转摘自：http://bbs.easysoo.cn/?p=476
互联网金融在国内发展也才2年多的时间。从货币基金到P2P到众筹到股票基金。从传统ATM和手机银行短信银行，感慨这个互联网金融的到来。让我们有很多其它的信息渠道能够来了解金额。
还有像越女读財介绍的高暴利的钱宝网、MMM、百川币这些，假设没有互联网。相信他们也非常难发展的起来。
主要介绍下互联网金融行业的相关公司主要应用的数据分析有哪些。这个差别于之前介绍的在电商、零售中的数据分析应用，零售中得数据分析解决的很多其它是卖得问题。而金融中很多其它涉及到得是风险的问题。
好了，不废话。直接上干货。
互联网金融中的数据分析主要体如今个人征信、贷款授信、风险控制、洗钱套现识别、保险定价和云计算平台、量化投资这些应用
1.个人征信
眼下国内外的个人征信这块的发展例如以下：
一、美国的征信业务发展现状
··········1）FICO和三大征信机构
··········2）ZestFiance
··········3）Credit Karma及其它
二、中国的征信业务发展概况
··········1）聚信立
··········2）安融征信
··········3）快查
··········4）闪银神秘
··········5）京东金融
··········6）腾讯（腾讯信用）——腾讯征信
··········7）阿里（蚂蚁金服）——芝麻信用
··········8）平安（前海征信）
美国征信：
当中的数据应用
1）FICO和三大征信机构
2）ZestFiance 及它与FICO的差别ZestFiance，原名ZestCash。是美国一家新兴的互联网金融公司。在美 国，ZestFiannce和FICO是全然对立的还有一种信用评分体系，所以不存在“美国FICO信用积分指标从ZestFinance获得用户行为信用 数据”的情况，ZestFiannce主要服务对象是FICO评分低于500甚至无信用评分的人群，并且市场非常小，仅仅有大约10万用户量。和FICO的区 别在于：
在 其模型中。往往要用到 3500 个数据项，从中提取 70,000 个变量。利用10个预測分析模型。如欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型以及稳定性模型。进行集成学习或者多角度学习。并
得到终于的消费者信用评分。其次，ZestFinance公司另辟蹊径，充分利用丢失数据之间的关联和正常数据的交叉，探寻数据丢失的原因。另外。每一个季 度ZestFinance公司都会推出一个新的信用评估模型。眼下已覆盖信贷、市场营销、收债、助学贷款收债、法律收债和次级汽车抵押贷款等方面。
3）Credit Karma及其它一 个免费查FICO分（TransUnion和Equifax）和简版信用报告的平台（美国政府规定，三大征信局每年为用户提供仅一次免费查询信用记录的 机会）。
而且用户能够在平台上查看自己的各项財务状况。依据用户的信用信息及个人金融信息推荐合适的信用卡、更优惠的车贷和房贷等信贷产品，当会员购买了 金融机构的产品后。机构变付费给Credit Karma。产品运营模式：
中国征信：国内的个人征信方面。芝麻信用是长的最像FICO的。
- Base FICO范围：300-850（Industry-Specific FICO范围：250-900）；芝麻信用分范围：350-950。
- FICO 数据维度：偿还历史×35% + 信用账户数×30% + 使用信用的年限×15% + 正在使用的信用种类×10% + 新开立的信用账户×10%；蚂蚁信用分：信用历史×35% + 行为偏好×25% + 履约能力×20% + 身份特征×15% + 人脉关系×5%。
- 信用等级划分
本文摘自：http://www.lovedata.cn/ec/shujufenxi/2015/1208/7214.html