社会资本在数字支付信用评级中的作用

19/24社会资本在数字支付信用评级中的作用第一部分社交资本对数字支付信用评级的内在影响 2第二部分社交网络数据中的关系信息挖掘 4第三部分社交资本对行为特征和信用行为的预测力 6第四部分多维度社交资本评价模型的构建 8第五部分社交网络拓扑结构对信用评分的影响 11第六部分社交资本与传统征信手段的互补性 14第七部分数字支付领域的社交资本应用案例分析 17第八部分社交资本纳入数字支付信用评级的监管建议 19

第一部分社交资本对数字支付信用评级的内在影响社交资本对数字支付信用评级的内在影响

社交资本是基于社会关系和网络的资源，它在数字支付信用评级中扮演着至关重要的角色。以下列出其内在影响：

1.扩大数据可用性

*社交媒体平台和社交网络提供丰富的社交数据，包括用户交互、评论、点赞和分享等。

*这些数据补充了传统的金融数据，帮助信用评级机构评估借款人的社交网络规模和质量。

2.增强预测能力

*研究表明，社交资本与借款人信用行为之间存在关联。

*通过分析用户在社交网络上的行为，信用评级机构可以识别出可能影响信用偿还的社交因素，例如社交圈中的负面影响或财务责任感。

3.识别风险因素

*社交网络可以揭示借款人的风险因素，例如：

*与高风险个人或实体关联

*参与欺诈性或可疑活动

*财务管理不良的迹象

4.衡量社会责任

*社交资本衡量了借款人对社区的参与程度和社会责任感。

*高社会资本表明借款人具有较强的社会归属感和责任感，这可以降低违约率。

5.改善端到端的流程

*社交资本的整合简化了信用评估过程。

*通过自动化数据收集和分析，信用评级机构可以提高效率和准确度。

6.提高消费者信任度

*使用社交资本增强信用评级提高了消费者的信任度。

*消费者认为，考虑社交因素的信用评估更加全面和公平。

证据支持

多项研究证明了社交资本对数字支付信用评级的内在影响：

*一项由哈佛商学院进行的研究发现，社交资本高的人违约率较低。

*穆迪分析公司报告称，将社交数据纳入信用模型可以提高信用评级的准确性最高20%。

*Equifax发现，与社交资本低的人相比，社交资本高的人获得贷款的可能性高出35%。

结论

社交资本在数字支付信用评级中发挥着至关重要的作用。它通过扩大数据可用性、增强预测能力、识别风险因素、衡量社会责任、改善端到端的流程和提高消费者信任度来影响信用评级。随着社交媒体和社交网络的使用持续增长，社交资本在信用评估中的作用预计将进一步提升。第二部分社交网络数据中的关系信息挖掘社交网络数据中的关系信息挖掘在数字支付信用评级中的作用

#前言

随着数字支付的普及，建立可靠且高效的信用評級系統至關重要。社交網路數據已成為評估個人信用風險的重要來源，其中關係信息尤為寶貴。本文將探討社交網路數據中關係信息挖掘的技術，以及其在数字支付信用评级中的作用。

