假設(shè)你是銀行,，要判斷是否發(fā)放信貸資金給某個(gè)借款人,，你需要哪些數(shù)據(jù)輔助判斷？

在傳統(tǒng)的決策機(jī)制中,，最重要的幾個(gè)數(shù)據(jù)維度無(wú)非信貸歷史,、個(gè)人資產(chǎn)、個(gè)人收入,，抵押擔(dān)保等幾個(gè)方面,。這些維度最直接地反映了借款人的還款能力和還款意愿。根據(jù)這些維度,，商業(yè)銀行將不良貸款率長(zhǎng)期維持在2%左右,。

但這種決策方式也有其局限：

其一，集中以幾個(gè)核心維度決策,，有時(shí)會(huì)因?yàn)橐?guī)則引擎里面某些規(guī)則過(guò)強(qiáng)而拒絕掉很多優(yōu)質(zhì)客戶,；其二，過(guò)度強(qiáng)調(diào)貸前審查,，而對(duì)放款之后借款人的動(dòng)態(tài)情況無(wú)法實(shí)時(shí)監(jiān)控,，風(fēng)險(xiǎn)預(yù)警不夠有效；其三,，要獲取這些數(shù)據(jù)依賴于銀行網(wǎng)點(diǎn)客戶經(jīng)理的調(diào)查,，成本高不說(shuō)，很容易出現(xiàn)人為的風(fēng)險(xiǎn),。

這就是為什么各個(gè)互聯(lián)網(wǎng)信貸機(jī)構(gòu)潛心研究并大肆宣傳自己的大數(shù)據(jù)風(fēng)控技術(shù),。那么，到底大數(shù)據(jù)風(fēng)控能做些什么呢,？

數(shù)據(jù)種類和處理方式的變化

和文章開(kāi)頭提到的幾個(gè)傳統(tǒng)的數(shù)據(jù)維度不同,，隨著互聯(lián)網(wǎng)深入人們的生活,，我們?cè)诰W(wǎng)絡(luò)上留下的軌跡也越來(lái)越多：購(gòu)物、打車,、租房,、職業(yè)，學(xué)歷,，社?！@些數(shù)據(jù)才是大數(shù)據(jù)風(fēng)控所要搜集的信息。這些信息雖然無(wú)法直接反應(yīng)一個(gè)人的信貸屬性,，但無(wú)疑能夠間接反映這是一個(gè)怎樣的人,。這些數(shù)據(jù)經(jīng)過(guò)處理和分析，就能夠?qū)鹑跈C(jī)構(gòu)的貸款決策起到很好的輔助作用,。而且,，這些信息并不像傳統(tǒng)的做法，需要客戶自己親自搜集后提供給金融機(jī)構(gòu),，而是通過(guò)客戶授權(quán),，金融機(jī)構(gòu)可以獲得客戶在互聯(lián)網(wǎng)的軌跡。從客戶的角度看,，似乎是只提供了姓名和身份證,，大大提高了客戶申請(qǐng)貸款的便捷性。

數(shù)據(jù)種類不同,，處理數(shù)據(jù)的方式也相應(yīng)有所變化,。舉個(gè)栗子。芝麻信用團(tuán)隊(duì)?wèi)?yīng)用了一種改進(jìn)的樹(shù)模型GBDT（Gradient Boosting Decision Tree）,，通過(guò)這個(gè)模型深入挖掘特征之間的關(guān)聯(lián)性,，衍生出具備較強(qiáng)信用預(yù)測(cè)能力的組合特征。比如,，張小小經(jīng)常在網(wǎng)上購(gòu)買(mǎi)母嬰類用品,，反映出一定的生活穩(wěn)定性和家庭責(zé)任感，加1分,。同時(shí),，如果張小小還每個(gè)月通過(guò)支付寶參加公益捐款，兩個(gè)條件一組合,，更能確認(rèn)張小小是個(gè)“好人”,，就可以再加2分。當(dāng)然,，實(shí)際上這些模型的具體運(yùn)算和規(guī)則是價(jià)值上億的商業(yè)機(jī)密,，只有很少一部分人才知道。但我們能夠確認(rèn)的是,，有信貸價(jià)值的數(shù)據(jù)維度越來(lái)越多,，也越來(lái)越有價(jià)值了,。

