到底分數是怎麼算出來的？曾為台灣多家金融、電信業者建立呆帳評估系統的Deepbelief首席科學家尹相志指出，數位信用評分機制基本原理就是將你的行為，與大數據資料庫做比對，找出跟你有類似特徵的一群人，依據這群人的信用、違約率，估計出你的信用分數。
芝麻信用揭露評估標準，除了是否按時繳交貸款、卡費，還包括預訂旅館與計程車時是否依約現身，網路購物是否在期限內取貨付款，是否常換手機號碼。
還有一個重要參考指標：你的臉書、微信好友。也就是說，如果你臉書好友盡是些不良分子，那麼自己的分數肯定會被拖累。「因為物以類聚，」風險管理專家、東吳大學會計系教授沈大白分析，如果一個人的朋友，平常網路發言都談些風花雪月、賭博喝酒的事，常常在不良場所打卡，代表這很可能是他自己的特徵。
其實，依照個人教育背景、年齡、性別、婚姻狀態、地址進行貸款或保險的風險評估，早行之有年，在美國也有銀行業共享的徵信資料平台，在台灣則有聯徵中心。但新興國家尚未建立這類徵信平台，評估個人信用的難度極高。讓數位信用分數得以快速崛起，成了替代方案。
根據世界銀行（World Bank）統計，中低收入國家中，每10個人只有不到1人擁有信用紀錄。中國的狀況稍微好一些，《中國銀行業產業發展藍皮書》顯示，截至去年8月底為止，在人民銀行登錄有案的9億3千萬人中，只有不到一半人有信用紀錄，遠遜於已開發國家的9成水準。
「未來能評的項目、分數，只會越來越多！」沈大白說，在龐大商業利益的推動下，採用數位信用分數，已經是無法扭轉的大趨勢。
缺點：有統計誤差
一旦出錯，標籤難以擺脫
好處是，如果數位信用分數機制能發展得更完善，線上借貸平台鄉民貸執行長黃智康分析，可讓信用評分更精準，例如讓信用好的人，偶爾忘記繳卡費時，不用繳交鉅額循環利息；讓信用好、行為謹慎的人，可因個人特質而享受特別低的貸款利率與保費，而不是被粗糙的跟類似社經地位的人劃為一類。
但這麼做，卻也可能出現問題：統計誤差。
目前，有越來越多網站採用人工智慧（AI），讓機器自己找出信用給分規則。Google前資訊長梅瑞爾（Douglas Merrill）離職後創立了以AI評信用分數的公司ZestFinance，他大膽預測，到了2030年，AI就能完全取代人類進行核貸工作。然而，透過AI學習出來的規則，卻像個黑盒子，往往連開發者也搞不清背後邏輯是什麼，一旦規則出錯，未來將更難發現，被冤枉的使用者恐投訴無門。
「給人打分數不像下棋，」沈大白說，AI下圍棋很厲害，但為人打分數一旦犯錯，後果很可怕。而且，縱使數位評分資料無誤、公式正確，這樣的給分模型卻忽略了：人是會變的。一個信用差的人可能正在洗心革面，卻因被貼上了難以擺脫的數位標籤，被剝奪奮發向上的空間。
中國國家發改委在今年一月下旬發布的數據顯示，近幾年透過信用分數防堵機制，已經阻擋了842萬人次購買機票、327萬人次買高鐵車票，因此讓109萬人乖乖的履行義務、好從黑名單中移除。
《連線》（Wired）今年1月號雜誌，以封面故事介紹中國興起的信用社會，一不小心恐變成由政府撒下天羅地網，形成全民連坐的監視社會。搭配中國企業任意將客戶資料用於非授權的領域，包括《華爾街日報》、《紐約時報》等西方媒體，已紛紛表達中國「老大哥」之手伸過頭的憂心。
挑戰：防系統偏見
可模擬情境、供開放查詢
在不可逆的大趨勢下，該如何避免整個世界往錯的方向發展？美國已有包括普林斯頓大學、卡內基美隆大學和麻省理工學院，用軟體偽裝成男性、女性、富人、窮人、精神障礙人士，測試這些人在各網站上遭受的不同對待，一一揪出各數位評分系統的偏見。沈大白預測，電腦病毒問世，就出現防毒軟體，未來也可能出現反制被貼數位標籤的服務。
暢銷書《大數據的傲慢與偏見》作者凱西．歐尼爾（Cathy O'Neil），曾是華爾街的量化分析師、並為新創公司開發評分模式。她主張，未來應該強制企業開放大眾查詢自己的數位信用分數，甚至還可能開發出App，讓人們可以模擬萬一當月手頭特別緊，遲繳電話費會扣幾分、如何影響未來貸款買車利率，據此做出個人決定。
「數據不會消失，電腦不會消失，數學更不會消失。」歐尼爾說，人們正日漸仰賴數據所建立的預測模型。信用分數的時代已經來臨，了解如何建立你的信用分數，將是未來的新顯學。
參考資料:TVBShttps://news.tvbs.com.tw/politics/884805
