本文首發(fā)于公眾號：洪言微語（ID:hongyanweiyu）,作者:薛洪言,，蘇寧金融研究院互聯(lián)網(wǎng)金融中心主任,。

在《大數(shù)據(jù)在金融業(yè)中的應(yīng)用》發(fā)布之后,，便有朋友留言問，“銀行的大數(shù)據(jù)和互金的大數(shù)據(jù)應(yīng)用有沒有什么不同,？”的確,，說到金融大數(shù)據(jù)，我們會發(fā)現(xiàn)有兩類機(jī)構(gòu)都在提,，當(dāng)互聯(lián)網(wǎng)金融企業(yè)都把大數(shù)據(jù)掛在嘴邊,、當(dāng)大數(shù)據(jù)風(fēng)控成為新金融的代表性模式時，被稱作“傳統(tǒng)金融機(jī)構(gòu)”的銀行業(yè)也坐不住了,，站出來講,，銀行業(yè)才是典型的大數(shù)據(jù)企業(yè)，銀行內(nèi)部有大量的數(shù)據(jù),，既有結(jié)構(gòu)性數(shù)據(jù),，也有非結(jié)構(gòu)性數(shù)據(jù)，只是沒有把這個數(shù)據(jù)富礦更好地利用罷了,。

所以,，問題就來了。銀行與互金,，所講的大數(shù)據(jù)是一回事嗎,？二者究竟有何區(qū)別呢？下面分享我的觀點,，未盡事宜,，歡迎大家留言討論。

差異始于自有數(shù)據(jù)的不同

對于任何一類機(jī)構(gòu)而言,，其數(shù)據(jù)的構(gòu)成都是自有數(shù)據(jù)+外部數(shù)據(jù),，外部數(shù)據(jù)則包括既公開數(shù)據(jù)，也包括第三方購買數(shù)據(jù)和其他渠道獲得的數(shù)據(jù),，如下圖所示,。照理來講，外部數(shù)據(jù)的獲取是可以做到大致相似的,，自有數(shù)據(jù)便構(gòu)成了金融機(jī)構(gòu)數(shù)據(jù)差異化的基礎(chǔ),。

先來看看銀行業(yè)

本質(zhì)上，整個銀行業(yè)的一切活動和產(chǎn)品都是與數(shù)據(jù)有關(guān)的,，甚至說銀行的所有產(chǎn)品都是數(shù)據(jù)也不為過,，比如說你的存款,、你的貸款,、你的理財產(chǎn)品等，實際上就是在銀行系統(tǒng)內(nèi)記錄的一組數(shù)據(jù)而已,。正是由于銀行產(chǎn)品和業(yè)務(wù)的天然數(shù)據(jù)屬性,，所以銀行業(yè)在產(chǎn)生數(shù)據(jù)和應(yīng)用數(shù)據(jù)方面一直走在各行各業(yè)的前列,。據(jù)悉，計算機(jī)由軍用轉(zhuǎn)為民用時,，率先利用計算機(jī)技術(shù)來提升行業(yè)管理能力和發(fā)展能力的就是銀行業(yè),。

銀行的自有數(shù)據(jù)主要是各種業(yè)務(wù)數(shù)據(jù)，是對全行客戶業(yè)務(wù)活動過程和結(jié)果的記錄,。同時,，為了更好地開展業(yè)務(wù)，還會要求用戶提供諸如電話,、職業(yè),、教育、住址等信息,，如果有過貸款申請行為,，還會包括收入、房產(chǎn)等強(qiáng)信用屬性數(shù)據(jù),。此外,，所有人的工資都是銀行代發(fā)，公積金流水也在銀行,，房貸和車貸也都在銀行,，銀行在業(yè)務(wù)過程中還產(chǎn)生了大量的文檔、資訊,、圖片,、音像等非結(jié)構(gòu)化數(shù)據(jù)。

換個角度來看,，銀行賬戶是經(jīng)濟(jì)社會所有活動的起點和重點,，所有人的財富狀況和變動情況都會在銀行留有痕跡，所以要判斷一個人有錢沒錢,，找銀行就對了,。為何保險產(chǎn)品、基金產(chǎn)品都喜歡交給銀行來銷售,，一方面是銀行有著龐大的線下渠道,，更重要的在于，銀行知道哪些用戶有錢,，從而進(jìn)行更好的產(chǎn)品匹配銷售,。