從“因果關(guān)系”到“相關(guān)關(guān)系”

大數(shù)據(jù)的“大”除了體現(xiàn)現(xiàn)代科技對(duì)海量數(shù)據(jù)的儲(chǔ)存處理能力之外，最重要的,，還是在思維方式和工作方法角度為信貸風(fēng)險(xiǎn)管理注入了新血液,。

以往，我們會(huì)通過(guò)日常觀察做出決策判斷的假設(shè),，再去驗(yàn)證這個(gè)假設(shè)是否是正確的,。比如人們從事的職業(yè)是否和逾期率有因果關(guān)系。這些假設(shè)往往是基于歷史的數(shù)據(jù),，推測(cè)未來(lái)可能發(fā)生的預(yù)期（就這個(gè)邏輯而言,，深究其實(shí)也有問(wèn)題，這里不細(xì)說(shuō)）,。

大數(shù)據(jù)則提供了新的思維方式,。我們理解世界不再建立在假設(shè)的基礎(chǔ)上，而是從海量數(shù)據(jù)的本身出發(fā),，看看數(shù)據(jù)本身能夠給出什么樣的結(jié)論。這個(gè)結(jié)論可能是可笑的——也許經(jīng)常買(mǎi)啤酒的人將更有可能逾期,，也許做保姆的人一般都不會(huì)貸款,。而我們是無(wú)法從正常邏輯推斷出這些因果關(guān)系的。我們只知道他們有關(guān)而已,。但無(wú)疑這種分析方法范圍更廣,，不容易受偏見(jiàn)的影響，而且往往能給人意向不到的準(zhǔn)確率,。

從重視“因果關(guān)系”到“相關(guān)關(guān)系”的轉(zhuǎn)變,，從關(guān)注“已知關(guān)聯(lián)”到“未知關(guān)聯(lián)”的轉(zhuǎn)變，是大數(shù)據(jù)風(fēng)控和傳統(tǒng)風(fēng)控最主要的區(qū)別,。

大數(shù)據(jù)風(fēng)控應(yīng)用場(chǎng)景

如果足夠幸運(yùn)，我們將會(huì)見(jiàn)證大數(shù)據(jù)從以下幾個(gè)方面對(duì)信貸風(fēng)險(xiǎn)管理的改變：

1,、反欺詐領(lǐng)域

如果一個(gè)身份證號(hào)和一個(gè)名字還不足以讓我認(rèn)識(shí)你,，那么你的設(shè)備號(hào)，IP地址,，所在地,，社交賬號(hào)和電商購(gòu)買(mǎi)信息應(yīng)該足以讓我了解你是不是真正的你想要借款，還是只是是你的身份證丟了被人盜用信息,。

2,、信貸準(zhǔn)入審批及征信評(píng)分

房子、車子,、工作和工資能夠說(shuō)明一個(gè)人的還款能力,，但也趕走了很多資質(zhì)差一些但也會(huì)準(zhǔn)時(shí)還款的客戶,。加入更多維度的自動(dòng)信貸審批將會(huì)幫助挖掘這部分客戶的潛力。正如有句話所說(shuō),，“All data is credit data',。Zest Finance就是此類公司的典型：十個(gè)模型，上千個(gè)變量,，70000個(gè)信號(hào)源,，250毫秒出結(jié)果。有機(jī)會(huì)再繼續(xù)寫(xiě)寫(xiě)這個(gè)很牛很酷的公司,。

3,、風(fēng)險(xiǎn)定價(jià)：

根據(jù)貸款申請(qǐng)人的互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行評(píng)分，分?jǐn)?shù)更高的申請(qǐng)人將能夠申請(qǐng)更低利率或更高金額,。風(fēng)險(xiǎn)管理不是把可能逾期的人攔在門(mén)外,，而是即使把可能逾期的人放進(jìn)來(lái)，卻能獲得更高的盈利,。

4,、貸中及貸后的動(dòng)態(tài)監(jiān)測(cè)

