基于大數據下大學生信用畫像的研究

石孜

摘要：隨著互聯網時代的高速發展，大數據為互聯網金融領域提供了全方位的信息基礎，在經濟社會發展中具有重大意義?；诖髮W生在個人征信體系中信用信息不全、自身信用質量較低的情況，本文以個人征信體系中較為特殊的大學生群體為研究對象，運用文獻研究和案例分析相結合的方法，根據不同的大數據應用場景，對大學生信用畫像進行分析，并對大數據下大學生征信發展過程中存在的問題提出相關意見和建議。

關鍵詞：大數據;大學生;信用畫像

中圖分類號：F08 ? ?文獻標識碼：A

文章編號：1005-913X（2019）07-0108-04

Research on College Students' Credit Portrait Based on Big Data

Shi Zi

（Anhui Sanlian College ?School of Economics and Management， Hefe Anhui 230601）

Abstract： With the rapid development of the Internet era， big data provides a comprehensive information foundation for the Internet finance field， which is of great significance in economic and social development. Based on the incomplete credit information and low credit quality of college students in the personal credit information system， this paper takes the special group of college students in the personal credit information system as the research object， and uses the combination of literature research and case analysis， according to different methods. The big data application scenario analyzes the credit portraits of college students， and puts forward relevant opinions and suggestions on the problems existing in the development of college students' credit information under big data.

Key words： big data; college students; credit portrait

征信一詞源于《左傳·昭公八年》中的“君子之言，信而有征，故怨遠于其身”。其中，“信而有征”即為可驗證其言為信實。信用是從古至今都被人們所重視，然而，我國的征信體系還不夠完善，受眾群體多為社會人士，征信的對象忽略了還未完全步入社會的大學生。一直以來，有關大學生的相關研究屢見不鮮，而關于大學生征信的研究卻很少見。本文將針對大學生的信用問題，基于大數據，建立大學生信用畫像并對此進行研究。

一、我國高校大學生征信現狀分析

（一）我國高校大學生群體的信用特征分析

弱信用群體是指在資本市場中信用信息不全，自身信用質量水平較低、風險緩釋空間較小的類群，并不包括那些信用信息記錄缺失，但自身擁有較強流動性創造能力，或者籌資渠道暢通的個體。[1]對于已經成年但還未完全步入社會的大學生來說，大學生屬于弱信用群體。由于央行征信系統不夠完善，對于信用白戶的大學生，信用記錄空白，并不是件好事，在這個信用當道的時代，凡是與信用掛鉤的金融活動和社會活動，在沒有征信記錄做參考的情況下，就無法取得相關機構的信任，也無法辦理相應的業務。

大部分工薪家庭的大學生收入來源于父母提供的生活費，即使是依靠兼職收入，在面對資金周轉中流動性、風險性等問題時，大學生自身緩解空間較小。涉及到信貸問題時，大學生無法滿足正規渠道貸款的條件，轉向低要求的貸款渠道，從而發生如網貸、裸貸的悲劇。當大學生面對如創業等財務上的困難問題時，籌資渠道也比較窄。綜上，我國高校的大學生普遍屬于弱信用群體。

（二）我國高校大學生信用現狀分析

截至2018年1月底，中國人民銀行的個人征信系統共收錄自然人9.5億，其中有信貸記錄的自然人4.8億。大學生的信貸記錄集中體現在大學生助學貸款一類，而受央行征信系統設計影響，征信數據的實效性、全面性和層次性上存在短板，無法全面反映大學生的真實信息。[2]如考試作弊、學術不端、學費繳納、助學金造假、上課缺勤、簡歷造假等信息只能通過高校的學生檔案、學籍管理等方式獲取，而由于個人信息保密，學籍檔案等管理規定，此類有關信用的信息難以獲取。如電信欠費、拖欠借款等數據都來源于第三方，也不易獲得。正是因為這些在征信報告中無法顯示的灰色信息，信息不對稱帶來的問題將會影響未來中國的征信市場。

大學生是我國信用社會的重要群體，關系著良好社會風氣的形成。大學生的誠信問題和社會主義精神文明建設息息相關。我國高校大學生群體在誠信方面總體來看是好的，不乏有很多德才兼備的優秀大學生。但很多高校的大學生誠信檔案形同虛設，達不到設立的真正目的。而針對大學生在校園里的很多時常發生而不被重視的細節行為如：借錢不還、曠課缺勤、考試作弊、插隊逃票等卻對其以后求職、租房、貸款等行為具有細微的影響。

然而，對于涉及隱私的信用數據不可非法獲取，只能得到個人征信報告上的淺顯數據。央行的征信報告卻更像個可供查詢的數據庫，缺乏信息解讀，且在我國這種重征信，輕評級的環境下，無法形成個人信用評分模型，不利于了解其真實信用情況，更何況并沒有真正接觸到社會的大學生。在合法的情況下，為了深入挖掘大學生的信用情況，可以通過大數據，從多種場景了解大學生的信用情況，并做以信息解讀，更加詳細的了解其信用情況。本文將采用人物畫像的方式，將大學生的信用情況多方面展示出來。

