首页 > 消费金融

激辩:做消费金融,传统信用报告最好用?

消费金融 Grace 零壹财经 2017-06-22

关键词:消费金融大数据风控征信信用

大数据风控与征信已成为了讨论消费金融时不可避开的话题,近日,多位业内人士在“Fintech时代的消费金融创新发展峰会”上发表了对大数据风控和征信的观点。
大数据风控与征信已成为了讨论消费金融时不可避开的话题……
 
6月17日,“Fintech时代的消费金融创新发展峰会”在北京举办。在 “消费金融的大数据风控与征信”圆桌论坛上,多位业内人士、行业专家参与讨论并发表观点。以下为论坛发言精选:
 
李铭:大数据征信、互联网征信都是不存在的行业
 

北京大数据研究院专家李铭李铭解读了征信的定义。他指出,“征信在国内是一个被严重误解的行业,实际上,资金调查、风控建模、具体执行风控模型都不是征信;从70年代开始,征信,特别是个人征信做得唯一一件事情就是把借款人的借款和还款信息沉淀下来,把信息记录下来、报告出去”。
 
李铭还表示,“大数据征信、互联网征信都是不存在的行业;信贷机构使用大数据做风控也许是可接受的,征信机构用大数据则有合规方面的严重风险,故基本不会使用。”

张慎:央行征信的客群覆盖率还不是很高,央行征信的数据是最有价值的 
 
平安银行零售风险管理部总经理张慎从应用的角度出发,发表了对消费金融和大数据的观点。他认为,“风险管理是消费金融最核心的竞争力,而数据本身又是风险管理的生命线”。
 
在数据方面,张慎指出,“目前已进入数据大爆发的时代,各种新的数据公司层出不穷,特别是越来越多的新的非结构化的数据、非金融类的数据也开始在金融领域应用,大有可以压倒央行征信的说法。”
 
张慎认为,应从两个方面看待该问题:
 
“首先,目前背景下,消费金融要服务的客户群非常广泛,而目前央行征信的确在客群的覆盖率上还不是很低,所以银行非常欢迎新的数据源的出现帮助银行填补新的空白,对一些没有覆盖到的人群提供风险的评价依据。”
 
“从信用风险的角度讲,央行征信的数据最终最有价值的,目前还没有数据无论是辨识能力还是有效性上能够超越央行征信的数据。”
 
张慎说,“我们一方面希望和外部数据合作来填补各项空白,同时我们也希望央行征信处可以快速加大人群覆盖率,我认为这件事对于整个行业的风险管控非常有效、有帮助。”
 
韶峰大数据的核心是用未发生的结果数据推测结果
 
百融金服创始人兼CEO张韶峰则认为,“由于以前没有大数据,没有办法用新的手段做风控,因此必须用人民银行征信报告做,其实人民银行征信报告其实是结果数据,用结果数据推的结果一定是最准的;其实大数据的核心是用未发生的结果数据推测结果,为什么我们以前老是争辩征信跟风控的差别,其实我觉得对于银行来讲,只要能帮他们判断清楚这个人还不还钱就行了”。
 
汪德嘉:征信看的是还款的能力,反欺诈看的是还款的意愿
 
通付盾创始人、董事长汪德嘉指出了征信、反欺诈和风控三者之间的关系。他指出,“征信看的是还款的能力,反欺诈看的是还款的意愿;征信和反欺诈是风控的子部分,风控等于征信加反欺诈等一套流程”。
 
同时,他指出,“关于风控,有些基础设施未来很多会标配,风控未来肯定是定制化的东西”。
 
郑和平:征信业务一定要为商业银行和金融信贷领域服务
 
考拉征信郑和平则认为,“征信业务一定要为商业银行和金融信贷领域服务”,并呼吁“未来有可能的话,人民银行数据库和认可可以合作的公司共同联合,进行数据的整合和挖掘,为商业银行,为金融信贷领域做真正的风控服务。”
 
对于信息安全,郑和平认为,“征信机构要想安全、合法的使用数据,一定是采集那些个人同意和允许的数据”。

以下为论坛发言全文:

温树海:大家好,按照主办方的提示,请大家入座,也请我们这个环节的嘉宾上台,准备开始下面的环节。我是人民银行征信中心市场部的负责人温树海,感谢雨姗总的邀请,我担任这个环节的主持人。
   
这个环节的主要议题是消费金融的大数据风控与征信,里面有很多热词,今天来了很多机构,上来第一句话就是我的核心竞争力风控,消费金融发展到今天,我们的大数据风控和征信也成为我们到任何一个论坛会场都是各大媒体讨论消费金融的时候避不开的话题。
   
