相對(duì)于傳統(tǒng)風(fēng)控，大數(shù)據(jù)風(fēng)控在建模原理和方法論上并無(wú)本質(zhì)區(qū)別，只不過(guò)是通過(guò)互聯(lián)網(wǎng)的紅利，采集到更多維的數(shù)據(jù)變量，通過(guò)分析數(shù)據(jù)的相關(guān)性來(lái)加強(qiáng)或者替代傳統(tǒng)的強(qiáng)因果關(guān)系。

建模原理和方法論上并無(wú)本質(zhì)區(qū)別

大數(shù)據(jù)風(fēng)控即大數(shù)據(jù)風(fēng)險(xiǎn)控制，是指通過(guò)運(yùn)用大數(shù)據(jù)構(gòu)建模型的方法對(duì)借款人進(jìn)行風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)提示。

要理解大數(shù)據(jù)風(fēng)控，首先要把傳統(tǒng)金融風(fēng)控搞清楚。這里以銀行的信用卡部門(mén)為例， 解析一下傳統(tǒng)銀行的信用審批流程。(附圖綜合了幾家銀行信用卡中心的審核流程)

信用卡審核簡(jiǎn)易流程圖

從流程上看，銀行的信用審核，是以風(fēng)控評(píng)分卡模型的自動(dòng)審核為主，以人工審核為輔的模式，在需要特定審核的環(huán)節(jié)由人工進(jìn)行，比如驗(yàn)證你的工作、校驗(yàn)?zāi)懵?lián)系人的真實(shí)性等。這也是為什么在現(xiàn)實(shí)生活中一部分人在信用卡申請(qǐng)過(guò)程中會(huì)收到人工審核電話，一部分人并不需要該驗(yàn)證環(huán)節(jié)即可獲得信用卡。

從審核數(shù)據(jù)上看，對(duì)于銀行來(lái)說(shuō)，影響審批額度的主要因素包括客戶基本特征(包括男女、年齡、教育程度等等)、客戶的風(fēng)險(xiǎn)暴露情況(社會(huì)收入、債務(wù)情況、還債能力綜合評(píng)估)、現(xiàn)有的社會(huì)表現(xiàn)(房貸還款情況、其他銀行信用卡使用情況等)。

不管是中資還是外資銀行，大致都遵循了這樣一套風(fēng)險(xiǎn)評(píng)估和信用審核的邏輯。對(duì)比之下，就可以看出，時(shí)下互聯(lián)網(wǎng)金融鼓吹的大數(shù)據(jù)風(fēng)控在原理和方法論上跟傳統(tǒng)金融的風(fēng)險(xiǎn)控制并沒(méi)有本質(zhì)區(qū)別。

市場(chǎng)空白給予機(jī)會(huì)以數(shù)據(jù)相關(guān)性替代因果關(guān)系

大數(shù)據(jù)風(fēng)控相對(duì)于傳統(tǒng)風(fēng)控來(lái)說(shuō)，建模方式和原理其實(shí)是一樣的，其核心是側(cè)重在利用更多維的數(shù)據(jù)，更多互聯(lián)網(wǎng)的足跡，更多傳統(tǒng)金融沒(méi)有觸及到的數(shù)據(jù)。比如電商的網(wǎng)頁(yè)瀏覽、客戶在app的行為軌跡、甚至GPS的位置信息等，這些信息看似和一個(gè)客戶是否可能違約沒(méi)有直接關(guān)系，但實(shí)則通過(guò)大量的數(shù)據(jù)累積，能夠產(chǎn)生出非常有效的識(shí)別客戶的能力。

