发布时间:2019-08-15 12:01:36 文章来源:互联网
微博 微信 QQ空间
  芝麻信用分的多指标多维度:

  芝麻分的背后是支付宝对海量信息数据的综合处理和评估,主要包含了五个维度,分别是:

  用户信用历史。就是收集各类数据,看看守约情况,违约次数、违约金额、延续时间、改正情况等。

  行为偏好。最初是通过淘宝天猫和其他支付宝活动来判定,看看行为稳定性和购物偏好,猜测用户是个什么人。

  履约能力。通过余额宝、信用卡授信、财富管理、转账往来,判断用户的经济实力和信贷承担能力等。

  身份特质。指用户的年龄、性别、职业、家庭状况、婚姻情况、收入水平等基本信息。

  人脉关系。通过用户同其他人的往来转账、关联购物等行为,来扩展到好友的信用等级以及用户和好友的互动程度,其实就是用好友反证用户情况。

  没有满分950的用户高级模型

  在简单的权重打分卡模式下,达到满分是有可能的,如果进步到线性逻辑回归后,再向后基本上就不可能有满分用户了。我们可以假象一个用户,例如马大大,也不可能满分:

  模型要求的数据太多,一个人无论从隐私保护角度,或者使用需要角度。不可能都上传给支付宝,确实数值满分不了;

  模型有着多种变量系数进行调整,而这些变量系统之间有可能有矛盾冲突,导致分值不能打满;

  模型进入到人工智能后,会自己进行动态调整管理,每一次调整都会对于客户分值做微小,变动导致用户只能触碰,无法保持。

  小结:在芝麻信用分模型下,想达到满分950,是不可能的事。只能这么说“你可以无限接近,但永远不能到达”。

另一视角

换一换