今天我们请到了几位嘉宾,我看了一下嘉宾的安排,主办方非常精心。既有提供征信服务第三方的机构,也有像平安银行这样的先进银行,利用大数据各方面应用征信服务的机构使用方,而且还安排了对征信、大数据风控有深入研究的专家。所以,我想这个环节我们非常的期待能够碰触更多的火花,给大家更多启迪。
   
按照主办方安排的名单,我先简单介绍每一位嘉宾,之后我想请每一位嘉宾做一个简单的自我介绍,大概用5分钟的时间把自己的对我们这个主题的理解给大家做一个分享的之后,我们就一些问题跟嘉宾互动。
   
首先不一一介绍,说到哪位就简单介绍哪位,首先我介绍的是人民银行征信中心原资深顾问,现在是北京大数据研究院专家的李铭,李总,大家欢迎!
    
李铭:谢谢四十人论坛的树海,今天是休息日,我给自己找了一个职业,我的职业叫征信扶贫师(音译),布道的,市场化征信从2015年初以来跌宕起伏,像过山车一样,一个多月前,陈行长、吴行长、万局长有一系列讲话。对于征信行业来说临头一桶冰水泼在头上,好像冰水没有想象中那么凉,这是好事。我本人还是很赞同领导们对这个事情的看法,但是解决问题的措施方面我觉得还有讨论的余地。
   
我主要想谈四件事情。第一,征信是做什么的,我感觉征信在国内是一个被严重误解的行业,每个人都希望的用自己的说法定义这个行业。有人说资金调查是征信,有人说风控建模是征信,有人说具体执行风控模型的时候算分是征信。我认为这些事都不必要是征信,大概70年代开始,实际上征信,特别是个人征信已经变成了非常简单的一件事,个人征信做的唯一一件事就是把借款人的借款和还款信息沉淀下来,把信息记录下来、报告出去,就这么一点点事。所以说其他的事情各有各的位置,比如说资信调查上世纪60年代之后在一些领域早就不做了。风控本身是机构的,风控建模是数学家玩的,大数据是数据销售商的事,都不是数据非要做的事。所以这是我想说的第一件事。
   
第二件事,大数据征信。不幸的是咱们这组有大数据征信,从我的认识,如果说征信就是把借款人的借款和还款信息沉淀、记录下来、报告出去,如果这样来定义征信的话,大数据征信就会变成一个非常奇怪的事,无论你是大数据征信还是互联网征信,你做的都是记录借款、还款信息这一件事,没有大数据什么事。如果说大数据征信,实际是说大数据风控,实际并不是大数据征信机构要做的事情。征信机构能不能做大数据,能不能用大数据,我的回答是,能,也应该,毕竟我们面临的现状是还有很多人没有信用报告、信用历史这件事。但是征信机构在使用大数据方面受着很多限制,很多的数据信贷机构可以用、征信机构不能用,受的限制非常多。征信机构能在大数据方面做的创新非常有限,本质上说征信是不那么能接受创新的行业。在所有流行的大数据风控技术当中,哪些技术比较可能由征信机构使用呢?如果你考虑到合法合规和业务流程方面的话,我感觉相对麻烦最少的是心理侧蓝(音译)学,可惜在国内做这个的不太多,心理侧蓝(音译)学技术在信息相关性、数据主体权利、许可方面麻烦不多,心理侧蓝学的预测能力很强,唯一要注意的是有一些隐私保护的问题。其他几项,从国际征信实践来看,征信公司是不能做这些一事情的,但是信贷机构可以做。除了心理测量学之外,下一个可选的,对于征信机构来说有可能是区块链,所有关于区块链的著作,如果谈到金融应用都会把征信作为区块链金融应用的一个重要成份,因为我对这个了解不是很多,我感觉这有点像锤子、钉子的情节,如果你手里拿一个锤子看什么都像钉子,什么都想敲,有一定想当然的成份就是认为征信一定是可以用到区块链技术的地方。区块链有一个特点就是去中心化,征信是一个高度中心化的行业,而且到目前为止,征信机制去中心化做的不错,效率上会有一点影响,但是没有技术解决不了的问题。所以区块链技术在征信上面没有太多应用,但是细想,如果不是区块链技术可以颠覆整个征信机制的话,在一些关键问题上还真有可能帮助中国的市场化征信行业解决几项难题。所以对这个我还是有很大期望的。
   
谢谢!
    
温树海:李总上来就讲他是一个布道者,也对征信的概念说了一下,李总在国外工作很多年,也是这方面的资深专家,从很多前沿问题方面把征信给大家梳理了一遍。也这是金融城的风格,大家有一些讨论,我想大家实事求是讲一些自己的观点,第一个也为我们开了头。
   
下面有请平安银行零售风险管理部总经理张慎张总,从真正的应用,也是做消费金融,应用大数据方面,他从应用的角度看一下有什么感悟,大家欢迎!
    
