實(shí)際上所有這些問(wèn)題，最后都會(huì)歸結(jié)為幾個(gè)不同的方面。在這里，我可以簡(jiǎn)單地介紹一下建立幾個(gè)好的模型的步驟：獲得數(shù)據(jù)之后，第一步是原始清洗——基于技術(shù)數(shù)據(jù)；第二步是變量選??；第三步變量整合，第四步單一模型的建立；第五步，五多模型建立。每一步中都有許多細(xì)節(jié)的工作需要完成。
如果今天市場(chǎng)上有100家征信公司，那我可以肯定的說(shuō)——100家號(hào)稱(chēng)自己做征信的公司中，80家是依靠于自己的特殊資源在做簡(jiǎn)單的數(shù)據(jù)販賣(mài)的工作，通過(guò)自己獨(dú)特的渠道獲得獨(dú)特的數(shù)據(jù)，而些依托于自己本身特有場(chǎng)景所產(chǎn)生的數(shù)據(jù)源變成了目前市場(chǎng)上成為絕對(duì)主力的征信公司。真正依托技術(shù)做征信的公司實(shí)際上并沒(méi)有那么多。
而在我們看來(lái)，真正的征信公司不僅僅是能夠產(chǎn)出原始底層數(shù)據(jù)，關(guān)鍵是應(yīng)該根據(jù)原始數(shù)據(jù)所帶有的特質(zhì)進(jìn)行量化提純工作，并且最終這些可以體現(xiàn)在信用決策上。真正能完成這些的公司并不多，去掉那些販賣(mài)數(shù)據(jù)的公司，現(xiàn)在征信公司剩下20%都不到。
而在這20%的公司當(dāng)中，實(shí)際上又有很多公司并不是真正的我們意義上的第三方征信平臺(tái)。實(shí)際上他們都是依托于自己本身所擁有的借貸環(huán)境——一方面在通過(guò)放貸積累數(shù)據(jù)，另一方面通過(guò)自己的建模工作同時(shí)提供征信。這樣的商業(yè)模式并沒(méi)有問(wèn)題，但是從某種角度來(lái)講，這樣的公司即扮演運(yùn)動(dòng)員的角色又扮演裁判的角色，但是在今后中國(guó)的征信市場(chǎng)如何看待這樣以借貸起來(lái)的征信公司，我想還是會(huì)有比較長(zhǎng)時(shí)間的爭(zhēng)論。
很多人都會(huì)問(wèn)，一個(gè)技術(shù)起家的公司，在數(shù)據(jù)清洗方面到底有什么地方能跟其他公司做得不一樣的。這一點(diǎn)上，我想分享一個(gè)有意思的應(yīng)用場(chǎng)景，做機(jī)器學(xué)習(xí)，我們可以把幾乎所有的場(chǎng)景變成兩個(gè)類(lèi)別Supervised learning（監(jiān)督學(xué)習(xí) ） 和Unsupervised learning（無(wú)監(jiān)督學(xué)習(xí)）。在這兩個(gè)場(chǎng)景場(chǎng)景當(dāng)中，當(dāng)我們?cè)谶M(jìn)行無(wú)監(jiān)督學(xué)習(xí)的時(shí)候，我們并不需要一個(gè)人還貸記錄這樣的好壞標(biāo)簽，我們可以通過(guò)一些其他的變量，來(lái)判別和進(jìn)行大的類(lèi)別的劃分。而監(jiān)督學(xué)習(xí)或者分類(lèi)過(guò)程中，我們應(yīng)該讓一開(kāi)始機(jī)器先找到一部分找到好壞標(biāo)簽新進(jìn)行學(xué)習(xí)，然后再對(duì)新進(jìn)人群進(jìn)行判斷。