大數(shù)據(jù)風(fēng)控與傳統(tǒng)銀行風(fēng)控的比較

數(shù)據(jù)量大是大數(shù)據(jù)風(fēng)控一直宣傳的活字招牌，至于多少的數(shù)據(jù)量級(jí)才能算得上大，業(yè)內(nèi)一直沒(méi)有統(tǒng)一或者較為通用的標(biāo)準(zhǔn)。 根據(jù)公開(kāi)資料，螞蟻金服的風(fēng)控核心CTU 投入了2200多臺(tái)服務(wù)器，專門(mén)用于風(fēng)險(xiǎn)的檢測(cè)、分析和處置。新華網(wǎng)的報(bào)道顯示，螞蟻金服每天處理2億條數(shù)據(jù)，數(shù)據(jù)維度有10萬(wàn)多個(gè)。京東金融2016年6月，投資了美國(guó)的大數(shù)據(jù)公司ZestFinance，之后還與其聯(lián)合發(fā)起成立了合資公司ZRobot。ZRobot主要定位在為互金企業(yè)提供數(shù)據(jù)建模、信用評(píng)分、資產(chǎn)定價(jià)、欺詐識(shí)別等服務(wù)。京東金融依靠中國(guó)最大的電商-京東的數(shù)據(jù)量，在國(guó)內(nèi)已算大數(shù)據(jù)擁有者。

聚秀資本合伙人江南憤青表示，按照惠普副總裁提及的大數(shù)據(jù)概念，全球有能力進(jìn)行所謂的大數(shù)據(jù)應(yīng)用的公司不超過(guò)50家。大量的公司只是在做數(shù)據(jù)的優(yōu)化，根本不能稱之為大數(shù)據(jù)風(fēng)控。

在數(shù)據(jù)維度這個(gè)層級(jí)，傳統(tǒng)金融風(fēng)控和大數(shù)據(jù)風(fēng)控還有一個(gè)顯著的區(qū)別在于傳統(tǒng)金融數(shù)據(jù)和非傳統(tǒng)金融數(shù)據(jù)的應(yīng)用。傳統(tǒng)的金融數(shù)據(jù)包括我們上文中提及的個(gè)人社會(huì)特征、收入、借貸情況等等。而互金公司的大數(shù)據(jù)風(fēng)控，采納了大量的非傳統(tǒng)金融數(shù)據(jù)。比如阿里巴巴的網(wǎng)購(gòu)記錄，京東的消費(fèi)記錄等等。

在運(yùn)行邏輯上，不強(qiáng)調(diào)強(qiáng)因果關(guān)系，看重統(tǒng)計(jì)學(xué)上的相關(guān)性是大數(shù)據(jù)風(fēng)控區(qū)別于傳統(tǒng)金融風(fēng)控的典型特征。傳統(tǒng)金融機(jī)構(gòu)強(qiáng)調(diào)因果，講究?jī)蓚€(gè)變量之間必須存在邏輯上能夠講通因果。一位不愿具名的前城商行信用卡中心負(fù)責(zé)人表示，在銀行的信用評(píng)審中，他們即便發(fā)現(xiàn)了一些非傳統(tǒng)變量在統(tǒng)計(jì)上看來(lái)跟審核結(jié)果存在某種相關(guān)性，如果不能夠在邏輯上講通，他們也斷然不會(huì)采用。

“比如我們發(fā)現(xiàn)在某個(gè)時(shí)間點(diǎn)來(lái)申請(qǐng)的客戶，從后期數(shù)據(jù)表現(xiàn)上來(lái)看逾期的概率就是比較高。但如果沒(méi)辦法從邏輯上解釋通其中的道理，我們是不會(huì)貿(mào)然把它作為因變量放在審核模型當(dāng)中去的?！?/span>

但與傳統(tǒng)金融機(jī)構(gòu)不同，互金機(jī)構(gòu)的大數(shù)據(jù)風(fēng)控吸收的正是大量的潛在相關(guān)性數(shù)據(jù)。為何說(shuō)是潛在?因?yàn)橥ㄟ^(guò)互聯(lián)網(wǎng)的方式抓取大量數(shù)據(jù)之后，一定會(huì)有一個(gè)數(shù)據(jù)分析和篩選的過(guò)程，在這個(gè)過(guò)程中，大量數(shù)據(jù)會(huì)被證明不相關(guān)直接被踢掉。留下的相關(guān)性數(shù)據(jù)才會(huì)被運(yùn)用到風(fēng)險(xiǎn)審核當(dāng)中去。