张慎:大家好,我是平安银行张慎,先简单介绍一下自己。我是2012年底加入平安银行,之前一直美国从事风险管理的工作。从我自身的培训和经验来讲,始终认为风险管理是消费金融最核心的竞争力,而数据本身又是风险管理的生命线,也很高兴今天可以在这里跟在座的各位探讨一下大数据风控的看法。刚刚李总讲的比较严谨,我这里的讲法更确切是大数据风控,不是非常标准的大数据征信。
   
我从两个方面大概介绍平安银行对大数据征信或风控的看法以及我们目前的做法。
   
首先是数据方面,我们目前认为进入数据大爆发的时代,其实大家在市场上每天看到各种新的数据公司层出不穷,特别是现在越来越多的新的非结构化的数据,非金融类的数据也开始在金融领域应用,甚至最近网上经常看到一些文章开始提到,随着大量数据的应用,大有可以压倒央行征信的讲法。我们从两方面看,首先目前背景下,消费金融要服务的客户群非常广泛,而目前央行征信的确在客群的覆盖率上还不是很高,所以我们也非常欢迎新的数据源的出现帮我们填补新的空白,对一些没有覆盖到的人群提供风险的评价依据。这点我们非常欢迎,我们的态度也是非常积极和外部公司合作,充分利用平安数据的基础上和外部各种各样的数据公司合作,来提升风险管控的能力。有一点需要强调,我们已经评估了很多外部数据,最终看下来,从信用风险的角度讲,央行征信的数据最终最有价值的,目前没有看到有什么数据,无论是辨识能力还是有效性上能够超越这个。我们的态度是两方面,一方面我们积极的希望和外部数据合作来填补各项空白,同时我们也提一点希望,希望央行征信处可以快速加大人群覆盖率,我认为这件事对于整个行业的风险管控非常有效、有帮助。
   
模型数据方面。上一场特别赞同一位嘉宾的讲法,不能因为我们是传统银行,就马上投降认输说我的技术做不了,我的技术一定是没有的。以我个人以往的经历和培训,我们在风险管理方面一向认为风险模型是所有风险管理的基础,所以我们对整个模型和模型技术的应用和学习也是非常关注的。目前平安银行在全客群各个生命周期大概40多个节点部署了40多套模型群,利用这些模型群对客户进行全面风险管理和监控风险变化。从技术方面,除了大家比较熟悉的传统逻辑回归等等,我们也利用了GBM(音译)等等各种新式的数据技术,所以我们认为数据技术本身是银行在风险管理的一个非常重要的竞争力,我们可以和其他的合作方合作,但最终银行本身必须具有这样的能力,才能够在今天的消费金融大市场中竞争。
   
谢谢!
    
温树海:谢谢张总,张总一方面对征信提出了更多希望,希望征信覆盖面更广,另外也是保持开放的态度和外部的各大征信数据保持试探性探索,另外也说了传统银行,比如上午征信银行的吴总说的,我们自己银行也会加大投入,特别是风控模型,刚才张总说有40多套模型。实际上,传统银行这方面有很长时间的积累、传承,包括经验模型化、数据模型化。但是现在市场上也有很多创新型包括大数据公司的机构,下面三位嘉宾都是站在第三方提供的数据或征信服务,我们看看他们从第三方的角度,从技术、大数据的角度和征信角度,看有什么好的方面给大家分享。
   
下面有请百融金服创始人兼CEO张韶峰总。
    
张韶峰:感谢大家,首先介绍一下我们公司的背景,我们公司不是金融机构,我们本身是立足于利用大数据以及人工智能技术帮助金融机构提升效率的机构,核心是风险控制和精准营销。我们公司的历史比较曲折,其实以前跟金融机构行业一点关系都没有,我们2009年开始给互联网电子商务提供大数据精准营销,帮助不同的电子商务网站猜客户的喜好,提高销售额,我们从中分成。2013年,有一家银行说,我们总裁说要半年大数据,但是找不到服务商落地,光是讲概念,你们要不要试一下?我们那时候不太想试,因为我们银行做事风格特别慢,我说跟你们合作吧,宁可单子金额小一旦,但是要快。他说我就是要快,一个月。我说一个月能出结果吗?没想到一个月真的出了测试结果。当时很巧,我们基于所有的常识挑了一些比较好的客户,那个时候我们和银行都是非常惊奇的,貌似我们的数据跟金融行业没有任何关联,因为我们的数据是互联网消费、购物、社交,没有任何关系的,怎么会效果那么明显呢?后来另外一家银行也是来测,也有效果。所以我们觉得是不是有一些道理在里面?
   
