本發(fā)明涉及一種基于用戶畫像的征信應(yīng)用方法，在妥善解決個(gè)人信息安全與隱私保護(hù)的前提下，以客戶為中心的用戶畫像研究，有利于企業(yè)充分利用現(xiàn)有的數(shù)據(jù)資源，有效實(shí)現(xiàn)精準(zhǔn)營(yíng)銷和個(gè)性化服務(wù)，同時(shí)在個(gè)人征信方面也可實(shí)施有益的探索與實(shí)踐。

背景技術(shù)：

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，“數(shù)據(jù)即資源”的大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨。用戶畫像是企業(yè)實(shí)現(xiàn)“數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)與運(yùn)營(yíng)”的重要舉措，用戶畫像與應(yīng)用大數(shù)據(jù)技術(shù)對(duì)客戶分類密切相關(guān)，是單個(gè)客戶的眾多屬性標(biāo)簽的累積；另一方面，在企業(yè)涉足的消費(fèi)金融領(lǐng)域，對(duì)用戶所進(jìn)行的個(gè)人信用評(píng)價(jià)，是對(duì)用戶畫像中的用戶諸多特征實(shí)施再組合與分類的應(yīng)用過(guò)程。

用戶畫像是個(gè)形象的比喻。在大數(shù)據(jù)技術(shù)的幫助下，我們可以了解用戶的更多信息，但由于實(shí)施成本和隱私保護(hù)的限制，這個(gè)畫像其實(shí)不是全息的“照相”或“錄像”，是按需設(shè)計(jì)的，不可能無(wú)限細(xì)化，即用戶“畫像”不考慮成本與需求而具有超高“像素”是不現(xiàn)實(shí)的。一般而言，用戶畫像與客戶分類密切相關(guān)。在大數(shù)據(jù)分析中對(duì)客戶群進(jìn)行分類，如聚類分析、判斷邏輯分析等，可以按特征將用戶劃分為不同的類別；這些多維角度的客戶分類，形成了一系列不同的屬性標(biāo)簽。對(duì)于單個(gè)客戶，正是這些分類范圍的相互交集，即是單個(gè)客戶身上的眾多標(biāo)簽的累積，使得客戶形象逐漸豐滿，依稀呈現(xiàn)。同時(shí)，眾多特征的迭加也可視同從量變到質(zhì)變的“涌突”現(xiàn)象，在標(biāo)簽信息的基礎(chǔ)上，可以再?gòu)母黜?xiàng)特征中重新按需組合，形成相對(duì)完整的“大屬性”標(biāo)簽，實(shí)施進(jìn)一步的分類。從這個(gè)角度來(lái)看，用戶的個(gè)人信用評(píng)價(jià)，也是用戶畫像中的諸多特征再組合分類的應(yīng)用過(guò)程。

個(gè)人信用評(píng)價(jià)實(shí)質(zhì)是一個(gè)類別識(shí)別問(wèn)題。由于個(gè)人征信的基本過(guò)程，是將分散于不同來(lái)源的局部信息，整合成為可以完整描述消費(fèi)者信用狀況，因此企業(yè)的用戶畫像方法同樣適用于個(gè)人信用測(cè)評(píng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種基于用戶畫像的征信應(yīng)用方法，通過(guò)該方法將分散于不同來(lái)源的局部信息，整合成為可以完整描述消費(fèi)者信用狀況，有利于企業(yè)充分利用現(xiàn)有的數(shù)據(jù)資源，有效實(shí)現(xiàn)精準(zhǔn)營(yíng)銷和個(gè)性化服務(wù)，同時(shí)在個(gè)人征信方面也可實(shí)施有益的探索與實(shí)踐。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下。

基于用戶畫像的征信應(yīng)用方法，包括以下步驟。

（1）先由企業(yè)風(fēng)險(xiǎn)管控部門人員根據(jù)企業(yè)自身的信用評(píng)級(jí)標(biāo)準(zhǔn)（層次分析法，簡(jiǎn)稱AHP法）對(duì)所有樣本進(jìn)行打分。

（2）根據(jù)征信應(yīng)用的情景需求，將用戶畫像的量化具體指標(biāo)進(jìn)行重新歸并與組合。

（3）將所有樣本進(jìn)一步分為兩部分，一部分為測(cè)試集，樣本數(shù)占60%；另一部分為檢驗(yàn)集，樣本數(shù)占40%，并讓這兩個(gè)樣本集中的可授信和不可授信樣本占有相同比率。

（4）以企業(yè)傳統(tǒng)評(píng)級(jí)結(jié)果為依據(jù)，運(yùn)用監(jiān)督學(xué)習(xí)算法中的支持向量機(jī)，對(duì)測(cè)試樣本中的用戶畫像特征進(jìn)行維度約簡(jiǎn)，找出關(guān)鍵屬性值組合。