二、基于大數據下的大學生信用畫像構建

（一）大數據與信用畫像

大數據是巨量資料（海量資料）的計算機語言描述，指所涉及數據數量巨大、數據來源分散、數據格式多樣化，目前的技術無法對其在規定時間內采集、分析處理，并成為可供企業決策參考的數據集合。大數據征信是指運用大數據技術對征信評價模型進行重新設計定義，從多維度出發分析企業、個人的信用信息，形成更具有參考性的信用評價。[3]隨著移動互聯網深入大眾生活，大學生在出行打車、消費支付、租賃買賣等多維度多場景的使用行為時，都會產生一系列的大數據，可以通過對該類大數據信息進行處理和分析，從購物消費、信用記錄等角度還原大學生個人行為特征、風險畫像和信用水平。

我們可以通過搜集某位大學生的各項大數據信息后，分析該大學生的社會屬性、消費觀念、興趣愛好以及生活習慣等隱藏在數據背后的信息，從而描繪出一幅這個大學生的信用全貌，將這個大學生的特征全部勾畫出來，在需要了解信用情況的業務場景中，將這位大學生不同維度的特征進行組合，充分挖掘大學生的信用情況。大數據環境下建立用戶畫像，本質就是為現實用戶進行數學建模。本文將從靜態數據和動態數據進行信息處理，根據收集到的數據信息，對用戶屬性貼上標簽。標簽是對用戶屬性特征進行高度精煉的總結。[4]對用戶貼標簽之后，在進行用戶信用畫像的建立過程中，計算機對標簽進行清洗和提取，最終得出用戶的信用畫像。

（二）信用畫像的構建

1.信息數據處理

靜態信息數據是對大學生的穩定性信息進行收集，并對這些信息進行分類，比如分為性別、年齡、學號、院系、專業班級、成績排名、興趣、生活費、消費水平、是否身份驗證等。對于這些靜態信息，不需要構建模型，通過文本分析對數據進行清洗和過濾可以自行貼上標簽。

動態數據由于用戶不斷進行操作，產生的不停變化的信息數據。比如網絡購物確認收貨或退貨、網上支付偏好、信用消費或租賃情況等。對于動態數據的處理，采用針對不同的行為貼的標簽及對應權重來分析。根據對不同行為貼的標簽賦予一定的分數權重，再對每組數據進行評分得到最后的相應分數，最后將這些分數加總就是大學生的信用評分。此外，隨著時間的變化，用戶的行為也會發生變化，根據行為發生的頻率，該行為標簽的權重應當適當調整。

2.信用畫像的建立及分析

綜上所述分析，可以構建如下模型：

大學生信用畫像基本信息行為類型Touch point（行為內容）

標簽權重=衰減因子γ×行為權重內容權重

舉例如下：

大學生A：品學兼優、無缺勤、考試作弊、學術不端等行為。在支付寶有身份認證，學信網有學籍認證，網絡購物在火車票、機票購買和酒店預訂中已實名消費，考取駕駛證且無扣分罰款行為。網絡購物和線下購物均有，支付通過線上線下。無信用貸款、辦理信用辦卡行為。信用租賃自行車、雨傘、充電寶，并及時歸還、繳納費用。購買余額寶理財，有小額存款。

標簽：大學生、購物、信用生活、履約

時間：因為在校表現優異，經常信用租賃等，假設衰減因子為：γ=0.95

則大學生A的標簽是：大學生、購物、信用生活、履約

大學生，權重是：0.95*0.3*（0.4+0.2+0.3）=0.2565

購物，權重是：0.95*0.1*（0.4+0.4+0.1）=0.0855

信用生活，權重是：0.95*0.3*0.1=0.0285

履約，權重是：0.95*0.3*0.4=0.114

三、 建立基于大數據下大學生信用畫像的意義及建議

（一）建立大學生信用畫像的意義

1.提高大學生個人信用意識

還未完全步入社會的大學生并不了解社會規則，對很多事物還是比較茫然，隨著大學生信貸消費現象層出不窮，不良信用已經成了大學生社會生活中的絆腳石。如果從大學生開始，就進行個人信用的收集，形成一個詳細的個人信用畫像，以對未來的信用生活提供參考。這將會提高大學生的個人信用意識，從細節注意珍惜自己的信用。

2.促進信用社會發展

通過信用畫像，全方位的展現出個人信用情況，彌補了央行征信系統缺乏信息解讀的空缺。通過詳細的個人信用畫像，在未來的信用生活中，供以參考，減少不良信用帶來的負面影響，完善相關征信體系建設，促進這個信用當道的社會發展。