后来我就仔细研究了,可能金融违约行为跟历史的风险表现直接相关,以前就老违约,未来可能违约的几率就大。但是非风险表现数据可能跟风险表现有些弱相关,可能不是那么直接,但是如果变量多的情况下,合起来效果也还OK。所以我们后来就把这个业务独立成公司了,那时候银行的领导也建议我们独立,我们就独立出来,叫百融金服,后来这个公司也组织了金融机构,像中国国际金融公司这些投资。现在我们公司有点特别,运营是市场化,但是国有背景占了60%股份。是一个比较少见的机构,运营市场化,有国资背景在里面。
   
之后跟很多不同的机构进行合作,因为我是个技术控,从读书开始一直比较相信数学这一套,我认为事物都有联系的,只是联系强弱而已,一定有相关性。比如,我们有个变量有指示作用,比如说他的消费行为,他在上海申请信用卡或贷款,如果他在上海本地消费多,那么这个人风险低。如果他在上海没有消费,反而在苏州消费,好像风险比较低。当时我们讨论,也许这个人是骗子,他真实的活动场所不是在上海。我们用这种方法辅助金融机构判断,现在服务了接近2000家金融机构,银行、城商行、国有银行大概200家,有的有牌照,有的无牌照,各种各样的,一天能够帮金融机构辅助贷款审批和信用卡申请260万次,好像比人民银行征信中心要多一点。
   
其实起来刚才讲的,人民银行的征信是最强的,主要是人群不够。我们不是征信机构,我们是辅助金融机构用大数据进行风控、进行营销。这是我们公司做的一些事情,当然我们也可以多分享一些具体怎样做。
   
谢谢!
    
温树海:谢谢张总,张总介绍公司因为有市场需求需要试一试,然后发现有效,现在大概服务于2000家左右的机构,从实践中探索走到今天,感谢他的分享。
   
下面有请通付盾创始人、董事长汪德嘉总,有请,大家欢迎!
    
汪德嘉:大家下午好!首先我要感谢金融城提供这么一个平台让我们交流,也谢谢主持人和前几位嘉宾分享了很好的意见。
   
今天这个意见的主题叫Fintech时代消费金融下的大数据征信与反欺诈。征信大家都知道,看的是还款的能力,反欺诈看的是还款的意愿。我想分享一下我的理解其实反欺诈和征信是在一个大的风控体系下,正好前几天有人问我,征信和反欺诈什么区别?我说征信和反欺诈是风控的子部分,风控等于征信加反欺诈等一套流程。首先我介绍一下自己,我是2011年回国创业的,公司叫通付盾,主要做金融科技安全,之前在硅谷,第一个公司是客户关系管理,6年,后面几个创业公司卖掉了,卖给了一些金融公司。2011年回来创业也是特别是互联网金融的潮流,我们对风控的了解跟前面不太一样。消费金融,风控,风险到底在哪里?特别是新的架构风险在哪里,移动化、智能化,这里面有新的风险,比如帐号风险、欺诈风险、信用风险和APP风险,我们公司一直围绕这四个方面展开我们的产品。
   
在金融领域我们现在有300多家互金客户,数据量也非常多,每天交易笔数加起来上亿级,我们的服务机制也是非常强的。关于风控,有些基础设施未来很多会标配,征信是央行做的事,现在有银行征信中心做的非常好,未来肯定是集中起来的。我们认为大数据的方法,从网络安全、帐号、APP提供不同维度的数据源。我觉得风控未来肯定是定制化的东西,我们现在也是把一些基础的东西开放,像APP的检测和加固,很多消费金融都会有自己的APP平台,到底这个APP安不安全,是不是泄露用户隐私,可能与最近的网络安全法和两高关于网络安全法的解释,就是保护个人隐私密切相关,你要保证你的APP是安全的,不能泄露用户隐私。
   
帐号方面,很多互联网平台消息泄露非常厉害,怎样防控这些风险,在交易、身份识别方面我们也有很多年来的积累。信用风险,我们通过设备的真实数据,我们的数据库非常大,现在有百亿级的数据,这方面希望能够给大家提供服务,这块的服务是免费的,技术不是免费的,我们现在的盈利也是定制方面收费。
   
谢谢!
    
