2016年初國務(wù)院在《推進(jìn)普惠金融發(fā)展規(guī)劃（2016～2020年）》中提出“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)”。眾所周知，征信是風(fēng)控的關(guān)鍵，P2P網(wǎng)貸平臺(tái)對(duì)完善的征信系統(tǒng)需求已迫在眉睫。大數(shù)據(jù)的發(fā)展降低了信息不對(duì)稱問題，推動(dòng)了數(shù)據(jù)統(tǒng)計(jì)模型的完善，有利于征信、授信及風(fēng)控的創(chuàng)新。特別是人工智能模型可以更加前瞻的反映申請(qǐng)人的信用狀況，快速形成對(duì)潛在客戶的風(fēng)險(xiǎn)和授信決策，提高審核的效率。

目前大數(shù)據(jù)技術(shù)主要應(yīng)用于借貸環(huán)節(jié)，覆蓋貸前評(píng)估、貸中監(jiān)控和貸后反饋三個(gè)環(huán)節(jié)，下面以P2P網(wǎng)貸平臺(tái)為例，分析涉及到大數(shù)據(jù)征信及風(fēng)控的環(huán)節(jié)。

縱觀整個(gè)借貸周期，大數(shù)據(jù)對(duì)流程的優(yōu)化無處不在。

首先是貸前評(píng)估環(huán)節(jié)。在銷售過程中需要了解申請(qǐng)人的主觀意愿以及申請(qǐng)信息的真實(shí)性；審批過程中會(huì)采取系統(tǒng)審核和人工審核兩種方式，剔除不符合信貸政策要求的申請(qǐng)人，包括有嚴(yán)重不良征信記錄、有違約記錄、近期有較大風(fēng)險(xiǎn)被納入關(guān)聯(lián)黑名單等情況。系統(tǒng)審批時(shí)可以通過多維度的信息分析、過濾、交叉驗(yàn)證、匯總，形成全面的申請(qǐng)人數(shù)據(jù)畫像，輔助審批決策；授信過程會(huì)根據(jù)不同類型的借款申請(qǐng)調(diào)用不同的信用評(píng)分規(guī)則，根據(jù)用戶的授權(quán)許可抓取互聯(lián)網(wǎng)數(shù)據(jù)，通過特定的模型轉(zhuǎn)化為個(gè)人及商戶授信評(píng)分?jǐn)?shù)據(jù)。

其次是貸中監(jiān)測(cè)環(huán)節(jié)，包括存量客戶管理和資金管理。存量客戶管理主要是通過數(shù)據(jù)合作方獲取交易流水或通過大數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)，一旦發(fā)現(xiàn)用戶在貸款期的行為數(shù)據(jù)出現(xiàn)問題可及時(shí)觸發(fā)預(yù)警，比如是否發(fā)生早期逾期或失聯(lián)等；資金管理主要是運(yùn)用實(shí)時(shí)商業(yè)智能預(yù)防流動(dòng)性風(fēng)險(xiǎn)，保證?？顚Ｓ门c定向支付。

最后是貸后反饋環(huán)節(jié)，包括逾期客戶管理和借貸數(shù)據(jù)記錄補(bǔ)充。逾期客戶的管理可以通過大數(shù)據(jù)挖掘規(guī)律，針對(duì)不同的客戶類型采取不同的催收手段。借貸數(shù)據(jù)的記錄與補(bǔ)充是基于客戶本次貸款期間的數(shù)據(jù)，補(bǔ)充信貸記錄，更新其信用額度以供后續(xù)使用。

大數(shù)據(jù)時(shí)代征信數(shù)據(jù)呈現(xiàn)廣泛多維、動(dòng)態(tài)實(shí)時(shí)的特點(diǎn)，數(shù)據(jù)來源更加廣泛，種類更加豐富，時(shí)效性也更強(qiáng)。廣泛多維體現(xiàn)在個(gè)人或企業(yè)在互聯(lián)網(wǎng)上的所有行為都將被記錄，包括個(gè)人征信的電商數(shù)據(jù)、社交數(shù)據(jù)、支付數(shù)據(jù)、生活服務(wù)數(shù)據(jù)等，以及企業(yè)征信的供銷存、現(xiàn)金流、物流、資產(chǎn)負(fù)債等，大大擴(kuò)展了征信體系的數(shù)據(jù)范疇。動(dòng)態(tài)實(shí)時(shí)體現(xiàn)在互聯(lián)網(wǎng)的數(shù)據(jù)是動(dòng)態(tài)且易追蹤的，基于此評(píng)估信息主體的行為變化更加全面和準(zhǔn)確。

