第三方机构齐发力 大数据风控成热门战场

 

　　近日，融360上线“天机”大数据风控系统，针对5万元以下的个人信用贷款申请，其通过身份认证、还款意愿和还款能力三个大维度，对申请贷款的用户进行信用评分，并依据分值决定是否应放款。

 

　　融360并不是国内第一家在大数据风控系统发力的互联网金融企业，此前，好贷网在3月份推出好贷云风控系统、4月共鸣科技推出了其大数据风险定价系统2.0版本。蚂蚁金服旗下的芝麻信用、一些P2P网贷平台也都陆续开始研发大数据信用评估模型。基于大数据的风控模型正在成为互联网金融领域一个热门的战场。

 

　　当前，同类用户用抵押物、收入流水证明等粗放式的传统风控方式，贷款获批率在15%左右，而使用大数据模型结合人工后获批率可以达到30%以上。

 

　　第三方机构齐推大数据风控系统

 

　　互联网金融第三方服务机构不能将传统金融服务模式单纯搬至线上，其核心竞争力并不是营销获客能力，而是风控能力。随着网络技术的成熟和大数据积累的逐渐成形，借助于越来越广泛的金融消费数据，大数据风险定价成为平台的工具，同时也能为央行征信系统不能有效覆盖的个人消费者和小微企业主贷款服务。

 

　　“互联网金融的想象力更多的是通过互联网技术来提高金融的效率，P2P不仅仅是一种线上融资工具，更多的是通过互联网获取借款客户和提高风控效率。”此前，共鸣科技风险定价系统沟通会上陆雨泉如此表示。

 

　　而这一想象力——大数据风控系统之所以成为可能，赖于互联网化几十年来广大网民在网上留下的数据痕迹，尤其是近几年来消费金融所沉淀的大量数据，其使得通过大数据分析和预测技术、智能化判断个人的信用风险成为可能。

 

　　3月下旬，好贷网与FICO合作推出了好贷云风控系统，其接入FICO信贷评分决策云平台（ALP），以FICO的信用评分决策引擎为核心，与国内多家大数据公司合作。据了解，好贷云的风控建模合作对象包括另一家风控建模公司IFRE。好贷网称，其系统包含6大风控数据类别，21个风控识别领域，1100个识别维度。

 

　　大数据风控依赖于广泛的数据搜集、并深入挖掘数据衍生的特征，此类特征会被分类成多个维度，如用户属性、用户偏好、用户意愿、风险特征等，通过丰富的用户特征，与模型的运算，并经智能化机器学习模型，逐步完善模型的贷款推荐、风险预测、实时定价等构架，而系统中的智能学习机器模型，正在促使大数据风控的良性循环。

 

　　当下，现有的大数据风控模型都会生成对个人用户进行信用风险评估。用户看不到自己的信用分值，只能看到最终获批的额度、利率和期限，这构成了最终的风险定价。

 

　　阻碍重重

 

　　在业内，建模还依赖于大量的信贷数据，以单一P2P平台或消费金融平台之力尚不足建立成熟的模型。国内互联网金融第三方服务机构大多已瞄准这一自身优势，包括好贷网、融360都属于这一范畴，共鸣科技陆雨泉此前也声称对接了目前市场上主要的大数据公司，对接的数据超过了100万条。

 

　　但是，当下消费金融、电商数据等足以形成对整个互联网金融风控的实效性吗？融360叶大清在风控系统发布会上称，开发大数据风控系统，不是要做征信服务，而是通过积累的数据和风险技术更好服务于自有平台的贷款人和合作伙伴。目前看来，大数据风控仅仅局限于系统内对接的平台。

 

　　国内大数据风控最有条件的应该属于阿里和腾讯。阿里推出了面向社会的信用服务体系芝麻信用，除了接入阿里的电商数据和蚂蚁金服的互联网金融数据外，还与外部的公共机构、商业机构达成广泛的合作。腾讯掌握着基于微信的社交信息数据，也即将推出自己的大数据征信。

 

　　但大数据掌握之多如阿里者，芝麻信用的服务场景和对象，仍仅局限于支付宝用户和阿里旗下的消费金融产品。

 

　　就整体市场而言，大数据风控操作难度较大，数据如何收集、样本选择多少、如何选择、数据来源是不是权威有效可信等，无论是从数据的收集还是分析以及建模，大数据风控都不是那么简单。

 

　　点融网CEO在此前的一次会上表示，央行之外，大量的非结构化数据如何应用，前景还是面临着很多困难。他称，一个非结构化的模型建立起来之后，是否有效，需要一个两到三年完整的信贷周期，甚至需要两个以上的周期来验证模型是否真实有用。在他看来，整个中国和美国模型的开发和应用都是刚刚起步，还需要很长时间的验证，才能证明其操作的实效性。

 

　　电商和互联网金融崛起以来，互联网崛的发展产生了众多的数据。但各个机构、公司都将自己的数据视若珍宝，竭尽措施进行安全保护，即使数据可以共享，但各平台水平参差不齐。因此使得数据对接成为一项颇具挑战性的工作。众多想要发展大数据风控的平台声称会通过技术手段进行网络数据抓取，但是仅仅抓取到公开部分的数据，其核心程度有待商榷，以此进行的数据分析与建模其可行与可信程度可想而知。

 

　　数据搜集的关键之处在于隐私，如何在搜集数据的同时不侵犯行为主体其技术含金量极高，数据的脱敏与清洗是数据搜集的重要工作，这也是平台需要解决的问题。

 

　　未来何去何从

 

　　我国征信行业发展相当不成熟，目前，央行征信系统主要根据放贷机构的信贷数据已经为约8.5亿自然人建立了信用档案，但其中仅仅3亿多人有信贷数据，剩余部分都只有经济资讯记录，事实上，央行征信系统的数据覆盖面太小，大部分的民间金融等数据都没有收入进来，同时，央行的数据还不对广大商业企业公开，P2P行业目前并没有接入央行征信系统。

 

　　另一方面，大数据风控也没有形成行业的资信共享机制，行业进入门槛相对较高。大数据风控需要三个流程，即数据搜集、数据分析与数据建模，而当前，我国行业市场上兼具三者的少之又少。

 

　　关于大数据风控，众说纷纭，其存在的问题与发展空间并存。

 

　　业内人士称，大数据参与风控，并不意味着由数据来决定风险管理，而是由数据来支持风险管理决策，风控系统构建方不能保证大数据提供的风险管理百分之一百有效，当下，大数据风控只是相对传统的风险管理而言，离“真相”更近一些。

 

　　陆雨泉认为，互联网大数据的积累已经让风控进入2.0时代，各个平台可以通过公开数据及行业间数据互换以积累数据，国内可以借鉴国外发展相对成熟的征信体系、数据分析建模方式等得以完善大数据风控体系，P2P的未来是标准化平台、批量化放贷。

 

　　事实上，我国大数据风控并非存在是否为伪命题的问题，而是处在什么发展阶段会起到什么作用的问题。大数据风控是行业大趋势，其会经过漫长的发展阶段，当前其还是一个新生事物，发展与问题同在，关于大数据风控，人们会见仁见智，发展过程可能会违规违法，可能会遭遇各种瓶颈，大数据风控的未来终究是可期的。