温树海:感谢王总!王总主要是说自己的两个大方面,一是在服务的基础上提供安全加固服务,这是核心的能力,另外强调了自己在设备技术方面的领先。下一位嘉宾是考拉征信的郑和平。
 
郑和平:非常感谢金融城给我这次机会,因为通知的比较晚,所以准备比较仓促。先介绍一下我们考拉征信,考拉征信是人民银行监管机构准备发牌的前八家之一,现在我们的人员大概有近100人,50%人员在IT领域,20%的人员做风控挖掘和产品研发,还有市场和其他的人员。征信公司实际是IT型的公司,所以我们的人员结构都是IT人员背景比较多。我自己是在工行服务了20多年,1996年开始做银行卡的风控,2002年有幸被调到银行征信中心做需求和数据库搭建。作为征信行业的老兵,现在又在干民营行业的征信工作,我的认知是征信业务一定要为商业银行和金融信贷领域服务。
   
因为我在银行卡的风险领域工作多年,知道风控领域多么渴望数据库存丰富和多元化,来为风控领域进行服务。当然属于技巧,挖掘、评分也是需求,但是数据的多元化和丰富对评价风险是至关重要的。作为考拉征信,我们也立足在人行征信的大数据环境下做他的补充,我们的定位是补充数据库,为商业银行信贷做服务,比如说我们有小商户信息和职业信息等等。我们立足于做大的人。行征信的补充,我们也呼吁未来有可能的话,人行数据库和认可可以合作的公司共同联合,进行数据的整合和挖掘,为商业银行,为金融信贷领域做真正的风控服务。今天上午万局长也讲到,征信社会不会是多家,各类征信公司也主张少数两家是主导。我个人也认为,社会督导是不能够完全做好征信工作的。未来,我个人见解要想做好数据服务一定是数据结合来为借贷风控服务,这是我的见解。
   
信息安全,这是一个比较大的话题,我想针对一个小的方面讲一下,信息安全也是个老话题,也是个新话题。老话题是,最早银行卡在工行信用卡中心很多客户讲,不要拿信息做广告的推销,那时候就有这种事情发生,但是那时候工行信用卡已经很重视信息保护了。现在的新话题是,信息安全通过大数据的挖掘,信息安全滥用的领域已经非常多了。我个人认为,特别是征信机构要想安全、合法的使用数据,一定是采集那些个人同意和允许的,怎么讲同意和允许呢,实际上很多信息在办业务的时候留下的,比如说我到银行去做信贷,要填申请表,实际在柜台受理的时候,服务人员就要征得他的同意,是不是同意第三方做调查和了解。实际他本人是同意的,但是这种场景征信公司要辨别清楚,比如在电信业务大厅,在各类金融信贷办理业务的大厅,采集的时候完全已经征得了本人同意,这种情形下数据是可以采集和使用的。作为我们这样一家合法的征信公司,也是采集这样的数据,在使用的时候,在风控领域、催收领域,当时也有人问,催收领域里能不能使用他的电话和地址,投诉怎么办?我工作这么多年的经验,个人认为,如果他在银行信贷做了贷款,在约定时间内没有还上应该还的金额,超过了约定的时间,比如60天、90天、180天,这样的客户,得到他的电话、地址,对他进行催收,我认为这种纠纷很少,实际法律上也不保护的,一个是超过了贷款违约时间,另外金额超过5千元以上,实际上他在某种界限已经违法了。这个领域的纠纷是很少的,我认为可以使用大数据方式对他进行催收工作。只是信息安全不要一窝蜂上,一说安全什么也不能用了,一说要使用什么都敢乱采集。我觉得今后和未来的工作中要分清什么样的数据可以用,什么样的数据不能用。要理直气壮地去使用你应该使用和可以使用的数据。    
   
谢谢!
    
温树海:谢谢郑总!我们几位嘉宾都对消费金融大数据风控和反欺诈发表了自己的观点,实际我下面也有几个问题。

第一个问题,今天为什么我们坐到这里,什么是不变的、什么变的。大家分析风控的时候什么是不变的,我想是放贷机构,商业银行等各个方面。不变是评价什么、得到什么的时候。以商业银行为例讲放贷机构,商业银行开门几件事,第一件事无非确定人是不是这个人;第二件事确认这个人的收入;第三件事确认这个人的负债。第一是大家经常讲的是不是这个人的真实意愿申请,这就牵扯到商业银行经常做的KYC(音译),包括亲见亲访。第二的看这个人有多少收入,花了多少钱,剩了多少钱,有多少钱用于还将来借的钱。第三是这个人历史上有没有还款意愿。专业来讲,第一阶段的时候要算他的还款意愿、还款能力以及如果他不还款我能收回多少钱,假如他违约了银行能收回多少钱,这个是不变的。
   
什么变的?我们获得了更多的数据,我们用更多的技术发生改变,一些嘉宾也分享了各个方面。无论是原来的传统方法还是大数据方法,无非是解决刚才的身份核实、确定收入、以及负债情况。
   
下面我想结合这些被动的情况,现在变动的是获得数据和技术发生了变化,怎么用这些做风险识别、风险评估以及风险评价,实际是风控,刚才讲的三个方面。在辩证的情况下怎么用这些东西来预测原来风控不变的东西,我想请各个嘉宾具体分享一下。按照顺序,先有请李总给大家做一个分享,大家欢迎!
    