傳統(tǒng)的線下小貸公司在放貸過(guò)程中，會(huì)有一些自己的經(jīng)驗(yàn)判斷，在面對(duì)一些特定行為特征、生活習(xí)慣的客戶會(huì)首先有一個(gè)自己的直觀打分判斷，這些是長(zhǎng)期經(jīng)驗(yàn)累積的結(jié)果?，F(xiàn)在一些互金公司可以通過(guò)技術(shù)化的手段把這些也變成輸入變量納入到風(fēng)控審核當(dāng)中去。

大數(shù)據(jù)風(fēng)控需要納入非傳統(tǒng)變量，將風(fēng)控審核的因果關(guān)系放寬到相關(guān)關(guān)系是有其業(yè)務(wù)原因的。伴隨著互聯(lián)網(wǎng)金融的火熱，大數(shù)據(jù)風(fēng)控逐漸升溫。中國(guó)的互聯(lián)網(wǎng)金融，服務(wù)的客群簡(jiǎn)言之可以分為兩類：無(wú)信貸歷史記錄者和差信貸歷史記錄者。而這兩部分人群，恰恰是中國(guó)傳統(tǒng)金融機(jī)構(gòu)沒(méi)有服務(wù)到的兩部分人群。

這兩部分人群包括中國(guó)的學(xué)生、藍(lán)領(lǐng)、以及一部分的白領(lǐng)等。這部分客群，在央行沒(méi)有征信報(bào)告，幾乎沒(méi)有過(guò)往金融服務(wù)記錄，照搬傳統(tǒng)金融的風(fēng)險(xiǎn)審核會(huì)出現(xiàn)水土不服的狀況。

對(duì)傳統(tǒng)金融機(jī)構(gòu)而已，在對(duì)一個(gè)客戶進(jìn)行信用風(fēng)險(xiǎn)評(píng)估時(shí)，工作單位是強(qiáng)變量。這直接關(guān)系到他的社保記錄。但對(duì)一個(gè)沒(méi)有固定工作的客戶來(lái)講，工作單位就變成了一個(gè)弱變量，對(duì)于最后的風(fēng)控審核助力有限。

同理，學(xué)歷、居住地、借貸記錄這些傳統(tǒng)的強(qiáng)金融風(fēng)控指標(biāo)可能在面對(duì)無(wú)信貸記錄者和差信貸記錄者時(shí)都會(huì)面臨同樣的問(wèn)題。這迫使互金公司需要通過(guò)其他方式補(bǔ)充新的風(fēng)控?cái)?shù)據(jù)來(lái)源，并且驗(yàn)證這些數(shù)據(jù)的有效性。

場(chǎng)景廝殺激烈 大數(shù)據(jù)風(fēng)控有效性有待驗(yàn)證

相對(duì)于傳統(tǒng)金融機(jī)構(gòu)，互金公司擴(kuò)大了非傳統(tǒng)數(shù)據(jù)獲取的途徑，對(duì)于新客戶群體的風(fēng)險(xiǎn)定價(jià)，是一種風(fēng)險(xiǎn)數(shù)據(jù)的補(bǔ)充。但這些數(shù)據(jù)的金融屬性有多強(qiáng)，仍然有待驗(yàn)證。

而數(shù)據(jù)的金融屬性取決于如何去挖掘，如京東電商上購(gòu)物記錄其實(shí)是目標(biāo)客群很好的刻畫(huà)，送貨的地址，GPS經(jīng)常駐留的地址等，是一個(gè)人的居住地的概率很大。在這一點(diǎn)上，騰訊的微眾銀行、京東金融，螞蟻金服等互聯(lián)網(wǎng)巨頭手中都掌握著海量的數(shù)據(jù)。

