10月15日消息，互聯(lián)網(wǎng)金融發(fā)展的關鍵是風險控制，“風險控制”已然成為諸多互聯(lián)網(wǎng)金融企業(yè)能否長大的魔咒，這個不爭的事實像一座大山擺在眾多互聯(lián)網(wǎng)金融大佬與創(chuàng)業(yè)者的面前。為什么阿里金融能夠將它的網(wǎng)絡小貸不良率控制在不到1%，有膽量再貸多點嗎？大數(shù)據(jù)挖掘技術和互聯(lián)網(wǎng)金融的風險控制到底是什么關系？互聯(lián)網(wǎng)金融將怎樣建立有效的風險控制生態(tài)體系？本文將帶你揭開大數(shù)據(jù)挖掘與互聯(lián)網(wǎng)金融風險控制的神秘面紗。

    最近互聯(lián)網(wǎng)金融圈不僅自己玩的很開心，而且還拉上了金融界甚至央行的大佬們一起玩的很開心。盡管讓互聯(lián)網(wǎng)金融企業(yè)頭痛的問題——央行征信系統(tǒng)不對市場開放，仍然沒有解決，但至少央行的態(tài)度明朗，支持互聯(lián)網(wǎng)金融的發(fā)展，并認為互聯(lián)網(wǎng)金融是傳統(tǒng)金融的有益補充。

    生命的神奇之處在于它總能找到一個出口。作為新生事物的互聯(lián)網(wǎng)金融也不例外，在那扇門朝他們關閉的同時，他們卻找到了另外一扇窗。在亦步亦趨的探索中，他們中的大企業(yè)通過自身力量，小企業(yè)通過聯(lián)合的力量找到了適合自身發(fā)展的風險控制生態(tài)系統(tǒng)，正朝著良性和有序的方向發(fā)展，正如凱文凱利在他的《失控》中描述的群氓智慧那只無形的手。

      互聯(lián)網(wǎng)金融掌握了可以顛覆傳統(tǒng)金融的風控技術

    在不依賴央行征信系統(tǒng)的情況下，市場自發(fā)形成了各具特色的風險控制生態(tài)系統(tǒng)。大公司通過大數(shù)據(jù)挖掘，自建信用評級系統(tǒng)；小公司通過信息分享，借助第三方獲得信用評級咨詢服務。

     互聯(lián)網(wǎng)金融企業(yè)的風控大致分為兩種模式，一種是類似于阿里的風控模式，他們通過自身系統(tǒng)大量的電商交易以及支付信息數(shù)據(jù)建立了封閉系統(tǒng)的信用評級和風控模型。另外一種則是眾多中小互聯(lián)網(wǎng)金融公司通過貢獻數(shù)據(jù)給一個中間征信機構，再分享征信信息。

    央行的征信系統(tǒng)是通過商業(yè)銀行、其它社會機構上報的數(shù)據(jù)，結合身份認證中心的身份審核，提供給銀行系統(tǒng)信用查詢和提供給個人信用報告。但對于其它征信機構和互聯(lián)金融公司目前不提供直接查詢服務。2006年1月開通運行的央行征信系統(tǒng)，至2013年初，有大概8億人在其中有檔案。在這個8億人當中，只有不到3億人有過銀行或其他金融機構發(fā)生過借貸的記錄，其中存在大量沒有信貸記錄的個人。

     而這些人卻有可能在央行征信系統(tǒng)外的其它機構、互聯(lián)網(wǎng)金融公司自己的數(shù)據(jù)系統(tǒng)中，存有相應的信貸記錄。市場上一些線下小貸公司、網(wǎng)絡信貸公司對于借貸人的信用評級信息需求非常旺盛，也因此催生了若干市場化征信公司，目前國內較大的具有代表性的市場化征信公司有幾家：如北京安融惠眾、上海資信、深圳鵬元等等。

    從P2P網(wǎng)貸公司和一些線下小貸公司采集動態(tài)大數(shù)據(jù)，為互聯(lián)網(wǎng)金融企業(yè)提供重復借貸查詢、不良用戶信息查詢、信用等級查詢等多樣化服務是目前這些市場化的征信公司正在推進的工作。而隨著加入這個游戲規(guī)則的企業(yè)越來越多，這個由大量動態(tài)數(shù)據(jù)勾勒的信用圖譜也將越來越清晰。

     互聯(lián)網(wǎng)海量大數(shù)據(jù)中與風控相關的數(shù)據(jù)

     互聯(lián)網(wǎng)大數(shù)據(jù)海量且龐雜，充滿噪音，哪些大數(shù)據(jù)是互聯(lián)網(wǎng)金融企業(yè)風險控制官鐘愛的有價值的數(shù)據(jù)類型？下圖為大家揭示了互聯(lián)網(wǎng)海量大數(shù)據(jù)中與風控相關的數(shù)據(jù)，以及哪些企業(yè)或產(chǎn)品擁有這些數(shù)據(jù)。 

（圖）風控相關大數(shù)據(jù)及代表企業(yè)或產(chǎn)品

      利用電商大數(shù)據(jù)進行風控，阿里金融對于大數(shù)據(jù)的謀劃可謂非一日之功。在很多行業(yè)人士還在云里霧里的時候，阿里已經(jīng)建立了相對完善的大數(shù)據(jù)挖掘系統(tǒng)。通過電商平臺阿里巴巴、淘寶、天貓、支付寶等積累的大量交易支付數(shù)據(jù)作為最基本的數(shù)據(jù)原料，再加上賣家自己提供的銷售數(shù)據(jù)、銀行流水、水電繳納甚至結婚證等情況作為輔助數(shù)據(jù)原料。所有信息匯總后，將數(shù)值輸入網(wǎng)絡行為評分模型，進行信用評級。

