為什么說(shuō)大數(shù)據(jù)風(fēng)控是互聯(lián)網(wǎng)金融必然趨勢(shì)？

近日，壹理財(cái)資產(chǎn)端合作公司言禹普惠信審政策與數(shù)據(jù)部高級(jí)經(jīng)理Jason針對(duì)大市場(chǎng)前沿性風(fēng)控理念發(fā)表了觀點(diǎn),此文主要就“建立大數(shù)據(jù)模型降低信用風(fēng)險(xiǎn)，補(bǔ)充和促進(jìn)傳統(tǒng)金融業(yè)務(wù)”提出建設(shè)性意見(jiàn)。

對(duì)于互聯(lián)網(wǎng)金融而言，風(fēng)控是核心競(jìng)爭(zhēng)力。而風(fēng)控最關(guān)鍵的還是積累數(shù)據(jù)源，將客戶特征按照數(shù)據(jù)庫(kù)的規(guī)則來(lái)進(jìn)庫(kù)根據(jù)動(dòng)量環(huán)境和用戶需求不斷更迭計(jì)算方法進(jìn)行分析、建模、匹配。目的在于讓大數(shù)據(jù)協(xié)助判斷信用風(fēng)險(xiǎn)，而不只是依賴風(fēng)控人員對(duì)人工算法的主觀判斷。P2P平臺(tái)去擔(dān)?；勤厔?shì)，本質(zhì)就在于，是否有獨(dú)立的能力篩選到優(yōu)質(zhì)的借款人，而不是依賴于擔(dān)保公司。

大數(shù)據(jù)風(fēng)控，是互聯(lián)網(wǎng)金融乃至傳統(tǒng)金融風(fēng)控的必然趨勢(shì)，它的發(fā)展將會(huì)給金融領(lǐng)域帶來(lái)巨大福音。

關(guān)于大數(shù)據(jù)（bigdata）——指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來(lái)適應(yīng)海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

以下來(lái)自言禹普惠的部分觀點(diǎn)：

一、什么是大數(shù)據(jù)風(fēng)控

大數(shù)據(jù)風(fēng)控在近幾年成為了各個(gè)平臺(tái)在創(chuàng)新信用管理和風(fēng)險(xiǎn)管理方面的一種新思路，其核心理念在于通過(guò)大數(shù)據(jù)核心算法和信用模型，在收集各種維度數(shù)據(jù)基礎(chǔ)上，結(jié)合互聯(lián)網(wǎng)化評(píng)分和信用管理模型，最終達(dá)到風(fēng)險(xiǎn)控制的目的。

在現(xiàn)階段，絕大多數(shù)的小微金融企業(yè)，特別是小額貸款公司，基本處于憑借人工手段（Excel表格、紙質(zhì)報(bào)告）來(lái)管理公司的各項(xiàng)數(shù)據(jù)，往往無(wú)法歸納并利用基礎(chǔ)數(shù)據(jù)進(jìn)行有效分析（或者作最簡(jiǎn)單的統(tǒng)計(jì)分析）。與原有人為對(duì)借款企業(yè)或借款人進(jìn)行經(jīng)驗(yàn)式風(fēng)控相比，大數(shù)據(jù)風(fēng)控可以很好起到降低成本、提高效率和優(yōu)化客戶服務(wù)的作用。

目前，各大互聯(lián)網(wǎng)金融企業(yè)均已采用大數(shù)據(jù)風(fēng)控分析這一手段，螞蟻金服、融360、拍拍貸、點(diǎn)融網(wǎng)等均開(kāi)發(fā)有獨(dú)立的大數(shù)據(jù)風(fēng)控系統(tǒng)。互聯(lián)網(wǎng)的高效性和爆發(fā)性使我們能以較低的成本、較短的時(shí)間，積累大量的用戶數(shù)據(jù)，為分析建模提供足夠的樣本量。這種大樣本量、多維度、非結(jié)構(gòu)化的數(shù)據(jù)非常適合各類大數(shù)據(jù)分析處理和機(jī)器學(xué)習(xí)技術(shù)的運(yùn)用。

二、大數(shù)據(jù)風(fēng)控能解決什么問(wèn)題

1.有效提高審核的效率和有效性

在傳統(tǒng)的風(fēng)控審核過(guò)程中，申請(qǐng)人信息調(diào)查審核最為費(fèi)時(shí)、費(fèi)力、也最難管控，基于傳統(tǒng)的經(jīng)驗(yàn)審核也會(huì)造成審核結(jié)果的偏差與非有效性。引入大數(shù)據(jù)風(fēng)控技術(shù)手段分析，通過(guò)多維度的信息分析、過(guò)濾、交叉驗(yàn)證、匯總，可以形成一張全面的申請(qǐng)人數(shù)據(jù)畫(huà)像，輔助審核決策，可以提高審核的效率和有效性。

2.對(duì)欺詐風(fēng)險(xiǎn)的防范

惡意欺詐用戶一般不會(huì)采用真實(shí)身份借款，身份真實(shí)性識(shí)別是反欺詐的核心。身份證、銀行卡、姓名、手機(jī)號(hào)四要素如果無(wú)誤，欺詐概率是其他群體的1/3左右。通過(guò)大數(shù)據(jù)儲(chǔ)存用戶與各種ID對(duì)應(yīng)的數(shù)據(jù)庫(kù)，在用戶進(jìn)行借貸時(shí)進(jìn)行身份匹配，能夠及時(shí)辨別潛在的欺詐嫌疑用戶。這些數(shù)據(jù)庫(kù)包括：姓名、身份證號(hào)的實(shí)名ID，手機(jī)號(hào)、地址、銀行卡號(hào)等準(zhǔn)實(shí)名ID，QQ號(hào)、微博號(hào)、設(shè)備指紋(PC或手機(jī)硬件設(shè)備編號(hào))等的匿名ID。