李铭:风控这个事,一个基本点,没有人否认大数据、互联网数据,给风控开辟了新的维度和想象空间。特别是对于没有信用历史的人,刚才说常试了各种大数据之后,回过头来发现还是央行提供的传统信用报告最好用。实际这一点在行业里面已经多次得到过证明了,美国很多年来传统金融机构就在评估大数据、各种各样的非传统风控技术究竟管用还是不管用,目前为止几乎所有的研究都没有一个明确的结论出来。但是行业里的共识是说,还是传统数据管用。
   
另外一个例子,美国的两房几乎是准国企对放贷市场做二级市场买房贷的记录,两房为了扩大消费者的住房占有率,为了多放房贷,多买房子,允许使用信贷数据之外的数据,比如非传统信用数据,像电信、水电煤气、有线电视等这些还款数据,仍然是信用数据,但是不是金融信贷数据。允许用这样的信息来做金融风险评估,但是当时两房在做风险评估规则的时候明确的说,替代数据可以用来做传统金融数据的补充,但是不能取代传统金融数据。换句话说,如果你有信贷历史数据,你是不允许用非信贷数据提高信用级别的,只有在没有这些信用数据的情况下才能使用非传统信用数据。从这点来说,美国金融机构对大数据非信用数据持非常谨慎的态度。
   
回到征信来说,对于信贷机构,实际上信贷机构使用大数据用的风云突起,用过各种各样的数据做尝试。很多数据有非常好的关联关系,但是缺乏明确说明是不是因为这个关联关系导致有因果关系,如果监管机构监管是不是能够做到对消费者公平。我们国家有一点好,我们没有公平信贷法,所以对公平这个事暂时忽略不计,从这个角度来讲,你更可以放开手脚用各种各样的关联关系使用大数据审贷,从行业自律的角度来说,行业自认为常用的风控大数据中,第一危险的是社交媒体数据,有很多例子,在国外大家基本持保留态度,管用不管用,确实管用,但是大家不太敢用。
   
其次是电商数据,这些至少是事实数据,如果面对消费者的指责,你要解释的只是相关性,就是为什么我们用这些数据,能证明你的借贷风险高低,如果没有法律追究,你基本有自由发挥的余地。所以在这个意义上,我才感觉心理测量学的数据最好用,因为你不会受到这些指责。
       
温树海:谢谢李总,李总还是说了一个,我是主持人我要保持公平性,我用另外一位专家来总结一下,说如果这个人有征信记录,那么这个人如果用这个征信记录给他做评估,这相当于是太阳。如果这个人没有征信记录,用其他的数据,就是非银行的借贷记录数据,相当于是月亮。其实大家讨论的这些预测的准不准,实际大家有一个共同的目标,刚才我也给李总补充一下,大家其实直接定位的是这个人的信用风险,就是说还钱不还钱。
   
其实风控还有很多,刚才我讲了三个方面要做的三件事,刚才我们讲的预测的准不准的事情,主要还是集中在还钱不还钱的预测,如果这个讨论的基点没有,后面大家就没有一个共同讨论点了。
   
感谢李总,下面请平安银行张总给大家做一个分享,大家欢迎!
    
张慎:温总说风险管理变不变,我对这个看法比较简单,我认为风险整套基本的基础原则没有变,风险管理的目的是在极端风险管理之下利润的最大化,风险管理的最基本的点以及信用风险最基本的三个C的原则,我认为无论是有大局、没有大数据,有Fintech、没有Fintech,最基本的原则没有变。真正变的是我们的手段、数据。
   
我刚才讲到原来在运通工作,运通进公司以后培训第一件事就是信用风险管理的三个C,你把我好三个C就可以把握好风险管理的原则。今天有人说是不是可以加第四个C上去,叫朋友圈征信,其实我也知道有多少公司在做这件事,我拿不到征信数据和金融数据,怎么办?你要到我这儿来借钱,请把你的手机打开,把你的微信打开,我来看看你的朋友是谁。通过你的朋友圈表示你的信用是怎样的。
   
其实我不认为这是一个原则,这是一个手段,你查朋友圈其实最终是想看到他的还款能力,你的朋友圈里的人如果信用很好,他的还款能力很高,因为你跟他们为伍,所以我认为你的还款能力信用非常好。古话叫“物以类聚”,通过这样的原则来做。这并不是本身三个C原则的改变,而是上来的一个新的手段,通过所谓的朋友圈征信来推断你的三个C的原则在哪里。我对这件事的看法是,整个这套理论的原则永远不会变,唯一变化的是日新月异的手段和数据、技术。
   
谢谢!
    