（二）發展過程中存在的問題

1.大學生的誠信意識淡薄，對征信的關注度不高

由于大學生在日常生活中與征信沒有達到息息相關的程度，目前，央行提供的個人征信報告大多用于個人用戶向商業銀行貸款、申請信用卡等業務，很多大學生并不涉及到此類業務，通過了解得知，部分大學生并不了解個人征信報告，征信引不起大學生的重視。然而，誠信是中華民族的美德，大學生又是祖國的希望、民族的未來。學生時代的種種不誠信行為如：考試作弊、上課逃課、學術不端等，如果不加以重視，將潛移默化的影響未來的信用生活。

2.相關征信體系不夠完善，信用檔案形同虛設

個人征信報告由央行征信中心提供，而央行的征信中心并沒有與三方支付，高校之間進行共享機制，因此得不到全面的征信記錄，也沒有統一的標準。只是有貸款記錄如大學生助學貸款的大學生才可查到個人征信報告。信用白戶的大學生在沒有個人征信記錄的情況下，無法辦理一些業務。

2015年1月，中國人民銀行印發《關于做好個人征信業務準備工作的通知》，要求芝麻信用等八家企業準備好個人征信業務等工作，為期六個月。然而，到目前為止，由于市場上的征信產品公信力不足，沒有統一的標準，無法進行推廣。第三方的征信評級評分只是適用于某些軟件平臺的使用，并不能替代個人征信報告。比如支付寶軟件里的螞蟻信用，通過評分功能，在支付寶里可憑借高信用分免押金進行租賃業務。且有些高校的大學生信用檔案形同虛設，對有處分記錄的學生在畢業前，從寬處理，并未真正的將處分記錄記入電子檔案。由于個人隱私問題，相關信息沒有共享，極易造成的信息不對稱的結果。

3.大數據信息下，大學生的隱私問題存在隱患

在大數據時代，獲取大學生的信用數據一般通過數據傳導，在傳遞信息的同時，就存在被黑客攻擊、用戶信息被非法訪問或第三方竊取等隱私泄露問題。大學生隱私問題不可小覷。一般情況下可以直接獲取個人公開的信息，而涉及到較為隱私的信息時，如消費情況、租賃物品是否損壞、按時歸還、螞蟻花唄是否按時還款等數據時。通過第三方渠道查詢的時候，需要輸入姓名、身份證號碼、銀行卡號等信息時，容易在查詢人不知情的情況下，造成信息泄露。如果被不法分子利用，后果則不可設想。獲取的渠道是否合乎規范需要引起重視，是否在授權的情況下得以獲取，是否存在欺詐行為的獲取個人隱私，是否會泄漏個人隱私。這些都是值得注意的事項，需要設立專門的監管機構對此進行監管，設立個人信息保護機制。

（三）大數據下關于大學生征信的建議

1.高校加強對大學生的誠信教育，引導大學生重視征信

各大高校應該在大學生入學初就就行大量的征信知識宣傳，不斷向大學生強調個人信用在未來生活中的重要性以及愛護個人信用。高校應與中國人民銀行建立宣傳合作關系，經常開辦關于普及征信知識的講座，舉行一系列有關征信活動。引導大學生重視征信問題，珍惜自己的征信。同時也要進行有關學生理財教育，嚴厲打擊校園貸款、網絡貸款，避免對大學生造成不良信用影響。

通過對大學生的誠信教育，在很大方面也有利于我國創新社會的建設。

2.建立健全高校大學生信用檔案和完善征信系統

建立健全高校大學生信用檔案，由于我國現行的高校大學生檔案信息不夠全面，內容多為自然信息，對于負面消息能輕則輕，能免則免，不利于大學生誠信建設。高校應該大學生誠信問題嚴加重視，將大學生出勤情況、繳費記錄、助學貸款還款記錄、考試作弊、學術不端、簡歷造假等涉及誠信方面都記入大學生信用檔案中。并與中國人民銀行征信系統進行對接，形成一個共享機制，才能實現更大的價值。建立失信懲戒制度，以此來懲戒失信行為。無規矩，不成方圓，信用問題必須有所底線。

3.合法獲取大學生數據信息，構建畫像需獲取授權

通過數據挖掘獲取大學生的信用畫像需要獲得大學生的授權，輸入學生的學號及密碼，匹配成功后，將學生信息和數據源進行連接，獲取數據，開始構建模型，輸出大學生個人信用畫像。與此同時，所得信用畫像與央行征信系統相對接，形成共享。對于學生的敏感信息，需要進行加密處理，以此來保護學生的隱私。

參考文獻：

[1] 王俊生，何清素，聶二保，陳紹真.基于區塊鏈的修正KMV模型在互聯網金融征信中的應用——以弱信用群體為例[J].征信，2017，35（9）.

[2] 張萬軍.基于大數據的個人信用風險評估模型研究[D].北京：對外經濟貿易大學，2016.

[3] 蔣君毅，張辰婕.大數據背景下大學生征信平臺建設路徑研究[J].晉城職業技術學院學報，2016，9（6）.

[4] 陳芊汝.區塊鏈與大數據技術的結合對互聯網征信發展的啟示[J].甘肅金融，2016（11）.

[責任編輯：蘭欣卉]