das是什么意思

das是什么意思

来源:软件定义世界(SDX)

用浏览器看到全面内容产品概述

芝麻信用元素表是可配置使用的数据元素服务("元素"指代"变量"),从五大维度抽象用户信息,可用于各类模型和策略,方便机构更有效的从信贷审核、贷后管理方面评估用户的信用程度。详细的DAS元素名及其定义请参见《附表:芝麻信用元素表(DAS)列表及含义》

产品功能:

(1)产品接口固定,底层元素可无限扩展:商户不需要因为芝麻数据元素的增多而更改产品接口,只需在协议层面重新勾选新的元素后,DAS产品即可在现有的产品接口上将新的元素推送到商户端;

(2)元素输出分档:根据该元素在芝麻用户大盘上的分布和区分能力分档,可配合芝麻信用评分、IVS、行业关注名单形成全面的组合信审策略。这一点可以满足商户特别是金融类商户 对客户画像和特征刻画需求。

(3)DAS 产品总共包含70个元素,按照芝麻信用评分维度(一级分类)和DAS元素类别(二级分类)分类如下:

芝麻分维度

DAS 元素类别

元素数量

身份特质

就业类信息

2

稳定性指标

4

行为偏好

消费行为

12

履约能力

固定资产

2

流动资产

9

流水数据

10

信用历史

信用查询数据

3

信用还款历史

8

逾期历史

17

人脉关系

人脉指标

3

总计

70

接口定义:

