先生，辦一張我們健身會所的年卡么?全家都能用哦”

“小姐，辦一張我們理發店的白金卡么?全部項目3折優惠哦”

相信大家都有類似被商家“忽悠”購買預付費儲值卡的經歷。一般而言，這類預付卡都會附加諸多優惠及贈品，以吸引顧客提前充值。然而，面對如此“誘惑”，大多數“見多識廣”的消費者都會斟酌再三。而其中最主要的原因是——

“這家店會不會突然就關門走人了?”

近年來，各種充值預付卡商家卷款跑路的新聞屢見報端，留下一眾一臉懵逼的顧客揚長而去。他們損失少則幾百多則幾萬，而且基本無法追回。

究其原因，其中固然有這些黑心老板不講誠信的個人因素，但更多的則要歸因于我國社會征信體系的制度缺失，讓這些人有恃無恐。這些老板在一個地方跑路后，很有可能3個月后換一個城市“重操舊業”，儼然一副靠著坑蒙拐騙來發家致富的態勢。

在國外，每個人都擁有一個信用評級公司FICO給出的評分，這個分數對個人辦理信用卡、房貸、車貸等涉及社會信用的行為直接產生影響，因此，國外的信用違約成本極高。

試想一下，若社會征信體系足夠完善的話，這些老板在另一個地方，根本不能再進行工商注冊了，他的銀行賬號也用不了，他的“好事”也會人盡皆知，相關的執法部門也會找上門來。更有可能的是，他根本無法順利離開他想跑路的城市。

這一切的實現，看似不容易，看似很遙遠，但隨著移動網絡與大數據技術的不斷成熟與完善，已經有越來越多的技術與方法，實現高精確度的人物信用肖像描繪。而柏科數據的個人消費信用評級系統，正是一種通過與電信運營商合作，綜合被評測人的語音、短信、上網、位置、人際網絡等數據所打造的大數據征信解決方案。

這一解決方案基于社會行為的大規模深度學習。主要使用用戶基礎信息、業務特征、消費信息、互聯網使用偏好、位置軌跡等數據，同時結合合作伙伴的非通信類金融數據，如信貸類數據、學歷教育、公檢法數據等。首先針對社會行為構建數學模型，并將其轉換成一些潛在的有效特征屬性。之后通過這些屬性，利用機器學習技術進行高維特征的降維、選擇、合成來預測用戶的信用得分，并分級劃當。為客戶提供多維度身份認證、交往圈驗證、手機終端認證、信控評分等服務。

模型主要影響因素：

消費系數：基于運營商用戶的消費類指標數據(月消費額、套餐資費、增值業務消費額等)進行消費能力評級

穩定系數：基于運營商用戶的入網時間，是否集團客戶，寬帶訂購等情對用戶的穩定程度進行評級

風險系數：基于用戶歷史話費欠款情況，關機習慣，是否有頻繁的澳門或法院來電等綜合評定客戶的金融風險指數

漫游系數：評價運營商用戶的漫游地經濟狀況及頻次判斷用戶消費水平，或是是否有異?；顒訁^域來識別潛在風險

上網系數：通過運營商用戶平時上網的瀏覽記錄、搜索關鍵詞等來判斷用戶行業、用戶屬性等。

交往系數：通信關系網絡由用戶間通信行為的交互生成，通過用戶間的通信行為，即可識別該用戶的關系圈(朋友圈，同事圈，家人圈)，及關系圈內的重要人物。

通訊監控模型：通過監控用戶的通訊情況，關系網絡變化，識別潛在風險(如：通話時長的急劇增減、聯系關系范圍的突然縮小、朋友圈變化、關機頻率等來識別潛在風險)

通過一系列完善的數據模型計算，柏科個人消費應用評級解決方案可以清晰描繪出每一個用戶的信用肖像，為商業伙伴提供多維度數據聯合建模服務，在保護用戶隱私的前提下，為合作單位提供有效的信用評估、風險管理等服務，幫助合作機構完善個人信用服務體系，同時起到防欺詐、降低壞賬率、降低成本等作用，提升企業的核心競爭力。適用于互聯網金融、銀行、婚戀、租房、招聘等廣泛的商業場景。

柏科將繼續把大數據的應用，落地于征信體系的開拓與完善。希望終有一天，個人信用能夠真正變為國人的第二身份證，讓有信者走遍天下，無信者寸步難行。