互聯(lián)網(wǎng)時代，金融如何發(fā)展？金融的獲客難題怎么破？大數(shù)據(jù)如何應(yīng)用于金融？今天我們一起來看看，大數(shù)據(jù)時代，金融到底該怎么做？

伴隨著互聯(lián)網(wǎng)的快速發(fā)展，互聯(lián)網(wǎng)金融已經(jīng)從一個新生事物變成了人人都已經(jīng)習(xí)慣的生活必需品，互聯(lián)網(wǎng)金融伴隨著手機等移動智能終端走進了千家萬戶。但是，互聯(lián)網(wǎng)金融離馬云說的：“銀行不去改變，我們就去改變銀行”還有著相當(dāng)大的距離，在相當(dāng)長的一個歷史階段里面，互聯(lián)網(wǎng)金融依然會扮演著銀行有益補充的角色，而獲客難題也成為了一直以來互聯(lián)網(wǎng)金融發(fā)展的一個障礙，今天我們就來討論一下，金融科技如何破解互聯(lián)網(wǎng)金融的獲客難題，如何真正實現(xiàn)大數(shù)據(jù)金融？

     一.被獲客難題困擾的互金

長期以來，中國始終處在以銀行為核心的金融體系當(dāng)中，在這種銀行中心化的體系內(nèi)，由于銀行獨特運營特征，讓資金的融通出現(xiàn)了供給與需求較為嚴(yán)重的錯配現(xiàn)象，在銀行的金融體系中只有兩類群體可以較為容易的取得貸款，一類是擁有較高金額抵押物的群體，這種以不動產(chǎn)、有價證券為核心的抵押貸款模式在某種程度上保證了銀行信貸的低風(fēng)險。另一類是擁有極優(yōu)資信評級的群體，這些一般情況下是國有企業(yè)，規(guī)模以上工業(yè)企業(yè)，以及擁有固定工作的群體，如公務(wù)員、教師、國企員工等等。

這樣就導(dǎo)致了一個結(jié)果：對于大多數(shù)人來說，擁有固定抵押物或者極優(yōu)資信評級的人往往沒有借款的需求，但是真正需要借款作為資金周轉(zhuǎn)的人，比如說中小企業(yè)主，中小商戶主等卻又沒有借款的資質(zhì)，這種供給與需求的不匹配為互聯(lián)網(wǎng)金融的發(fā)展提供了土壤，一時間互聯(lián)網(wǎng)金融機構(gòu)快速發(fā)展起來，并在2015年達到了一個巔峰。

然而，由于中國的征信體系尚不健全，除了銀行征信之外缺少真正廣覆蓋的征信系統(tǒng)，從而導(dǎo)致了有借錢需求的人的良莠不齊，在經(jīng)濟學(xué)上受到格雷欣法則的作用，大量低資質(zhì)的借款人充斥在借款人群之中，導(dǎo)致了互聯(lián)網(wǎng)金融機構(gòu)的不良貸款比例居高不下，當(dāng)不良率快速積累的時候，大量的互聯(lián)網(wǎng)金融平臺受不良信貸所累，最終平臺倒閉，上演了一輪輪互聯(lián)網(wǎng)金融的倒閉潮。如何能夠獲得優(yōu)質(zhì)客源，如何能夠合理的評價客戶的資質(zhì)與能力，如何將風(fēng)險控制在合理的范疇成為了互聯(lián)網(wǎng)金融機構(gòu)發(fā)展的重大難題。

     二.用金融科技破解互聯(lián)網(wǎng)金融難題

面對著獲客的難題，很多互聯(lián)網(wǎng)金融企業(yè)都在想著自己的辦法，可謂是八仙過海各顯神通，但是其中有一種思路得到了幾乎所有機構(gòu)的認(rèn)同，這就是借助大數(shù)據(jù)的力量實現(xiàn)互聯(lián)網(wǎng)金融的風(fēng)險控制與客源篩選。真正將大數(shù)據(jù)應(yīng)用到互聯(lián)網(wǎng)金融實踐中是如何做的那？瀚哥最近在研究恒昌公司的案例的時，發(fā)現(xiàn)了其中的玄機，今天我們就來看看，恒昌是如何應(yīng)用大數(shù)據(jù)實現(xiàn)或互聯(lián)網(wǎng)金融獲客和風(fēng)險控制的，大數(shù)據(jù)金融到底該怎么做？

