老赖们的天罗地网来了，揭秘互联网征信的五大手段

通常而言央行征信中心一直金融机构进行贷款人信用的判断，但是相关数据显示，国内60%的人没有信用卡或者是央行贷款记录，那么这些人群在金融结构申请贷款时，就缺乏来自于央行征信中心的有效参考信息。同时很多互联网金融机构的逾期信息也没有体现在央行征信报告中，限制了金融机构对于高风险客户的评估效率以及准确性。在这样的市场需求下，第三方信用服务中心在P2P行业的发展下应运而生。但是对于互联网信用服务公司如何能够有效的识别老赖呢?

1.P2P借贷信息

个人的借贷信息是申请人信用风险的集中表现，对于大部分的P2P平台而言都有自己的客户借贷记录以及逾期名单，但是都是一个个“信息孤岛”，没有形成网络，为了能够有效的运用这些有价值的信息，信用公司通过多种方式进行整合，帮助金融机构有效的识别老赖：

(1)联防联控

第三方数据公司和金融机构建立联防联控机制，第三方数据公司从合作金融机构获取用户的借贷记录，并根据客户的调用记录累计申请人在不同平台的借贷次数。在数据积累到一定程度后，这种方式可以非常有效地识别多头借贷行为。

(2)数据回流

可能不少人没有留意到，多数互金机构是没有支付牌照的，这些机构在放贷和还款环节需要依赖第三方支付公司，那么这些支付公司就有天然的信息优势。通过对客户机构回流数据的分析和推导，可以计算出用户的借款和还款记录，从而进一步判断用户是否违约。

由此，支付公司的市场占有率决定了其借贷数据的质量。目前，业界只有两三家支付公司可以基于回流数据提供个人信用服务。

2. 消费行为

除了借贷信息之外，消费行为也可以用来衡量一个人的还款能力和违约风险。一般购买能力较强的人，还款能力也较强;若一个申请人的手机号近些年都没有被用作收货手机号，那么有可能就是一个小号，违约概率相对较大。

当然，用户的订单记录多半在各家公司自己的数据中心，绝不会向外部开放用户的消费明细。一种玩法是数据拥有者可以根据用户在自身生态内的消费行为对用户进行评分，在符合监管要求的前提下对外输出用户评分;另一种玩法是与店铺CRM系统的厂商进行合作，基于用户订单记录提炼统计标签。

3. 社交行为

物以类聚，人以群分，和黄牛、贷款中介、老赖有密切往来的人，通常会比一般人有更高的违约风险，这是社交行为数据的一个关键价值。比如，可以基于各类黑名单，顺藤摸瓜挖掘出相关的高风险用户，帮助金融机构规避风险。

当然能够基于社交行为提供信用服务的公司不多，行业门槛高，容易受到用户隐私方面的质疑。

4. 运营商数据

不少互金机构在信贷审批时，需要用户授权运营商信息，通过爬虫服务获取用户的通话记录和账单数据。这些运营商爬虫服务公司在累计了大量数据之后，结合各种渠道的电话号码黑名单就可以对电话号码的风险进行预测，算法的基本思想比较简单，即“近朱者赤，近墨者黑”。

5. 其他行为习惯

假如一个借款人经常浏览赌博、套现相关论坛、下载了很多借贷类APP，那么这个借款人的违约风险一定是非常高的。因此，用户特定的网页浏览、APP下载、网络检索等行为，也可以帮助金融机构预测违约风险。

其实说到今天的征信问题，国内领先网贷返利网钱优客在对于入驻P2P平台的征信考察方面还是很有优势的。

其实，对于P2P金融，以及各种金融服务，除了征信外，追索和威慑也是一个重要的工作，可以看到很多P2P平台外包催收业务，很多有黑社会性质的暴力催收滋生，但是按照传统的法律而言，就是限制公共交通方式出行，影响老赖的子女受教育等等，这也行是很好的一种威慑。

但是无论如何，作为借款人，一定要注重自己的信用记录。