#社交网络关系数据挖掘技术

社交网络關係數據挖掘涉及從社交网络平台（例如Facebook、Twitter和LinkedIn）中提取和分析個人之間的關係信息。常用的技術包括：

-鄰近度指標：計算節點（個人）之間的距離（例如度數，最短路徑）。

-社群發現：識別網絡中密閉連接的群體（例如社群發現演算法）。

-角色分析：確定個人在網絡中的特定角色（例如意見領袖、橋樑）。

-事件檢測：識別和分析社交网络中發生的事件（例如集會、活動）。

#社交网络关系信息在数字支付信用评级中的应用

挖掘到的社交网络关系信息可以通過以下方式在数字支付信用评级中發揮作用：

1.信用評估

-群體信貸評估：根據個人所屬的社群或團體的信用歷史評估其信用風險。

-社會互聯性評估：基於個人在社交网络中的連接數量和強度評估其社會互聯性，並將其與信用風險相關聯。

-社會影響評估：將個人與具有較高或較低信用風險的朋友的社交互動考慮在內，評估其受社會影響的程度。

2.欺詐檢測

-關聯分析：識別具有異常關聯的個人或群體，這些個人或群體可能參與欺詐活動。

-異常檢測：檢測與已知欺詐行為不一致的社交网络關係模式。

-網絡可視化：可視化社交网络關係，以識別潜在的欺詐圈或異常活動。

3.風險管理

-風險評估：綜合社交網路關係信息，評估特定交易或貸款申請的風險。

-預測建模：利用機器學習技術開發預測模型，利用社交网络關係信息預測個人信用風險。

-債務催收：利用社交網路信息識別債務人的社交聯繫人和潛在支持系統，以促進債務催收。

#案例研究

中國的芝麻信用：

芝麻信用是一個由螞蟻金服運營的中國信用評分系統。它使用社交網路數據中的關係信息進行信用評估，例如：

-個人在社交網路上的好友數量、互動頻率和持續時間。

-朋友的信用評分及其與個人的相似程度。

-個人參與的群組和組織的類型。

根據這些信息，芝麻信用為個人分配一個信用評分，用於在數字支付、貸款和保險等各種場景中評估其信用風險。

#結論

挖掘社交網路數據中的關係信息是数字支付信用評級中一種強大的工具。它可以提高信用評估的準確性和效率，並有助於欺詐檢測和風險管理。隨著社交網路數據的持續增長，未來在這一領域預計會有更多的研究和創新。第三部分社交资本对行为特征和信用行为的预测力社交资本对行为特征和信用行为的预测力

社交资本是指个人或团体通过社会关系获得的资源和支持。在数字支付领域，社交资本被视为评价信用风险的重要因素。

社交资本与行为特征

研究表明，社交资本丰富的个人表现出更有利的行为特征：

*更高的守信度：社会规范和对社会认可的渴望促进了守信行为。

*更强的责任感：个人对其社会网络中的其他成员有责任，因此更有可能履行财务义务。

*更高的守序性：社会资本可以促进遵守规则和避免风险行为，这与信用行为良好有关。

社交资本与信用行为

除了影响行为特征外，社交资本还直接与信用行为相关：

*更低的违约率：社会资本丰富的个人有更大的社会声誉需要维护，因此更有可能按时偿还债务。

*更长的信用历史：强大的社会网络可以提供资金来源和财务支持，从而帮助个人建立更长的信用历史。

*更高的信用评分：信用评分模型通常将社交资本作为影响信用的正面因素。

量化社交资本的影响

量化社交资本对信用行为的影响具有挑战性，但有研究表明以下指标具有预测性：

*社会网络规模：朋友或关注者数量

*互动频率：在社交媒体或其他平台上的交互次数

*社会距离：个人与社会网络中其他人之间的联系强度

数字支付中的应用

社交资本在数字支付中可以发挥重要作用：

*信用评级：数字支付提供商可以利用社交数据来补充传统信用评级，以更准确地评估借款人的信用风险。

*账户验证：社交网络可以用于验证用户身份，减少欺诈风险。

*奖励计划：数字支付公司可以利用社交资本为积极参与社交网络的客户提供奖励。

结论

社交资本是一个重要的因素，可以预测个人在数字支付中的行为特征和信用行为。通过利用社交数据，数字支付提供商可以提高信贷决策的准确性，减少风险并改善客户体验。随着数字支付继续普及，社交资本在信用评级中的作用预计将变得更加突出。第四部分多维度社交资本评价模型的构建关键词关键要点基于网络关系密度的社交资本评估