温树海:刚才也讲了变和不变。我们平安银行的张总又上升到更专业的银行的风控三个C,以及提出另外一个C的他自己的看法。我觉得无外乎刚才讲的风控开门三件事,第一是人,第二是还款能力,第三是还款意愿。
    
下面有请百融金服的张总分享一下他的观点,欢迎!
    
张韶峰:刚才观点非常经典,大数据风控在中国之前一直存在争议,尤其我们从2012、2013年做的时候大部分金融机构不波认可。但是2015年底,我们觉得大部分金融机构觉得这个事情有用,我觉得跟两件事情相关,第一是跟中国具体的国情相关,这个事可能在美国不那么有用,比如有个公司在中国非常出名,他不管是服务商还是金融机构,都是这件事情的鼻祖。但是在美国其实是一个小公司。但是这个在中国变成比美国大的多的事情。
   
第二个事情,技术的快速革新,实际使中国在风控有跳跃式的发展,这个事在美国还没有怎么经历过,在中国突然跳过美国的历史,直接就是大数据风控的阶段。其实这个事情我自己想起来觉得蛮有意思,这个事情在中国能够发生,在别的国家不一定发生。
   
第二个想分享的是,刚才讲的貌似看起来是创新,但是万变不离其中,最后还是通过分析发现老跟靠谱的人在一起的人,要么道德水平比较高,要么经济水平比较高,都是跟企业高管在一起的,还款率都比较高。这种推到底还是跟以前的老方法一样,只不过由于以前没有大数据,你没有办法用新的手段做这个事情,导致你必须用人民银行征信报告做,其实人民银行征信报告其实是结果数据,用结果数据推的结果一定是最准的。刚才李总讲不叫征信,叫风控,风控是原因,由于他跟很多人混在一起,由于这个原因我推测他的结果是好的。其实大数据的核心是用未发生的结果数据推测结果,为什么我们以前老是争辩征信跟风控的差别,其实我觉得对于银行来讲,只要你能帮我判断清楚这个人还不还钱就OK了。
   
还有一个,除了数据的丰富还有算法的进步,比如大概三个月前我们跟百度合作,我们用传统逻辑做预算,都是大数据,维度很多,和用经济学预算法,模型真的是有差异的,我们当时用模型的值得0.31,用了经济学算法是0.35,可解释性就差点。但是有些机构看来,他不太追求可解释性,我琢磨这个道理,比如银行具有可解释性有很多原因,除了监管、司法,还有用户投诉。另外,传统的获客方式是线下的,说不清楚什么是好坏怎么获客?但是互联网时代有时候也不好控制,比如一个人在网上看到广告,你不好准确判断那些人,你如果说只要结构好就行了,不能解释我也认了。
   
2013年的时候银行也不太认可我,现在好像有些人也开始认可,因为他们也开始互联网金融占了很大部分。
    
温树海:从中国实际和各个方面的效果讲了他的观点,现在请通付盾创始人兼CEO汪总做分享!
    
汪德嘉:我想开始明确几个观点。我们不是一个征信公司,金融的核心是风控,我们看来风控的本质其实是互联网用户的客户关系管理,首先这个平台没有客户谈不上风控,所以银行得进来。现在坏人很多,怎么区别好人、坏人,其实要区别意愿,好人在我看来都一样,坏人是不一样的很多平台上面需要更多的数据,特别是现在在传统数据比较缺乏的情况下,需要新的数据源补充填充风控能力。现在人工智能等一些高大上的算法也有很多效果,但是简简单单做一些事情就能够区别好人与坏人。
   
举个例子,比如说骗贷者,用身份证或虚拟帐号,这个成本很低,但是你要用手机的话成本还是比较高的,几百甚至上千块。有些骗贷者有一些特性,比如手机一直在充电,手机的电量数据,电量一直不变化那说明有问题。我就举个例子,很多简单有效粗暴的方法,可以可以做风控,但是这也是不同维度大数据,这是第一个。
   
第二个,现在坏人其实也可以拿到很多数据,他们精准的欺诈。我为什么强调风控安全的概念?就是我们一定要有态势感知坏人的一些行为,通过感知,像传感器一样形成分析。另外是信息共享,现在很多书记误导,好人不愿意分享信息,坏人分享信息特别快。我们做风控行业要团结起来,否则对待坏人真的措手不及,因为欺诈者是精准欺诈,所以我们要做精准风控,需要加一些技术的手段。这是我分享的第二点。
   
第三,还是想呼吁一下这个行业其实市场很大,其实不是一个技术就能够搞定所有的事情,像包商银行刘总早上说的,技术都有提供方,我们也是提供方之一,我们也可以提供技术。其实不仅是技术,更重要的是与场景、业务的结合,所以市场空间非常大,需要很多厂商结合起来,形成一个整体解决方案。我是表达一种开放的心态,与大家团结起来,把这个行业做好,谢谢!
    