输入

说明

姓名

必填

身份证号码

必填

扩展参数

选填,例如手机号码

返回信息

商户的合约DAS元素

最多可输出全部DAS元素

1. 返回“系统错误”表示查询异常,不计费。

2. 返回“[ ]”,即空结果,表示未查得此用户,不计费。

使用说明

芝麻信用元素表(DAS) 列表及含义

分段逻辑:综合考虑DAS 元素在全量芝麻用户上的数值分布对好坏用户的区分度将其进行分段,最多分十五段。分段序号 01-15代表元素数值由小到大的排列顺序。

  • 芝麻信用评分维度:身份特质
  • DAS元素类别:就业类信息

DAS元素名

DAS元素含义

元素分段

所在公司

所在公司(标明模型预测或外部数据),输出公司名字

字符型,

不分段

职业类型

综合职业(标明模型预测或外部数据),主要是白领、蓝领、大学生、公务员等

字符型,

不分段

  • 芝麻信用评分维度:身份特质
  • DAS元素类别:稳定性指标

DAS元素名

DAS元素含义

元素分段

最近一年的月电商平台消费水平的持续性、稳定性水平

10

最近一年使用手机号码数

5

手机号稳定天数,根据手机号在最近半年是否在用,如果在用,则计算绑定的天数,如果没有用,则不计算

10

收货地址稳定天数,最近一年使用最多的收货地址,从第一次使用到统计日期的天数

10

  • 芝麻信用评分维度:行为偏好
  • DAS元素类别:消费行为

DAS元素名

DAS元素含义

元素分段

消费区域个数,通过最近一年使用的收货地址对应的县级单位的个数来进行评估

10

最近1年在相关细分业务场景的活跃情况,具体业务场景包括:支付、转账、缴费、充值、发红包、AA收款、定机票、购买火车票等

10

最近一年母婴类目消费总金额(单位:元),来源于电商平台信息

15

最近一年母婴类目消费总笔数,来源于电商平台信息

10

最近一年游戏类目消费总金额(单位:元),来源于电商平台信息

15

最近一年游戏类目消费总笔数,来源于电商平台信息

10

最近三个月家具建材类目消费总金额(单位:元),来源于电商平台信息

15

最近三个月家具建材类目消费总笔数,来源于电商平台信息

10

最近一年汽车类目消费总金额(单位:元),来源于电商平台信息

15

最近一年汽车类目消费总笔数,来源于电商平台信息

10

最近一年航旅度假类目消费总金额(单位:元),来源于电商平台信息

15

最近一年航旅度假类目消费总笔数,来源于电商平台信息

10

  • 芝麻信用评分维度:履约能力
  • DAS元素类别:固定资产

DAS元素名

DAS元素含义

元素分段

03代表确定有车(根据官方数据源判断),其他的由模型预测,02代表模型判定有车,01表示模型判定无车概率较高

3

03代表确定有房(根据官方数据源判断),其他的由模型预测,02代表模型判定自有住房,01表示模型判定无房概率较高

3

  • 芝麻信用评分维度:履约能力
  • DAS元素类别:流动资产

DAS元素名

DAS元素含义

元素分段

最近一个月账户余额类资产日均值(单位:元),通过支付宝余额、招财宝、基金等最近一个月综合日均金额求和获取

15

最近三个月账户余额类资产日均值(单位:元),通过支付宝余额、招财宝、基金等最近三个月综合日均金额求和获取

15

最近六个月账户余额类资产日均值(单位:元),通过支付宝余额、招财宝、基金等最近六个月综合日均金额求和获取

15

最近一年账户余额类资产日均值(单位:元),通过支付宝余额、招财宝、基金等最近一年综合日均金额求和获取

15

最近一个月理财产品总收益(单位:元),来源余额宝、招财宝、基金等投资产品收益

15

最近三个月理财产品总收益(单位:元),来源余额宝、招财宝、基金等投资产品收益

15

最近六个月理财产品总收益(单位:元),来源余额宝、招财宝、基金等投资产品收益

15

最近一年理财产品总收益(单位:元),来源余额宝、招财宝、基金等投资产品收益

15

历史理财产品总收益(单位:元),来源余额宝、招财宝、基金等投资产品收益

15

  • 芝麻信用评分维度:履约能力
  • DAS元素类别:流水数据

DAS元素名

DAS元素含义

元素分段

用户最近一个月份支付总金额(单位:元),从账单中获取(包含转账,消费,公共事业缴费等)

15

用户最近三个月份支付总金额(单位:元),从账单中获取(包含转账,消费,公共事业缴费)

15

用户最近六个月份支付总金额(单位:元),从账单中获取(包含转账,消费,公共事业缴费等)

15

用户最近一个月份消费总金额(单位:元),从账单中获取(包含线下扫码支付、电商平台消费、网络约车支付等场景)

15

用户最近三个月份消费总金额(单位:元),从账单中获取(包含线下扫码支付、电商平台消费、网络约车支付等场景)

15

用户最近六个月份消费总金额(单位:元),从账单中获取(包含线下扫码支付、电商平台消费、网络约车支付等场景)

15

最近一年月均水电煤缴费总金额(单位:元)