各大公司的風(fēng)控體系，來(lái)源：根據(jù)網(wǎng)絡(luò)公開(kāi)資料整理

根據(jù)《證券日?qǐng)?bào)》報(bào)道，微眾銀行旗下微粒貸的單筆均借款金額低于1萬(wàn)元，逾期率低于0.3%。“微眾可以拿到騰訊的數(shù)據(jù)，這是其他所有公司沒(méi)發(fā)比的，在小額借貸領(lǐng)域，他們的優(yōu)勢(shì)太明顯了?！鼻笆霾辉妇呙耸客嘎丁?/span>

巨頭優(yōu)勢(shì)明顯，但大公司不可能面面俱到，布局下各種場(chǎng)景。并不代表創(chuàng)業(yè)公司的路已被堵死。在互聯(lián)網(wǎng)巨頭尚未涉及的領(lǐng)域，小步快跑，比巨頭更早的搶下賽道，拿到數(shù)據(jù)，并且優(yōu)化自己的數(shù)據(jù)應(yīng)用能力，成為創(chuàng)業(yè)公司殺出重圍的一條路徑。

有一個(gè)穩(wěn)定的場(chǎng)景，能夠在自然狀態(tài)下真實(shí)地采集到客戶行為所展現(xiàn)的數(shù)據(jù)，這是大數(shù)據(jù)風(fēng)控的前提。在一些尚未被巨頭嗅到的場(chǎng)景領(lǐng)域，競(jìng)爭(zhēng)廝殺已經(jīng)非常激烈。

農(nóng)分期、會(huì)分期、房司令、租房寶、蠟筆分期、學(xué)好貸、愛(ài)旅行、趣分期、分期樂(lè)、買單俠、優(yōu)分期·······農(nóng)業(yè)、租房、藍(lán)領(lǐng)、學(xué)生、旅游等各個(gè)場(chǎng)景和不同人群下的爭(zhēng)奪已經(jīng)日趨白熱化。

陸金所CEO計(jì)葵生在2016年的中國(guó)支付清算與互聯(lián)網(wǎng)金融論壇上自曝陸金所的年華壞賬率在5%——6%。并且，根據(jù)騰訊財(cái)經(jīng)的報(bào)道，計(jì)葵生指出，如果風(fēng)控做不好，P2P的行業(yè)壞賬率將遠(yuǎn)超10%。根據(jù)新經(jīng)濟(jì)100人的報(bào)道，學(xué)生分期起家的分期樂(lè)壞賬率低于1%。銀監(jiān)會(huì)數(shù)據(jù)顯示，2016年第三季度，我國(guó)大型商業(yè)銀行的不良貸款率為1.67%。

而在今年11月，《21世紀(jì)經(jīng)濟(jì)報(bào)道》披露的蘇寧消費(fèi)金融公司的貸款不良率高達(dá)10.37%。該文章指出，蘇寧內(nèi)部人士透露，10.37%的壞賬絕對(duì)不是行業(yè)最高的，很多面向大學(xué)生提供分期消費(fèi)的平臺(tái)，不良率超過(guò)25%。

壞賬率、不良率、逾期率，各種不同的指標(biāo)計(jì)算口徑不同，結(jié)果大相徑庭。缺乏統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，野蠻生長(zhǎng)下也不乏充斥著故意夸大和謊言之嫌。互金行業(yè)的壞賬像一個(gè)披著面紗的女郎，始終不得其真容。

不同客群的壞賬表現(xiàn)有其梯度差異，但是良好的數(shù)據(jù)獲取和數(shù)據(jù)應(yīng)用能力可能會(huì)在一定程度上優(yōu)化數(shù)字表現(xiàn)，成為企業(yè)的一道有力護(hù)城河，這也是留給創(chuàng)業(yè)公司的一個(gè)機(jī)會(huì)。