温树海:谢谢!下面因为时间关系,最后一位嘉宾是郑和平总简短分享一下刚才的话题。
    
郑和平:基于温总说的风控的变与不变,不变的是商业银行或商业机构贷前贷中贷后的风险控制永远不变,变的是数据源和风控手段。
   
举个例子,90年代我就在银行卡中心做风控,那时候前台信审要求的是电话核实、上门核实。现在是精细化管理了,前台都有SASS系统了,不但审核电话、地址,还要审核征信报告,有了征信报告,信用审核就简单化多了。审核有两原则,一个是审核真实性,一个是审核信用。你有征信报告的话,真实性也要审核,信用也要审核,对他的额度、审批都会简单的多。当没有人行征信报告的时候,只有对他的真实性进行审核,后期对额度很小心翼翼,而且要看后期的信用表现。所以有了人行的征信报告,对信审是很大的跨步。未来民营信用公司的数据多元化,分析的精细化,对前期的风险、风控给了更加多元手段的风控,所以这是他的变化和不断的变革。
    
温树海:谢谢,前面讲了怎么利用大数据做好风控。下面有一个很重要的问题,如果一个信息不是隐私信息,大家想想实际有什么作用吗?没什么作用。有专家讲过,说隐私性越强,对判断个人越方便。跟今天上午的主题相呼应,在利用数据做好风险防控的同时,大家如何加强信息保护,最后请各位嘉宾每个人用1分钟的时间说一下。
    
李铭:个人隐私保护或者个人数据保护,最近这段时间很热,各级领导都在强调,我要是只说一句话的就是,作为企业来说不要把目标定太高,眼下很多条件不具备,不可能做到满意的个人隐私保护,先把能做的事情做到,我觉得这是不太好当中的足够好了。
    
张慎:我讲两句话。从隐私角度讲两件事,一件事是心态问题,我觉得只要想想你自己愿不愿意,这些信息,如果你作为一个消费者你愿不愿意被别人拿走、贩卖、做广告等等,这是最基本的标准。第二句话,我们现在没有一个清楚的界限说什么可以做、什么是不可以做的,讲起来都不可以做,反过来讲又觉得什么事大家都在做,这也是一个管理的问题,没有一个很清楚的界限,说什么是属于隐私之内不可以做的、什么是可以做的,这是需解决的问题。
    
张韶峰:我觉得咱们做数据行业的机构,做数据服务不能是一味为了赚钱,如果只是为了赚钱很容易走上邪路,这是我做这个领域十多年非常深的体验,当时我们的同行纯粹为了钱的公司现在已经不存在了,活的久比活的好可能重要一点,底线要高一点。
    
汪德嘉:我想强调的是企业的底线,特别是我们做大数据风控接触很多数据,要是有一念之差,也很容易做恶。所以我觉得做大数据风控一定要坚守底线,赚该赚的钱。
    
郑和平:王总这句话,就是企业的底线,我们经营公司的时候也是有底线的,一个是采集数据是合法的,经本人在不同场景下同意过的;然后在使用的时候,好人实际在贷款过程中遵纪守法,按约定还款,坏人是不按约定还款的。在坏人里面,用他的地址和电话催收的话,我觉得这种隐私信息不应该说是受到保护的。
    
温树海:好,我们这个讨论的环节到此结束,谢谢嘉宾,也谢谢大家!

以移动互联网、大数据、人工智能、生物科技、区块链等为代表的技术不断成熟,推动了保险科技的蓬勃发展。保险业加速数字化转型,新型的保险商业生态应运而生。 《保险科技行业观察》专栏跟踪研究保险科技行业发展、企业案例、技术创新和资本投入,并根据市场热点撰写专题报告。

点击下方图片,阅读完整报告专栏

上一篇>互金协会正式发布消费金融信披标准

下一篇> 百度快速布局汽车消费信贷,拟与长安新生等发行4亿车贷ABS产品



相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

2020数字科技年会暨零壹财经新金融年会(共20篇)


资讯排行

  • 48h
  • 7天



耗时 200ms