（5）按上述得到的用戶畫像的屬性值組合，對(duì)檢驗(yàn)樣本進(jìn)行分類，并將分類結(jié)果與傳統(tǒng)的企業(yè)AHP法進(jìn)行對(duì)比，符合率達(dá)到91.35%，效果基本達(dá)標(biāo)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

用戶畫像法的可予授信樣本數(shù)小于企業(yè)傳統(tǒng)方法的可予授信數(shù)，說(shuō)明該方法授信標(biāo)準(zhǔn)更嚴(yán)，更趨保守，具有較好的穩(wěn)健性，從中可以發(fā)現(xiàn)，運(yùn)用用戶畫像的方式進(jìn)行征信在“薄信息”狀態(tài)下，具有較高的有效性。當(dāng)然，在“厚信息”情景中，也具有一定的信息補(bǔ)充功能，綜合利用效果更佳。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，本發(fā)明的實(shí)施方式包括但不限于下列實(shí)施例。

圖1為本發(fā)明的流程圖，以廣州速鴻信息科技有限公司企業(yè)數(shù)據(jù)庫(kù)的銀行數(shù)據(jù)為例，對(duì)部分申請(qǐng)貸款的個(gè)人用戶進(jìn)行實(shí)證分析。首先，選取5000個(gè)申請(qǐng)個(gè)人貸款的銀行用戶為樣本，運(yùn)用兩種方法進(jìn)行信用評(píng)價(jià)，其中，一種方法是銀行根據(jù)現(xiàn)有的申請(qǐng)人的審核資料進(jìn)行征信，另一種方法是通過(guò)用戶畫像的方法進(jìn)行征信，實(shí)施流程如下。

1、先由銀行風(fēng)險(xiǎn)管控部門人員根據(jù)銀行自身的信用評(píng)級(jí)標(biāo)準(zhǔn)（層次分析法，簡(jiǎn)稱AHP法）對(duì)所有樣本進(jìn)行打分；指標(biāo)中個(gè)人信息分為：年齡、工作崗位、性別、學(xué)歷、健康狀況等，收入水平分為個(gè)人年收入和家庭年收入等，財(cái)產(chǎn)情況分為住房、存款、其他資產(chǎn)等，支出情況分為贍養(yǎng)人口、債務(wù)負(fù)擔(dān)等，個(gè)人信用歷史分為違法違紀(jì)情況、信用違約記錄等，我們以銀行最終放貸決定為依據(jù)，將樣本分為“可予授信”樣本和“不予授信”樣本兩種。（當(dāng)然，可授信樣本中也不能保證以后就不發(fā)生呆壞賬，一定程度的小額壞賬率也是銀行業(yè)務(wù)中的正?，F(xiàn)象）。

2、根據(jù)征信應(yīng)用的情景需求，將用戶畫像的量化具體指標(biāo)進(jìn)行重新歸并與組合，其中個(gè)人信息是否真實(shí)中，年齡與行為特征匹配(0,1兩檔)、手機(jī)號(hào)與地區(qū)符合(0,1兩檔)、社會(huì)交往正常(0,1兩檔)等，個(gè)人經(jīng)濟(jì)狀況分為終端類別（1-5檔）、套餐類型（1-3檔）、近期用戶ARPU值（1-5檔）等，信用狀況與環(huán)境分為雙停時(shí)長(zhǎng)與頻數(shù)（1-3檔）、社交網(wǎng)絡(luò)ARPU均值等（1-5檔）等。

3、將所有樣本進(jìn)一步分為兩部分，一部分為測(cè)試集，樣本數(shù)占60%；另一部分為檢驗(yàn)集，樣本數(shù)占40%，并讓這兩個(gè)樣本集中的可授信和不可授信樣本占有相同比率。

4、以銀行傳統(tǒng)評(píng)級(jí)結(jié)果為依據(jù)，運(yùn)用監(jiān)督學(xué)習(xí)算法中的支持向量機(jī)，對(duì)測(cè)試樣本中的用戶畫像特征進(jìn)行維度約簡(jiǎn)，找出關(guān)鍵屬性值組合。在分類過(guò)程中，變量多所獲得的信息也相對(duì)多，其判斷正確性也將會(huì)比較高。但是變量多，代表著收集樣本的成本和時(shí)間增加，最好的方法是能以較少的變量，卻能獲得不錯(cuò)的判斷正確性。

5、按上述得手機(jī)用戶畫像的屬性值組合，對(duì)檢驗(yàn)樣本進(jìn)行分類，并將分類結(jié)果與傳統(tǒng)的銀行AHP法進(jìn)行對(duì)比，符合率達(dá)到91.35%，效果基本達(dá)標(biāo)。

按照上述實(shí)施例，便可很好地實(shí)現(xiàn)本發(fā)明。