Wecash?閃銀基于互聯(lián)網(wǎng)海量信息，通過大數(shù)據(jù)分析和機器學習技術(shù)，服務
????于簡單的使命：?更快、更精準的信用決策。
????依托全新的模型，Wecash對每位信貸申請人的超過5000條原始信息數(shù)據(jù)進
????行分析，與傳統(tǒng)出借人僅使用的數(shù)十條數(shù)據(jù)相比，更精準評估信用風險。
????利用機器學習的辦法對個人數(shù)據(jù)進行計算、分析，團隊開發(fā)15個基于機器
????學習的分析模型，成立大型人工智能系統(tǒng)，任何互聯(lián)網(wǎng)上被挖掘的個人數(shù)據(jù)都將
????被用來做欺詐偵查、身份認證和評分。比如社交數(shù)據(jù)，在傳統(tǒng)的信貸模型中這是
????幾乎不會被考慮到得因素。但對于Wecash而言，這是一個很有價值的額外數(shù)據(jù)
????源，對某個人的信用行為具極強的預測性。尤其是在其他可利用的數(shù)據(jù)比較稀少
????是，社交數(shù)據(jù)會展示其獨特的價值。成千上萬的信息數(shù)據(jù)聯(lián)系起來，包羅萬象縱
????橫交錯，就可以勾畫出有血有肉精確完整的畫面，顯著降低了通過傳統(tǒng)的評分指
????標進行評估的違約率，從而獲得更準確的個人信用信息。
????社交數(shù)據(jù)只是眾多信用數(shù)據(jù)中的一類，Wecash?所利用的數(shù)據(jù)廣泛來源于網(wǎng)
????上銀行、電商網(wǎng)站、社交網(wǎng)絡、招聘網(wǎng)、婚介網(wǎng)、公積金社保網(wǎng)站、交通運輸網(wǎng)
????站、搜索引擎，最終聚合形成個人身份認證、工作及教育背景認證、軟信息（包
????括消費習慣、興趣愛好、影響力、社交網(wǎng)絡）等維度的信息，作為個人還款意愿
????及還款能力的重要參考。
????除此之外，Wecash?還為用戶提供快速授信及現(xiàn)金分期服務。作為一個純移
????動端的產(chǎn)品，Wecash?最初以微信服務號“Wecash”為平臺切入點，用戶只需要
????通過微信關(guān)注Wecash，在手機上進行簡單的幾步操作，授權(quán)Wecash進行信用評
????估，便可快速獲得個人信用碼（包含評分等級、額度、利率、期限等因素），在
????額度內(nèi)即時提現(xiàn)。
????