CN107332844B

CN107332844B - 隐私信息使用方法和个人征信评分方法

Info

Publication number: CN107332844B
Application number: CN201710530859.7A
Authority: CN
Inventors: 范若愚
Original assignee: Shanghai Lucheng Data Service Co ltd
Current assignee: Shanghai Lucheng Data Service Co ltd
Priority date: 2017-07-03
Filing date: 2017-07-03
Publication date: 2021-02-05
Anticipated expiration: 2037-07-03
Also published as: CN107332844A

Abstract

本发明涉及征信技术领域，具体涉及一种隐私信息使用方法和个人征信评分方法。本发明旨在解决现有的基于通讯数据的征信评分方法存在的准确率低、安全性差的问题。为此目的，本发明的个人征信评分方法包括以下步骤：通讯运营商提供待评分客户的通讯数据；征信服务商提供征信评分模型；基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分；其中，基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分的步骤由通讯运营商完成。通过由通讯运营商完成基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分，不仅提高了信用评分的准确率，而且还有效防止了运营商客户的数据泄露，确保了通讯运营商和运营商客户的信息安全。

Description

隐私信息使用方法和个人征信评分方法

技术领域

本发明涉及征信技术领域，具体涉及一种隐私信息使用方法和个人征信评分方法。

背景技术

随着互联网技术在金融业中的普及与发展，互联网金融诈骗现象也越来越普遍，如何高效地控制金融服务过程中的风险成为各大金融公司面临的主要问题，其中对于个人/企业的信用评估则是金融公司控制风险的首要环节。一般而言，金融公司会借助第三方征信服务商对信贷申请人的征信评价来判断本次信贷服务的风险程度，而第三方征信服务商则通过采集信贷申请人的相关数据(如信贷申请人的基本信息、借记卡使用数据、信用卡使用数据等)，并将这些数据输入预先搭建好的数据处理模型中并计算出一个信用评分的方式，来评价该信贷申请人的信用好坏。但是对于征信服务商而言，由于线上和线下可采集的与信贷申请人相关的数据过少，所以征信服务商提供的征信评分准确性通常不高，进而导致金融公司无法有效地控制金融服务中的风险，而这也是金融公司的坏账数量居高不下的主要原因。

为解决上述问题，一些征信服务商选择与通讯运营商合作，借助通讯运营商的通讯数据覆盖面广且与信贷申请人的信用高度相关的特点，通过通讯运营商提供的有偿数据接口查询信贷申请人的通讯数据，从而可以获得较为准确的征信评分并提供给金融公司。但是这种方式的弊端在于：一方面，受制于通讯数据的隐私保护，通讯运营商能对外披露的可查询的通讯数据范围极其有限，这就使得征信服务商只能从通讯运营商处获取特定维度的通讯数据，进而由于无法在建模分析的过程中输入维度足够多、范围足够广、信息足够新的通讯数据，而导致征信评分的准确度难以保证。另一方面，由于征信服务商获取了客户的通讯数据，这就很容易造成运营商客户的通讯数据泄露，进而为通讯运营商和运营商客户带来重大安全隐患。

相应地，本领域需要一种新的个人征信评分方法来解决上述问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的基于通讯数据的征信评分方法存在的准确率低、安全性差的问题，本发明提供了一种个人征信评分方法，该方法包括以下步骤：

通讯运营商提供待评分客户的通讯数据；

征信服务商提供征信评分模型；

基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分；

其中，“基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分”的步骤由所述通讯运营商完成。

在上述个人征信评分方法的优选技术方案中，在“基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分”的步骤之后，所述方法还包括下列步骤：

所述征信服务商请求所述通讯运营商提供所述信用评分；

所述征信服务商根据用户需求提供所述信用评分。

在上述个人征信评分方法的优选技术方案中，所述通讯数据包括运营商客户的基本数据、月账单数据、通话详单数据、地理位置数据、上网数据、使用应用程序数据、宽带数据、网络电视数据中的至少一个。

