你可曾想到,一个手机号,或许能成为判断信用水平的依据之一。

“我们发现,借款人手机号使用年限越长的,违约率就越低;反之,使用年限越短,比如不到一年,违约率越高。有些新注册的手机号其实就是用于骗贷的。这是基于大数据运用的一个例子,不是传统意义上的风控手段。”谈及大数据风控的应用,百融云创创始人张韶峰告诉《金融时报》记者。

如今,不仅是手机号,人们的日常衣食住行,消费记录、信用记录、出行记录等,都被一些互联网企业记录并可能成为大数据风控的参考因素。有网友戏言,这是在互联网上“裸奔”的时代。然而,数据就在我们身边,而且每天都在产生,并对各行业发展产生影响。如何合法、合规采集并使用好数据这一生产要素,如何正视大数据风控的价值与弊端,值得各方关注。

1(1)

大数据风控是补充

众多数据资源分散在不同行业、不同机构,形成一个个数据孤岛。于是,出现了一些专门挖掘数据潜力,并为金融机构风控提供支撑的公司。《金融时报》记者梳理发现,大数据概念兴起于2005年左右,在此之前,基础技术不够,思维也未转换;随着大数据技术兴起以及相关处理能力提升,行业逐渐开拓了思维,2010年左右进入爆发期;2013年以后,大数据基础技术的使用日趋普遍,很多互联网企业进入了大数据风控领域。百融云创即是其一。

“我们所做的是让不同体系中数据的沉睡价值被唤醒,有效解决普惠金融因结构性数据缺乏或不足而风控难度高的问题。”张韶峰说。

张韶峰仍认为,大数据风控是传统风控的补充。“对于借贷记录丰富或者有抵制押物的客户,传统风控够用;对于服务信用‘白户’,扩大普惠金融的覆盖范围,大数据风控发挥了积极作用。”

“大数据风控与传统风控二者不能分开,传统风控需要借助大数据等技术手段进行提升,跟传统风控相比,大数据风控增加了更多的数据维度。”中央财经大学教授黄震告诉《金融时报》记者。

在神州信息首席风控专家辛园看来,信息时代、数字经济的发展带来了大量和多维度的数据,金融机构基于对各种数据的分析建模,能够利用数据挖掘技术来预测客户的违约概率和还款能力。

实践中,除了金融机构之外,掌握大数据风控技术的公司大致分为两类,一类是一些大数据或科技公司,它们寻求与金融机构合作,通过技术输出达到共赢;另一类互联网企业,主要依靠其商业生态来获客和收集信息,并依靠其对电商平台和客户信用评分的独特控制力来管控风险。

大数据风控的利与弊

简单而言,大数据风控大体流程是借款用户申请,然后进入反欺诈识别,再和第三方数据源以及自己掌握的数据进行比对,给出信用评级,再授信。那么,大数据风控是否会颠覆传统风险管控体系?

黄震认为,流程基本上各家企业都差不多,但实际风控水平和效果得具体分析。“大数据风控主要是商业机构在做,最终或许会转嫁到借款人身上,从而增加借款成本;而有些互联网企业将其商业生态中的交易、行为和社交数据等用于信贷决策,这些是否可靠有效也有待检验。”

近日,就有一则利用大数据风控“薅信用贷羊毛”的案例。据媒体报道,眉山市公安局查处了一个上百人的骗贷团伙,该团伙利用为一些从未有过贷款记录的“白户”缴纳公积金,并用公积金缴纳记录,通过线上渠道向全国多家银行申请贷款约10亿元。

当地警方介绍,公积金的缴存记录,只要推送给银行后,有的银行就会直接认定,有公积金的借款人拥有稳定工作和收入符合贷款条件,就能获得额度不低的信用贷款,App线上申请,几分钟就可以到账。

