(a) 신용 등급을 넓히는 기술 채널은 정확한 등급을 달성하는 데 도움이 된다.
우선, 인터넷 징신은 기술적 수단에서 전통적인 징신 모델의 발전이다. 빅 데이터와 인터넷 기술의 급속한 발전을 바탕으로 인터넷 징신은 전통적인 신용 등급의 기술 채널을 넓혔다. 전통적인 신용 등급은 대부분 일정한 수학 모델을 기초로 한다. 개인이나 기업의 위약률과 기타 관찰 변수의 상관관계를 고찰하는 기초 위에서 역사적 데이터를 근거로 위약률과 신용등급 간의 관계를 확정하였다. 마지막으로 피등급자에 대한 조사를 통해 피등급자의 위약률을 대략적으로 대표할 수 있는 신용등급을 제시했다.
(b) 신용 등급의 데이터 출처를 풍부하게 하여 등급이 더욱 사실적으로 되는 데 도움이 된다.
전통적인 등급 방법은 기술적 수단 외에 몇 가지 한계가 있다. 첫째, 과거 데이터를 기준으로 미래 데이터를 예측하는 것은 필요하지만 과거 데이터를 기준으로 미래 데이터를 예측하는 데는 불확실성이 있습니다. 둘째, 개인이나 기업의 재무 데이터에만 의존해 분석할 수 있다. 개인이나 기업을 평가할 때, 차원이 상대적으로 단일하여, 전면적인 입체적인 등급을 받을 수 없다. 그리고 대부분의 경우 재무 데이터가 더 쉽게 변조되고 상호 검증을 위한 다른 데이터가 부족하여 등급의 신뢰성을 떨어뜨릴 수 있습니다. 인터넷 등급은 이러한 단점을 크게 피할 수 있다. 첫째, 인터넷 징신이 포괄하는 데이터 범위는 더욱 넓어지고, 등급에 사용되는 데이터는 금융 데이터, 지불 데이터, 거래 데이터 등 기존 금융 기관의 내부 데이터뿐만 아니라 사회 데이터, 구매 기록, 평가 기록 등 비금융 기관의 외부 데이터도 더욱 포괄적이고 정확하게 개인을 묘사하는 데 도움이 됩니다. 둘째, 인터넷 정보 사용 빈도가 더 높고, 인터넷 정보 수집 빈도는 실시간이며, 개인의 모든 거래나 소셜콘텐츠를 기록하기 때문에 인터넷 정보 등급이 실시간으로 조정될 수 있다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 인터넷명언) 인터넷 정보 뒤에는 대량의 거래 데이터가 있어 데이터 간의 상호 검증을 지속적으로 수행하여 등급 결과의 신뢰성을 높일 수 있습니다.
(3) 신용등급을 풍부하게 하는 경영 주체는 시장 경쟁을 강화하는 데 유리하다.
중앙은행의 최신 통지에 따르면 중앙은행이 8 개 회사의 개인 신용 정보 업무에 접근할 수 있도록 허가를 받았다는 것은 8 개 신용 정보 회사가 개인 신용 등급을 합법적으로 실시하는 데 필요한 법적 기반을 마련하고 개인 신용 등급 개발을 위한 확고한 법적 보장을 제공합니다.
부족한 점
(a) 데이터 품질을 향상시켜야합니다.
인터넷 징신의 초석은 방대한 양의 데이터를 가지고 있으며, 대량의 데이터를 통해 적절한 데이터를 선별할 수 있다는 것이다. 그러나, 인터넷 회사가 장악하고 있는 데이터의 품질에는 여전히 중대한 결함이 있다. 첫째, 인터넷 회사는 개인의 민감한 정보를 수집할 수 없습니다. 법적으로 개인의 지불 기록, 예금 등과 같은 제한 구역이 있습니다. 이러한 민감한 정보는 개인 정보 결과에 영향을 미치는 중요한 요소입니다. 둘째, 인터넷 회사의 데이터 축적이 너무 짧아 데이터 폭이 길지만 깊이가 부족하다. 모든 모델은 일정 기간 동안 지속적으로 검증 및 오류를 테스트해야 합니다. 인터넷 정보 측면에서 누적 기간은 요구 사항을 충족시키지 못하기 때문에 인터넷 회사의 신용 결과는 설득력이 없을 수 있습니다.
(b) 인터넷 신용 모델의 신뢰성을 테스트해야 한다.
데이터 문제를 해결하기 위해서는 모델의 안정성 문제도 해결해야 합니다. 모델의 신뢰성은 두 가지 측면에서 비롯됩니다. 첫째, 합리적인 모델을 결정하는 방법; 둘째, 합리적인 모델을 결정한 후 신용 주체와 신용 결과의 사용자가 어떻게 받아들일 수 있도록 할 것인가. 첫 번째 측면에서, 합리적인 모델을 결정하는 것은 매우 복잡하다. 모델의 성공은 모델 설계, 데이터 일치 및 적용 장면의 세 가지 요소에 따라 달라집니다. 빅 데이터 및 클라우드 컴퓨팅 기술의 덕택에 인터넷 정보 모델은 점점 더 복잡해지고 있습니다. 모델이 복잡할수록 이론적으로 징신 상황을 사실적으로 반영할 수 있다. 그러나 모델이 복잡할수록 데이터 품질이 높아집니다. 인터넷 회사는 모델 설계와 데이터 불일치 문제를 방지해야 한다. 또한 모델 설계 및 적용 장면의 일치 문제가 있을 수 있습니다. 다른 응용 프로그램 장면의 경우 모델이 복잡할수록 좋습니다. 장면을 적용하기 위해 모델을 지속적으로 설계해야 합니다.