在上述个人征信评分方法的优选技术方案中，所述方法还包括：

将所述征信评分模型嵌入所述通讯运营商的大数据平台。

在上述个人征信评分方法的优选技术方案中，所述征信评分模型以加密的方式嵌入所述大数据平台。

在上述个人征信评分方法的优选技术方案中，在“通讯运营商提供待评分客户的通讯数据”的步骤之前，所述方法还包括：

所述通讯运营商在其大数据平台上构建专项数据集市，所述专项数据集市包括至少一部分运营商客户的通讯数据。

在上述个人征信评分方法的优选技术方案中，“通讯运营商提供待评分客户的通讯数据”的步骤进一步包括：

获取所述待评分客户的基本通讯信息；

基于所述基本通讯信息，从所述专项数据集市获取所述通讯数据。

在上述个人征信评分方法的优选技术方案中，所述基本通讯信息至少包括所述待评分客户与所述通讯运营商对应的电话号码。

在上述个人征信评分方法的优选技术方案中，所述征信评分模型基于历史通讯数据训练而成。

在上述个人征信评分方法的优选技术方案中，所述征信评分模型基于历史通讯数据通过下列步骤训练而成：

获取金融数据；

基于所述金融数据，获取与所述金融数据对应的运营商客户在所述通讯运营商处的通讯数据；

基于所述通讯数据，训练所述征信评分模型。

在上述个人征信评分方法的优选技术方案中，所述金融数据包括坏账数据和非坏账数据，“基于所述通讯数据，训练所述征信评分模型”的步骤进一步包括：

基于所述坏账数据对应的通讯数据与所述非坏账数据对应的通讯数据，生成建模样本和验证样本；

基于所述建模样本，形成所述征信评分模型；

基于所述验证样本，验证所述征信评分模型。

本发明还提供了一种隐私数据使用方法，所述方法包括：

数据持有方提供待评分客户的隐私数据；

评分服务方提供评分模型；

基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分；

其中，“基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分”的步骤由所述信息持有方完成。

在上述个隐私数据使用方法的优选技术方案中，在“基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分”的步骤之后，所述方法还包括下列步骤：

所述评分服务方请求所述信息持有方提供所述信用评分；

所述评分服务方根据用户需求提供所述信用评分。

在上述个隐私数据使用方法的优选技术方案中，所述方法还包括：

将所述评分模型嵌入所述信息持有方的数据平台。

在上述个隐私数据使用方法的优选技术方案中，所述评分模型以加密的方式嵌入所述数据平台。

在上述个隐私数据使用方法的优选技术方案中，所述评分模型基于历史隐私数据训练而成。

本领域技术人员能够理解的是，在本发明的优选技术方案中，个人征信评分方法包括：通讯运营商提供待评分客户的通讯数据；征信服务商提供征信评分模型；以及基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分。其中，“基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分”的步骤由所述通讯运营商完成。通过由运营商完成“基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分”的步骤，可以使得从“查询通讯数据”到使用征信评分模型“计算信用评分”的过程主要在运营商内部完成，而通讯运营商只需最终的信用评分提供给征信服务商即可。这样一来，在计算信用评分的过程中通讯运营商可以放宽对通讯数据的限制，向征信评分模块中输入维度足够多、范围足够广、信息足够新的通讯数据，在得到准确性更高的评分结果，还避免了现有技术中通讯数据泄露的问题出现。也就是说，本发明方法不仅大幅度提高了信用评分的准确率，降低金融公司提供金融服务时的风险，而且还防止了通讯运营商的通讯数据泄露，保证了通讯运营商和客户的信息安全。

方案1、一种个人征信评分方法，其特征在于，所述方法包括以下步骤：

通讯运营商提供待评分客户的通讯数据；

征信服务商提供征信评分模型；

方案2、根据方案1所述的个人征信评分方法，其特征在于，在“基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分”的步骤之后，所述方法还包括下列步骤：

