大數(shù)據(jù)應(yīng)用在互聯(lián)網(wǎng)金融借貸行業(yè)的實(shí)踐與探索

薛又軒

大數(shù)據(jù)可說(shuō)是2015年和2016年的重點(diǎn)話題，一方面成為互聯(lián)網(wǎng)和資本市場(chǎng)的火熱話題與風(fēng)口，另一方面國(guó)務(wù)院也在《關(guān)于印發(fā)促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要的通知》系統(tǒng)部署了全國(guó)大數(shù)據(jù)發(fā)展工作，大數(shù)據(jù)儼然成為國(guó)家層級(jí)的重點(diǎn)戰(zhàn)略。而和金融業(yè)息息相關(guān)的數(shù)據(jù)應(yīng)用方面來(lái)說(shuō)，國(guó)務(wù)院在隨后頒布的《推進(jìn)普惠金融發(fā)展規(guī)劃（2016～2020年）》中更是直接提到“鼓勵(lì)金融機(jī)構(gòu)運(yùn)用大數(shù)據(jù)、云計(jì)算等新興信息技術(shù)，打造互聯(lián)網(wǎng)金融服務(wù)平臺(tái)”。至此，國(guó)內(nèi)外各金融與類金融機(jī)構(gòu)、互聯(lián)網(wǎng)金融企業(yè)紛紛上馬大數(shù)據(jù)應(yīng)用的探索，冀望大數(shù)據(jù)可以帶來(lái)技術(shù)上的突破，實(shí)現(xiàn)自動(dòng)化、著手升級(jí)現(xiàn)有風(fēng)控模型體系、探索新型態(tài)基于場(chǎng)景化的消費(fèi)金融市場(chǎng)、提升催收效率、建設(shè)互聯(lián)網(wǎng)深層次大面積獲客能力，從而徹底提升國(guó)家金融行業(yè)的國(guó)際競(jìng)爭(zhēng)力。

大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)的差異

談到大數(shù)據(jù)，首先應(yīng)當(dāng)了解，對(duì)金融行業(yè)來(lái)說(shuō)，大數(shù)據(jù)“大”在哪里，和傳統(tǒng)數(shù)據(jù)在本質(zhì)上有什么樣的不同，才能夠更好地理解和更有針對(duì)性地應(yīng)用這寶貴的新資源。就如同原油也需要經(jīng)過(guò)層層的提煉，才能成為人類可以大量應(yīng)用的石油產(chǎn)品，大數(shù)據(jù)也需要經(jīng)過(guò)精心的篩選和應(yīng)用設(shè)計(jì)，才能起到實(shí)質(zhì)的功效。

傳統(tǒng)金融機(jī)構(gòu)，在建設(shè)信用風(fēng)險(xiǎn)打分模型的數(shù)據(jù)來(lái)源主要有幾個(gè)方面：第一，人民銀行征信中心數(shù)據(jù)；第二，客戶自己提交的外部個(gè)人財(cái)力證明數(shù)據(jù)，如房產(chǎn)證、汽車行駛證、單位開(kāi)具的收入證明等；第三，金融機(jī)構(gòu)或集團(tuán)內(nèi)部積累的客戶歷史數(shù)據(jù)，如銀行的工資流水，歷史貸款數(shù)據(jù)，保險(xiǎn)數(shù)據(jù)等。

傳統(tǒng)數(shù)據(jù)的優(yōu)點(diǎn)和缺點(diǎn)

傳統(tǒng)數(shù)據(jù)優(yōu)點(diǎn)是這些數(shù)據(jù)和金融的價(jià)值相關(guān)性高、數(shù)據(jù)采集規(guī)范。然而缺點(diǎn)是維度較小，并且覆蓋的人群有限，對(duì)于新形態(tài)的互聯(lián)網(wǎng)模式適應(yīng)程度較差，也不容易達(dá)到普惠覆蓋的目的。 金融機(jī)構(gòu)基于這些高價(jià)值數(shù)據(jù)，紛紛設(shè)計(jì)出各種信用風(fēng)險(xiǎn)評(píng)分模型，最終實(shí)現(xiàn)對(duì)客戶信用風(fēng)險(xiǎn)的打分評(píng)估，是目前較為成熟的運(yùn)行方式。

