芝麻信用和FICO评分有什么差异?

你知道芝麻信用和FICO是怎么分级的吗？

芝麻信用分和FICO的评分标准是什么？

他们的分数相差多少？

让我们来看看边肖对这些问题的回答。

如果你是或白，而且你也是剁手族，你的阿里巴巴芝麻信用分一定很高。

这样，在别人还在焦急等待签证消息的时候，你就可以潇洒地从限量版爱马仕包里掏出iPhone6s，点击支付宝，触摸芝麻信用。

哇，你的芝麻信用分是760！然后你任性的把你的护照和iPhone6s扔到签证官面前，看着他/她给你的护照盖章。

你笑着说:请 直接从我的蚂蚁信用卡账户中收取签证费！除了签证办理，其他很多生活应用都离不开芝麻信用。

如果要租车，租房不需要押金，在酒店入住后付款，需要一定的芝麻信用分；更不用说金融信用贷款了...……FICO评分在国内的推广还没有全面展开，但国内芝麻信用分的人至少有几千万。

如此广泛的客户来源，加上支付宝强大的覆盖面，FICO score等传统信用评分有多大价值？

会不会在不久的将来被芝麻信用分和腾讯信用分黯然失色？

其实不能一概而论。

我们先来看看传统的FICO评分和芝麻信用分是如何计算的:FICO评分是公平的。

Isaac公司开发的信用评分系统也是目前美国使用最广泛的系统。

FICO评分系统获得的信用评分范围从300到850。

得分越高，客户的信用风险越低。

它收集客户的人口统计信息、历史贷款偿还信息、历史金融交易信息、中国人民银行的信用信息等。

，通过logistic回归模型计算客户的还款能力，预测未来一年客户违约的概率:1。

人口统计信息:如客户年龄、家庭结构、住房情况、工作类别和时间等。

2.历史贷款还款信息:即过去6个月或12个月的还款方式和逾期次数；3.历史金融交易信息:即过去6个月或12个月每月交易的平均次数和金额；4.银行征信:如近12个月新开账户总数、所有账户总金额、账户是否逾期等。

看，以上信息是FICO评分模型的自变量，最终得分会通过logistic回归模型输出。

不同的是，阿里巴巴推出的芝麻信用分是基于大数据分析技术，收集多元化数据，包括传统金融交易、还款数据、第三方非金融行为数据、互联网、移动网络和社交网络数据等。

，帮助贷款人从多方面考察个人还款能力和意愿，做出合理全面的信用评分。

该图示出了基于大数据分析技术的机器集成学习方法的集合。

与传统的logistic回归模型不同的是，它收集了数万个数据项、模型，从不同层面(还款能力、还款意愿、欺诈可能性、稳定性等)对个体进行评分。

);然后，将这些单级分数与个人的综合信息结合起来，给个人一个最终的信用分。

两种评分模型所用数据的不同，反映了其评分思路的不同。

通常情况下，FICO评分模型只有十几个评分项，每个评分项对目标变量(即是否违约)都有很高的可预测性和影响力。

而在机器集成学习方法中，最终进入模型的评分项可能多达数千个，而这些评分项中的每一个对目标变量的个体可预测性可能都很小；Ensemble是使用机器学习将如此多的微小预测总结成一个最终得分，对个体的默认可能性具有很强的可预测性。

那么，芝麻信用有哪些局限性呢？

我们不妨参考现有的例子进行横向比较分析。

美国互联网金融公司ZestFinance从2009年开始研发基于大数据的信用评估模型:整合多源信息，利用机器学习预测模型和集成学习策略挖掘大数据。

他们从第三方收集了成千上万的数据，如水、电、煤单、电话费、房屋租赁信息以及传统金融借贷和还款信息。

通过机器学习找到数据之间的关联，对数据进行必要的转换；在相关性的基础上，将数据重新整合到不同的衡量指标中；每个指标反映一个个体的一些特征，如欺诈概率、长短期信用风险、还款能力等；最后按照加权投票的原则，将所有指标做成最终的信用分。

但ZestFinance的个人信用评分只适用于缺乏或没有信用记录的人，也就是说，这些人要么刚刚移民美国，要么之前从未贷款过。

所以ZestFinance 大数据征信最终并不能取代FICO评分，只是用来改善FICO评分的不足。

原因包括多方面:1。

ZestFinance的大数据征信规模并不大，到目前为止只为10万美国人提供服务，所以很难对模型的有效性和准确性做出有效的评价。

2.ZestFinance 大数据模型也给传统的风险管理带来了挑战:传统的FICO评分需要处理的变量更少，模型结果可以得到合理的解释，方便了金融机构不同部门之间以及金融机构与客户之间的沟通。

和ZestFinance 基于大数据的数千个变量的规模和多模型应用，使得数据处理和模型解释非常复杂，在实际应用中会带来很多麻烦。

，所以涉及到个人隐私的保护和遵守。

阿里巴巴的芝麻信用和ZestFinance的大数据信用类似，但也存在一些问题。

比如，芝麻信用覆盖的人群可能有几亿，但是芝麻信用的有效性和准确性还没有得到普遍的评估；芝麻信用分高，可以在支付宝开一个蚂蚁花呗，类似于信用卡的透支服务，但是芝麻信用在其他方面的应用还没有达到一定的规模。

当然，大数据信用评分毕竟是历史趋势。

目前，FICO公司和国外三大征信机构已经开始了利用大数据分析技术改进传统信用评估体系的前瞻性研究。

比如Experian已经投入研究团队关注社交网络数据对信用评分的影响；FICO还开始了在线评估信息工具和基于互联网的信用评估系统的研究。

我们相信，随着理论和方法的完善，实践的深入，基于大数据分析的信用评分总有一天会占据主流地位。

不过，市场上是否会出现强有力的新竞争者，最后的赢家是芝麻还是西瓜，还有待观察。

你知道芝麻信用分和FICO是怎么评分的吗？

芝麻信用分用的越来越多。

芝麻信用分如何做到900以上？

这个问题还有疑问的话，可以加幕.思.城火星老师免费咨询，微.信号是为: msc633。

难题没解决？加我微信给你讲！【仅限淘宝卖家交流运营知识，非卖家不要加我哈】

>

推荐阅读：

拼多多双11报名的条件是什么-拼多多问答电商问答

速卖通新店铺怎么运营-淘宝问答电商问答

拼多多分时折扣怎么设置-拼多多问答电商问答

更多资讯请关注幕 思 城。