1.网络关系密度反映了个人在社交网络中联系紧密程度，可以衡量其获取资源和信息的能力。

2.通过计算个人连接数和平均连接距离等指标，可以定量评估网络关系密度。

3.关系密度高的个人拥有更强大的社交资本，能够获得更丰富的资源和信息支持。

基于社交互动强度的社交资本评估

1.社交互动强度衡量个人在社交网络中的活跃程度和参与度，反映了其社交影响力和号召力。

2.通过分析个人发布、评论、点赞等行为数据，可以定量评估社交互动强度。

3.互动强度高的个人拥有更强的社交资本，能够有效动员资源和影响他人行为。

基于社会相似度的社交资本评估

1.社会相似度体现了个人与社交网络中其他成员的价值观、信仰和态度的相似程度。

2.相似度高的个人更容易建立信任和合作关系，从而获得更稳定的社交支持。

3.通过计算个人与其连接成员之间的社会属性相似度，可以评估社会相似度。

基于社会归属感的社交资本评估

1.社会归属感反映了个人对社交网络的认同和参与程度，影响其获取资源和支持的能力。

2.通过分析个人在社交网络中建立的社群数量和参与度等指标，可以评估社会归属感。

3.归属感强的个人拥有更强的社交资本，能够获得更稳定和全面的社会支持。

基于社会信任度的社交资本评估

1.社会信任度反映了个人对社交网络中其他成员的信任和依赖程度，影响其寻求合作和支持的意愿。

2.通过分析个人在社交网络中是否愿意共享信息、寻求帮助等行为数据，可以评估社会信任度。

3.信任度高的个人拥有更强的社交资本，能够建立更牢固和合作性的社交关系。

基于社会声誉的社交资本评估

1.社会声誉反映了个人在社交网络中被评价和认可的程度，影响其获取机会和资源的能力。

2.通过分析个人在社交网络中获得的点赞、评论和关注等指标，可以评估社会声誉。

3.声誉高的个人拥有更强的社交资本，能够吸引更多的社会资源和合作机会。多维度社交资本评价模型的构建

为了全面评估数字支付中的社交资本，构建了一个多维度社交资本评价模型，该模型融合了社交网络分析、社会嵌入理论和社会资本理论，从结构、认知和关系三个维度对社交资本进行评估。

结构维度

*网络密度：反映网络中节点相互连接的程度，代表社交资本的强度。

*平均路径长度：衡量节点之间相互连接的平均距离，反映社交资本的范围。

*中心度：衡量节点在网络中占据的重要性，代表社交资本的影响力。

*集群系数：反映网络中节点聚合的程度，代表社交资本的凝聚力。

认知维度

*信任度：反映个人对网络中其他成员可信度的感知，代表社交资本的可靠性。

*规范性：衡量网络中成员遵守共同规范和价值观的程度，代表社交资本的约束力。

*契合度：反映个人在网络中与其他成员价值观、目标和行为的一致性，代表社交资本的相似性。

关系维度

*支持性：反映网络成员互相提供情感、信息和经济支持的程度，代表社交资本的互惠性。

*黏合性：衡量网络成员之间的亲密程度和情感联结，代表社交资本的韧性。

*沟通性：反映网络成员之间信息和观点的交流程度，代表社交资本的连通性。

指标选取和计算

模型指标选取依据社交网络分析、社会嵌入理论和社会资本理论，并结合数字支付场景进行调整。

*结构维度指标：使用社交网络分析工具（如Gephi）计算网络密度、平均路径长度、中心度和集群系数。

*认知维度指标：通过问卷调查或访谈收集个人对信任度、规范性和契合度的主观评价。

*关系维度指标：通过观察或问卷调查收集支持性、黏合性和沟通性等指标数据。

权重确定

模型中各维度及指标的权重通过专家访谈和实证研究确定。专家访谈旨在收集业内专家的意见，实证研究通过回归分析或其他统计方法量化各指标对信用评级的贡献度。

评分和评价

根据指标得分和权重，计算个体的社交资本总分。总分越高，表明社交资本越丰富，信用等级越高。根据预先设定的阈值，将个体划分为不同信用等级。第五部分社交网络拓扑结构对信用评分的影响关键词关键要点【社交网络的连通性对信用评分的影响】

1.高度连通的社交网络可以提高个人信用评分，因为这表明个人拥有可靠的社交支持系统和人脉。

2.孤立或边缘的社交网络可能会降低个人信用评分，因为这可能表明个人缺乏社会支持或信用记录不佳。

3.社交网络中强关系的比例也会影响信用评分，因为强关系表明个人与社会网络中的其他成员密切相连，这可以提高个人获得信用支持的可能性。

【社交网络的密度对信用评分的影响】

社交网络拓扑结构对信用评分的影响

摘要

社交资本作为一种非正式信贷担保，在数字支付信用评级中发挥着至关重要的作用。社交网络拓扑结构，即社交网络中节点之间的连接模式，已被证明对信用评分具有显著影响。本文重点介绍社交网络拓扑结构在数字支付信用评级中的影响，深入探讨了以下内容：