大數(shù)據(jù)的特點(diǎn)

大數(shù)據(jù)時(shí)代的客戶信息渠道更加多元化，主要包括內(nèi)部收集和外部渠道，內(nèi)部收集指各互聯(lián)網(wǎng)生態(tài)體系內(nèi)，長(zhǎng)期積累的用戶數(shù)據(jù)。外部渠道則是指各種數(shù)據(jù)源采集，如通信數(shù)據(jù)、社保數(shù)據(jù)、法院失信數(shù)據(jù)、交通數(shù)據(jù)、保險(xiǎn)數(shù)據(jù)等等（圖1）。

其數(shù)據(jù)特征包括幾個(gè)方面，第一，數(shù)據(jù)覆蓋面廣。各大互聯(lián)網(wǎng)集團(tuán)，通過(guò)各種APP采集積累了用戶行為各方面的數(shù)據(jù)，如搜素歷史數(shù)據(jù)、電商交易數(shù)據(jù)、支付交易數(shù)據(jù)、社交數(shù)據(jù)，以及各種APP采集的用戶行為數(shù)據(jù)等等。第二，大量非結(jié)構(gòu)化的破碎數(shù)據(jù)導(dǎo)致的數(shù)據(jù)不準(zhǔn)確。數(shù)據(jù)采集渠道的多元化和非標(biāo)準(zhǔn)化，隨之帶來(lái)的問(wèn)題就是，客戶信息不準(zhǔn)確，同一客戶不同維度的信息經(jīng)常不完整或匹配不上。第三，數(shù)據(jù)來(lái)源不穩(wěn)定。不少大數(shù)據(jù)采集通過(guò)灰色渠道收集個(gè)人隱私數(shù)據(jù)，數(shù)據(jù)連續(xù)性和可持續(xù)性欠佳，往往有數(shù)據(jù)過(guò)時(shí)或缺失問(wèn)題。第四，消費(fèi)數(shù)據(jù)和信用數(shù)據(jù)關(guān)聯(lián)性弱。 盡管市場(chǎng)上常見(jiàn)的大數(shù)據(jù)機(jī)構(gòu)收集了各種維度的客戶行為信息，試圖描繪客戶畫(huà)像，但消費(fèi)類的數(shù)據(jù)和客戶信用風(fēng)險(xiǎn)以及還款意愿并不直接相關(guān)。目前的大數(shù)據(jù)公司往往缺少內(nèi)部征信數(shù)據(jù)、外部征信數(shù)據(jù)、個(gè)人資產(chǎn)數(shù)據(jù)等強(qiáng)金融變量數(shù)據(jù)，而集中在客戶衣食住行和社交信息，要直接拿來(lái)作為信用風(fēng)險(xiǎn)評(píng)分模型的有效性依舊有待考驗(yàn)?？紤]到大數(shù)據(jù)和傳統(tǒng)金融數(shù)據(jù)的差異性和互補(bǔ)性，所以更多的應(yīng)該是如何通過(guò)模型的設(shè)計(jì)和提煉，使得這些大數(shù)據(jù)源經(jīng)過(guò)提煉，可以從原油變成成品石油般廣為應(yīng)用（圖2）。