近年來，隨著移動互聯(lián)網(wǎng)的快速發(fā)展，以智能手機為代表的互聯(lián)網(wǎng)金融終端已經(jīng)成為了幾乎所有人的數(shù)字器官，記得有段子曾經(jīng)說：我們每天和手機待在一起的時間遠(yuǎn)超過和老婆呆在一起的時間。所以，收集以手機為代表的智能終端的數(shù)據(jù)就成為了互聯(lián)網(wǎng)金融企業(yè)構(gòu)建大數(shù)據(jù)應(yīng)用的底層基礎(chǔ)。那么，我們就來看看基于手機這種數(shù)字器官的大數(shù)據(jù)金融到底該如何做？

一是數(shù)據(jù)收集。根據(jù)瀚哥的研究，恒昌的數(shù)據(jù)收集分為以下幾個部分：首先，通過自有平臺將平臺上的個人貸款平臺、賬單催收平臺的數(shù)據(jù)一點點地打通，實現(xiàn)自由數(shù)據(jù)的收集與歸并。其次，通過用戶授權(quán)，取得與智能手機相關(guān)的電信數(shù)據(jù)、信用卡交易數(shù)據(jù)、電商購物數(shù)據(jù)等等。第三，通過網(wǎng)絡(luò)爬蟲技術(shù)收集基于互聯(lián)網(wǎng)公開的數(shù)據(jù)。通過數(shù)據(jù)的收集與整理實現(xiàn)了大數(shù)據(jù)使用的第一步，擁有數(shù)據(jù)。

二是數(shù)據(jù)的分類整理。在第一步收集的數(shù)據(jù)基礎(chǔ)上，恒昌將整個數(shù)據(jù)體系進行了一個全方位的梳理，將客戶的自然屬性，比如說年齡、性別、社會交際、職業(yè)、地理定位甚至個人喜好與偏好進行處理。在這個處理之中，可以通過數(shù)據(jù)的初期處理，發(fā)現(xiàn)用戶的特征和偏好，從而為業(yè)務(wù)的發(fā)展奠定基礎(chǔ)。舉例來說，通過數(shù)據(jù)處理發(fā)現(xiàn)，四十歲左右的中年人會比二十多歲的年輕人擁有更多的借款需求，每次借款的金額也較大，但是年輕人的消費動力更足，雖然每次的借款金額不多，但借款次數(shù)很多，這種多次小額借款的年輕人群體，因為其消費的特征，可以很容易地對其進行分析，是進行長期客戶培養(yǎng)的重點人群，再加上隨著其年齡的增加，其借款的實力和需求也會上升，從而為獲客奠定基礎(chǔ)。此外，通過人群初篩可以發(fā)現(xiàn)，高學(xué)歷人群的借款需求反而較低，以大中專畢業(yè)生為主體的群體反而借款需求較高，從而有針對性的進行精準(zhǔn)投放，用更少的錢就可以獲得足夠高的用戶轉(zhuǎn)化效果。

三是數(shù)據(jù)分析與畫像。在數(shù)據(jù)初篩與分類整理的基礎(chǔ)上，機構(gòu)可以借助數(shù)據(jù)對客戶進行數(shù)據(jù)畫像，什么叫數(shù)據(jù)畫像呢？就是原先客戶到底是怎么樣的？對于金融機構(gòu)而言非常難以判斷，僅憑客戶填寫的資料是非常不清晰的，但是通過大量的數(shù)據(jù)輔助，金融機構(gòu)就可以根據(jù)一條條數(shù)據(jù)對于要借款的用戶進行特征化處理，對用戶進行標(biāo)簽化建設(shè)，通過標(biāo)簽體系將用戶的特征完全描述出來，從而讓用戶的特征在金融機構(gòu)面前變得清晰可見，利于下一步的業(yè)務(wù)推進和風(fēng)險控制。

四是數(shù)據(jù)應(yīng)用。經(jīng)歷了數(shù)據(jù)收集、數(shù)據(jù)分類整理、數(shù)據(jù)分析畫像之后，根據(jù)大數(shù)據(jù)可以開始進行正式的數(shù)據(jù)應(yīng)用與分析。在互聯(lián)網(wǎng)金融領(lǐng)域已經(jīng)完成的大數(shù)據(jù)應(yīng)用主要有以下幾個方面：