10

最近一年运营商手机充值总笔数,包括 淘宝、支付宝、其他平台手机充值总笔数

10

最近一年手机充值总金额(元),包括 淘宝、支付宝、其他平台手机充值总金额

10

根据近一年的电商平台消费总金额、类目等推断整体消费档次并分层

10

  • 芝麻信用评分维度:信用历史
  • DAS元素类别:信用查询数据

DAS元素名

DAS元素含义

元素分段

最近一个月授权金融机构数

5

最近三个月授权金融机构数

5

最近六个月授权金融机构数

5

  • 芝麻信用评分维度:信用历史
  • DAS元素类别:信用还款历史

DAS元素名

DAS元素含义

元素分段

最近一个月本人信贷类产品还款总金额(单位:元),来源于信用卡,花呗,借呗,金融类机构还款信息

10

最近三个月本人信贷类产品还款总金额(单位:元),来源于信用卡,花呗,借呗,金融类机构还款信息

10

最近六个月本人信贷类产品还款总金额(单位:元),来源于信用卡,花呗,借呗,金融类机构还款信息

10

最近一年本人信贷类产品还款总金额(单位:元),来源于信用卡,花呗,借呗,金融类机构还款信息

10

信贷类产品还款最近一年还款月份数,来源于信用卡,花呗,借呗,金融类机构还款信息

10

信贷类产品还款历史月份数,来源于信用卡,花呗,借呗,金融类机构还款信息

10

信用账户历史时长天数

信用账户历史时长(单位:天),以芝麻能跟踪到的本人最早开始使用借贷类授信产品时间作为信用账户的开始时间,这个开始时间截至统计日期的天数,作为信用账户历史时长

10

最近一年履约场景个数,履约场景主要指借贷、免押服务等

10

  • 芝麻信用评分维度:信用历史
  • DAS元素类别:逾期历史

DAS元素名

DAS元素含义

元素分段

最近一个月逾期总笔数,来源于金融借贷、免押服务等场景

10

最近一个月逾期总金额(单位:元),来源于金融借贷、免押服务等场景

15

最近三个月逾期总笔数,来源于金融借贷、免押服务等场景

10

最近三个月逾期总金额(单位:元),来源于金融借贷、免押服务等场景

15

最近六个月逾期总笔数,来源于金融借贷、免押服务等场景

10

最近六个月逾期总金额(单位:元)来源于金融借贷、免押服务等场景

15

最近一年逾期总笔数,来源于金融借贷、免押服务等场景

10

最近一年逾期总金额(单位:元),来源于金融借贷、免押服务等场景

15

最近三个月 M1 状态

最近三个月是否出现 M1 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近六个月 M1 状态

最近六个月是否出现 M1 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近一年 M1 状态

最近一年是否出现 M1 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近一年 M3 状态

最近一年是否出现 M3 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近一年 M6 状态

最近一年是否出现 M6 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近两年 M3 状态

最近两年是否出现 M3 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近两年 M6 状态

最近两年是否出现 M6 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近五年 M3 状态

最近五年是否出现 M3 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

最近五年 M6 状态

最近五年是否出现 M6 逾期的状态,来源于金融借贷、免押服务等场景

Y/N

  • 芝麻信用评分维度:人脉关系
  • DAS元素类别:人脉指标

DAS元素名

DAS元素含义

元素分段

根据联系人个数,关系紧密程度,关系持续时长,关系结构稳定度等,通过模型判断人脉圈的稳定程度,分段结果数值越大越稳定

10

社交影响力指数

根据资金往来关系,按照影响力算法推断的用户的社会交往及社会关系的影响能力指数

10

基于社交关系模型计算亲密关系人的芝麻分的平均分。

10

授权要求

需要授权,即需要对接芝麻信用相关授权接口。

技术文档

您当前使用的产品需要使用api调用才能获得服务,关于该产品的使用的使用方法和使用接口信息请点击如下的文档进行了解,请务必仔细阅读我们的文档,以方便您的接入

  • 芝麻信用DAS产品接口文档
附录1:分段说明

附表:芝麻信用元素表(DAS)分段明细

原由网原由网

含义

范围

等级

[0,0]

01

(0,0.46]

02

(0.46,0.56]

03

(0.56,0.65]

04

(0.65,0.73]

05

(0.73,0.82]

06

(0.82,0.93]

07

(0.93,1.08]

08

(1.08,1.32]

09

(1.32,∞)

10

缺失

#

(0,1]

01

(1,3]

02

(3,5]

03

(5,∞)

04

[0,0]

01

(0,270]

02

(270,540]

03

(540,720]

04

(720,900]

05

(900,1080]

06

(1080,1260]

07

(1260,1440]

08

(1440,1800]

09

(1800,∞)

10

[0,0]

01

(0,540]

02

(540,720]

03

(720,1080]

04

(1080,1260]

05

(1260,1440]

06

(1440,1800]

07

(1800,2160]

08

(2160,2520]

09

(2520,∞)

10

[0,0]

01

(0,1]

02

(1,2]

03

(2,3]

04

(3,4]

05

(4,5]

06

(5,6]

07

(6,7]

08

(7,10]

09

(10,∞)

10

[0,0]

01

(0,3]

02

(3,6]

03

(6,8]

04

(8,10]

05

(10,12]

06

(12,14]

07

(14,16]

08

(16,18]

09

(18,∞)

10

[0,0]

01

(0,100]

02

(100,500]

03

(500,1000]

04

(1000,1500]

05

(1500,2000]

06

(2000,2500]

07

(2500,3000]

08

(3000,4000]

09

(4000,5000]

10

(5000,6000]

11

(6000,8000]

12

(8000,10000]

13

(10000,12000]

14

(12000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,12]

07

(12,24]

08

(24,36]

09

(36,∞)

10

[0,0]

01

(0,100]

02

(100,500]

03

(500,1000]

04

(1000,1500]

05

(1500,2000]

06

(2000,2500]

07

(2500,3000]

08

(3000,4000]

09

(4000,5000]

10

(5000,6000]

11

(6000,8000]

12

(8000,10000]

13

(10000,12000]

14

(12000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2原由网,4]

04

(4,6]

05

(6,8]

06

(8,12]

07

(12,24]

08

(24,36]

09

(36,∞)

