20170327分析《个人征信,阿里与腾讯斗法的新战场》

今天分析“2016虎嗅年度作者”虫二,于2016年7月发表于虎嗅的文章《个人征信,阿里与腾讯斗法的新战场》。

很多人都模模糊糊知道央行那里有一个记录着每个人信用状况的系统,即个人征信系统,但好像跟日常生活没什么很大关系。很多人第一次对自己的征信记录有深刻领悟,是办理个人房贷到了最后一步,银行一查征信系统,发现有信用卡逾期还款记录,于是房贷受影响。

那为什么作者虫二说阿里跟腾讯要争夺个人征信战场呢,个人征信对两家互联网巨头公司有什么重要意义呢,跟我们每个人又有什么关系呢?让我们一起带着问题阅读全文。

文章框架


请点击看大图

文章细节较多,归纳概括为:

一.话题引入

二.芝麻信用和腾讯征信发展介绍对比

芝麻信用

1.发展历史

2.发展任务:打造外部任务;技术铺垫;商业模式

腾讯征信

1.生存空间

2.模式介绍:征信数据组成;交易数据不足;第三方合作时机恰到好处

三.互联网金融征信交战

1.用户暂时相当

2. 数据质量:腾讯社交信用有更广应用

3.技术:对企业第三方门槛过高;互金体系割裂;效费比未必最佳

四.结论

互联网征信,兵家必争之地,斗法新战场

总结一下:全文框架为 引入话题——对比论证——结论。这种总-分-总模式,在高中学习议论文阶段最常见,可以在今后论述文中学习使用。


文章细节

1.美国个人征信已经发展相当成熟,而国内大众一般都不太了解个人征信,很多人只知道如果信用卡忘记还款或者晚回几天都会对个人征信产生影响,但除此之外,征信还有什么影响因素,相信除非是有金融知识的从业者,一般人确实不甚清楚。而在这样的前提背景下,作者写作中使用了很多专业词汇,像我这种小白读起来非常吃力,只能一边读一边百度(又一次表示离不开百度),勉强理解。但是阅读专业性强的文章,好处是能强迫自己学习积累些新的知识,也从侧面对美国征信系统有了初步了解。罗列下文章中出现的一些专业词汇:


FICO:美国的个人信用评分模型,主要是Fair Isaac Company 推出的,FICO信用分也由此得名。FICO 评分模型得出的信用分数范围在300-850分之间。分数越高 ,说明客户的信用风险越小。这个“FICO”信用分包含日常生活的很多方面,除了信用卡还款记录,日常生活中的购物出行、电费水费甚至地铁逃票都会成为影响信用分的因素。贷款方通常会将分数作为参考,来进行贷款决策。

Face++:旷视科技旗下的人工智能开放平台,以API或SDK形式提供全球领先的计算机视觉服务。

KPI:关键绩效指标是对组织运作过程中关键成功要素的提炼和归纳

溢出效应:是指一个组织在进行某项活动时,不仅会产生活动所预期的效果,而且会对组织之外的人或社会产生的影响。

灰度发布:指在黑与白之间,能够平滑过渡的一种发布方式

互金体系:互联网金融新体系

5CIS:美国的征信体系发展至今,全社会对于“信用”已经形成成熟的认知。以“个人信用”为例,其内涵由“5C1S”定义:品德(Character)、能力(Capability)、资本(Capital)、条件(Condition)、担保品(Collateral)、稳定性(Stability)。

ZestFinance:美国金融科技公司,主要要做的是将机器学习与大数据分析融合起来,提供更加精准的信用评分。百度和京东均投资该公司。

OCR:Optical Character Recognition光学字符识别

效费比:投入费用和产出效益的比值

2.作者写作风格中既有阳春白雪,又不乏下里巴人。作者用娴熟的技巧去结合二者。

陈述芝麻信用的发展历史中,马云做金融并非“烛照先机”,而是支付宝场景成熟后的合理选择。

介绍腾讯征信时,腾讯征信表面学步,实则反其道而行之

形容腾讯征信有效交易数据不足为交易数据仍付缺如。

同时他的写作语言也不乏一些口语化日常用语和俗语俚语,如

技术再牛X也是枉然

屁股决定脑袋的积极性

企鹅和蚂蚁肉搏,G点还是信用

你的好友名单决定你的贷款

自己约的炮含泪也要打完

羊毛出在猪身上

我想作者这样的写作风格一方面跟他娴熟的语言功底相关,同时大胆猜测下,由于文章专业性较强,理解难度大,故而在语言表达方面尽量地口语化,增加一些趣味性。就像上学读书时,一些理论性强难度高的课程,老师一般都会夹杂讲些趣闻轶事来活跃气氛,加深记忆。如果自己在今后的写作中,涉及到一些专业知识,可以参考的写法是要么以故事形式写,如李叫兽写一些自己咨询的案例,或者如果绕不开一些专业词汇,就多加一些口语化的解释。

3.作者介绍了阿里和腾讯玩征信体系各有优劣,阿里的征信体系是建立在淘宝天猫的电商交易数据上的,即交易经济学属性,而腾讯的征信体系主要依赖于微信和QQ两大社交产品的用户行为和关系数据,核心特点是“关系”,就是文中FB所提到的“你的好友名单决定你的贷款”社交经济学属性。

但我自己感觉作者似乎更看好腾讯征信,而文章末尾的评论中也有不少读者提出此类的看法。文章评论中出现了不少不同看法以及争议。多读多了解一些不同声音,对于辩证思考也有好处。


默仿训练

对非金融性的第三方企业来说,这种门槛未免太高。

首先,不管第三方企业的数据跟互联网公司征信数据的重合度多高, 未完成 授权,企业不得使用这些数据,所以企业使用数据 的前提是先大公无私地将自有数据输入给蚂蚁或者腾讯征信系统,这就表相抬高了企业获取有效用户的门槛。

其次, 当今的个人征信系统如同孤岛,传统银行对互金封闭,互金之间彼此封闭,  全力争取的都是线下企业,但各体系割裂,数据不能互为效验,误杀可能性大;

最后,互联网征信较传统金融,未必效果比最佳,虽然阿里和腾讯高举免费大旗,但是不是“羊毛出在猪身上”的阳谋还有待观察。

对非金融性的第三方企业来说,这个门槛未免太高:

首先,不管企业用户与互联网征信样本数据的重合率有多高,未经授权都不能为企业所用,所以企业运用互联网征信的前提是“大公无私”的将自有用户输出给蚂蚁或腾讯完成授权,这就变相推高了有效用户的获取门槛;

其次,中国现时征信体系如同孤岛,银行对互金封闭,互金之间封闭,各方全力争取的都是线下企业,但因为各体系割裂,数据不能互为校验,存在误杀;

最后,互联网征信较之企业的传统解决方案,未必有最佳的效费比,芝麻和腾讯都高举免费大旗,但是不是“羊毛出在猪身上”的阳谋还有待观察。

总结:

这次默仿用kikis的方法,先记录填写下连接词,再后续填充其他句子,效果是比之前好一些,也有助于理解逻辑关系,但整体只能是将句子意思陈述出,而不能很通顺流畅地表达作者的意思。仍需要刻意训练刻意练习!

今天是倒数第二天,明天继续努力!

推荐阅读更多精彩内容