所述征信服务商请求所述通讯运营商提供所述信用评分；

所述征信服务商根据用户需求提供所述信用评分。

方案3、根据方案1所述的个人征信评分方法，其特征在于，所述通讯数据包括运营商客户的基本数据、月账单数据、通话详单数据、地理位置数据、上网数据、使用应用程序数据、宽带数据、网络电视数据中的至少一个。

方案4、根据方案1所述的个人征信评分方法，其特征在于，所述方法还包括：

将所述征信评分模型嵌入所述通讯运营商的大数据平台。

方案5、根据方案4所述的个人征信评分方法，其特征在于，所述征信评分模型以加密的方式嵌入所述大数据平台。

方案6、根据方案1所述的个人征信评分方法，其特征在于，在“通讯运营商提供待评分客户的通讯数据”的步骤之前，所述方法还包括：

方案7、根据方案6所述的个人征信评分方法，其特征在于，“通讯运营商提供待评分客户的通讯数据”的步骤进一步包括：

获取所述待评分客户的基本通讯信息；

方案8、根据方案7所述的个人征信评分方法，其特征在于，所述基本通讯信息至少包括所述待评分客户与所述通讯运营商对应的电话号码。

方案9、根据方案1至8中任一项所述的个人征信评分方法，其特征在于，所述征信评分模型基于历史通讯数据训练而成。

方案10、根据方案9所述的个人征信评分方法，其特征在于，所述征信评分模型基于历史通讯数据通过下列步骤训练而成：

获取金融数据；

基于所述通讯数据，训练所述征信评分模型。

方案11、根据方案10所述的个人征信评分方法，其特征在于，所述金融数据包括坏账数据和非坏账数据，“基于所述通讯数据，训练所述征信评分模型”的步骤进一步包括：

基于所述建模样本，形成所述征信评分模型；

基于所述验证样本，验证所述征信评分模型。

方案12、一种隐私数据使用方法，其特征在于，所述方法包括：

数据持有方提供待评分客户的隐私数据；

评分服务方提供评分模型；

方案13、根据方案12所述的隐私数据使用方法，其特征在于，在“基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分”的步骤之后，所述方法还包括下列步骤：

所述评分服务方请求所述信息持有方提供所述信用评分；

所述评分服务方根据用户需求提供所述信用评分。

方案14、根据方案12所述的隐私数据使用方法，其特征在于，所述方法还包括：

将所述评分模型嵌入所述信息持有方的数据平台。

方案15、根据方案14所述的隐私数据使用方法，其特征在于，所述评分模型以加密的方式嵌入所述数据平台。

方案16、根据方案12至15中任一项所述的隐私数据使用方法，其特征在于，所述评分模型基于历史隐私数据训练而成。

附图说明

下面参照附图来描述本发明的个人征信评分方法。附图中：

图1为本发明的个人征信评分方法的流程示意图；

图2为本发明的一种征信评分模型的训练方法的流程示意图；

图3为本发明的个人征信评分方法的一种具体实现过程的示意图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。例如，尽管附图中以步骤序号的方式示出了实施本发明方法的先后顺序，但是这种顺序并非一成不变，在不偏离本发明原理的前提下，本领域技术人员可以对其做出任意调整，以便其满足更加具体的应用场景。

首先参照图，图1是本发明的个人征信评分方法的流程示意图。如图1所示，本发明的个人征信评分方法主要包括以下步骤：

S100、获取待评分客户的基本通讯信息，如征信服务商向通讯运营商提供待评分客户的电话号码；

S200、基于基本通讯信息，通讯运营商提供待评分客户的通讯数据，如通讯运营商根据待评分客户的电话号码从自身的大数据平台中搜索并提供该电话号码对应的通讯数据；

需要说明的是，通讯数据可以为通讯运营商的客户(即运营商客户)在使用通讯产品(如手机或固定电话)时在通讯运营商处产生的各种数据。以通讯产品是手机为例，通讯数据可以为：运营商客户的基本数据(如客户姓名、性别、手机号、入网时长等)、月账单数据、通话详单数据、地理位置数据、上网数据、使用应用程序数据、宽带数据、网络电视数据等。

