獲客成本、徵信數據成本，一直是國內眾多普惠金融疾行軍一塊隱性的、數目不低的成本。監管方面一直希望貸款類機構能真正踐行小額、分散的普惠金融之路，然而，如果放款機構的人均借款額只能維持在區區幾千元的水準線、貸款定價還不能過高，此外放款機構還要負擔數千萬級借款人、人均數十元的徵信查詢成本，對於本身以盈利為目的的商業機構來說，負擔並不算小。本系列的文章也嘗試著從外部數據的徵信費用談起，也跟大家介紹下目前外部數據徵信的的使用情況。
數據徵信成本已經成為成為一家公司重大的費用支出，我們先看一份筆者之前從事過的一個現金貸的業務，也是在當時剛起步的項目，因為剛起步所以接入的數據源不多，那自然所用的費用也不多，也算是在該項目的所有的流程中最便宜的一次費用了:
從上面的數據，可以看出來，一個客戶所有全查到數據的情況下，所花費的費用是九塊五。九塊五是什麼概念，是非常便宜的數據費用。因為在正常的線上貸款公司而言，需要核查一家公司從線上到獲客有效的整條產業鏈中，需要花費的費用大概就是20-50元的範圍。
據筆者瞭解到，單單徵信成本就佔到整個金融公司的2%-5%的費用支出。徵信成本太高，加上公司本來固定的運營成本、資金成本、人力成本各種亂七八糟的費用，一個產品的利息不達到24%以上，更有一些短期現金貸公司直到36%或以上，才能盈利，否則根本不賺錢了。
也基於這樣的業務的邏輯催生出那麼多的高利率的產品。徵信成本太高了，也是目前整個行業的通病。
目前也因為徵信成本過高，長期居高不下，每家公司在競爭角力上也一直在考慮如何優化相關的徵信費用，畢竟利潤已經有限，優化徵信成本已經是必須要調整的內容。
想了解如何優化目前的數據源，進一步思考，追源溯本，就該深入瞭解目前所用能用的數據。只有對比完相關的數據源才能瞭解這些數據是否屬於同質性的數據，源頭的數據是否雷同或者相似，是否互相能取代，只有一個一個地瞭解熟悉，才能知道哪些可以交互和取代。
從今天開始的系列開始，我們將會對這些外部徵信數據源，進行分析：
本系列的文章將分為幾個部分為各位讀者梳理目前市面上，常見的數據源，我們先從最常用的幾個數據源開始梳理：
TongDun
TongDun的數據無疑是目前市面上最能查到最全面的數據源了，因為他們家做數據產品相對較早。所以數據覆蓋率，在所有的數據廠家中最高的。但查得率是一回事，準確率是另外一回事。因為目前很多三方數據，其實都是無法考究真實性的。
央行徵信數據，權威、真實、合規，這些都是三方數據都無法比擬的，難怪說實名上的數據之分兩種，一種是央行徵信數據，另一種就是第三方，無論第三方徵信數據裡的第三方有多大。
比如對於銀行的大部分客群而言，銀行間只查詢銀行間的數據，很少或者較少會查詢非銀機構的數據情況。因為非銀機構的數據如何考究真偽就是個很重要的問題。但也不是每一家銀行對待三方數據的角度都一樣。從數據的參考來看，有些冒進些的銀行會加大對第三方數據的使用，但也僅僅是對方必須也同樣是持牌，受監管的單位。
相對地，非銀機構也是類似。一位客戶之前在小貸中申請過產品，在銀行間的數據中是非常好的客戶標籤，但是等到去非銀機構的時候，去發現該客戶的借款行為已經是強蒼百孔。
回到tongdun的徵信數據本身，其徵信接口是通過身份證和手機號碼所對應的內容，便能反饋到具體用戶的風險情況了，詳情如下：
再介紹以上相關的數據維度的之前，我們先介紹一個權重分的概念。
權重分
目前世面上所涉及到規則的使用情況，對於某些規則比如命中多頭或者黑名單類的強規則，我們一般不會一條規則名字就直接拒絕，一般會將每條規則賦予一個權重分。
同樣的，如果權重分的累加大於某個值之後，才會真正去拒絕該客戶，那權重分該怎麼賦分？
如果一般有貸後數據的就參考貸後數據，這個之前在我們的文章有提及（傳送門：重磅分享--基於違約概率跟odds的經驗評分），而如果是新產品或者新的業務，沒有具體的數據，就參考業內的方法，比如我們以身份證命中規則，整理彙總，情況如下：
身份證負面情況:
1.在強規則中第一梯隊的規則，其權重佔比也最高：
身份證格式校驗錯誤
身份格式有誤是在所有規則中權重排序最高的規則，因為格式有誤證明該身份證持有人身份無法識別，證明該身份證信息連信息都無法查找，所以需要重新拒絕進件。
身份證命中欠款公司法人代表名單
欠款法人有重大負債，已經無法再繼續經營項目，其他幾條在這裡的權重排位大致相同，就不明細
2.再繼續分析第二梯隊的身份證信息數據
存在欠費信息而且沒有嘗還，所以也跟第1級想類似，當然稍對比對應的權重仍弱於第一梯隊的規則
3.第三梯隊，涉及到較高風險，所以也是算較高風險的客群
4.較低風險的客群,對應如下：
這裡的得分情況為稍微最低，因為最低的得分不太有相關的金融屬性，所以所佔權重比相對較低
在梳理相關的權重的時候，我們能按照這樣的邏輯思路梳理：
身份證>手機號碼>其他聯繫方式>聯繫人>測試數據
下面再展開的這些項，大概也是按照這樣的方式進行梳理，請看——
二.我們繼續分析手機號跟其他內容的信息如下,手機號負面:
三.座機/QQ號/郵箱負面
四.其他類負面
五.關聯信息:
六.聯繫人近親黑名單
七.聯繫人一般身份黑名單
八.其他類風險：
九.多次申請風險：
十.申請人關聯信息過多：
十一. 測試類與預先埋伏類：
最後關於這份數據，會上傳到知識星球上，請有需要的學習的同學自行下載這份最全面的數據，謝謝。
微信公眾號&知識星球：番茄風控大數據
閱讀更多 番茄風控大數據 的文章