3.對(duì)信用風(fēng)險(xiǎn)的防范

主要指還款能力(經(jīng)濟(jì)實(shí)力)與還款意愿(道德風(fēng)險(xiǎn))。大部分用戶在申請(qǐng)階段并非惡意，這就考驗(yàn)借款人對(duì)信用風(fēng)險(xiǎn)的判斷，而行為數(shù)據(jù)挖掘是信用風(fēng)險(xiǎn)防范的核心。要預(yù)測(cè)借款人的信用風(fēng)險(xiǎn)，更多地需要依賴于分析海量用戶的行為數(shù)據(jù)(強(qiáng)弱變量)，從中挖掘出可以多次復(fù)用的規(guī)律。數(shù)據(jù)顯示，坐過(guò)商務(wù)倉(cāng)以上或一年乘坐飛機(jī)四次以上的客戶違約率較低；在本地生活方面花錢(qián)越多的人違約率越低；訪問(wèn)財(cái)經(jīng)媒體天數(shù)越多，違約率風(fēng)險(xiǎn)越低；同一手機(jī)號(hào)使用九年以上的用戶違約率大概僅為6‰；而三四線城市打游戲花錢(qián)較多的人違約率比較高。

4.貸中管理及不良催收貸中管理方面，通過(guò)及時(shí)監(jiān)測(cè)借款人信用的變化、共債的新增、流水的異動(dòng)、聯(lián)系狀態(tài)的異常等數(shù)據(jù)，采用全自動(dòng)的風(fēng)險(xiǎn)識(shí)別流程，提早識(shí)別風(fēng)險(xiǎn)，提高人工處理效率。消費(fèi)金融不良資產(chǎn)，主要由道德水平不高和還款能力不強(qiáng)造成。據(jù)統(tǒng)計(jì)，70%-80%的不良資產(chǎn)是因?yàn)閭鶆?wù)人失聯(lián)導(dǎo)致，大數(shù)據(jù)網(wǎng)絡(luò)可重新建立起與債務(wù)人的聯(lián)系，通過(guò)關(guān)聯(lián)匿名ID、聯(lián)系家人朋友追回欠債，從而降低整體不良率。

三、建立大數(shù)據(jù)風(fēng)控模型

在運(yùn)用大數(shù)據(jù)進(jìn)行風(fēng)控時(shí)，需建立自身的云數(shù)據(jù)系統(tǒng)、風(fēng)險(xiǎn)評(píng)估模型、信用衡量體系、風(fēng)險(xiǎn)定價(jià)模型等核心產(chǎn)品，對(duì)自身體系內(nèi)以及體系外用戶的海量數(shù)據(jù)進(jìn)行搜集分析，直接將數(shù)據(jù)模型應(yīng)用到信貸業(yè)務(wù)中，實(shí)現(xiàn)完全以數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品及業(yè)務(wù)，實(shí)現(xiàn)企業(yè)風(fēng)控的流程化、自動(dòng)化。

從大數(shù)據(jù)技術(shù)角度來(lái)看，任何大數(shù)據(jù)方法用于信用風(fēng)險(xiǎn)的評(píng)估，要始終堅(jiān)持開(kāi)發(fā)出來(lái)的模型“明確、準(zhǔn)確和穩(wěn)定”的三大特點(diǎn)。目前在利用大數(shù)據(jù)中的機(jī)器學(xué)習(xí)技術(shù)開(kāi)發(fā)的模型當(dāng)中有一些模型是明確的，也有些是不明確的。

但總體而言，對(duì)于大數(shù)據(jù)和大數(shù)據(jù)技術(shù)，目前，在風(fēng)險(xiǎn)控制中，可以是在遵守一定規(guī)則上開(kāi)放性使用，但是對(duì)于征信領(lǐng)域，在數(shù)據(jù)的來(lái)源上應(yīng)當(dāng)適當(dāng)保守些，這主要是由于征信對(duì)評(píng)分開(kāi)發(fā)模型的明確性要求更高。但是盡管如此，在數(shù)據(jù)的處理方法上，都可以進(jìn)行不同的嘗試和探索，因?yàn)榇髷?shù)據(jù)技術(shù)的發(fā)展，可以將使用的信息，包括傳統(tǒng)的信息和現(xiàn)實(shí)生活中映射到互聯(lián)網(wǎng)的各種信息極大的簡(jiǎn)化為一個(gè)分?jǐn)?shù)，供放貸機(jī)構(gòu)高效、便捷的使用。

大數(shù)據(jù)風(fēng)控的發(fā)展將會(huì)給金融領(lǐng)域帶來(lái)巨大福音，使用大數(shù)據(jù)進(jìn)行風(fēng)控已成為美國(guó)等發(fā)達(dá)國(guó)家互聯(lián)網(wǎng)金融企業(yè)的標(biāo)準(zhǔn)配置。我國(guó)的大數(shù)據(jù)風(fēng)控依然還有很長(zhǎng)一段路要走，有效掃除當(dāng)前大數(shù)據(jù)風(fēng)控的障礙需要各方面的共同努力。

• 本文不代表零壹財(cái)經(jīng)觀點(diǎn)，亦不代表構(gòu)成投資建議

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。