S300、征信服务商提供征信评分模型，如征信服务商提供一个与通讯数据相匹配的征信评分模型；

S400、基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分，其中，“基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分”的步骤由通讯运营商完成，如在通讯运营商的大数据平台上将电话号码对应的通讯数据输入征信评分模型从而征信评分模型完成待评分客户的信用评分计算，生成并存储该信用评分；

此处需要说明的是，信用评分可以是经过征信评分模型的计算后得到的一个具体的分数，该分数可以用来评估待评分客户的信用。如以百分制的评分标准来预测客户借贷不还的可能性，并且数值越高代表该客户的信用越好，即借贷不还的几率越小等。

S500、征信服务商请求通讯运营商提供信用评分，如在信用评分计算完成后，征信服务商请求通讯运营商提供信用分数；

S600、征信服务商根据用户需求提供信用评分，如征信服务商基于信用分数生成待评分客户的评分报告并将该评分报告提供给金融公司或银行等寻求服务的用户。

由上可知，通过在运营商处完成“基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分”的设置方式，使得生成评分的绝大部分流程都在通讯运营商内部完成，从而在进行计算式通讯运营商可以放宽对通讯数据的限制，并利用其通讯数据的维度多、范围广的特点，将放宽限制后的通讯数据输入到征信评分模型中以进行更加全面的计算，从而得到更为准确的评分结果，反馈给征信服务商和寻求服务的金融公司。换言之，上述个人征信评分方法不仅可以保证征信评分结果的准确性，而且还有效地防止了通讯运营商的客户数据的泄露，确保了通讯运营商和客户的信息安全，加强了征信服务商与通讯运营商之间的合作。

当然，本领域技术人员可以想到的是，通讯数据并非只限于上述示例中的数据，在可能的情形下，通讯数据还可以包括其他任何通讯运营商处生成的与运营商客户相关的数据，只要该数据与个人信用存在相关性，可以用来判断该运营商客户的信用即可。同样地，基本通讯信息也并非只限于待评分客户的电话号码，其还可以是任何能够获取到通讯数据的通讯信息，如待评分客户的姓名、身份证号、单位地址、家庭住址等。

此外，本发明中的征信评分模型以及通过该模型得到的信用评分的具体形式也并不唯一，征信评分模型可以是现有的数据模型，也可以是基于客户的要求开发的数据模型等任意形式和途径获得的征信评分模型。例如，通过数据挖掘技术构建的征信评分模型。信用评分还可以通过风险分级(如将信用评分分为风险高、风险中、风险低三级)或风险概率等其他任意形式进行展现。并且，为进一步提高本发明的个人征信评分方法的准确性，还可以在实施本方法之前对征信评分模型进行训练。

下面结合图2，来阐述本发明的一种征信评分模型的训练方法，其中图2为本发明的一种征信评分模型的训练方法的流程示意图。

如图2所示，在一种优选地实施方式中，征信评分模型可以基于历史通讯数据训练而成。举例而言，征信评分模型可以基于历史通讯数据通过下列步骤训练而成：

S1、获取金融公司的金融数据，如征信服务商从金融公司获取该公司的一部分坏账数据与非坏账数据；

S2、基于金融数据，获取与该金融数据对应的运营商客户在通讯运营商处的通讯数据，如在获取坏账数据与非坏账数据后，征信服务商分别提取出坏账数据与非坏账数据中客户的电话号码，并基于该电话号码，从通讯运营商处获取客户在该通讯运营商处使用该电话号码的通讯数据(即历史通讯数据)；