     信用卡類網(wǎng)站的大數(shù)據(jù)同樣對互聯(lián)網(wǎng)金融的風險控制非常有價值。申請信用卡的年份、是否通過、授信額度、卡片種類；信用卡還款數(shù)額、對優(yōu)惠信息的關注等都可以作為信用評級的參考數(shù)據(jù)。國內 代表性的企業(yè)是成立于2005年，最早開展網(wǎng)上代理申請信用卡業(yè)務的“我愛卡”。其創(chuàng)始人涂志云和他的團隊又在2013年推出了信用風險管理平臺“信用寶”，利用“我愛卡”積累的數(shù)據(jù)和流量優(yōu)勢，結合其早年的從事的FICO（費埃哲）風控模型，做互聯(lián)網(wǎng)金融小微貸款。

    利用社交網(wǎng)站的大數(shù)據(jù)進行網(wǎng)絡借貸的典型是美國的Lending Club。Lending club于2007年5月24日在facebook上開張，通過在上面鑲嵌的一款應用搭建借貸雙方平臺。利用社交網(wǎng)絡關系數(shù)據(jù)和朋友之間的相互信任聚合人氣。借款人被分為若干信用等級，但是卻不必公布自己的信用歷史。

    在國內，2013年阿里巴巴以5.86億美元購入新浪微博18%的股份，其用意給人很多遐想空間，獲得社交大數(shù)據(jù)，阿里完善了大數(shù)據(jù)類型。加上淘寶的水電煤繳費信息、信用卡還款信息、支付和交易信息，已然成為了數(shù)據(jù)全能選手。

    小貸類網(wǎng)站積累的信貸大數(shù)據(jù)包括信貸額度、違約記錄等等。但單一企業(yè)缺陷在于數(shù)據(jù)的數(shù)量級別低和地域性太強。還有部分小貸網(wǎng)站平臺通過線下采集數(shù)據(jù)轉移到線上的方式來完善信用數(shù)據(jù)。這些特點決定了如果單兵作戰(zhàn)他們必定付出巨大成本。因此，貢獻數(shù)據(jù)，共享數(shù)據(jù)的模式正逐步被認可，抱團取暖勝過單打獨斗。其中有數(shù)據(jù)統(tǒng)計的全國小貸平臺有幾百家，全國性比較知名的有人人貸、拍拍貸、紅嶺和信用寶等。

    第三方支付類平臺未來的機遇在于，未來有可能基于用戶的消費數(shù)據(jù)做信用分析。支付的方向、每月支付的額度、購買產(chǎn)品品牌都可以作為信用評級的重要參考數(shù)據(jù)。代表產(chǎn)品為易寶、財付通等。

    生活服務類網(wǎng)站的大數(shù)據(jù)如水、電、煤氣、有線電視、電話、網(wǎng)絡費、物業(yè)費交納平臺則客觀真實地反映了個人的基本信息，是信用評級中一類重要的數(shù)據(jù)類型。代表產(chǎn)品為平安的“一賬通”。

    互聯(lián)網(wǎng)金融風控大數(shù)據(jù)加工過程

（圖）大數(shù)據(jù)加工過程圖解析

如上圖所示，在進行數(shù)據(jù)處理之前，對業(yè)務的理解、對數(shù)據(jù)的理解非常重要，這決定了要選取哪些數(shù)據(jù)原料進行數(shù)據(jù)挖掘，在進入“數(shù)據(jù)工廠”之前的工作量通常要占到整個過程的60%以上。

     在數(shù)據(jù)原料方面，越來越多的互聯(lián)網(wǎng)在線動態(tài)大數(shù)據(jù)被添加進來。例如一個虛假的借款申請人信息就可以通過分析網(wǎng)絡行為痕跡被識別出來，一個真實的互聯(lián)網(wǎng)用戶總會在網(wǎng)絡上留下蛛絲馬跡。對征信有用的數(shù)據(jù)的時效性也非常關鍵，通常被征信行業(yè)公認的有效的動態(tài)數(shù)據(jù)通常是從現(xiàn)在開始倒推24個月的數(shù)據(jù)。

     通過獲得多渠道的大數(shù)據(jù)原料，利用數(shù)學運算和統(tǒng)計學的模型進行分析，從而評估出借款者的信用風險，典型的企業(yè)是美國的ZestFinance。這家企業(yè)的大部分員工是數(shù)據(jù)科學家，他們并不特別地依賴于信用擔保行業(yè)，用大數(shù)據(jù)分析進行風險控制是ZestFinance的核心技術。他們的原始數(shù)據(jù)來源非常廣泛。

    他們的數(shù)據(jù)工廠的核心技術和機密是他們開發(fā)的10個基于學習機器的分析模型，對每位信貸申請人的超過1萬條原始信息數(shù)據(jù)進行分析，并得出超過7萬個可對其行為做出測量的指標，而這一過程在5秒鐘內就能全部完成。

    事實上，在美國，征信公司或者大數(shù)據(jù)挖掘公司的產(chǎn)品不僅用于提供給相關企業(yè)用于降低金融信貸行業(yè)的風險，同時也用于幫助做決策判斷和市場營銷，后兩者不在本文的探討范圍內，但是可以從另一個方面給我們很多啟發(fā)。