10

[0,0]

01

(0,100]

02

(100,500]

03

(500,1000]

04

(1000,1500]

05

(1500,2000]

06

(2000,2500]

07

(2500,3000]

08

(3000,4000]

09

(4000,5000]

10

(5000,6000]

11

(6000,8000]

12

(8000,10000]

13

(10000,12000]

14

(12000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,12]

07

(12,24]

08

(24,36]

09

(36,∞)

10

[0,0]

01

(0,100]

02

(100,500]

03

(500,1000]

04

(1000,1500]

05

(1500,2000]

06

(2000,2500]

07

(2500,3000]

08

(3000,4000]

09

(4000,5000]

10

(5000,6000]

11

(6000,8000]

12

(8000,10000]

13

(10000,12000]

14

(12000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,12]

07

(12,24]

08

(24,36]

09

(36,∞)

10

[0,0]

01

(0,100]

02

(100,500]

03

(500,1000]

04

(1000,1500]

05

(1500,200//www.58yuanyou.com0]

06

(2000,2500]

07

(2500,3000]

08

(3000,4000]

09

(4000,5000]

10

(5000,6000]

11

(6000,8000]

12

(8000,10000]

13

(10000,12000]

14

(12000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,12]

07

(12,24]

08

(24,36]

09

(36,∞)

10

01-模型判定无车概率较高

01

02-模型判定有车

02

03-肯定有车

03

01 -模型判定无房概率较高

01

02-模型判定自有住房

02

03-肯定有房

03

[0,0]

01

(0,15]

02

(15,55]

03

(55,150]

04

(150,400]

05

(400,1000]

06

(1000,2500]

07

(2500,6000]

08

(6000,18000]

09

(18000,30000]

10

(30000,45000]

11

(45000,60000]

12

(60000,80000]

13

(80000,100000]

14

(100000,∞)

15

[0,0]

01

(0,15]

02

(15,55]

03

(55,150]

04

(150,400]

05

(400,1000]

06

(1000,2500]

07

(2500,6000]

08

(6000,18000]

09

(18000,30000]

10

(30000,45000]

11

(45000,60000]

12

(60000,80000]

13

(80000,100000]

14

(100000,∞)

15

[0,0]

01

(0,15]

02

(15,55]

03

(55,150]

04

(150,400]

05

(400,1000]

06

(1000,2500]

07

(2500,6000]

08

(6000,18000]

09

(18000,30000]

10

(30000,45000]

11

(45000,60000]

12

(60000,80000]

13

(80000,100000]

14

(100000,∞)

15

[0,0]

01

(0,15]

02

(15,55]

03

(55,150]

04

(150,400]

05

(400,1000]

06

(1000,2500]

07

(2500,6000]

08

(6000,18000]

09

(18000,30000]

10

(30000,45000]

11

(45000,60000]

12

(60000,80000]

13

(80000,100000]

14

(100000,∞)

15

(-∞,0)

01

[0,0]

02

(0,1]

03

(1,5]

04

(5,10]

05

(10,20]

06

(20,30]

07

(30,40]

08

(40,60]

09

(60,100]

10

(100,150]

11

(150,200]

12

(200,300]

13

(300,400]

14

(400,∞)

15

(-∞,0)

01

[0,0]

02

(0,1]

03

(1,5]

04

(5,10]

05

(10,20]

06

(20,30]

07

(30,40]

08

(40,60]

09

(60,100]

10

(100,150]

11

(150,200]

12

(200,300]

13

(300,400]

14

(400,∞)

15

(-∞,0)

01

[0,0]

02

(0,1]

03

(1,5]

04

(5,10]

05

(10,25]

06

(25,50]

07

(50,75]

08

(75,100]

09

(100,200]

10

(200,300]

11

(300,500]

12

(500,750]

13

(750,1000]

14

(1000,∞)

15

(-∞,0)

01

[0,0]

02

(0,1]

03

(1,5]

04

(5,10]

05

(10,50]

06

(50,100]

07

(100,150]

08

(150,200]

09

(200,400]

10

(400,600]

11

(600,1000]

12

(1000,1500]

13

(1500,2000]

14

(2000,∞)

15

(-∞,0)

01

[0,0]

02

(0,1]

03

(1,10]

04

(10,100]

05

(100,500]

06

(500,1000]

