「传统银行做模型开发，经常用到逻辑回归和统计学理论，据此产生征信能力，这相当于是火力发电，当技术能力变强时，就是核电，而京东投资 Zestfinance 的未来憧憬是：用海水发电。」

京东消费金融高级总监许凌如此比喻大数据公司 Zestfinance 在征信体系中的作用。

这意味着，除了我们的收入情况，还款情况之外，我们在京东商城中的购买行为的流程，浏览轨迹等看似不相关的因素，都会被纳入到一个信用模型中，成为判断我们信用程度的变量之一。

听上去有点不可思议。但在上周五，京东宣布战略投资宣布投资美国基于机器学习算法的大数据分析公司 ZestFinance，双方同时还宣布成立名为 JD-ZestFinance Gaia 的合资公司。根据公布的新闻稿， ZestFinance 的信用模型将率先应用于京东金融的消费金融体系。

通过一千个变量预测你的信用

ZestFinance 在国内可能还比较陌生，这家大数据公司由谷歌的前工程部副总裁 Douglas Merrill 和 Capital One 的前信贷部高级主管 Shawn Budde 等人创立，在 ZestFinance 公司的官网介绍中可以看到，与传统的方式不同，ZestFinance 主要运用机器学习和大数据分析来分析上千个潜在的信用变量，为难以获得传统金融服务 （Underbanked）的个人创造可用的信用，降低他们的借贷成本。在风险控制方面， ZestFinance的模型相比于传统信用评估模型性能提高了40%。

对于 ZestFinance 的数据模型，出身传统风控领域的许凌坦言，一开始是持怀疑态度的。

「我在想为什么他们这个东西真的可靠，所以我们就去了他们公司。去完以后，我们没有做一个定性的结论，我们把它的模型带回来，和它的团队变成一个合作的项目组，拿我们的数据，和他们的技术一起做新的模型开发。将开发出来新的模型在我们的实际业务——京东白条上试行。最终我们发现这个技术是可行的，而且这种技术是代表未来的。」

他进一步解释道，在传统银行的风控领域中，使用到的变量是强逻辑变量，比如根据目前的消费情况和还款能力来判断未来的还款能力，而在大数据的模型中，很多弱关系的变量也会应用其中。

比如，我们是先根据优惠券买商品还是先选商品再找优惠券，又比如，我们为了买一个电磁炉，逛了几个小时的网上商城等，这些数据都会变得有意义。

「这些离散的，社交化的数据意味着海水发电，有源源不断的能源。」

如何利用征信体系做更多的事儿

目前，京东的消费金融体系下，不仅有京东白条，还有校园白条，旅游白条，租房白条，首付白条，农村金融，京东金采，京东钢镚等产品。