S3、基于通讯数据，训练征信评分模型，如在获取到通讯数据后，通过对坏账数据和费坏账数据对应的通讯数据进行分析对比等方式，找到通讯数据中能明显体现坏账数据或非坏账数据的特征项(即能明显体现客户信用好坏的特征项，如号码入网时长可以衡量欺诈意愿、月消费情况可以衡量客户的经济能力、欠费情况可以衡量还款及时性等)，并依据这些特征项训练形成征信评分模型。

举例而言，征信服务商从金融公司获取一部分借贷客户的金融数据(包括坏账数据与非坏账数据)，并从数据中提取出对应客户的电话号码。然后通过电话号码从通讯运营商处匹配到这些客户对应的通讯数据，形成建模样本和验证样本。接下来征信服务商基于建模样本开发征信评分模型，然后在验证样本上验证征信评分模型。在验证达到预期效果后，征信服务商再从金融公司获取另一部分借贷客户的金融数据进行实际效果测试，这些金融数据只能获取到客户的基本通讯信息，无法获知哪些金融数据为坏账数据。征信服务商利用已经建立好的征信评分模型对这些借贷客户进行信用评分后，评判信用评分是否与实际坏账数据对应。如果对应情况符合预期，则征信评分模型训练完毕。如果数据对应与预期有差距，则调整模型中各参数所占的权重，重新对征信评分模型进行训练，直至征信评分模型得出的信用评分符合预期。

可以看出，通过在实施本发明之前对征信评分模型进行训练的方式，可以有效地确认通讯数据中各参数之间的关系，并对不合适的参数权重进行调整，从而进一步提高本发明的个人征信评分方法的准确性。并且经过发明人反复计算和实际验证，使用本征信评分模型进行信用信用评分的效果非常显著。具体表现为：本发明的征信评分模型的KS值超过45％、C值超过82％。其中，KS值为统计名词，用来衡量模型的提升率；C值为统计名词，用来衡量模型准确率。

在数据的安全性方面，为有效防止通讯数据泄露，即为实现“基于通讯数据和征信评分模型，生成并存储待评分客户的信用评分”的步骤由通讯运营商完成的目的，在“通讯运营商提供待评分客户的通讯数据”的步骤之前，本方法还可以包括：

将征信评分模型嵌入通讯运营商的大数据平台，如征信服务商将训练好的征信评分模型嵌入到通讯运营商的大数据平台中；以及

通讯运营商在其大数据平台上构建专项数据集市，专项数据集市包括至少一部分运营商客户的通讯数据，如通讯运营商在大数据平台上构建一个包含全部运营商客户的通讯数据的专项数据集市，并且每个运营商客户的通讯数据都包含必要的信息维度。

优选地，征信评分模型以加密的方式嵌入大数据平台，专项数据集市则可以通过加密数据接口向征信服务商(征信评分模型)提供通讯数据。例如，征信服务商搭建征信服务平台，通讯运营商在其大数据平台上构建专项数据集市，并且征信服务平台与专项数据集市之间通过设备白名单校验、通讯密钥、Web应用接口签名(Token鉴权)、专用企业VPN链路等措施实现系统间的跨网段身份鉴权，从而在需要隐私的通讯数据被隔离的场景下实现安全的内外网信息交互。

在上述设置下，征信服务商可以独立搭建征信服务平台对外提供个人征信评分查询服务，并将训练后的征信评分模型以加密的方式布置在通讯运营商的大数据平台上，而通讯运营商通过在大数据平台上构件专项数据集市的方式向征信服务平台提供加密的数据接口，并且由通讯运营商负责所有通讯数据的加工处理和维护(如定期更新专项数据集市，并定期运行征信评分模型刷新客户征信评分结果等)。征信服务商在提供查询服务时，征信服务平台基于待评分客户的基本通讯信息从专项数据集市中获取待评分客户的通讯数据与待评分客户的身份进行确认(但确认过程中通讯数据中的敏感要素信息会在接口层被屏蔽，只保留用于确认待评分客户身份的姓名、身份证等基本信息)，在确认通过后征信服务平台再从大数据平台上调取征信评分模型对该通讯数据进行计算进而生成信用评分，并将信用评分返回给征信服务平台。也就是说，除返回信用评分和身份确认时的必要基本信息外，上述数据处理过程全部在通讯运营商的大数据平台上以加密的方式完成。