P2P網(wǎng)貸平臺(tái)運(yùn)營較長時(shí)間以后能夠積累諸如用戶行為數(shù)據(jù)、借貸數(shù)據(jù)、信用數(shù)據(jù)、地理位置數(shù)據(jù)、業(yè)務(wù)流數(shù)據(jù)等，因此可以通過自建征信體系實(shí)現(xiàn)大數(shù)據(jù)征信及風(fēng)控。

目前，我國的征信體系是央行體系為主，民營體系為輔的格局。其中，央行的征信系統(tǒng)是國內(nèi)征信體系的核心環(huán)節(jié)，截至2016年末，國家金融信用信息基礎(chǔ)數(shù)據(jù)庫已收錄自然人信息9.1億人、企業(yè)及其他組織信息2210萬戶，并采集非金融信用信息50.6億條。征信政策逐步放開以后，民營征信機(jī)構(gòu)發(fā)展空間巨大。我國征信市場(chǎng)未來發(fā)展的重要方向是以央行征信為主導(dǎo)的市場(chǎng)化個(gè)人征信體系。

隨著P2P網(wǎng)貸平臺(tái)競爭加劇，對(duì)整個(gè)行業(yè)的征信、風(fēng)控等方面提出了更高的要求。傳統(tǒng)的風(fēng)控管理已不適用于全新的互聯(lián)網(wǎng)業(yè)態(tài)，缺少可靠、易用的征信數(shù)據(jù)會(huì)制約國內(nèi)P2P網(wǎng)貸行業(yè)的發(fā)展，平臺(tái)運(yùn)用征信機(jī)構(gòu)的數(shù)據(jù)，可以提高、優(yōu)化風(fēng)控能力。

然而，很多P2P網(wǎng)貸平臺(tái)缺乏的不是數(shù)據(jù)，而是對(duì)數(shù)據(jù)精準(zhǔn)恰當(dāng)?shù)姆治?，這就需要構(gòu)建合適的計(jì)量模型進(jìn)行有效的量化分析，從而能提高平臺(tái)甄別貸款申請(qǐng)的效率，降低投資者面臨的信貸風(fēng)險(xiǎn)。大數(shù)據(jù)征信及風(fēng)控模型的構(gòu)建流程大致分為數(shù)據(jù)收集、數(shù)據(jù)建模、畫像構(gòu)建和風(fēng)險(xiǎn)定價(jià)四個(gè)環(huán)節(jié)。

在運(yùn)用大數(shù)據(jù)進(jìn)行征信及風(fēng)控時(shí)，需建立自身的云數(shù)據(jù)系統(tǒng)、風(fēng)險(xiǎn)評(píng)估模型、信用衡量體系、風(fēng)險(xiǎn)定價(jià)模型等核心產(chǎn)品。對(duì)體系內(nèi)及體系外海量用戶的各項(xiàng)指標(biāo)進(jìn)行搜集整合分析，將數(shù)據(jù)模型應(yīng)用到信貸業(yè)務(wù)中，實(shí)現(xiàn)風(fēng)控的流程化、自動(dòng)化、高效化。P2P網(wǎng)貸平臺(tái)大都青睞大數(shù)據(jù)建模，但對(duì)于規(guī)模較小的平臺(tái)而言，是建立自身的大數(shù)據(jù)風(fēng)控模型，還是直接采用其他機(jī)構(gòu)成熟的產(chǎn)品，需要考慮成本問題。

在互聯(lián)網(wǎng)金融新的發(fā)展階段里，P2P網(wǎng)貸平臺(tái)風(fēng)控體系中的大數(shù)據(jù)運(yùn)用尚處于探索之中，缺乏充分有效的數(shù)據(jù)基礎(chǔ)并且征信體系的覆蓋廣度和深度有限，尤其是個(gè)人用戶的信用評(píng)估相對(duì)簡單，真實(shí)性很難考證，并且不同平臺(tái)的數(shù)據(jù)口徑以及評(píng)估指標(biāo)體系的選取和權(quán)重也存在較大差異，因此還不能完全取代傳統(tǒng)征信。目前平臺(tái)正在嘗試通過對(duì)不同來源的數(shù)據(jù)進(jìn)行交叉驗(yàn)證，以提升數(shù)據(jù)的準(zhǔn)確性。在科技的驅(qū)動(dòng)下，未來數(shù)據(jù)的處理能力和風(fēng)控能力將成為互聯(lián)網(wǎng)金融行業(yè)競爭的核心能力，擁有雄厚技術(shù)實(shí)力的平臺(tái)能夠在這片新藍(lán)海中搶占先機(jī)。