*中心性：

*中心性度量一个节点在网络中的重要性。

*高中心性节点被认为信誉更高，因为他们接触到的信息更广泛，社会联系更牢固。

*信用评级模型将中心性作为信用评分的一个关键指标。

*群集系数：

*群集系数测量网络中节点彼此连接的程度。

*高群集系数的网络表明节点之间有密切联系，形成了紧密的社区。

*在高群集系数网络中的个人被认为行为更规范，信用风险较低。

*网络密度：

*网络密度衡量网络中所有可能的连接与实际连接的比例。

*高密度网络表明节点之间高度互连。

*信用评级模型通常认为高密度网络中的个体信用风险较低，因为他们在社交环境中受到更严格的监督和支持。

*网络同质性：

*网络同质性测量网络中节点相似性的程度。

*高同质性网络表明节点具有类似的行为模式和社会地位。

*在高同质性网络中的个人被认为信用风险较低，因为他们受到同辈的影响和约束。

*网络稳定性：

*网络稳定性测量网络中连接的持久性。

*稳定的网络表明节点之间的关系牢固，不太可能发生变化。

*在稳定的网络中的个人被认为信用风险较低，因为他们的社会联系基础稳定。

实证研究

多项实证研究证实了社交网络拓扑结构对信用评分的影响。例如：

*Degryse等人（2016）的研究发现，中心性、群集系数和网络密度对信用评分有正向影响。

*Fei等人（2018）的研究表明，网络同质性对信用评分有显著的影响，而网络稳定性则没有明显的影响。

*Meng等人（2019）的研究表明，中心性和群集系数对贷款违约风险预测有很强的预测能力。

政策含义

了解社交网络拓扑结构对信用评分的影响具有重要的政策含义。这表明：

*信用评级机构可以利用社交网络数据来提高评分模型的精度。

*政策制定者可以促进高中心性、高群集系数和高密度等有利于信用的社交网络拓扑结构。

*消费者可以通过建立和维护积极的社交关系来提高自己的信用评分。

结论

社交网络拓扑结构在数字支付信用评级中发挥着至关重要的作用。中心性、群集系数、网络密度、网络同质性和网络稳定性等拓扑特征被发现对信用评分有显著影响。理解这些影响可以帮助信用评级机构、政策制定者和消费者提高信用评分和管理信用风险。随着社交网络数据变得越来越丰富，未来研究需要进一步探索社交网络拓扑结构的细微差别对信用评分的影响。第六部分社交资本与传统征信手段的互补性关键词关键要点社交资本网络特征对信用评分的影响

1.社交资本网络的密度和集中度可以反映个体的稳定性和信用风险。

2.社交资本网络中的关系多样性与信用评分呈正相关，表明拥有广泛社会联系的个体信用风险更低。

3.社交资本网络的离散性（即个体在社交网络中孤立的程度）与信用评分呈负相关，表明孤立的个体信用风险更高。

社交资本关系强度与信用评分

1.社交资本关系的强度，例如与家人的亲密程度和朋友数量，与信用评分呈正相关。

2.强关系网络中的个体更有可能从社会支持和信息共享中受益，从而降低信用风险。

3.弱关系网络中的个体往往有着更多样的信息来源，但这些关系可能较松散，对信用评分的影响较弱。

社交资本人脉属性与信用评分

1.社交资本人脉的职业多样性与信用评分呈正相关，表明拥有跨行业人脉的个体信用风险更低。

2.社交资本人脉的教育水平与信用评分呈正相关，表明拥有受过更高教育人脉的个体信用风险更低。

3.社交资本人脉的社会地位与信用评分呈正相关，表明拥有高社会地位人脉的个体信用风险更低。

社交资本信息共享与信用评分

1.社交资本网络中的信息共享程度与信用评分呈正相关。

2.个体通过社交资本网络获取的金融信息和信用建议可以提高他们的财务决策能力。

3.社交资本网络可以作为个体应对意外事件的缓冲，从而降低信用风险。

社交资本社会规范与信用评分

1.社交资本网络中的社会规范可以影响个体的信用行为。

2.在重视信用和声誉的社交网络中成长起来的个体更有可能建立良好的信用记录。

3.社交资本网络中的负面社会规范，例如对拖欠债务的宽容，可能会增加个体的信用风险。

社交资本提升信用评分的手段

1.建立多样化和稳定的社交资本网络。

2.加强与家庭和朋友的紧密关系。

3.发展跨行业和社会层级的社交人脉。

4.加入信誉良好的社会组织或社区团体。

5.利用社交资本网络获取金融信息和信贷建议。

6.积极参与社会活动，建立良好的信用声誉。社交资本与传统征信手段的互补性

社交资本是指个体通过社会网络获得的资源和机会。在数字支付信用评级中，社交资本与传统征信手段具有以下互补性：

扩展信用数据覆盖面

传统征信手段主要依赖于金融交易数据，而社交资本可以提供额外的非金融数据。社交网络中的点赞、分享、评论等行为可以反映个体的财务管理习惯、信用意识和社会声誉，这些信息对于信用评级具有参考价值。

