本文共字，预计阅读时间。

运营商数据、移动设备数据、在线浏览偏好、线上消费数据、银行卡交易数据、社保公积金数据、出行数据等等，这些数据维度都是在线上信用贷款业务中经常被使用到的“大数据”，一些持牌和非持牌金融机构在线上实时风险决策的过程中普遍使用了一种或多种外部大数据来进行客户风险评估或反欺诈识别。伴随着数据行业规范整顿措施的不断加强，监管与治理的行动不断深入，一些存在合规瑕疵的“大数据”开始断供，从而对整个信用贷款行业产业链中的各类参与主体产生了不同程度的影响。

为什么？

在新一轮数据行业的清理整顿中，为什么很多数据源，特别是以爬虫方式采集获取到的数据受到了重点关注和检查？究其根本，要看数据的采集与数据的使用过程，是否已经在信息主体充分知悉的情况下获得了完整、有效的数据授权。

根据《征信业管理条例》要求，“采集个人信息应当经信息主体本人同意，未经本人同意不得采集”，特别的，对于个人的收入、存款、有价证券、商业保险、不动产的信息和纳税数额信息，除非“征信机构明确告知信息主体提供该信息可能产生的不利后果，并取得其书面同意”，否则不得采集。

在现有的一些数据爬取业务形态下，很难保障信息主体知悉自身的信息被采集、加工并形成了数据产品，更不要说信息主体能够对上述信息的采集和使用进行完善合规的书面授权了，信息主体的隐私保护很难落实。在信息主体不知情的情况下，一旦上述信息被滥用，或在采集、保存和对外提供的过程中出现了信息错漏，信息主体很难向征信机构或者信息提供者提出异议，无法保障信息主体的合法利益。

影响几何？

随着行业规范的不断深入，一些采集方式合规性或授权完备性上存在瑕疵的数据源将无法继续使用。这对于信贷行业的产品运营与风险管理会带来怎样的影响呢？

要回答这个问题，就要看这些“大数据”多被应用在了什么地方，是如何在信用贷款业务中发挥作用的。

从数据在风险管理中所起到的作用角度来看，这些外部大数据多用于对借款主体的资信水平、偿付能力的评估中，如通过消费、交易、银行卡动账信息、社保公积金纳税数据等评估用户的收入能力；同时，一些数据也在反欺诈领域发挥着作用，如通过运营商数据、手机设备数据、线上浏览行为数据等识别借款客户是否正常使用移动设备，评估特定的高风险关联关系等；也有一些数据会被用于贷中贷后管理中，如通过识别异常行为信息作为预警信号，或在贷后管理中用于客户触达和失联修复等。在业务实践过程中，对于信用水平的评估，外部非金融类的大数据可形成一种有效补充，但那些具备金融属性的传统金融数据其实发挥着更为重要的作用。在反欺诈领域，多来源、多维度数据的交叉检验与关联运用较为普遍，对数据维度的多样性有着天然需求。

从不同信贷产品的数据应用角度来看，一些产品高度依赖于某个单一数据维度，则可能会由于该维度数据的缺失而受到很大影响。例如，一些金融平台都推出过社保贷产品，在借款客户准入要求、信用水平评估、授信额度评估的过程中都较多参考客户的社保信息，如该数据维度发生缺失，可能会造成产品运营的不可持续。而从另一方面来说，在客户特征识别和客户风险评估方面，一些数据运用维度过于单一，或出现数据运用高度重叠的问题，也反映出了各家金融平台信贷产品标准化或者说趋同化的特点。这些标准化产品，如线上现金贷款及现金分期等信贷产品，由于业务中所涉及客群属性不够明确、清晰，需要通过多种内外部数据为其客户属性、资质特征等找寻依据，故需要多维度的数据加持。而一些数据采集及应用中发生的问题也恰恰出现在现金贷产品身上，由于现金贷既无场景内数据支持，申请过程中的自述信息采集又很少，使得在产品风控过程中更为依赖外部数据。目前市场上一些现金贷业务中所使用的数据又容易出现信息多次倒卖的问题，从而使得数据授权缺失，无法保障信息主体权益。

怎么做？

客户数据的合规获取与使用是业务经营的必要前提。使用一些来源不可靠、采集过程有瑕疵的外部数据势必无法持续。对于数据可获取性发生变化的外部冲击，作为数据使用方的金融机构该如何应对？