07

(1000,1500]

08

(1500,2000]

09

(2000,2500]

10

(2500,3000]

11

(3000,3500]

12

(3500,4000]

13

(4000,5000]

14

(5000,∞)

15

[0,0]

01

(0,430]

02

(430,1000]

03

(1000,2000]

04

(2000,3500]

05

(3500,5500]

06

(5500,8800]

07

(8800,15000]

08

(15000,33000]

09

(33000,50000]

10

(50000,60000]

11

(60000,70000]

12

(70000,80000]

13

(80000,100000]

14

(100000,∞)

15

[0,0]

01

(0,2300]

02

(2300,4800]

03

(4800,8200]

04

(8200,13000]

05

(13000,20000]

06

(20000,30000]

07

(30000,49000]

08

(49000,96000]

09

(96000,150000]

10

(150000,180000]

11

(180000,210000]

12

(210000,240000]

13

(240000,300000]

14

(300000,∞)

15

[0,0]

01

(0,6100]

02

(6100,11000]

03

(11000,18000]

04

(18000,27000]

05

(27000,40000]

06

(40000,61000]

07

(61000,99000]

08

(99000,190000]

09

(190000,300000]

10

(300000,360000]

11

(360000,420000]

12

(420000,480000]

13

(480000,600000]

14

(600000,∞)

15

[0,0]

01

(0,120]

02

(120,340]

03

(340,600]

04

(600,900]

05

(900,1300]

06

(1300,1900]

07

(1900,2900]

08

(2900,5300]

09

(5300,10000]

10

(10000,15000]

11

(15000,22000]

12

(22000,30000]

13

(30000,40000]

14

(40000,∞)

15

[0,0]

01

(0,900]

02

(900,1600]

03

(1600,2400]

04

(2400,3400]

05

(3400,4600]

06

(4600,6400]

07

(6400,9000]

08

(9000,15000]

09

(15000,30000]

10

(30000,45000]

11

(45000,66000]

12

(66000,90000]

13

(90000,120000]

14

(120000,∞)

15

[0,0]

01

(0,1500]

02

(1500,3000]

03

(3000,5000]

04

(5000,7500]

05

(7500,10000]

06

(10000,13000]

07

(13000,18000]

08

(18000,30000]

09

(30000,60000]

10

(60000,90000]

11

(90000,132000]

12

(132000,180000]

13

(180000,240000]

14

(240000,∞)

15

[0,0]

01

(0,100]

02

(100,200]

03

(200,400]

04

(400,600]

05

(600,1000]

06

(1000,1500]

07

(1500,2000]

08

(2000,3000]

09

(3000,∞)

10

[0,0]

01

(0,150]

02

(150,400]

03

(400,700]

04

(700,1000]

05

(1000,1300]

06

(1300,1700]

07

(1700,2400]

08

(2400,3600]

09

(3600,∞)

10

[0,0]

01

(0,2]

02

(2,7]

03

(7,11]

04

(11,16]

05

(16,21]

06

(21,27]

07

(27,35]

08

(35,50]

09

(50,∞)

10

01

01

02

02

03

03

04

04

05

05

06

06

07

07

08

08

09

09

10

10

[0,0]

01

(0,1]

02

(1,3]

03

(3,7]

04

(7,∞)

05

[0,0]

01

(0,1]

02

(1,3]

03

(3,7]

04

(7,∞)

05

[0,0]

01

(0,1]

02

(1,3]

03

(3,7]

04

(7,∞)

05

[0,0]

01

(0,300]

02

(300,2000]

03

(2000,6600]

04

(6600,9000]

05

(9000,13000]

06

(13000,18000]

07

(18000,23000]

08

(23000,30000]

09

(30000,∞)

10

[0,0]

01

(0,2500]

02

(2500,7500]

03

(7500,20000]

04

(20000,27000]

05

(27000,39000]

06

(39000,54000]

07

(54000,69000]

08

(69000,90000]

09

(90000,∞)

10

[0,0]

01

(0,5500]

02

(5500,15000]

03

(15000,39000]

04

(39000,54000]

05

(54000,78000]

06

(78000,108000]

07

(108000,138000]

08

(138000,180000]

09

(180000,∞)

10

[0,0]

01

(0,10000]

02

(10000,28000]

03

(28000,71000]

04

(71000,108000]