本質(zhì)上講，若能精準(zhǔn)地判斷一個人有錢沒錢,、有多少錢,，無論是進(jìn)行精準(zhǔn)營銷還是風(fēng)險防控，基本也不太需要太多的其他數(shù)據(jù)了。但問題在于,，銀行業(yè)的數(shù)據(jù)是割裂的,，除了信貸類的關(guān)鍵信息會以征信的形式報送央行征信中心，實現(xiàn)一定程度上的共享外,，其他的各類財富相關(guān)數(shù)據(jù),，都分別沉淀在各家銀行。

比如張三,，在中國銀行有1000塊存款,，在建設(shè)銀行有20萬塊存款，在工商銀行沒有存款,。那么,，在建行看來，這是個有錢人,；在中行看來,，這是個再普通不過的用戶，在工行看來,，這個人的財富狀況無法判斷,。

再來看看互金平臺

如果是創(chuàng)業(yè)型互金平臺，其自有數(shù)據(jù)也主要是各類業(yè)務(wù)數(shù)據(jù),，這點與銀行相似,，不過數(shù)據(jù)量要少得多，受單一的業(yè)務(wù)模式制約,，數(shù)據(jù)維度也很單一,，單靠其自有數(shù)據(jù)，是幾乎談不上什么大數(shù)據(jù)應(yīng)用的,。

而幾大互金巨頭就不同了,，比如BAT，其本身就是互聯(lián)網(wǎng)時代的數(shù)據(jù)黑洞,，沉淀了巨量的用戶數(shù)據(jù),，當(dāng)其轉(zhuǎn)型做金融時，之前積累的電商數(shù)據(jù),、社交數(shù)據(jù),、行為數(shù)據(jù)等便成為其可用的自有數(shù)據(jù)。當(dāng)然,，互金巨頭對用戶財富數(shù)據(jù)的掌握程度遠(yuǎn)遠(yuǎn)比不上銀行,，不過好在銀行最有價值的金融數(shù)據(jù)——信貸數(shù)據(jù)已經(jīng)在征信中心實現(xiàn)了共享。

金融數(shù)據(jù)的日月星辰之光

數(shù)據(jù)的多少或優(yōu)劣,，只能通過其對業(yè)務(wù)的促進(jìn)作用來進(jìn)行比較,，我們以信貸業(yè)務(wù)為例進(jìn)行分析。不考慮房產(chǎn)抵押、存款質(zhì)押,、理財質(zhì)押等抵質(zhì)押類貸款產(chǎn)品，從純信用類的消費貸款產(chǎn)品來看,，排除欺詐風(fēng)險的因素,，大數(shù)據(jù)風(fēng)控要解決的是核心問題是：一個人的還款意愿、還款能力,、還款穩(wěn)定性等因素,。判斷這些因素，這個人的信貸行為數(shù)據(jù),、歷史借款數(shù)據(jù),、歷史違約信息等征信類信息是最有效的數(shù)據(jù)，我們可以從FICO分的構(gòu)成進(jìn)行驗證,。

FICO（Fair Isaac Company）信用分是由美國個人消費信用評估公司開發(fā)出的一種個人信用評級法,，其分值在300-850之間，已經(jīng)得到社會廣泛接受,。據(jù)一項統(tǒng)計顯示,，信用分低于600分，借款人違約的比例是1/8,，信用分介于700～800分,，違約率為1/123，信用分高于800分,，違約率為1/1292,。一般認(rèn)為，F(xiàn)ICO分高于680分,，就屬于信用卓著的用戶了,；而若低于620分，則很可能被拒貸,，或被要求增加擔(dān)?；虻仲|(zhì)押。

而FICO評分模型主要就是圍繞個人的歷史借貸行為等征信類信息展開的,，包括付款歷史（占比35%左右,，包括各類信用/貸款賬戶的還款記錄，公開記錄即支票存款記錄,，逾期償還情況等）,、未嘗債務(wù)（占比約30%，包括仍需償還的信用賬戶總數(shù),，信用賬戶余額,，總額度使用率等）、信貸時長（占比約15%，信貸賬戶的賬齡）,、新開立信用賬戶（占比10%,，包括新開立信用賬戶數(shù)，新開里賬戶賬齡,，正在申請的信用賬戶數(shù)量,，查詢查詢記錄等），正在使用的信貸組合（占比10%左右,，包括信用卡賬戶,、零售賬戶、分期付款賬戶,、抵押貸款賬戶等混合使用情況）,。

