为什么大数据风控不是“大忽悠”风控？

紫色薰衣草

日前，国务院总理李克强在2016中国大数据产业峰会暨中国电子商务创新发展峰会（2016数博会）上将大数据誉为“钻石矿”。随着互联网的高速发展，作为新时代“钻石矿”的大数据大数据已经渗透到包括交通、医疗、零售、金融等领域的方方面面。

但在不少人看来，大数据风控只是看起来很美，充其量不过是个伪命题已——作为一家大数据公司，观数科技深刻见证了大数据对金融尤其是消费金融行业商业模式创新、新业态呈现等的驱动力，大数据风控绝非“大忽悠”风控。

▎大数据风控助力消费金融发展

数据显示，2015年我国人均GDP达到5.2万元，2016-2019年中国消费信贷规模将维持20%左右的复合增长率，预计2019年将超过37万亿。不断提高的经济水平直接推动了消费的增长，消费金融十万亿级的蓝海市场正在加速打开，各路机构也纷纷进入该领域抢滩。随着消费金融的异军突起，摆在面前的风险也逐渐凸显，其中信用风险至关重要。

传统个人征信维度包括个人基本数据、信贷情况，主要是信贷、信用卡相关数据，购房购车记录等。但公开数据显示，我国央行征信中心数据覆盖虽已达8.5亿，但其中真正有信贷记录的仅为3亿人，也就是说还有5亿多人群体是信用“三无”人员。然而，这个群体在分期消费方面往往有更强烈的需求，而如何有效评估这些人的信用，成为横亘在消费金融机构面前的难题。

对此，观数科技另辟蹊径，通过包括交数据在内的大数据来做风控。在传统征信考虑的基础数据外，观数科技还将自身积累的社交数据、用户授权的学历学籍信息、电商交易数据、网络行为数据，以及从第三方平台接入的相关数据，形成1000多条风控指标，对用户的资信状况进行全方位评估。

目前，观数在全球有100多个分布式节点，数据获取能力达5000万次/天，每天可处理10TB数据，实现极速自动评估，降低风险的同时极大提高了效率。

同时，观数也提供社交平台上的关系分析和人物画像。对于社交数据的处理，可以做到对web端App数据的爬取，并实现多平台数据关联打通，通过对好友关系、兴趣爱好、标签群组等信息进行建模，做到识别用户身份DNA，实现客群欺诈识别，事先控制风险。观数科技COO李科表示：“通过一些与金融看似不相关或者是若相关信息的交叉验证，能对申请人一系列欺诈行为实现较好的识别效果。”

▎大数据征信热潮下的理性思考

随着消费金融的异军突起，市场也逐渐掀起大数据征信的浪潮，包括电商平台、互联网巨头、P2P平台、支付机构、传统征信机构及大数据公司等纷纷布局大数据征信。但就政策而言，2016年1月印发《关于做好个人征信业务准备工作的通知》，芝麻信用、腾讯征信、前海征信等8家机构成为首批入围企业，发放牌照的传言屡有传出，但迟迟未见结果。

央行如此审慎的态度也从某个角度凸显了大数据征信存在的问题：

1.数据孤岛

众所周知，央行征信系统并不开放，民间征信机构无法获取关键的信贷数据，而央行对个人在银行外的信贷行为也较难掌握，再加上如腾讯征信等征信机构都是围绕自身的数据源展开，很难建立通用的数据源；很多其他与个人信用相关的数据更是分散在政府各级业务管理部门，很难形成统一的信用信息平台。

2.缺乏统一的数据标准和通用的评估模型

美国的银行卡、零售商等产生的消费者交易的信息大多都以固定频率和固定格式免费传递给个人征信机构，并有个人征信业务的统一标准数据报告格式和标准的数据采集格式，而我国目前还没有这样的标准。

并且，我国各个征信机构采集的数据源和信息维度不同，可能会影响到个人信贷的行为也越来越多。我国的征信虽在很大程度上模仿了FICO的模型，但因采集数据的差异和前述维度的不同，很容易造成同一借款人在不同评级模型中得到不同的评分，严谨性有待考究。

3.征信机构公允性遭疑

很多大数据征信公司在进行个人信用评估等服务的过程中掌握了大量资源型数据，也有不少机构从信用评估市场转到消费金融市场，包括首批牌照入围的民营征信机构在内，其数据的采集和使用与自身业务本就脱不开关系，作为征信机构的公允性值得商榷。

综上，有业内专家指出，大数据风控只是理论可行，根据大数据分析评估的信用情况并不全面，仅凭这样方式做风控并不可靠。

▎专注风控，更值得信赖

对此，观数科技COO李科举出了FICO模型的例子，公开资料显示，个人信用分数在800分以上的违约率只有0.0077%，而低于600分以下的违约率为12.71%。可见，大数据风控确能有效降低风险，作为风控的决策依据。

对于上述问题，李科表示，当前是征信发展的蓝海时代，信息孤岛是不可避免的问题，对此观数科技持一种开放的心态，尝试与各类商业、电信等第三方数据合作，同时将各种社交数据进行关联，基于多源异构大数据建模解决这个问题；针对缺乏统一数据标准问题，他认为，发放牌照、立法及行业标准的建立是大数据征信必经的一个阶段，需要给行业一个沉淀期；而评分模型在李科看来只是一种分析技术和风控思维的体现，不同的场景会有不同的侧重点，在美国，评分模型也并非产业链最核心环节，根据不同场景和人群进行调整即可。

第三个问题最为关键，一般意义上讲，一个做大数据信用评级的机构，不应该是数据的使用方。否则，“这就使‘征信采集者与使用者没有任何关系’这种独立的第三方原则被模糊化了，征信机构做为第三方‘量尺’的公正性有待考证”，李科说。

李科说，观数是一家大数据公司，专注帮助消费金融机构进行用户数据分析和信用评估，后期将更多地追求深度与业务绑定，结合某个行业相关的企业形成闭环，同时帮助社交产品进行导流、客户分析、精准营销等。在他看来，市场化的征信机构是我国征信行业的发展趋势，虽然行业目前处于“一哄而起”的阶段，但经过沉淀后，势必会崛出一批真正具有优质数据和优秀评级系统的机构。时间自然会为大数据风控正名。

月光是我的嫁妆

一又二分之一