國(guó)內(nèi)的大數(shù)據(jù)風(fēng)控困境

首先是中國(guó)征信體系的不完善。要知道大數(shù)據(jù)風(fēng)控的第一步就是獲取數(shù)據(jù)。波士頓咨詢的報(bào)告顯示，央行個(gè)人征信記錄覆蓋率僅僅為35%。而互金企業(yè)的目標(biāo)用戶也多為信用卡無(wú)法觸達(dá)的人群，可想而知，這批人就更沒(méi)有什么信用記錄可言了。而各家消費(fèi)金融公司的數(shù)據(jù)相互分享可能性很小。現(xiàn)在大多數(shù)公司的做法是將自己的數(shù)據(jù)共享給第三方征信機(jī)構(gòu)，再?gòu)恼餍艡C(jī)構(gòu)那里獲取數(shù)據(jù)，但這種數(shù)據(jù)的有效性存疑。獲取有用數(shù)據(jù)或許成為很多公司構(gòu)建自己的大數(shù)據(jù)風(fēng)控模型的第一個(gè)難題。

其次是中國(guó)的團(tuán)體欺詐現(xiàn)象。前Capital One高管，現(xiàn)任趣店CRO的粘旻環(huán)女士就表示，“目前國(guó)內(nèi)的信用市場(chǎng)，反欺詐仍然是頭號(hào)難題”。在中國(guó)，這種欺詐套現(xiàn)早已做成了一個(gè)產(chǎn)業(yè)鏈，從中介公司到商家甚至是自家公司的銷售，沆瀣一氣。通過(guò)各種方式召集法律意識(shí)淡薄的用戶來(lái)進(jìn)行借貸，再將借到的錢瓜分。而詐騙分子跑路后，還款以及逾期都?jí)旱搅擞脩舻念^上。

然而前來(lái)申請(qǐng)借款的用戶用的都是真實(shí)的信息，平臺(tái)給用戶的額度也在合理的范圍內(nèi)，這樣的詐騙方式讓平臺(tái)處于很被動(dòng)的處境。現(xiàn)在的處理方式只能是發(fā)現(xiàn)一起就抓一起，發(fā)生之后處理的速度是關(guān)鍵。不過(guò)粘旻環(huán)女士也表示之后會(huì)采用更主動(dòng)的方式來(lái)防御?！澳壳埃覀?cè)谒鸭覀冏约汉屯袀冇龅降南嚓P(guān)案例，尋找這部分容易被利用的人群身上的共性。在有足夠的樣本以后，我們可以梳理出這些用戶的畫(huà)像，并建立相關(guān)的風(fēng)控模型?！?/span>

第三個(gè)難題就是金融行業(yè)頻發(fā)的“黑天鵝”事件。如今大數(shù)據(jù)被吹的神乎其神的一個(gè)重要原因就是認(rèn)為它可以有效地推演及預(yù)測(cè)未來(lái)。但是立足于統(tǒng)計(jì)學(xué)基礎(chǔ)之上的大數(shù)據(jù)可以預(yù)測(cè)出跳出規(guī)則之外的黑天鵝事件嗎?恐怕很難。在國(guó)內(nèi)大數(shù)據(jù)風(fēng)控的發(fā)展僅僅經(jīng)歷了幾年的時(shí)間，在這期間中國(guó)還未發(fā)生過(guò)類似2008年美國(guó)次貸危機(jī)的大規(guī)模金融危機(jī)。因此，國(guó)內(nèi)大部分公司構(gòu)建的大數(shù)據(jù)風(fēng)控體系沒(méi)有經(jīng)歷過(guò)極端經(jīng)濟(jì)環(huán)境的壓力測(cè)試，屆時(shí)可能完全失靈

做風(fēng)控審核，其實(shí)是審人，人性的展現(xiàn)，大數(shù)據(jù)模型雖然講究的是大和相關(guān)性，但用于金融的風(fēng)控，有些前提是必要的：

1. 這些個(gè)大數(shù)據(jù)必須是客戶自然行為的流露和展現(xiàn)，這樣才能避免逆向選擇，數(shù)據(jù)才有效;

2. 采集的過(guò)程穩(wěn)定，可持續(xù)，這樣才長(zhǎng)久;

3. 數(shù)據(jù)夠一定厚度，才能真正起到作用。

現(xiàn)在的阿里騰訊京東做金融大數(shù)據(jù)風(fēng)控都有如上一些特點(diǎn)。

文/紅二哥