不少互金机构在信贷审批时，需要用户授权运营商信息，通过爬虫服务获取用户的通话记录和账单数据。这些运营商爬虫服务公司在累计了大量数据之后，结合各种渠道的电话号码黑名单就可以对电话号码的风险进行预测，算法的基本思想比较简单，即“近朱者赤，近墨者黑”。
5. 基于其他行为习惯
如果一个借款人经常浏览..、..相关论坛、下载了很多借贷类APP，那么这个借款人的违约风险一定是非常高的。因此，用户特定的网页浏览、APP下载、网络检索等行为，也可以帮助金融机构预测违约风险。
手机厂商、互联网巨头都有足够的数据可以提取相应的标签，然而，大多数用户都是非实名认证的，如何将非实名用户和借款申请人匹配上是一个比较大的挑战。
结语
最后，需要指出的是，上文提及的个人信用服务的几个主要数据来源都是和个人信息强相关的。目前我国还缺少个人信息保护相关的法律顶层设计，《个人信息保护法》尚在制定中，对个人信息采集和使用的边界和监管尺度还不够明确。笔者曾经和一家主流手机供应商的朋友有过交流，发现该公司具有较强的法律合规意识，用户的明细数据是一概不允许出公司数据中心的。苏宁金融则拥有自己的支付牌照，这样外部数据公司就无法获得用户使用任性贷等业务的信息，在最大程度上保护了用户隐私。相信，随着法律和监管的完善，个人信用服务行业也会越来越规范。
来源：苏宁财富资讯；作者：苏宁金融研究院数据风控实验室首席研究员 倪伟渊