大數(shù)據(jù)在借貸中的應(yīng)用

借貸反欺詐的應(yīng)用

由于網(wǎng)絡(luò)借貸和傳統(tǒng)金融面對(duì)的受眾區(qū)別，借款人主要來(lái)自線上，考慮到目前網(wǎng)絡(luò)犯罪的試錯(cuò)成本極低，為數(shù)眾多的網(wǎng)絡(luò)借貸平臺(tái)很容易成為詐騙集團(tuán)覬覦的目標(biāo)，一般根據(jù)行業(yè)經(jīng)驗(yàn)，網(wǎng)絡(luò)借貸平臺(tái)往往都會(huì)有高達(dá)九成的借款需求存在欺詐和騙貸行為風(fēng)險(xiǎn)。因此借貸反欺詐的重點(diǎn)在于從100名潛在借款人當(dāng)中，準(zhǔn)確識(shí)別出真正有還款意愿的10名借款人。

通過(guò)技術(shù)的防范手段很多元化，一般通過(guò)核實(shí)手機(jī)號(hào)、身份證號(hào)碼、電腦唯一設(shè)備號(hào)、手機(jī)唯一設(shè)備號(hào)，可以進(jìn)行下列過(guò)濾識(shí)別手段：交叉比對(duì)借款人登記的住家地址、公司地址，以及申請(qǐng)人當(dāng)時(shí)申請(qǐng)的定位地點(diǎn)，如果差距超過(guò)10公里，風(fēng)險(xiǎn)系數(shù)極高；某些地址或大樓，屬于申請(qǐng)?jiān)p騙高發(fā)地址的，風(fēng)險(xiǎn)系數(shù)偏高，會(huì)得到一個(gè)分值；發(fā)現(xiàn)和多個(gè)平臺(tái)同時(shí)存在借款記錄的，風(fēng)險(xiǎn)系數(shù)偏高；手機(jī)號(hào)屬于法院黑名單、租車黑名單、使用時(shí)間段不足6個(gè)月、被多次標(biāo)記惡意騷擾電話等，風(fēng)險(xiǎn)系數(shù)偏高；6個(gè)月內(nèi)，同一個(gè)手機(jī)設(shè)備號(hào)，曾經(jīng)在銀行、小貸公司、多家P2P平臺(tái)有過(guò)多次申請(qǐng)記錄的，風(fēng)險(xiǎn)系數(shù)極高；手機(jī)設(shè)備號(hào)近一天關(guān)聯(lián)申請(qǐng)人3個(gè)手機(jī)號(hào)以上的，風(fēng)險(xiǎn)系數(shù)極高；手機(jī)號(hào)與設(shè)備是否匹配、第一次激活時(shí)間距離申請(qǐng)貸款時(shí)間較近，風(fēng)險(xiǎn)系數(shù)較高。

基于大數(shù)據(jù)自動(dòng)化流程提升效率

在通過(guò)反欺詐引擎，識(shí)別出真正有還款意愿的借款人后，這個(gè)階段的重點(diǎn)在于建立大數(shù)據(jù)輔助的信用風(fēng)險(xiǎn)評(píng)分模型，盡可能的從多維度數(shù)據(jù)補(bǔ)強(qiáng)出傳統(tǒng)金融數(shù)據(jù)不足之處，精準(zhǔn)定位達(dá)不到傳統(tǒng)金融機(jī)構(gòu)要求，但是又具有良好還款能力的借款人。目前行業(yè)內(nèi)流行較廣的應(yīng)用是在個(gè)人征信過(guò)程中，針對(duì)小額度（低于1萬(wàn)元）的貸款需求盡量采取自動(dòng)化、批量化的模型審批系統(tǒng)，將原先需要人工花費(fèi)30分鐘、逐一審核的15個(gè)風(fēng)險(xiǎn)控制點(diǎn)，采取自動(dòng)化和接口的方式，在1分鐘內(nèi)能完成風(fēng)險(xiǎn)定價(jià)和放貸，極大地提升運(yùn)營(yíng)的效率，更有效地通過(guò)技術(shù)手段壓縮了運(yùn)營(yíng)成本。不過(guò)針對(duì)大金額的借貸，考慮到欺詐風(fēng)險(xiǎn)和成本較高，傳統(tǒng)的金融征信數(shù)據(jù)和手段依舊不可或缺，同時(shí)使用大數(shù)據(jù)進(jìn)一步提升風(fēng)險(xiǎn)管控和提高效率，例如通過(guò)接口自動(dòng)實(shí)現(xiàn)身份證、法院、社保的信息核實(shí)，可以提高準(zhǔn)確率和審批效率。未來(lái)也可以試圖在傳統(tǒng)風(fēng)控打分模型中引入更多的大數(shù)據(jù)元素，作為評(píng)級(jí)的參考標(biāo)準(zhǔn)，例如有金融參考性的保險(xiǎn)數(shù)據(jù)、航空記錄、社保記錄等。