05

(108000,156000]

06

(156000,216000]

07

(216000,276000]

08

(276000,360000]

09

(360000,∞)

10

[0,0]

01

(0,1]

02

(1,2]

03

(2,3]

04

(3,5]

05

(5,7]

06

(7,9]

07

(9,10]

08

(10,11]

09

(11,12]

10

[0,0]

01

(0,1]

02

(1,3]

03

(3,6]

04

(6,10]

05

(10,15]

06

(15,20]

07

(20,24]

08

(24,36]

09

(36,∞)

10

信用账户历史时常天数

[0,0]

01

(0,183]

02

(183,548]

03

(548,730]

04

(730,913]

05

(913,1095]

06

(1095,1278]

07

(1278,1460]

08

(1460,1643]

09

(1643,∞)

10

[0,0]

01

(0,1]

02

(1,2]

03

(2,3]

04

(3,4]

05

(4,5]

06

(5,6]

07

(6,8]

08

(8,10]

09

(10,∞)

10

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,10]

07

(10,12]

08

(12,15]

09

(15,∞)

10

[0,0]

01

(0,500]

02

(500,1000]

03

(1000,2000]

04

(2000,3000]

05

(3000,4000]

06

(4000,6000]

07

(6000,8000]

08

(8000,10000]

09

(10000,15000]

10

(15000,20000]

11

(20000,25000]

12

(25000,30000]

13

(30000,40000]

14

(40000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,10]

07

(10,12]

08

(12,15]

09

(15,∞)

10

[0,0]

01

(0,500]

02

(500,1000]

03

(1000,2000]

04

(2000,3000]

05

(3000,4000]

06

(4000,6000]

07

(6000,8000]

08

(8000,10000]

09

(10000,15000]

10

(15000,20000]

11

(20000,25000]

12

(25000,30000]

13

(30000,40000]

14

(40000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,10]

07

(10,12]

08

(12,15]

09

(15,∞)

10

[0,0]

01

(0,500]

02

(500,1000]

03

(1000,2000]

04

(2000,3000]

05

(3000,4000]

06

(4000,6000]

07

(6000,8000]

08

(8000,10000]

09

(10000,15000]

10

(15000,20000]

11

(20000,25000]

12

(25000,30000]

13

(30000,40000]

14

(40000,∞)

15

[0,0]

01

(0,1]

02

(1,2]

03

(2,4]

04

(4,6]

05

(6,8]

06

(8,10]

07

(10,12]

08

(12,15]

09

(15,∞)

10

[0,0]

01

(0,500]

02

(500,1000]

03

(1000,2000]

04

(2000,3000]

05

(3000,4000]

06

(4000,6000]

07

(6000,8000]

08

(8000,10000]

09

(10000,15000]

10

(15000,20000]

11

(20000,25000]

12

(25000,30000]

13

(30000,40000]

14

(40000,∞)

15

最近三个月 M1 状态

[0,0]

N

[1,1]

Y

最近六个月 M1 状态

[0,0]

N

[1,1]

Y

最近一年 M1 状态

[0,0]

N

[1,1]

Y

最近一年 M3 状态

[0,0]

N

[1,1]

Y

最近一年 M6 状态

[0,0]

N

[1,1]

Y

最近两年 M3 状态

[0,0]

N

[1,1]

Y

最近两年 M6 状态

[0,0]

N

[1,1]

Y

最近五年 M3 状态

[0,0]

N

[1,1]

Y

最近五年 M6 状态

[0,0]

N

[1,1]

Y

01

01

02

02

03

03

04

04

05

05

06

06

07

07

08

08

09

09

10

10

影响力指数

缺失

#

01

01

02

02

03

03

04

04

05

05

06

06

07

07

08

08

09

09

[0,550]

01

(550,575]

02

(575,600]

03

(600,625]

04

(625,650]

05

(650,675]

06

(675,700]

07

(700,750]

08

(750,800]

09

(800,950]

