大數(shù)據(jù)可助力互聯(lián)網(wǎng)金融風(fēng)控

近年來，以第三方支付、P2P平臺、眾籌為代表的互聯(lián)網(wǎng)金融模式引起了人們的廣泛關(guān)注，該模式大量運用了搜索引擎、大數(shù)據(jù)、社交網(wǎng)絡(luò)和云計算等技術(shù)，有效降低了市場信息不對稱程度，大幅節(jié)省了信息處理的成本，讓支付結(jié)算變得更便捷，達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。但由于我國互聯(lián)網(wǎng)金融出現(xiàn)的時間短，發(fā)展快，目前還沒有形成完善的監(jiān)控機制和信用體系，一旦現(xiàn)有互聯(lián)網(wǎng)金融體系失控，將存在著巨大的風(fēng)險。

首先是信用風(fēng)險大。目前我國信用體系尚不完善，互聯(lián)網(wǎng)金融的相關(guān)法律還有待配套，互聯(lián)網(wǎng)金融違約成本較低，容易誘發(fā)惡意騙貸、卷款跑路等風(fēng)險問題。特別是P2P網(wǎng)貸平臺由于準入門檻低和缺乏監(jiān)管，成為不法分子從事非法集資和詐騙等犯罪活動的溫床。

其次是網(wǎng)絡(luò)安全風(fēng)險大。我國互聯(lián)網(wǎng)安全問題突出，網(wǎng)絡(luò)金融犯罪問題不容忽視。一旦遭遇黑客攻擊，互聯(lián)網(wǎng)金融的正常運作會受到影響。

互聯(lián)網(wǎng)金融企業(yè)通過獲得多渠道的大數(shù)據(jù)原料，利用數(shù)學(xué)運算和統(tǒng)計學(xué)的模型進行分析，從而評估出借款者的信用風(fēng)險，典型的企業(yè)是美國的Zest Finance。其通過分析模型對每位信貸申請人的上萬條原始信息數(shù)據(jù)進行分析，并得出超過數(shù)萬個可對其行為做出測量的指標，而這一過程在5秒鐘內(nèi)就能全部完成。在進行數(shù)據(jù)處理之前，對業(yè)務(wù)的理解、對數(shù)據(jù)的理解非常重要，這決定了要選取哪些數(shù)據(jù)原料進行數(shù)據(jù)挖掘，在進入“數(shù)據(jù)工廠”之前的工作量通常要占到整個過程的60%以上。

目前，可被用于助力互聯(lián)網(wǎng)金融風(fēng)險控制的數(shù)據(jù)存在多個來源。

一是電商大數(shù)據(jù)，以阿里巴巴為例，它已利用電商大數(shù)據(jù)建立了相對完善的風(fēng)控數(shù)據(jù)挖掘系統(tǒng)，并通過旗下阿里巴巴、淘寶、天貓、支付寶等積累的大量交易數(shù)據(jù)作為基本原料，將數(shù)值輸入網(wǎng)絡(luò)行為評分模型，進行信用評級。

二是信用卡類大數(shù)據(jù)，此類大數(shù)據(jù)以信用卡申請年份、通過與否、授信額度、卡片種類、還款金額等都作為信用評級的參考數(shù)據(jù)。國內(nèi)典型企業(yè)是成立于2005年的“我愛卡”，它利用自身積累的數(shù)據(jù)和流量優(yōu)勢，結(jié)合國外引入的FICO（費埃哲）風(fēng)控模型，從事互聯(lián)網(wǎng)金融小額信貸業(yè)務(wù)。

三是社交網(wǎng)站大數(shù)據(jù)，典型企業(yè)為美國的Lending Club，它基于社交平臺上的應(yīng)用搭建借貸雙方平臺，并利用社交網(wǎng)絡(luò)關(guān)系數(shù)據(jù)和朋友之間的相互信任聚合人氣，平臺上的借款人被分為若干信用等級，但是卻不必公布自己的信用歷史。

四是小額貸款類大數(shù)據(jù)，目前可以充分利用的小貸風(fēng)控數(shù)據(jù)包括信貸額度、違約記錄等。由于單一企業(yè)信貸數(shù)據(jù)的數(shù)量級較低、地域性較強，業(yè)內(nèi)共享數(shù)據(jù)的模式已正逐步被認可。

五是第三方支付大數(shù)據(jù)，支付是互聯(lián)網(wǎng)金融行業(yè)的資金入口和結(jié)算通道，此類平臺可基于用戶消費數(shù)據(jù)做信用分析，支付方向、月支付額度、消費品牌都可以作為信用評級數(shù)據(jù)。

六是生活服務(wù)類網(wǎng)站大數(shù)據(jù)，包括水、電、煤氣、物業(yè)費交納等，此類數(shù)據(jù)客觀真實地反映了個人基本信息，是信用評級中一種重要的數(shù)據(jù)類型。