從效用等級來看，記錄歷史借款數(shù)據(jù)的征信數(shù)據(jù)有效性最強(qiáng),，可看作是太陽之光,；消費、社交等數(shù)據(jù)的有效性次之,，可看作月亮之光,；興趣愛好及其他行為數(shù)據(jù)的有效性再次之，可看作星辰之光,。在評價一個人的信用時,，如果這個人有征信數(shù)據(jù)，那么基本可以不用再看消費,、社交,、興趣等等其他數(shù)據(jù)就可以進(jìn)行判斷，就像太陽一出,，月亮和星辰之光便黯淡無色了,。

問題在于，大多數(shù)的人都缺乏有效的征信數(shù)據(jù),，中國13億人口中,，有信貸征信記錄的僅有3.5億。對于沒有征信記錄的人,，只能用月亮星辰之光進(jìn)行信用判斷,，雖然效用差一些，但很多情況下也勉強(qiáng)可用,，這是互聯(lián)網(wǎng)大數(shù)據(jù)風(fēng)控模型崛起的內(nèi)在邏輯,。

銀行與互金大數(shù)據(jù)風(fēng)控的差別所在

最后再來看二者的差別，我們從客群的角度來對比,。

對于具有征信記錄的優(yōu)質(zhì)客群,，這部分客戶的信貸記錄多來自于銀行體系,，意味著銀行不僅掌握其更細(xì)維度的借款歷史數(shù)據(jù)，還掌握了其存款,、理財?shù)蓉敻粩?shù)據(jù),，在這部分用戶的大數(shù)據(jù)信用評判上，銀行是占據(jù)先機(jī)的,，有其獨到的優(yōu)勢,。

對于征信記錄較少或沒有征信記錄的客群，沒有了日光照射,，對銀行而言，可能意味著徹底的黑暗,，難以判斷用戶的信用情況,；而掌握了用戶消費數(shù)據(jù)、社交數(shù)據(jù)的互聯(lián)網(wǎng)巨頭,，掌握了月亮星辰之光,，反倒可以大致看清用戶的輪廓，具備了差異化的優(yōu)勢,。

問題來了,，銀行為何不去掌握這些月亮星辰之光呢，因為有價值的行為數(shù)據(jù)多數(shù)都掌握在互聯(lián)網(wǎng)巨頭手中,，這些巨頭像數(shù)據(jù)黑洞一樣,，數(shù)據(jù)進(jìn)得去、出不來,，誰也拿不走,，而正是這些數(shù)據(jù)，構(gòu)成了其在次級用戶信用評級上的核心優(yōu)勢,。

反過來再問,，怎么去對抗這些數(shù)據(jù)黑洞呢？唯一的出路就是增加太陽光的照射范圍,，即推動可以全社會共享的征信體系的發(fā)展,，屆時，月亮星辰之光的影響也就越來越小了,。

最后簡單總結(jié)下結(jié)論吧,。

如果從大數(shù)據(jù)信用風(fēng)控的角度看，銀行與互金的主要差別就是因數(shù)據(jù)源的不同導(dǎo)致的客群有效性的差異,，整體上,，銀行的大數(shù)據(jù)風(fēng)控模型針對有征信記錄的用戶更為準(zhǔn)確；互金巨頭的大數(shù)據(jù)風(fēng)控針對缺乏征信記錄的用戶更為有效,，當(dāng)然,，因為征信記錄是開放的,，所以對于有征信記錄的用戶而言，互金巨頭的模型也可覆蓋,，只是與銀行相比缺乏優(yōu)勢罷了,。

如果從大數(shù)據(jù)欺詐風(fēng)控的角度看，銀行與互金則各有千秋,，因為欺詐風(fēng)險更多地與業(yè)務(wù)模式和流程有關(guān),，業(yè)務(wù)模式的不同決定了銀行和互金面臨的欺詐風(fēng)險很多情況下是不同的，所以缺乏可比性,，應(yīng)該是各有各的特長,。

如果從大數(shù)據(jù)在智能營銷上的應(yīng)用看，互金巨頭掌握了用戶的消費,、社交等行為數(shù)據(jù),，可以更好地了解用戶的行為偏好，從而可以更好地將金融產(chǎn)品融入場景打包推薦給用戶,。相比之下,，銀行掌握的更多是用戶有錢沒錢，在智能營銷上其應(yīng)用范圍就窄得多,，在銷售基金和理財產(chǎn)品上精準(zhǔn)度比較高,，但在場景化金融上就要遜色很多。

如果從大數(shù)據(jù)在內(nèi)部管理上的應(yīng)用看,，銀行業(yè)已經(jīng)進(jìn)行了長達(dá)十幾年的探索,，在很多方面是要領(lǐng)先的，而絕大多數(shù)的互聯(lián)網(wǎng)金融企業(yè),，在這方面還需要補課,。