专家表示,当前的数据资源条件与技术实现能力可能会制约大数据风控的效果。比如,现实中数据缺失、不全、不准的情况较为严重,一些数据真实性也难以核实,建模与调参也是一个长期复杂的过程,且需要根据环境不断修正。从逻辑上说,大数据风控也包含着一些意外的风险,包括难以预测统计规则以外的事件,发生问题时人工难以修复;还有“复贷”“骗贷”等事件发生;在极端经济环境下,大数据风控体系可能会失灵。

针对大数据风控的利与弊,辛园认为:“利端体现在提高了审批的效率和有效性,部分客群没有人行征信数据和数据不足,大数据风控较好地解决和满足了这类客群的借贷需求。弊端则体现在,一是批量系统风险,经验不足或经济下滑周期,数据更新不及时,易导致批量客户违约风险;二是个人隐私获取和泄露风险,大数据风控采集了用户的信息数据,易导致隐私安全问题。”

“数据来源的合法性、数量级和有效性是大数据风控的核心问题,另外,特征建模这一技术环节既需要经验也需要不断迭代和优化。”黄震说。

大数据风控的前景

针对大数据风控的前景,接受采访的从业者以及专家学者表示,大数据风控水平还有较大提升空间,安全与发展之间需要找到一个平衡点,但金融科技化是大势所趋,数据的开放程度也越来越高,大数据风控与传统风控互为补充,前景广阔。

资深学者时雨表示,相对于将大数据用于信贷评审(贷前管理),抵押、质押和担保是国内外信贷业务中普遍采用的风险缓释手段(贷后管理),这两者相互补充,适用于不同类型、金额和信用等级的信贷,并不意味着大数据风控一定比运用抵质押和担保手段更为先进。

黄震认为,大数据风控需要有数据的规则、标准、法律制度。要有产品的标准意识,另外数据来源一定要合法、合规,如果涉及个人隐私,要经过数据清洗、处理。

作为大数据行业从业者,张韶峰希望能够针对金融机构对于风控合规和科技落地的需求,为金融机构提供科技转型解决方案,帮助它们解决长久以来的业务“痛点”,升级整体金融业务效率,同时助力客户将业务流程中的内外部数据沉淀下来,将大数据资源真正变成客户的大数据资产,反哺客户业务的进一步创新和发展。

辛园认为,目前大数据风控更多面向的是个人零售信贷金融,针对企业端和农村金融客群则相对较少。神州信息将结合自身在“三农”、税务数据等领域的深度挖掘、分析和应用能力,提供更多新模式、新产品、新服务,助力普惠金融更好服务“三农”、服务实体经济。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2023-08-24 09:38:00
大数据资讯 关注县域数据能力建设,抢占产数业务发展先机
2023年《数字中国建设整体布局规划》正式发布,数据能力已成为我国区域发展的底座和创新引擎。 <详情>
2023-05-24 08:49:08
大数据资讯 工信部:2024年初步建立工业领域数据安全标准体系
近日,为深入贯彻落实《中华人民共和国数据安全法》《中华人民共和国网络安全法》等法律法规要求,建立健全工业领域数据安全标准体系,工业和信息化部公开征求对《工业领域 <详情>
2023-04-17 09:53:57
大数据资讯 电信和互联网行业数据安全人才发展洞察与思考
人才是“第一资源”,培养数据安全人才是护航数字中国建设的重要任务,是推动数据安全产业健康发展的前提条件。 <详情>
2023-03-30 11:15:07
云资讯 分布式时代已至,数据如何更有价值?
无论是连通各大集群内大型超大型数据中心,还是连接边缘侧小型、边缘数据中心,分布式云计算都已成为这张算力网络最重要的支撑。在此背景下,云计算步入分布式时代。 <详情>
2023-03-01 19:27:00
市场情报 FlagOpen大模型技术开源体系,开启大模型时代“新Linux”生态
大数据+大算力+强算法=大模型”是当前人工智能发展的主要技术路径。语言大模型ChatGPT成为现象级应用,人工智能进入普及应用的新时期。 <详情>