可见，这样设置的优点在于，在保证信用评分的准确率得到大幅提升的前提下，以加密的方式将征信评分模型嵌入通讯运营商的大数据平台，可以使征信评分模型得到有效地保护，也就是能够提高征信服务商的核心技术的安全性；而通过加密数据接口向征信服务商提供通讯数据的方式，又可以有效地保护运营商客户的数据不会泄露，也就是确保通讯运营商和客户的信息安全。这样一来，数据信息管理(通讯运营商)、服务提供者(征信服务商)、服务应用者(金融公司)之间便实现了破除信息壁垒、最大隐私保护的协同共赢局面。

下面参照图3来具体阐述个人征信评分方法的具体实现过程。其中，图3为本发明的个人征信评分方法的一种具体实现过程的示意图。

如图3所示，本发明的个人征信评分方法的具体实现过程可以为：

有征信查询需求的金融机构在取得待评分客户授权后，通过征信服务平台所预置的对外服务数据接口(如API、SDK、H5或手工在线方式)，提交需要查询的待评分客户的电话号码(可附带待评分客户的姓名、身份证号以及书面授权书影印件等用于鉴权和存档)→征信服务平台通过通讯运营商提供的加密数据接口(如专用企业VPN通道)在线连接到大数据平台上的专项数据集市并基于待评分客户的电话号码获取加密后的该客户的通讯数据(只包含基本信息)→征信服务平台在确认待评分客户的身份后，从大数据平台上调取征信评分模型并基于放宽限制后的通讯数据进行在线运算→征信评分模型将计算出的信用评分反馈给征信服务平台→征信服务平台基于征信评分生成评分报告并将评分报告通过通讯接口同步反馈给金融机构→征信服务平台留存本次的详细查询日志。

至此，一个服务流程完毕。

当然，上述具体实现过程的描述仅仅用于阐述本发明的原理，并非旨在于限制本发明的保护范围，在不偏离本发明原理的条件下，本领域技术人员还可以对上述步骤的先后顺序进行适当的调整，以便其能满足更具体的应用场景。

综上所述，上述优选的实施方式中，通过征信服务商将加密后的征信评分模型嵌入通讯运营商的大数据平台以及专项数据集市可以通过加密数据接口向征信服务商(征信评分模型)提供通讯数据等方式，不仅使得个人征信评分的准确率大大提高，而且还使得通讯运营商和运营商客户的数据安全性得到了提升。而在训练征信评分模型时通过合理融合各方资源，即通过将征信服务商的建模技术、金融公司的金融数据以及通讯运营商的历史通讯数据相结合的训练方式，又使得经过训练后的征信评分模型的准确率得以进一步提高，进而能够为金融公司提供高质量的征信服务，有效地降低金融公司在提供金融服务过程中的风险。

此外，尽管本实施例是以个人征信评分方法进行描述的，但此方法仅仅用于阐述本发明的原理，并非旨在于限制本发明的保护范围，在不偏离本发明原理的条件下，本发明还可以用于其他具有隐私数据的征信服务中。如将本发明方法应用于政府的征信服务建设或医疗行业的征信服务建设，进而减少或防止房产诈骗、医疗诈骗等行为的发生。

相应地，本发明还提供了一种隐私数据的使用方法，该方法主要包括如下步骤：

数据持有方提供待评分客户的隐私数据，如数据持有方为政府机关、医疗单位等，对应的隐私数据可以为身份证号、医保信息等；

评分服务方提供评分模型，如评分服务商为征信服务商等；

基于隐私数据和评分模型，生成并存储待评分客户的评分，其中，“基于隐私数据和评分模型，生成并存储待评分客户的评分”的步骤由信息持有方完成，如评分服务商将评分模型以加密的方式嵌入信息持有方的数据平台，评分模型的评分过程在数据平台上以加密的方式完成；

