先生，办一张我们健身会所的年卡么?全家都能用哦”
“小姐，办一张我们理发店的白金卡么?全部项目3折优惠哦”
相信大家都有类似被商家“忽悠”购买预付费储值卡的经历。一般而言，这类预付卡都会附加诸多优惠及赠品，以吸引顾客提前充值。然而，面对如此“诱惑”，大多数“见多识广”的消费者都会斟酌再三。而其中最主要的原因是——
“这家店会不会突然就关门走人了?”
近年来，各种充值预付卡商家卷款跑路的新闻屡见报端，留下一众一脸懵逼的顾客扬长而去。他们损失少则几百多则几万，而且基本无法追回。
究其原因，其中固然有这些黑心老板不讲诚信的个人因素，但更多的则要归因于我国社会征信体系的制度缺失，让这些人有恃无恐。这些老板在一个地方跑路后，很有可能3个月后换一个城市“重操旧业”，俨然一副靠着坑蒙拐骗来发家致富的态势。
在国外，每个人都拥有一个信用评级公司FICO给出的评分，这个分数对个人办理信用卡、房贷、车贷等涉及社会信用的行为直接产生影响，因此，国外的信用违约成本极高。
试想一下，若社会征信体系足够完善的话，这些老板在另一个地方，根本不能再进行工商注册了，他的银行账号也用不了，他的“好事”也会人尽皆知，相关的执法部门也会找上门来。更有可能的是，他根本无法顺利离开他想跑路的城市。
这一切的实现，看似不容易，看似很遥远，但随着移动网络与大数据技术的不断成熟与完善，已经有越来越多的技术与方法，实现高精确度的人物信用肖像描绘。而柏科数据的个人消费信用评级系统，正是一种通过与电信运营商合作，综合被评测人的语音、短信、上网、位置、人际网络等数据所打造的大数据征信解决方案。
这一解决方案基于社会行为的大规模深度学习。主要使用用户基础信息、业务特征、消费信息、互联网使用偏好、位置轨迹等数据，同时结合合作伙伴的非通信类金融数据，如信贷类数据、学历教育、公检法数据等。首先针对社会行为构建数学模型，并将其转换成一些潜在的有效特征属性。之后通过这些属性，利用机器学习技术进行高维特征的降维、选择、合成来预测用户的信用得分，并分级划当。为客户提供多维度身份认证、交往圈验证、手机终端认证、信控评分等服务。
模型主要影响因素：
消费系数：基于运营商用户的消费类指标数据(月消费额、套餐资费、增值业务消费额等)进行消费能力评级
稳定系数：基于运营商用户的入网时间，是否集团客户，宽带订购等情对用户的稳定程度进行评级
风险系数：基于用户历史话费欠款情况，关机习惯，是否有频繁的澳门或法院来电等综合评定客户的金融风险指数
漫游系数：评价运营商用户的漫游地经济状况及频次判断用户消费水平，或是是否有异常活动区域来识别潜在风险
上网系数：通过运营商用户平时上网的浏览记录、搜索关键词等来判断用户行业、用户属性等。
交往系数：通信关系网络由用户间通信行为的交互生成，通过用户间的通信行为，即可识别该用户的关系圈(朋友圈，同事圈，家人圈)，及关系圈内的重要人物。
通讯监控模型：通过监控用户的通讯情况，关系网络变化，识别潜在风险(如：通话时长的急剧增减、联系关系范围的突然缩小、朋友圈变化、关机频率等来识别潜在风险)
通过一系列完善的数据模型计算，柏科个人消费应用评级解决方案可以清晰描绘出每一个用户的信用肖像，为商业伙伴提供多维度数据联合建模服务，在保护用户隐私的前提下，为合作单位提供有效的信用评估、风险管理等服务，帮助合作机构完善个人信用服务体系，同时起到防欺诈、降低坏账率、降低成本等作用，提升企业的核心竞争力。适用于互联网金融、银行、婚恋、租房、招聘等广泛的商业场景。
柏科将继续把大数据的应用，落地于征信体系的开拓与完善。希望终有一天，个人信用能够真正变为国人的第二身份证，让有信者走遍天下，无信者寸步难行。