這是大數(shù)據(jù)風(fēng)控相對(duì)于傳統(tǒng)風(fēng)控的優(yōu)勢(shì)之一。對(duì)于傳統(tǒng)風(fēng)控模式下的貸中,、貸后管理來(lái)說(shuō),，對(duì)一筆貸款的追蹤和監(jiān)測(cè)需要耗費(fèi)很多人力，查看固定資產(chǎn)狀況,，親自和貸款人定期溝通看是否有異常情況等等,。但大數(shù)據(jù)的使用可以減少部分的成本，而且更有時(shí)效性,。如比對(duì)貸款申請(qǐng)人的IP地址有無(wú)異常,，通過(guò)互聯(lián)網(wǎng)交易數(shù)據(jù)監(jiān)測(cè)貸款人的公司/店鋪是不是正常經(jīng)營(yíng)等，并且對(duì)不同類型的客戶使用不同的催收策略,。

5,、簡(jiǎn)化貸款審批程序

只需填寫(xiě)姓名、身份證號(hào)以及手機(jī),，就能夠在15分鐘內(nèi)得到周轉(zhuǎn)現(xiàn)金——已經(jīng)不止一家互聯(lián)網(wǎng)信貸公司能夠提供這樣的產(chǎn)品,。申請(qǐng)材料的簡(jiǎn)化并不意味著金融機(jī)構(gòu)不再需要更多信息，而是這些信息不再?gòu)纳暾?qǐng)人本人處獲取,。在數(shù)據(jù)維度和處理速度方面,，大數(shù)據(jù)風(fēng)控完勝人工審批。這不僅能夠減少貸款審批的人力投入,，還與互聯(lián)網(wǎng)產(chǎn)品追求用戶體驗(yàn)的價(jià)值觀不謀而合,，做到“零感知審批”。

既然關(guān)于大數(shù)據(jù)風(fēng)控的研究如火如荼,，是不是意味著互聯(lián)網(wǎng)信貸平臺(tái)很快就會(huì)有大數(shù)據(jù)風(fēng)控的能力了呢,？未必,。一方面，數(shù)據(jù)質(zhì)量參差不齊,，準(zhǔn)確性,、時(shí)效性難以保證，是否能夠獲取足夠有效的樣本作為建立模型的基礎(chǔ)還很難說(shuō),。另一方面,，數(shù)據(jù)分布在各家公司和渠道，互相之間因?yàn)楦?jìng)爭(zhēng)關(guān)系或保密原因無(wú)法共享數(shù)據(jù),，形成一個(gè)個(gè)數(shù)據(jù)孤島,，很難發(fā)揮大數(shù)據(jù)的價(jià)值。至于如何對(duì)涉及個(gè)人隱私的數(shù)據(jù)的保護(hù)和使用,，又是另外一個(gè)謎の問(wèn)題,。最后的最后，大數(shù)據(jù)風(fēng)控從無(wú)到有,，還需要很長(zhǎng)時(shí)間的積累和發(fā)展,，雖然現(xiàn)在每個(gè)平臺(tái)都聲稱自己有這方面能力，但實(shí)際上誰(shuí)也離不開(kāi)人工的審批和調(diào)查,。目前通過(guò)大數(shù)據(jù)分析得出來(lái)的結(jié)果,，只能作為一個(gè)輔助判斷手段。

這也就是為什么,，在我查閱有關(guān)大數(shù)據(jù)風(fēng)控的文章的時(shí)候,，發(fā)現(xiàn)很多內(nèi)容很虛,，自顧自描述著未來(lái)美好的藍(lán)圖,，卻沒(méi)有介紹具體的方法論。到后來(lái)卻也理解了,，風(fēng)控這東西就只能是這樣,，像一個(gè)黑匣子，我只能告訴你我有一個(gè)很厲害的黑匣子,，但具體匣子里面有什么,，是不能說(shuō)的——

'Big data is like teenage sex：everyone talks about it，nobody really knows how to do it,，everyone thinks everyone else is doing it,，so everyone claims they are doing it…”

本文系融360專欄作者“雪小梨（微信號(hào)：373794849）”原創(chuàng)作品，僅代表作者個(gè)人觀點(diǎn),，不代表融360官方立場(chǎng),。

想獲取更多理財(cái)技能，請(qǐng)微信搜索關(guān)注“融360財(cái)秘”（rong360licai）,，關(guān)注后回復(fù)【P2P】可獲取【P2P投資攻略】