大數(shù)據(jù)反羊毛：近些年來，由于互聯(lián)網(wǎng)金融的飛速發(fā)展，在網(wǎng)絡(luò)上形成了一整套針對互聯(lián)網(wǎng)金融的“薅羊毛”黑色產(chǎn)業(yè)鏈，這些羊毛黨們往往手上搜集著幾百張甚至上千張電話卡、身份證等關(guān)鍵信息，只要看到有做活動的互聯(lián)網(wǎng)金融平臺就一擁而上，借助平臺吸引新用戶的優(yōu)惠，大發(fā)橫財。針對這個人群，大數(shù)據(jù)就有了用武之地，通過大數(shù)據(jù)羊毛防火墻，恒昌會記錄每個用戶的投放渠道，針對投放的轉(zhuǎn)化率、復(fù)投率等指標(biāo)進行綜合分析，再判斷用戶有沒有反復(fù)更換數(shù)據(jù)卡，更換手機來注冊用戶，從而避免羊毛黨對于平臺的傷害。

大數(shù)據(jù)風(fēng)險控制：通過對于每個人的大數(shù)據(jù)分析，借助大數(shù)據(jù)建模構(gòu)建起了用戶身份的關(guān)聯(lián)屬性，從而提升了對于風(fēng)險的防控能力。舉例來說，假設(shè)某天小A進入恒昌平臺注冊了賬戶，在注冊的時候填了很多的信息，如銀行卡賬戶、手機號、身份證號、工作信息等等，從而構(gòu)建了小A的數(shù)據(jù)畫像體系，幾天后小B也進入系統(tǒng)之后，再構(gòu)建了小B的數(shù)據(jù)畫像，通過數(shù)據(jù)畫像的分析發(fā)現(xiàn)A與B之間是同事關(guān)系，所以就通過同事鏈將兩個人構(gòu)建起了關(guān)系體系。通過這一個個關(guān)聯(lián)體系構(gòu)建起了借款人之間的人脈關(guān)系網(wǎng)，當(dāng)一個人脈關(guān)系網(wǎng)中的人經(jīng)常違約的話，系統(tǒng)將會自動降低對此關(guān)系網(wǎng)中人的信用評級，甚至直接拒絕貸款。

大數(shù)據(jù)反欺詐：現(xiàn)階段，金融欺詐事件頻發(fā)，很重要的原因就是現(xiàn)在一個個銀行所存儲的賬戶信息是相互孤立的，難以進行有效地分析，基于大數(shù)據(jù)分析的反欺詐，應(yīng)用難點就在于如何把不同來源的結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)整合在一起，并構(gòu)建反欺詐引擎，從而有效地識別出身份造假、團體欺詐、代辦包裝等欺詐行為。知識圖譜作為關(guān)系的整合、聯(lián)通以及表達解析方式，可以很好地解決這些問題。舉例來說，系統(tǒng)發(fā)現(xiàn)在數(shù)據(jù)庫中經(jīng)常出現(xiàn)一些比較奇葩的現(xiàn)象，比如說五個用戶竟然在系統(tǒng)里面使用同一個郵箱或者電話號碼進行賬戶注冊。而建立在海量大數(shù)據(jù)基礎(chǔ)上、便捷添加數(shù)據(jù)源的知識圖譜就可以通過視圖的方式直觀清晰地顯示出各種關(guān)系和關(guān)聯(lián)點，從而幫助我們迅速有效地分析和發(fā)現(xiàn)這些復(fù)雜關(guān)系中存在的潛在風(fēng)險。讓金融欺詐的慣用伎倆無處藏身，從而實現(xiàn)大數(shù)據(jù)的反欺詐。

大數(shù)據(jù)在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用十分廣泛，除了我們上面論述的反羊毛、風(fēng)險控制、反欺詐等領(lǐng)域之外，在互聯(lián)網(wǎng)金融的失聯(lián)修復(fù)、賬款催收、身份識別等等領(lǐng)域，大數(shù)據(jù)同樣發(fā)揮著不可替代的作用。

在大數(shù)據(jù)時代，困擾互聯(lián)網(wǎng)金融的問題正在被大數(shù)據(jù)一點點解決掉，如何用好大數(shù)據(jù)的武器將會成為互聯(lián)網(wǎng)金融發(fā)展的重要核心，相信在大數(shù)據(jù)的幫助下，互聯(lián)網(wǎng)金融將會向著更好地方向發(fā)展。