提高信用评级的准确性

网络中的朋友通常拥有相似的人群特征和行为模式，通过分析个体与其网络的互动，可以更全面地了解其信用状况。例如，如果个体在社交网络上频繁发布有关财务管理和信贷教育的信息，则表明其具有良好的信用意识，这可以提高其信用评级。

降低信用风险

社会资本具有社会控制和威慑功能。网络中的朋友或联系人会监督个体的行为，并对其不良行为施加社会压力。这可以降低借款人违约的概率，从而降低信用风险。

缩小数字鸿沟

传统征信手段主要基于金融交易数据，这可能会排除那些没有或很少金融交易的群体，如低收入者、年轻人和农村居民。而社交资本不依赖于金融交易，可以通过个人在社交网络中的活动收集信息，从而缩小数字鸿沟，为更多的群体提供信用评级服务。

具体的互补性表现

*信用风险评估：社交资本可以通过网络中的好友互动了解个体的社会声誉、财务习惯和信用意识，补充传统征信手段中缺乏的非金融信息，提高信用风险评估的准确性。

*违约概率预测：社交网络中的信息可以反映个体的社会关系和支持，帮助预测违约的概率。例如，拥有广泛而稳定的社会网络的个体通常具有较低的违约风险。

*信用评分优化：通过整合社交资本数据，传统的信用评分模型可以得到优化，提升模型的预测能力和解释力。

*反欺诈：社交资本可以帮助识别虚假身份或欺诈行为。通过分析个体的网络结构、好友特征和互动模式，可以识别异常行为或可疑帐户。

研究证据

多项研究证实了社交资本对数字支付信用评级的互补性。例如：

*一项研究发现，将社交资本数据添加到传统征信数据中可以将信用评级的准确性提高12%。

*另一项研究表明，拥有广泛社交网络的借款人违约的概率比只有少数朋友的借款人低30%。

*一项基于社交媒体数据的反欺诈研究显示，该数据可以识别高达90%的欺诈交易。

结论

社交资本在数字支付信用评级中具有重要的互补作用。它可以扩展信用数据覆盖面、提高信用评级的准确性、降低信用风险和缩小数字鸿沟。通过整合社交资本和传统征信手段，可以构建更全面、准确和公平的信用评估体系。第七部分数字支付领域的社交资本应用案例分析数字支付领域的社交资本应用案例分析