構(gòu)建基于場(chǎng)景的數(shù)據(jù)風(fēng)險(xiǎn)管理體系

通過(guò)建設(shè)交易借貸的場(chǎng)景一體化，是目前各大互聯(lián)網(wǎng)金融平臺(tái)和傳統(tǒng)金融機(jī)構(gòu)進(jìn)行錯(cuò)位競(jìng)爭(zhēng)的舞臺(tái)。其中由于借款人是直接通過(guò)信用借貸行為取得所想要的產(chǎn)品或服務(wù)，套現(xiàn)詐騙風(fēng)險(xiǎn)相對(duì)較低，金額一般也較小，各大平臺(tái)借鑒著靈活的體系和快速執(zhí)行力，紛紛投入精力設(shè)計(jì)各種低風(fēng)險(xiǎn)、場(chǎng)景化的金融應(yīng)用服務(wù)，并不斷持續(xù)優(yōu)化客戶體驗(yàn)。

場(chǎng)景化金融的風(fēng)險(xiǎn)管理要素，在任何一個(gè)的場(chǎng)景中，都有借款人、貸款用途（購(gòu)買特定產(chǎn)品和服務(wù)）、資金流和產(chǎn)品服務(wù)流這幾個(gè)基本要素，在這些特定點(diǎn)中，通過(guò)下列規(guī)則的設(shè)定和組合，可以有效的極大的降低風(fēng)險(xiǎn)。第一，基于購(gòu)買特定產(chǎn)品和服務(wù)類場(chǎng)景的借貸產(chǎn)品，例如產(chǎn)品服務(wù)非一次性交付，如長(zhǎng)達(dá)一年的教育課程培訓(xùn)套餐或多次實(shí)施的醫(yī)療美容套餐。第二，資金流和產(chǎn)品服務(wù)流形成閉環(huán)，意味著借款人不能拿到現(xiàn)金，平臺(tái)的資金流是直接付給產(chǎn)品服務(wù)提供方，如在線分期購(gòu)買iPhone、個(gè)人二手車消費(fèi)貸款。第三，風(fēng)險(xiǎn)可控有抵押需要快速周轉(zhuǎn)靈活調(diào)度資金的場(chǎng)景，如二手車商的經(jīng)營(yíng)貸款、房地產(chǎn)置換的贖樓貸，也是很好的消費(fèi)場(chǎng)景。

不過(guò)考慮到每個(gè)場(chǎng)景設(shè)定的不同，對(duì)應(yīng)的風(fēng)控要素自然也不同，最理想的互聯(lián)網(wǎng)金融平臺(tái)模式，會(huì)建立數(shù)十種不同的場(chǎng)景化金融，針對(duì)每個(gè)場(chǎng)景定義出不同的風(fēng)控要素、準(zhǔn)入條件和禁入人群、利率定價(jià)、還款周期等等。

從實(shí)操的角度來(lái)說(shuō)，第一步應(yīng)該是在每一個(gè)風(fēng)控場(chǎng)景，由風(fēng)控人員和技術(shù)人員設(shè)定出精密的各種金融要素條件，第二步是盡量善用外部數(shù)據(jù)源來(lái)輔助，能真正體現(xiàn)每一個(gè)互聯(lián)網(wǎng)金融平臺(tái)的產(chǎn)品設(shè)計(jì)和風(fēng)控水平。

