报告产品主要用于金融和生活方式方案，例如金融信贷服务，反欺诈，信贷决策，租赁等，除了代表大型金融机构外银行，保险等，P2P，消费金融公司，中小型贷款公司和其他中小型金融机构也已成为信用报告产品的主要用户。各种信用报告机构已经采用了先进的技术来开发产品并在反欺诈，信用监控，风险控制模型和信息身份验证等领域中优化模型。此外，互联网经济的持续增长为核心信用产品带来了更广泛的应用程序方案。
一方面，方案为信用报告机构提供了大量可持续数据，以确保不断更新用户信用文件。另一方面，方案有助于信用报告产品的销售和货币化，并实现数据获取和商业应用的封闭循环。