基于电信大数据的信用评价体系构建方法及商业模式研究

1、基于电信大数据的信用评价体系构建方法及商业模式研究【摘 要】在大数据上升到国家战略的时代背景下，充分挖掘电信大数据应用价值对于完善社会信用体系具有重要的意义。应用多指标聚类系数方法，提出了一套基于电信大数据的信用评价体系构建方法，探讨了信息安全及隐私保护策略，并对商业模式进行了研究。该信用评价体系已与相关企业开展了商务合作。【关键词】电信大数据 和信用分 信用评价体系 商业模式doi：10.3969/j.issn.1006-1010.2016.10.016 中图分类号：TN929.5 文献标志码：A 文章编号：1006-1010（2016）10-0075-05引用格式：王波，陈标，魏宇航，等.

2、 基于电信大数据的信用评价体系构建方法及商业模式研究. 移动通信， 2016，40（10）： 75-79.1 引言2015年8月国务院颁布的促进大数据发展行动纲要明确提出，要推动信用信息共享机制，初步建成社会信用体系【1】。国家发展改革委办公厅发布的关于组织实施促进大数据发展重大工程的通知中也提出，在信用体系等领域，推动社会企业有关数据的汇聚整合和关联分析将是大数据示范应用的重点方向【2】。电信运营商较早开展了信息系统建设，并在业务运营中积累了大量的用户消费、上网行为、位置、终端品牌及业务应用数据，这些数据具有体量大、连续完整、多样性等特点【3】。这些快速增长的不同类型的数据为运营商开展大数据

3、价值化挖掘利用，既带来了挑战，也提供了千载难逢的历史机遇【4】。目前，如何在保证用户隐私不受侵犯及企业信息安全的基础上开展数据价值共享，充分挖掘电信运营商数据能力，对外开展跨界合作实现社会信用体系征信;，对内实现业务创新对传统业务提供增信;增值服务成为研究和关注的热点方向之一【5】。本文基于中国移动海量数据，通过数据分析及挖掘技术，提出了一套电信特色的信用体系构建方法，并与金融领域的企业开展了应用合作，探索了一种商业模式。2 信用体系构建方案电信运营商的数据优势主要体现在连续全面、及时完整以及可信度高等方面。参考国际上通用的信用评分模式以及芝麻信用评分等成熟的评分体系，利用大数据技术，将运营商

4、拥有的海量数据进行分类建模及计算，综合考虑用户的身份特征、消费能力、信用历史、行为偏好、人脉关系这5个维度信息，通过建模加工等组成一个评价用户的综合得分【6】，称之为和信用分;，如图1所示。和信用分;的高低代表了用户的信用好坏，分数越高代表用户的信用越好，这5个维度的任何一个维度都会影响个人信用的整体得分，每个维度的饱满程度代表了该维度的得分情况。图1 和信用分;个人信用评价体系和信用分;评价体系的构建综合考虑了IT存储、数据处理能力、信息安全保护、数据可得性以及数据质量等多个因素，共筛选出可以反映用户信用状况的47个基础变量，并通过归一化方法形成了5个维度指标，具体如图2所示。2.1 身份特

5、征身份特征代表了用户的基本属性，主要包含用户性别、年龄、职业等人口社会学信息以及用户的号码品牌、终端情况、号码状态、套餐使用情况等系统指标。该维度数据的积累主要得益于运营商多年来用户身份信息的积累以及实名制政策的实行，用户的真实身份对于开展信用评价及应用具有根本性、基础性意义。2.2 消费能力消费能力代表了用户通信消费的级别及活跃度，主要包含账户余额、ARPU（Average Revenue Per User，每用户平均收入）、DOU（Discharge of Usage，每客户月均流量消费额）、MOU（Minutes of Usage，平均每户月通话时间）值以及通话时长、主动通话次数、外出漫

6、游情况、GPRS订购情况、充值情况等。通常认为经常漫游出国以及业务往来比较活跃的客户，其通信消费的次数和业务指标也比较高，这反映了其消费能力。2.3 信用历史信用历史是用来衡量用户履约能力的维度信息，主要包含欠费停机额度、次数、账期类型、是否集团代付、银行托收以及合约捆绑情况等信用信息。一个长期保持较高账户额度且不因欠费而停机的客户是值得信赖的，而使用集团代付、银行托收以及采取合约捆绑消费的客户则反映了其具有职业稳定性和合法稳定的经济来源。在信息爆炸时代，一个客户的信用情况会首先在通信方面露出蛛丝马迹。2.4 行为偏好一方面，通过监测用户的通话及短信记录，提取其内容特征及通信对象等通信习惯；另

7、一方面，借助DPI（Deep Packet Inspection，深度报文检测）解析能力及技术，积累用户的上网行为标签、上网偏好、手机搜索关键词及网络舆情跟踪情况等，有效反映了单个用户及其周边群体的行为偏好。2.5 人脉关系利用图论和先进的图分析算法及技术，透析用户的通话关系、短信关系，解析社交网站、社交APP等互动关系，形成用户的关系圈模型。借助聚类算法及层次分析技术，形成人脉关系簇，便于分析其人脉关系网络。物以类聚，人以群分;，一个信用良好的人其人脉关系通常比较发达，而其交往圈指标也会表现良好。采用多指标聚类系数方法将基础字段分别整合成各维度评分，在此基础上加权计算求和形成一个综合评分，根