10

附录2:元素中英文对照表

英文名

中文名

一级分类

二级分类

company_name

所在公司

身份特质

就业类信息

occupation

职业类型

身份特质

就业类信息

consume_steady_byxs_1y

身份特质

稳定性指标

use_mobile_2_cnt_1y

身份特质

稳定性指标

mobile_fixed_days

身份特质

稳定性指标

adr_stability_days

身份特质

稳定性指标

activity_area_stability

行为偏好

消费行为

last_1y_total_active_biz_cnt

行为偏好

消费行为

my_trd_amt_1y

行为偏好

消费行为

my_trd_cnt_1y

行为偏好

消费行为

game_trd_amt_1y

行为偏好

消费行为

game_trd_cnt_1y

行为偏好

消费行为

jz_trd_amt_3m

行为偏好

消费行为

jz_trd_cnt_3m

行为偏好

消费行为

car_trd_amt_1y

行为偏好

消费行为

car_trd_cnt_1y

行为偏好

消费行为

hl_trd_amt_1y

行为偏好

消费行为

hl_trd_cnt_1y

行为偏好

消费行为

have_car_flag

履约能力

固定资产

have_fang_flag

履约能力

固定资产

last_1m_avg_aswww.58yuanyou.comset_total

履约能力

流动资产

last_3m_avg_asset_total

履约能力

流动资产

last_6m_avg_asset_total

履约能力

流动资产

last_1y_avg_asset_total

履约能力

流动资产

fnd_ern_amt_1m

履约能力

流动资产

fnd_ern_amt_3m

履约能力

流动资产

fnd_ern_amt_6m

履约能力

流动资产

fnd_ern_amt_1y

履约能力

流动资产

fnd_ern_amt_std

履约能力

流动资产

tot_pay_amt_1m

履约能力

流水数据

tot_pay_amt_3m

履约能力

流水数据

tot_pay_amt_6m

履约能力

流水数据

ebill_pay_amt_1m

履约能力

流水数据

ebill_pay_amt_3m

履约能力

流水数据

ebill_pay_amt_6m

履约能力

流水数据

avg_puc_sdm_last_1y

履约能力

流水数据

pre_1y_pay_cnt

履约能力

流水数据

pre_1y_pay_amount

履约能力

流水数据

xfdc_index

履约能力

流水数据

auth_fin_last_1m_cnt

信用历史

信用查询数据

auth_fin_last_3m_cnt

信用历史

信用查询数据

auth_fin_last_6m_cnt

信用历史

信用查询数据

credit_pay_amt_1m

信用历史

信用还款历史

credit_pay_amt_3m

信用历史

信用还款历史

credit_pay_amt_6m

信用历史

信用还款历史

credit_pay_amt_1y

信用历史

信用还款历史

credit_pay_months_1y

信用历史

信用还款历史

credit_total_pay_months

信用历史

信用还款历史

credit_duration

信用账户历史时长天数

信用历史

信用还款历史

positive_biz_cnt_1y

信用历史

信用还款历史

ovd_order_cnt_1m

信用历史

逾期历史

ovd_order_amt_1m

信用历史

逾期历史

ovd_order_cnt_3m

信用历史

逾期历史

ovd_order_amt_3m

信用历史

逾期历史

ovd_order_cnt_6m

信用历史

逾期历史

ovd_order_amt_6m

信用历史

逾期历史

ovd_order_cnt_12m

信用历史

逾期历史

ovd_order_amt_12m

信用历史

逾期历史

ovd_order_cnt_3m_m1_status

最近三个月M1状态

信用历史

逾期历史

ovd_order_cnt_6m_m1_status

最近六个月M1状态

信用历史

逾期历史

ovd_order_cnt_12m_m1_status

最近一年M1状态

信用历史

逾期历史

ovd_order_cnt_12m_m3_status

最近一年M3状态

信用历史

逾期历史

ovd_order_cnt_12m_m6_status

最近一年M6状态

信用历史

逾期历史

ovd_order_cnt_2y_m3_status

最近两年M3状态

信用历史

逾期历史

ovd_order_cnt_2y_m6_status

最近两年M6状态

信用历史

逾期历史

ovd_order_cnt_5y_m3_status

最近五年M3状态

信用历史

逾期历史

ovd_order_cnt_5y_m6_status

最近五年M6状态

信用历史

逾期历史

relevant_stability

人脉关系

人脉指标

sns_pii

社交影响力指数

人脉关系

人脉指标

avg_frd_zms

人脉关系

人脉指标

内容版权声明:除非注明原创否则皆为转载,再次转载请注明出处。

文章标题: das是什么意思

文章地址: www.58yuanyou.com/baike/31193.html

相关推荐