做催收貸后管理的應(yīng)用

在傳統(tǒng)數(shù)據(jù)受限的場(chǎng)景下，大數(shù)據(jù)能顯著提升貸后催收的成果，目前國(guó)內(nèi)各大銀行信用卡中心都已經(jīng)開(kāi)始探索這方面的應(yīng)用，互聯(lián)網(wǎng)金融行業(yè)也早就已經(jīng)著手使用。具體來(lái)說(shuō)，主流應(yīng)用是查找逾期失聯(lián)客戶的電話、地址、郵箱、QQ 、微信、微博等信息。幫助委托方與失聯(lián)客戶建立溝通渠道。如果還是失敗，大數(shù)據(jù)公司往往會(huì)進(jìn)一步分析該手機(jī)號(hào)最常聯(lián)系人，做進(jìn)一步聯(lián)系，試圖聯(lián)系失聯(lián)客戶。

在獲客和客戶價(jià)值挖掘上的應(yīng)用

傳統(tǒng)金融機(jī)構(gòu)或銀行，目前評(píng)價(jià)一個(gè)客戶價(jià)值，相對(duì)來(lái)說(shuō)較為片面。舉例來(lái)說(shuō)，一個(gè)客戶在某銀行里，只有一張借記卡，沒(méi)有其他信用卡或貸款服務(wù)，只有賬戶里面幾千元活存，那這個(gè)客戶對(duì)銀行來(lái)說(shuō)，往往被定義為交易不活躍的低價(jià)值客戶。

如果可以通過(guò)大數(shù)據(jù)角度來(lái)看，通過(guò)身份證號(hào)、手機(jī)號(hào)進(jìn)行客戶畫(huà)像描繪后，可能分析出來(lái)這個(gè)客戶經(jīng)常關(guān)注互聯(lián)網(wǎng)理財(cái)，經(jīng)常頻繁使用各種股票和銀行APP，較高頻次的國(guó)內(nèi)和國(guó)際航空記錄。這個(gè)時(shí)候分析出來(lái)的結(jié)果反而可能是高凈值客戶。通過(guò)大數(shù)據(jù)可以幫助金融機(jī)構(gòu)和互聯(lián)網(wǎng)金融把客戶畫(huà)像描繪的更加完整。這樣一來(lái)，結(jié)合了原先的傳統(tǒng)情景和大數(shù)據(jù)分析后的場(chǎng)景，金融機(jī)構(gòu)和互聯(lián)網(wǎng)金融平臺(tái)的決策就會(huì)截然不同。這個(gè)客戶雖然在銀行或互聯(lián)網(wǎng)金融平臺(tái)暫時(shí)是一個(gè)低價(jià)值客戶，但實(shí)質(zhì)上是一個(gè)高凈值客戶，可以通過(guò)適當(dāng)推送的產(chǎn)品組合，并結(jié)合電話銷售，推薦適合的金融產(chǎn)品或服務(wù)，例如全家海外旅游分期貸款，或者短期高收益的金融產(chǎn)品。這也是通過(guò)大數(shù)據(jù)分析能改變傳統(tǒng)獲客和客戶挖掘交叉營(yíng)銷的模式。

同時(shí)，通過(guò)算法的分析和訓(xùn)練，可以建立現(xiàn)有用戶的群組，分析出一群比較相似的人，推薦一些他們經(jīng)常會(huì)選擇的東西，根據(jù)這些信息可以去推薦相應(yīng)的金融產(chǎn)品或服務(wù)給他，一方面讓客戶覺(jué)得不會(huì)干擾，進(jìn)而提升接受度和轉(zhuǎn)化率。從智能推薦的角度，會(huì)利用不同的標(biāo)簽參數(shù)、ID的參數(shù)等等完成推薦的工作。ID在整個(gè)數(shù)字營(yíng)銷領(lǐng)域是非常關(guān)鍵的一件事情，需要知道這是同一個(gè)人，才會(huì)有意義，不然所有營(yíng)銷的工作都是分散、割裂的，對(duì)整體的營(yíng)銷效果并不會(huì)很好。