Orignal From: 買保險、貸款都看它 數位徵信大浪來襲二
芝麻信用揭露評估標準，除了是否按時繳交貸款、卡費，還包括預訂旅館與計程車時是否依約現身，網路購物是否在期限內取貨付款，是否常換手機號碼。
還有一個重要參考指標：你的臉書、微信好友。也就是說，如果你臉書好友盡是些不良分子，那麼自己的分數肯定會被拖累。「因為物以類聚，」風險管理專家、東吳大學會計系教授沈大白分析，如果一個人的朋友，平常網路發言都談些風花雪月、賭博喝酒的事，常常在不良場所打卡，代表這很可能是他自己的特徵。
其實，依照個人教育背景、年齡、性別、婚姻狀態、地址進行貸款或保險的風險評估，早行之有年，在美國也有銀行業共享的徵信資料平台，在台灣則有聯徵中心。但新興國家尚未建立這類徵信平台，評估個人信用的難度極高。讓數位信用分數得以快速崛起，成了替代方案。
根據世界銀行（World Bank）統計，中低收入國家中，每10個人只有不到1人擁有信用紀錄。中國的狀況稍微好一些，《中國銀行業產業發展藍皮書》顯示，截至去年8月底為止，在人民銀行登錄有案的9億3千萬人中，只有不到一半人有信用紀錄，遠遜於已開發國家的9成水準。
「未來能評的項目、分數，只會越來越多！」沈大白說，在龐大商業利益的推動下，採用數位信用分數，已經是無法扭轉的大趨勢。
缺點：有統計誤差
一旦出錯，標籤難以擺脫
好處是，如果數位信用分數機制能發展得更完善，線上借貸平台鄉民貸執行長黃智康分析，可讓信用評分更精準，例如讓信用好的人，偶爾忘記繳卡費時，不用繳交鉅額循環利息；讓信用好、行為謹慎的人，可因個人特質而享受特別低的貸款利率與保費，而不是被粗糙的跟類似社經地位的人劃為一類。
但這麼做，卻也可能出現問題：統計誤差。
目前，有越來越多網站採用人工智慧（AI），讓機器自己找出信用給分規則。Google前資訊長梅瑞爾（Douglas Merrill）離職後創立了以AI評信用分數的公司ZestFinance，他大膽預測，到了2030年，AI就能完全取代人類進行核貸工作。然而，透過AI學習出來的規則，卻像個黑盒子，往往連開發者也搞不清背後邏輯是什麼，一旦規則出錯，未來將更難發現，被冤枉的使用者恐投訴無門。
「給人打分數不像下棋，」沈大白說，AI下圍棋很厲害，但為人打分數一旦犯錯，後果很可怕。而且，縱使數位評分資料無誤、公式正確，這樣的給分模型卻忽略了：人是會變的。一個信用差的人可能正在洗心革面，卻因被貼上了難以擺脫的數位標籤，被剝奪奮發向上的空間。
中國國家發改委在今年一月下旬發布的數據顯示，近幾年透過信用分數防堵機制，已經阻擋了842萬人次購買機票、327萬人次買高鐵車票，因此讓109萬人乖乖的履行義務、好從黑名單中移除。
《連線》（Wired）今年1月號雜誌，以封面故事介紹中國興起的信用社會，一不小心恐變成由政府撒下天羅地網，形成全民連坐的監視社會。搭配中國企業任意將客戶資料用於非授權的領域，包括《華爾街日報》、《紐約時報》等西方媒體，已紛紛表達中國「老大哥」之手伸過頭的憂心。
挑戰：防系統偏見
可模擬情境、供開放查詢
在不可逆的大趨勢下，該如何避免整個世界往錯的方向發展？美國已有包括普林斯頓大學、卡內基美隆大學和麻省理工學院，用軟體偽裝成男性、女性、富人、窮人、精神障礙人士，測試這些人在各網站上遭受的不同對待，一一揪出各數位評分系統的偏見。沈大白預測，電腦病毒問世，就出現防毒軟體，未來也可能出現反制被貼數位標籤的服務。
暢銷書《大數據的傲慢與偏見》作者凱西．歐尼爾（Cathy O'Neil），曾是華爾街的量化分析師、並為新創公司開發評分模式。她主張，未來應該強制企業開放大眾查詢自己的數位信用分數，甚至還可能開發出App，讓人們可以模擬萬一當月手頭特別緊，遲繳電話費會扣幾分、如何影響未來貸款買車利率，據此做出個人決定。
「數據不會消失，電腦不會消失，數學更不會消失。」歐尼爾說，人們正日漸仰賴數據所建立的預測模型。信用分數的時代已經來臨，了解如何建立你的信用分數，將是未來的新顯學。
參考資料:TVBShttps://news.tvbs.com.tw/politics/884805
Orignal From: 買保險、貸款都看它 數位徵信大浪來襲二
留言
張貼留言