黑市数据泛滥,大多还在最初级的数据收集

去年以来,随着互联网金融尤其是消费金融的火速发展,大数据风控也火爆起来,不少专注于大数据风控的公司,如百融、量化派、同盾科技、聚信力等颇受资金市场追捧。与此同时,这类公司也存在一系列问题,比如信息源获取的合法性、利用数据的有效性等等。今年5月开始,监管也开始了对大数据行业的清查。再加上近期有媒体称由中国互联网金融协会牵头,包括首批个人征信试点机构中的芝麻信用、腾讯征信等相关机构,欲携手打造的个人征信机构“信联”,可以预见,将对大数据行业带来很大冲击。未来,行业也将迎来一轮洗牌。

海量数据是基础,用于防范欺诈和信用风险

近年来,随着传统银行转型、网贷平台限额,消费金融、现金贷由于无需抵押可以迅速上量,由此催生了基于大数据应用的线上精准获客和风控体系。

据业内人士介绍,大数据风控服务,主要包括利用大数据技术来防范欺诈风险和信用风险。

欺诈风险一般就是我们常说的识别“黑、灰、白名单”,黑名单就是我们俗称的“老赖”,恶意赖账的人群,白名单即是信用记录良好的人群,而灰名单则为两者之间;防范信用风险则是依托大数据描述的用户图像,比如受教育程度、行为偏好、工作是否稳定等,据此来综合预测个人还款能力。

大数金融首席风险官漆瑾声曾对新快报记者表示,国内所说的“大数据”,在美国习惯被称之为“替代性数据”(Alternative Data)。这是源于当时美国有部分人群个体征信数据的缺失,于是水、电、煤等这些替代性数据就派上用场了。

他表示,依照与个人信用关联程度,数据可以大体分为两类:一种是传统征信数据,也就是强相关数据;另一种是弱相关数据,比如社交数据、水电煤及经营数据等。

他表示,现在国内注册的大数据公司有数万家,但不少公司的数据源都是“替代性数据”或弱相关数据。“只有经过实践验证过的数据才是有效数据,现在市场上普遍流行的社交信息、非还款负债信息等,严格来说不属于准确意义上的征信数据。”

由于目前国内征信体系的不完善,因此目前行业中的大数据以弱相关数据为多,包括利用一些行业数据、用户的互联网浏览数据、司法执行数据、第三方信用数据、出行数据、电商平台的交易数据、电话通信数据和社交数据等等。

数据来源大多不明,是否得到用户授权是关键

“很多大数据风控公司的数据获取并未获得政府部门渠道查询的授权,数据要么是爬取的,要么是各种渠道购买的。”有业内人士表示。

在网络上,也有很多售卖用户信息的公司。这类公司可以公开爬取用户支付宝、网贷账号、邮箱、网银等信息。行业中购买数据已然成了“公开的秘密”。从各个渠道挖取用户数据,通过电话号码、身份证等唯一标识码(对某一类数据中某个实体进行唯一标识的代码),进行不同数据的整合,最终挖掘出用户的有用价值,加以变现。

“公司之间随意将用户隐私信息进行交换、交易等,这实在是太正常的情况了。”该负责人表示。此前,在贩卖个人信息的QQ群中,新快报记者也注意到,曾有中介打出0.5元购买一人家庭住址的信息。

不少大数据公司的产品说明书中均表述有着大量电商风险名单,但是对于这类数据是否得到合规授权却鲜有披露。比如新快报记者获得某知名数据风控公司业务介绍PPT中关于数据概括一栏就显示“有千万级失信名单,来源于合作伙伴反馈的黑名单;10亿+的互联网泄露数据等”,但并未显示这些数据是否得到用户授权。

不过,该公司相关负责人则表示前述业务介绍为2016年以前的旧版本,“公司业务均合法合规,相关业务开展都以授权和脱敏为前提。”

有业内人士表示,大数据公司最需要注意的地方,在取数据时“是否得到客户授权”。这决定了数据获取的可持续性。早在去年征信管理局就出台《征信业务管理办法(草稿)》,规定了信息使用需获信息主体授权同意;今年6月开始实施的《中华人民共和国网络安全法》也规定了任何个人和组织不得窃取或者以其他非法方式获取个人信息,不得非法出售或者非法向他人提供个人信息。

有业内人士透露,目前行业中从网络获取大数据分为两种,一种是爬虫技术,又分为公开信息爬取和授权爬取。公开信息则可以通过各类公开网站信息获取,但是后者爬取涉及用户个人信息的比如电商网站则需要得到用户授权。

此外,除了上述方法外,还有业内人士表示,还有一种技术是可以通过嵌入某种代码的软件开发工具获取信息。“这种软件一旦嵌入后,如果你注册登录了这个APP并默认授权,所有的行为数据都能记录,在神不知鬼不觉的时候就能爬取手机通讯录、聊天记录、银行账号密码、定位等信息。”

行业洗牌在即,将迎来监管

虽然行业中号称做“大数据”的公司不少,但大多还在最初级的数据收集、买卖阶段,真正的数据清洗、应用技术,还处在探索阶段。而黑市数据泛滥,个人隐私泄漏严重的问题,已经被监管部门治理。

有业内人士表示,不仅仅是数据获取上,在利用数据上行业中各种大数据公司也参差不齐。“数据清洗,特别是变量衍生的工作,技术含量其实是很高的,需要经过专业训练,”该人士表示,好是有不错的业务经验,对业务有比较透彻的理解,但是当前现状,很多公司从事数据清洗的团队接受的训练和业务经验往往都不足。“坦白说,在信用风险领域,市场上海量的大数据普遍存在着变量相关性不强、数据质量良莠不齐的问题。”

早在今年5月,数据行业开始了大清洗,监管部门开始清查大数据行业。同样在5月,高人民法院通报了新的司法解释,明确了“非法获取、出售或者提供行踪轨迹信息、通信内容、征信信息、财产信息等个人敏感信息五十条以上的,即构成犯罪,处三年以下有期徒刑或者拘役。”

此外,近日有媒体报道,由中国互联网金融协会牵头,包括首批个人征信试点机构中的芝麻信用、腾讯征信等,以及百度、网易、360等相关机构,欲携手打造的个人征信机构“信联”目前的筹建已进入实质阶段,平台架构搭建已开始运作。

有业内人士表示,“信联”的筹建显然是为了解决目前非银领域信贷数据由于分散不集中衍生的诸多问题,定位在于中国人民银行征信中心的重要补充,直接作用则是变相解决此前个人征信牌照“难产”两年的困局。“此前的试点机构,一些企业本身既有基础数据,又做借贷业务,再出个人征信报告,就会存在既当运动员,又当裁判员的问题,在程序上就难以保证公平性,”开鑫金服总经理周治翰也表示。

“网联的成立,对于主营业务是数据买卖的公司而言,生存压力越来越大。”有业内人士表示,大数据行业,进入了洗牌期。“一个行业的发展必然会经历混沌到监管再到规范的过程,期待行业经历清查、整顿后最终形成一个良性的环境。”

中国人民银行征信中心原资深顾问李铭则认为,征信在国内是一个被严重误解的行业,在当前中国很多人还没有信用历史的现实情况下,征信机构使用大数据技术作为风控手段是可行的。“考虑到合法合规和业务流程,他推荐可以利用心理测量学取得数据,其在信息相关性、数据主体权利、许可等方面不会带来很多麻烦,预测能力也很强,”他强调,“我们唯一要注意的是隐私保护的问题”。