【983】大数据实操：社交数据在征信领域的分析应用
|
先来了解一下传统征信的分析维度。其一是用户的基础信息，如年龄、性别、职业、收入、婚姻状况，工作年限，工作状况等，基本上和每家银行或者每个做征信的机构获得的数据都差不多。其二是信贷情况，看用户申请几张信用卡，最近一个月的征信报告被查询的次数，因为征信报告被查询的次数可以直接代表，最近有没有比较频繁地做贷款的申请或者信用卡申请。如果最近的次数特别多，那说明这个人最近非常缺钱，可能就会影响信用，直接影响授信额度。 上图是某社交网络的数据现状，包含了很多维度的数据，覆盖的用户数相对来说更加全面一些。 某社交网络社交征信SWOT分析 上图为某社交网络社交征信SWOT分析，优势、劣势、机会、风险一目了然。有了这样详细的分析，做个人征信是必然的事情，但做征信之前要清楚的知道征信对象是什么样子，所以开始着手做个体用户画像的研究。 做个体用户画像研究遇到的挑战主要有如下三方面：其一，如何充分利用社交网络各种丰富的数据资源及之间的联系？其二，如何使用户画像适应各种不同的应用场景？其三，如何高效的处理海量的用户数据？相应的解决方案如下： 1.针对不同的底层数据类型设计特定的挖掘算法，挖掘用户的行为特征，形成底层标签。综合考虑不同数据来源的，形成更上层的抽象用户标签。 2.建立完善的用户画像标签体系结构，从不同维度、粒度对用户进行描述。 3.搭建用户画像挖掘系统,基于大规模存储和机器学习计算平台，定期对全量用户数据进行计算和挖掘，并提供用户标签的使用和查询服务。 ?
用户画像系统架构
个人用户画像研究的结果就是把结构化数据，文本分类，LBS数据，社交网络传播扩散这些挖掘之后形成一个比较完整的画像，比如说人口的一些基础属性如年龄、家乡、兴趣等。同时也会对用户婚姻状况来做一个判断。有了这些数据之后，就可以基于这些用户数据去做很多社交征信工作。 四、社交圈子研究 （编辑：晋中站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