首先，对问题数据坚决说不，是基本原则。切实保护信息主体的合法权益，才能促进整个行业的持续健康发展，进一步推动社会信用体系的建设与完善。短期来看，如果在客户筛选、风控规则中确实使用到了一些已无法获取的数据，那么则需对风控策略规则进行相应调整，可考虑使用替代性数据，补完风控策略；对于模型中自变量已发生了缺失的情况，则需要综合考虑模型稳定性、区分能力等验证指标，对变量缺失所造成的影响灵活处置。根据实际情况，并不一定要采用重新建模的方式来进行处理，如可以重新设定分数线，使得好坏客户几率比与原分数线相同或接近；区别特定变量对于不同客群风险评估的差异性影响，可对特定群体采用单独分数线划分或单独建模的方式予以调整，等等。

另外，长期来看，金融机构更需要反思过往的产品定位与风控策略，打破单一的标准化信贷产品框架，寻找更为差异化的金融服务定位。金融机构应该着眼于更为广义的场景金融，这种场景并非以往所说的培训、医美等狭义的消费需求场景，而是泛指满足以下特征的业务场景：一是，“场景”本身可定位于某类特定客户群体，客群风险特征较为一致、易于识别；二是场景内蕴含更为丰富的垂直产业链数据以及终端客户数据，在金融场景本身的生态环境内更易获取信息主体的合法授权，信息采集与应用的合规路径更为明晰，场景内数据进入到客户画像与风险评估中也更具针对性；三是场景内可建立某种闭环管理机制，例如定向支付、产业链上下游数据勾稽验证，等等。在这样的差异化垂直场景内，服务的客户群体有相似的属性与特征，通过特定业务场景的选择就能够定位出资质较优的客户群体，例如，一些高端付费会员制商超场景中的客户就具备了消费档次较高、追求品质生活、以及在确定的区域辐射范围内等统一的群体特征。

广义的金融业务场景其实横跨了众多产业，涉及汽车、旅行、教育、数码、家电、家具家装等等，业务场景丰富，有巨大的挖掘空间，而另一方面，不同的细分领域之间的生产经营模式、产业链格局均有不同发展特征，对于行业与场景内客户的理解需要针对不同细分领域进行深度挖掘。同时，业务场景垂直化发展也是未来金融业务发展的又一重要趋势。伴随数字化进程，移动互联网正在从上半场的消费互联网，向下半场的产业互联网方向发展。数字金融创新需要下沉到生产制造的产业链中，将数字化推进到供应链的每一个环节，打通从生产制造到消费服务的价值链，形成从消费到产业（C2B）的生态协同。

细分场景下的金融赋能，将逐渐成为信贷市场切入的一种必然选择，金融机构只能转变思路，着眼于市场上的细分领域，充分进行流量挖掘。但细分场景的切入和开发，也对金融机构提出了更高的要求，需要真正下沉到每个业务场景中，打造一套适合该业务场景特点的金融产品、业务流程、风险管理策略及运营模式。

第一，要根据业务场景内圈定的目标客群特征，充分挖掘客群金融服务需求，通过提供有针对性的产品和流程设计，使之转化为信贷用户。在这个过程中，尤其是流量导入的前期，需要完成大量差异化的设计、开发和整合工作，如果开拓的场景众多，势必对金融机构提出很大挑战，但如果业务仅局限在个别领域内，又无法实现信贷规模的突破。

第二，在关注流量深度挖掘的同时，金融机构更要重视细分场景下的数据信息。其中一些信息可作为客户风险识别和资质评估的依据，但这些数据普遍具有个性化、零散化等特点，需要大量的数据筛选、清洗、加工和标准化的工作。

第三，细分场景的切入不仅仅单纯为了获客，更重要的是为了风控。每个领域、每个细分场景有着天然的差异性，依赖过往的那些所谓的“线上大数据”所建立的通用风控策略，是不可能解决所有细分领域的风控问题的，需针对特定场景设计对应的风控流程、使用有针对性的风险管理工具。只有与具体场景业务相结合的风险管理才是真正有意义的。同时，细分场景下，风控重点不仅在于终端借款人，同时也要综合考虑B端场景方，两个层次的风控都要做，且两个层次的风控有互相结合的实践模式。

深度挖掘垂直领域场景中的客户与数据，成为了金融机构差异化竞争的一个重要选择。但这种业务模式需要后台硬功夫的持续打磨，包括对细分行业的深入理解、对金融场景的差异化设计、对场景数据的深度挖掘、对风控流程与风控策略的差异化配置等。为了能够抢占市场先机，同时采取相对稳妥方式开展创新业务尝试，金融机构也可以选择与深耕垂直领域的金融科技平台进行合作，打通场景下的金融服务通道，圈定目标信贷用户，聚合不同细分场景下的流量，实现数据的有效整合和标准化处理，在双方优势互补、双向赋能的基础上，构建“场景+金融”的生态圈。

[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！首图来自图虫创意。

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！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。