有了相對(duì)穩(wěn)定的老客戶，那如何開(kāi)發(fā)新客戶進(jìn)行獲客？很多互聯(lián)網(wǎng)平臺(tái)往往會(huì)外包給一些外部營(yíng)銷公司、媒體公司。其實(shí)從大數(shù)據(jù)的視角來(lái)看，應(yīng)該是分析現(xiàn)有的穩(wěn)定老客戶，根據(jù)這些老客戶可以通過(guò)相似的推薦、相似的選擇找到什么樣的用戶會(huì)發(fā)生轉(zhuǎn)化，根據(jù)標(biāo)簽設(shè)定找到已經(jīng)轉(zhuǎn)化的老用戶相似的用戶，根據(jù)這些用戶選擇性的去投放不同的媒體渠道和屬性，不停優(yōu)化整個(gè)投放的結(jié)果，可以有效的降低獲客成本。

挖掘POS流水的價(jià)值

通過(guò)挖掘POS流水的歷史交易數(shù)據(jù)，也是一種新的趨勢(shì)。一種是通過(guò)分析商戶POS機(jī)的歷史交易記錄流水，綜合分析所在行業(yè)、月均交易額、交易額穩(wěn)定性、交易變化趨勢(shì)、客均消費(fèi)金額、持續(xù)經(jīng)營(yíng)時(shí)間，實(shí)時(shí)評(píng)測(cè)其收入和還貸能力，最后得到一個(gè)商戶預(yù)授信額度。另外一種是分析個(gè)人多張銀行卡的流水，從月均收入和消費(fèi)金額、消費(fèi)大類分布、資產(chǎn)狀況、特殊類別統(tǒng)計(jì)、銀行卡等級(jí)、常駐城市，最后生成持卡人預(yù)授信額度。

就如同人類從發(fā)現(xiàn)石油，將石油精煉出煤油，為世界人民帶來(lái)夜晚的光明。隨后又將更進(jìn)一步的提煉出今天廣為全世界使用的汽油和柴油，徹底改變了人類的生活。大數(shù)據(jù)亦然，也會(huì)從傳統(tǒng)數(shù)據(jù)，升級(jí)為大數(shù)據(jù)，進(jìn)一步再升級(jí)為結(jié)構(gòu)化的全數(shù)據(jù)時(shí)代，將會(huì)徹底改變?nèi)祟愑^察世界、運(yùn)作世界的方式。

從金融行業(yè)來(lái)看，各家大數(shù)據(jù)供應(yīng)商的數(shù)據(jù)，隨著采集設(shè)備和種類的增加，采集方式日漸結(jié)構(gòu)化，輔以各種大數(shù)據(jù)分析工具的齊備、大數(shù)據(jù)分析從業(yè)人員增加，可以預(yù)期在不久的將來(lái)，大數(shù)據(jù)將會(huì)漸漸的徹底改變目前整體傳統(tǒng)金融行業(yè)的運(yùn)作方式，隨之而來(lái)的，各金融機(jī)構(gòu)在戰(zhàn)規(guī)劃略和資源傾斜上，也會(huì)越來(lái)越重視大數(shù)據(jù)的投入，并逐步將數(shù)據(jù)的積累、分析、應(yīng)用變成金融機(jī)構(gòu)核心競(jìng)爭(zhēng)力的一部分。在國(guó)內(nèi)，除了借貸業(yè)務(wù)外，預(yù)期在保險(xiǎn)行業(yè)、券商行業(yè)、大資管與財(cái)富管理行業(yè)，還存在著巨大的發(fā)展空間和機(jī)遇等著各類金融機(jī)構(gòu)進(jìn)行探索。

（作者系點(diǎn)融網(wǎng)銀行事業(yè)部總監(jiān)）