8、据该总分对用户开展评级。由于基础字段不依赖于用户上传，而是根据IT系统采集记录到数据仓库中，并且聚合过程是采用程序自动计算，无人工干预手段，因此保证了数据的客观性及计算结果的可信性。随着基础数据的不断积累，用户的信用数据也可以实现定时甚至实时更新。3 建模方案3.1 建模过程和信用分;体系采用标准化建模方法，如图3所示。首先梳理运营商数据资产，筛选模型指标，并选择58个指标作为建模基础；然后定义信用好;与坏;的标准；提取样本后，通过相关性分析，最终确定进入模型的47个变量，并根据相关性大小确定47个指标的权重及5个大类指标的权重；最后依据指标权重，确定各指标的得分规则，从而最终计算出范围为35

9、0950分的和信用分;。3.2 模型结果模型计算公式如下：和信用分=29.6%x身份特征+28.1%x消费能力+ 26.5%x信用历史+14.8%x行为偏好+1.0%x人脉关系（1）模型可以根据实际情况随时更新，具有较强的灵活性。4 信息安全及隐私保护大数据时代，人人都是信息贡献者【7】。同时，客户也会担心自己的信息会被泄漏甚至滥用，信息安全及隐私保护成为一个不可回避的问题。对于电信运营商而言，如果不能妥善处理，就可能导致客户投诉，引发信任危机。为解决这个问题，在开展信用评价体系对外应用时，本文建议采取相应的技术保护措施，并确保得到了客户的明确授权。4.1 技术保护措施首先，对外输出范围仅限于

10、模型分数或者验真判断（是/否/未知），不包含客户的身份证号码、姓名、手机号码、位置等精确信息，并且所有的数据必须经过脱敏处理，这保证了基于输出的数据结果无法通过反向计算的方式获取客户的精确信息；其次，所有模型原始数据保存及计算过程仅在运营商自有大数据平台上进行，对外输出采用https连接，开发标准安全的数据对外接口，以GET/POST方式调用返回，请求数据均加私钥做MD5的数据签名，响应数据提供相应数据签名，以防传输过程中数据被篡改或者伪造。4.2 客户授权机制数据在使用前必须取得客户清晰明确的授权许可，授权可以分为直接授权和间接授权。其中，直接授权是指客户通过电信运营商界面（如短信确认等方式

11、）开展授权，在其办理信用相关业务时，将其保存在运营商侧的相关数据（包括查询及模型运算）授权使用；间接授权是由客户在电信运营商以外的界面（如金融机构）授权从电信运营商处获取相关数据。在间接授权方式中，客户申请相应服务时需要签署知情协议，该协议包含了服务提供机构获取运营商数据用于相应服务的条款；运营商与服务提供机构建立一套授权码规则，每份协议都对应一个授权码。服务提供机构负责针对每个用户及协议按照编码规则生成关联授权码，并将用户信息和授权码传送至运营商大数据平台存储，提供数据服务时，运营商信用评价平台根据用户信息验证授权码后才可以提供服务。如果后续产生纠纷，可以根据授权码查询到关联协议解决纠纷，服

12、务提供机构同时提供客户授权文件的复印件备案核查。以上规则为金融行业通用的授权规则，如人民银行信用系统的数据查询也采用此规则。5 商业模式探讨鉴于电信运营商开展对外大数据合作尚处于摸索阶段，并且出于客户信息安全及隐私保护考虑，对外数据输出及基础定价仅限定在模型评分和验真判断，而模型评分又可以分为综合评分和维度评分，具体如图4所示。为使客户变量不能逆推，综合评分和维度评分组合的约定应不少于两个基础客观变量。6 应用及展望中国电信已于2014年底成立天翼征信公司推出橙信分;；中国联通与招商银行合资成立招联消费金融公司，依托芝麻信用提供征信服务；而中国移动则与招商银行于2015年底启动征信合资公司的筹

13、备工作，这标志着三大运营商均已涉足征信领域大数据方面的探索。本文介绍的和信用分;信用评价体系在方法论、商业模式及用户隐私保护等方面开展了有益的探索，目前受到了银行、金融服务公司、地产商及政府机构的广泛关注，并已与一家银行及一家金融服务公司开展了正式的商务合作。和信用分;应用界面如图5所示：图5 和信用分;应用界面展望未来，电信运营商因其数据准确性、全面性和可利用性等优势，对于弥补传统征信精确性欠缺及覆盖领域不足等方面具有重大的意义，可以极大地提升征信服务的可得性。电信运营商提供征信数据服务主要有4种模式可以尝试：数据服务产品化、数据服务置换、开放数据接口以及数据合作运营等。当然，单纯从电信运营

14、商数据维度开展个人信用评估是值得商榷的，需要全面分析个人在时间及空间上产生的数据，多角度立体分析其信用状况。因此，电信运营商更多的是需要在社会信用体系中做好配合工作，而非独立承担征信工作，这也是后续实践中需要探索的一个重要方向。7 结束语本文详细阐述了和信用分;信用评价体系的构建方法和过程，介绍了建模流程及建模结果，并从技术保护措施和客户授权机制方面对用户信息安全及隐私保护策略进行分析，探讨了与金融领域的企业开展应用合作的一种商业模式。参考文献：【1】 国务院关于印发促进大数据发展行动纲要的通知. 中华人民共和国国务院公报， 2015（26）： 26-35.【2】 宁夏发改委. 关于组织实施促进大数据发展重大工程的通知. （2016-01-19）. http：/【3】 Peter Liu. 电信行业中的大数据. 电信网技术， 2013（8）：88-92.【4】 洪莹，李政. 针对电信运营商的大数据价值化经营研究. 移动通信， 2015