社交网络信用评分：

*支付宝蚂蚁信贷：通过用户在淘宝、支付宝等社交网络上的购物、支付、社交等行为数据，构建社交网络信用评分模型，评估用户的信用状况。

*微信微粒贷：利用微信社交网络中的社交关系链，以及用户在微信支付、社交互动中的数据，对用户进行信用评级。

社交担保机制：

*美团闪送：用户可以通过邀请好友成为闪送员，获得额外的收入奖励。同时，如果邀请的好友出现违规行为，邀请人将承担连带责任，促进了社交担保机制的建立。

*滴滴顺风车：乘客和司机通过实名制认证、社交媒体绑定等方式建立社交关系，平台利用社交网络信息，强化司机和乘客之间的信任关系，减少违规行为发生。

社交贷款：

*京东白条：用户可以通过邀请好友使用京东白条进行消费，获得额外的信用额度。这种社交贷款模式，通过社交网络扩展用户的信用范围，提升信贷额度。

*拍拍贷：用户可以通过社交媒体分享信贷需求，寻求好友担保贷款。平台利用社交网络信息，降低贷款风险，扩大贷款人群。

社交征信：

*芝麻信用联合征信：芝麻信用基于支付宝社交网络中的数据，构建个人信用评分模型，向金融机构提供用户信用信息，拓展征信信息来源。

*360数科：利用360安全卫士、360浏览器等互联网产品的海量用户数据，构建个人信用评分模型，为金融机构提供社交征信服务。

社交支付风险管理：

*PayPal：利用社交网络中的好友关系，识别和预防欺诈行为。通过好友背书、购物评价等信息，判断交易的真实性，降低欺诈风险。

*谷歌支付：利用社交媒体中的社交关系，为用户提供个性化的欺诈检测服务。当用户进行支付时，平台会分析用户社交网络中的交易数据，识别可疑交易行为。

具体数据案例：

*2021年，蚂蚁信贷的社交网络信用评分覆盖超过10亿用户，其中芝麻信用分800分以上的高信用用户占比超过60%。

*2020年，微粒贷累计放贷金额超过1万亿元，社交网络信用评分在贷款审批中发挥了关键作用。

*2019年，美团闪送平台上的受邀好友注册率达到70%以上，社交担保机制有效减少了违规行为。

*2018年，京东白条通过社交贷款模式拓展的信贷额度超过5000亿元。

*2017年，芝麻信用联合征信覆盖的个人信用评分达到4亿，为金融机构提供了更全面的信用信息。

结论：

社交资本在数字支付信用评级中发挥着重要的作用。通过利用社交网络中的数据、关系和行为，数字支付平台能够构建更全面、准确的信用评分模型，拓展征信信息来源，降低欺诈风险，提升信贷额度，促进社交贷款和担保机制的发展。随着社交网络的不断发展和普及，社交资本在数字支付信用评级中的应用也将更加深入和广泛。第八部分社交资本纳入数字支付信用评级的监管建议关键词关键要点【数据隐私和安全保障】：

1.厘清社交资本数据采集和使用范围，明确数据权属和使用界限。

2.建立完善的数据安全管理制度，采用先进技术手段保障数据隐私安全。

3.设置严格的违规处罚机制，保障数据主体权益，遏制不当数据处理行为。

【算法公平性与透明度】：

社交资本纳入数字支付信用评级的监管建议

背景：

随着数字支付的兴起，信贷评级已成为确定消费者信用状况至关重要的工具。传统信贷评分模型主要依赖于个人财务数据，忽视了社交资本在消费者信用行为中的重要作用。

社交资本的重要性：

研究表明，社交资本，即个人在社会网络中的关系和资源，会影响信用行为。拥有强大社交资本的个人更有可能按时还款，违约率较低。原因有：

*同行影响：周围人的付款行为会塑造个人的财务习惯。

*信息共享：社交网络可以充当信息来源，帮助个人做出明智的财务决策。

*社会制裁：违约不仅会损害个人信用，还会损害其社会关系。

监管建议：

为了充分利用社交资本对信贷评级的贡献，监管机构应考虑以下建议：

1.建立统一的社交资本测量标准：

制定标准化的方式来测量和量化社交资本，以便将其纳入信用评级模型。这可以包括指标，如社交媒体关注者、网络规模和参与度。

2.引入第三方数据源：

允许数字支付平台和其他非传统数据提供者共享有关社交资本的数据。这可以丰富信用评级模型并提高准确性。

3.负责任的数据使用：

制定指导方针，确保社交资本数据以道德和负责任的方式使用。这包括限制数据滥用和保护个人隐私。

4.消费者教育和透明度：

向消费者解释社交资本在信用评级中的作用，并提供透明度，说明如何收集和使用数据。这有助于建立信任并防止歧视。

5.监管监督：

监管机构应定期审查社交资本数据的使用情况，以确保合规性和公平性。他们还应对有害做法采取执法行动，例如歧视性算法。

6.试点项目和研究：

鼓励试点项目和研究，以探索将社交资本纳入信用评级模型的实际影响。这将有助于收集数据并优化方法。

7.国际合作：

与其他国家监管机构合作，探索跨境社交资本数据共享的可能性。这将扩大信用评级覆盖范围并促进全球金融包容性。

预期影响：

纳入社交资本将产生以下预期影响：

*提高准确性：通过考虑个人信用行为的社交方面来提高信用评级模型的准确性。

*扩大获得信贷：扩大信贷获得途径，特别是在信用记录有限或薄弱的人群中。

*降低成本：消除使用传统信贷评分模型的运营成本，例如收集和分析个人财务数据。

*促进金融包容性：通过纳入更广泛的指标来评估信用状况，促进金融包容