清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

2016年初国务院在《推进普惠金融发展规划(2016~2020年)》中提出“鼓励金融机构运用大数据、云计算等新兴信息技术,打造互联网金融服务平台”。众所周知,征信是风控的关键,P2P网贷平台对完善的征信系统需求已迫在眉睫。大数据的发展降低了信息不对称问题,推动了数据统计模型的完善,有利于征信、授信及风控的创新。特别是人工智能模型可以更加前瞻的反映申请人的信用状况,快速形成对潜在客户的风险评估和授信决策,提高审核的效率。

大数据优化借贷流程

目前大数据技术主要应用于借贷环节,覆盖贷前评估、贷中监控和贷后反馈三个环节,下面以P2P网贷平台为例,分析涉及到大数据征信及风控的环节。

纵观整个借贷周期,大数据对流程的优化无处不在。首先是贷前评估环节。在销售过程中需要了解申请人的主观意愿以及申请信息的真实性;审批过程中会采取系统审核和人工审核两种方式,剔除不符合信贷政策要求的申请人,包括有严重不良征信记录、有违约记录、近期有较大风险被纳入关联黑名单等情况。系统审批时可以通过多维度的信息分析、过滤、交叉验证、汇总,形成全面的申请人数据画像,辅助审批决策;授信过程会根据不同类型的借款申请调用不同的信用评分规则,根据用户的授权许可抓取互联网数据,通过特定的模型转化为个人及商户授信评分数据。

其次是贷中监测环节,包括存量客户管理和资金管理。存量客户管理主要是通过数据合作方获取交易流水或通过大数据实时监测,一旦发现用户在贷款期的行为数据出现问题可及时触发预警,比如是否发生早期逾期或失联等;资金管理主要是运用实时商业智能预防流动性风险,保证专款专用与定向支付。

最后是贷后反馈环节,包括逾期客户管理和借贷数据记录补充。逾期客户的管理可以通过大数据挖掘规律,针对不同的客户类型采取不同的催收手段。借贷数据的记录与补充是基于客户本次贷款期间的数据,补充信贷记录,更新其信用额度以供后续使用。

大数据时代下 广泛、丰富、多维的征信数据

大数据时代征信数据呈现广泛多维、动态实时的特点,数据来源更加广泛,种类更加丰富,时效性也更强。广泛多维体现在个人或企业在互联网上的所有行为都将被记录,包括个人征信的电商数据、社交数据、支付数据、生活服务数据等,以及企业征信的供销存、现金流、物流、资产负债等,大大扩展了征信体系的数据范畴。动态实时体现在互联网的数据是动态且易追踪的,基于此评估信息主体的行为变化更加全面和准确。

P2P网贷平台运营较长时间以后能够积累诸如用户行为数据、借贷数据、信用数据、地理位置数据、业务流数据等,因此可以通过自建征信体系实现大数据征信及风控。以宜人贷为例,线上大数据授信过程中,通过用户授权系统读取互联网行为数据信息,得到较为全面的个人或企业画像,同时进行交叉验证形成风控机制,计算出用户的风险评分,最终确定是否应该放款以及该用户的授信额度、还款周期等。这一“极速借款”模式可在10分钟之内完成。

更多的平台选择与第三方征信机构合作,直接引入征信机构的信用评估。目前,我国的征信体系是央行体系为主,民营体系为辅的格局。其中,央行的征信系统是国内征信体系的核心环节,截至2016年末,国家金融信用信息基础数据库已收录自然人信息9.1亿人、企业及其他组织信息2210万户,并采集非金融信用信息50.6亿条。征信政策逐步放开以后,民营征信机构发展空间巨大。我国征信市场未来发展的重要方向是以央行征信为主导的市场化个人征信体系。

随着P2P网贷平台竞争加剧,对整个行业的征信、风控等方面提出了更高的要求。传统的风控管理已不适用于全新的互联网业态,缺少可靠、易用的征信数据会制约国内P2P网贷行业的发展,平台运用征信机构的数据,可以提高、优化风控能力。目前,已有信而富、点融网、宝象金融等多家P2P网贷平台与征信机构开展合作。一方面征信机构能够为P2P网贷平台提供申请人的信用分作为参考,同时提供反欺诈和催收等相关服务,帮助投资人和平台减少损失;另一方面,与P2P网贷平台的合作,可以丰富征信机构的数据。除了与国内征信机构合作以外,也有不少平台选择与国际知名征信机构合作,以提升风险管理水平。

专注农业供应链领域的宝象金融自建以大数据为核心,以多方征信合作为特点的 “象牙风控体系”。在资产端,除了平台积累的供应链金融的大数据以外,还对接了上海资信、前海征信、安融征信等数十家外部征信机构,对用户信息进行综合分析和交叉验证,从而实现对借款人和借款企业的历史信用、还款意愿及还款能力的多维度评估。此外,配有自有知识产权的评分模型、反欺诈算法,实现主要产品的风控系统化,评估个人资产情况和信用记录以及企业的经营数据、财务报告,严格控制借款项目风险。平台还建立了包括客户身份识别、信用等级评定、项目实地尽调、综合分析评判、签订法律文书、先决条件审核等分级授权体系和审批流程,逐步降低项目风险。在资金端,与太平财险合作,并引入多家双A级担保机构。

更精准的数据分析模型是关键

然而,很多P2P网贷平台缺乏的不是数据,而是对数据精准恰当的分析,这就需要构建合适的计量模型进行有效的量化分析,从而能提高平台甄别贷款申请的效率,降低投资者面临的信贷风险。大数据征信及风控模型的构建流程大致分为数据收集、数据建模、画像构建和风险定价四个环节,每一环节参考的指标数据如下图3所示:

在运用大数据进行征信及风控时,需建立自身的云数据系统、风险评估模型、信用衡量体系、风险定价模型等核心产品。对体系内及体系外海量用户的各项指标进行搜集整合分析,将数据模型应用到信贷业务中,实现风控的流程化、自动化、高效化。P2P网贷平台大都青睐大数据建模,但对于规模较小的平台而言,是建立自身的大数据风控模型,还是直接采用其他机构成熟的产品,需要考虑成本问题。

博金贷在2015年就开始布局金融科技领域,自主研发博金云风控,其中的慧眼征信系统,可全面整合金融机构、工商系统、第三方征信机构等数据,个人信用数据维度多达180余项,企业信用数据维度多达300余项,能较为全面地为信贷风险管理提供征信数据查询、云监控、智能风控管理及舆情监督等服务。

博金云风控系统通过整合多种系统技术研发了大数据“蜂窝”技术,针对平台以及合作金融机构的征信查询需求,根据业务特点自定义配置征信维度和大数据贷前调查、贷中审查、贷后检查以及反欺诈检测、客户分析等报告,并可以实现信贷全流程风险管控。

总结

在互联网金融新的发展阶段里,P2P网贷平台风控体系中的大数据运用尚处于探索之中,缺乏充分有效的数据基础并且征信体系的覆盖广度和深度有限,尤其是个人用户的信用评估相对简单,真实性很难考证,并且不同平台的数据口径以及评估指标体系的选取和权重也存在较大差异,因此还不能完全取代传统征信。目前平台正在尝试通过对不同来源的数据进行交叉验证,以提升数据的准确性。在科技的驱动下,未来数据的处理能力和风控能力将成为互联网金融行业竞争的核心能力,拥有雄厚技术实力的平台能够在这片新蓝海中抢占先机。(文/盈灿咨询 王蔚 )

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。