评分服务方请求信息持有方提供信用评分；

评分服务方根据用户需求提供信用评分。

与征信评分模型类似的，评分模型可以基于历史隐私数据训练而成。其中，历史隐私数据为能够被用作训练评分模型的具有评分结果的隐私数据。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims

1.一种个人征信评分方法，其特征在于，所述方法包括以下步骤：

通讯运营商提供待评分客户的通讯数据；

征信服务商提供征信评分模型；

其中，“基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分”的步骤由所述通讯运营商完成；

在“通讯运营商提供待评分客户的通讯数据”的步骤之前，所述方法还包括：

将所述征信评分模型以加密的方式嵌入所述通讯运营商的大数据平台；

所述通讯运营商在其大数据平台上构建专项数据集市，所述专项数据集市包括至少一部分运营商客户的通讯数据，且所述专项数据集市通过加密数据接口向所述征信服务商提供所述通讯数据。

2.根据权利要求1所述的个人征信评分方法，其特征在于，在“基于所述通讯数据和所述征信评分模型，生成并存储所述待评分客户的信用评分”的步骤之后，所述方法还包括下列步骤：

所述征信服务商请求所述通讯运营商提供所述信用评分；

所述征信服务商根据用户需求提供所述信用评分。

3.根据权利要求1所述的个人征信评分方法，其特征在于，所述通讯数据包括运营商客户的基本数据、月账单数据、通话详单数据、地理位置数据、上网数据、使用应用程序数据、宽带数据、网络电视数据中的至少一个。

4.根据权利要求1所述的个人征信评分方法，其特征在于，“通讯运营商提供待评分客户的通讯数据”的步骤进一步包括：

获取所述待评分客户的基本通讯信息；

5.根据权利要求4所述的个人征信评分方法，其特征在于，所述基本通讯信息至少包括所述待评分客户与所述通讯运营商对应的电话号码。

6.根据权利要求1至5中任一项所述的个人征信评分方法，其特征在于，所述征信评分模型基于历史通讯数据训练而成。

7.根据权利要求6所述的个人征信评分方法，其特征在于，所述征信评分模型基于历史通讯数据通过下列步骤训练而成：

获取金融数据；

基于所述通讯数据，训练所述征信评分模型。

8.根据权利要求7所述的个人征信评分方法，其特征在于，所述金融数据包括坏账数据和非坏账数据，“基于所述通讯数据，训练所述征信评分模型”的步骤进一步包括：

基于所述建模样本，形成所述征信评分模型；

基于所述验证样本，验证所述征信评分模型。

9.一种隐私数据使用方法，其特征在于，所述方法包括：

数据持有方提供待评分客户的隐私数据；

评分服务方提供评分模型；

其中，“基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分”的步骤由所述数据持有方完成；

在“数据持有方提供待评分客户的隐私数据”的步骤之前，所述方法还包括：

将所述评分模型以加密的方式嵌入所述数据持有方的数据平台；

所述数据持有方在其数据平台上构建专项数据集市，所述专项数据集市包括至少一部分客户的隐私数据，且所述专项数据集市通过加密数据接口向所述评分服务方提供所述隐私数据。

10.根据权利要求9所述的隐私数据使用方法，其特征在于，在“基于所述隐私数据和所述评分模型，生成并存储所述待评分客户的评分”的步骤之后，所述方法还包括下列步骤：

所述评分服务方请求所述数据持有方提供所述评分；

所述评分服务方根据用户需求提供所述评分。

11.根据权利要求9或10中任一项所述的隐私数据使用方法，其特征在于，所述评分模型基于历史隐私数据训练而成。