淺談大數(shù)據(jù)在金融業(yè)的應(yīng)用

毫無爭議的，我們已經(jīng)進(jìn)入到大數(shù)據(jù)時代。而金融業(yè)無疑又是大數(shù)據(jù)的最重要的應(yīng)用領(lǐng)域之一。今天，我們就來簡單談?wù)劥髷?shù)據(jù)在金融業(yè)的應(yīng)用。

什么是大數(shù)據(jù)

關(guān)于這個，已經(jīng)了比較標(biāo)準(zhǔn)的答案，就不在贅述了。所謂大數(shù)據(jù)，是指多個來源和多種格式的大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。有兩個關(guān)鍵點：

一是大。即數(shù)據(jù)量要非常多，數(shù)量少了不叫大數(shù)據(jù)。在實踐中，一般至少要有10TB（1TB等于1024GB，想想你32G的蘋果手機(jī)，可以裝多少數(shù)據(jù)？）的數(shù)據(jù)量才能稱之為大數(shù)據(jù)，而在類似蘇寧金融等互金巨頭，基本都沉淀了PB級（1PB約等于105萬GB，相當(dāng)于3.3萬個32G的U盤，截止目前，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量也不過200PB）的數(shù)據(jù)量。

大數(shù)據(jù)科學(xué)家JohnRauser就提到一個簡單的定義：大數(shù)據(jù)就是任何超過了一臺計算機(jī)處理能力的龐大數(shù)據(jù)量。啪菠蘿·畢加索的定義是，大數(shù)據(jù)就是多，就是多，原來的設(shè)備存不下、算不動。這里強(qiáng)調(diào)的便是大。

二是數(shù)據(jù)來自多種數(shù)據(jù)源，數(shù)據(jù)種類和格式豐富，不僅包括結(jié)構(gòu)化數(shù)據(jù)，還包括半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。意味著，即便數(shù)據(jù)量很大，但如果局限于單個領(lǐng)域，也不能稱之為大數(shù)據(jù)。因為大數(shù)據(jù)的一個重要作用就是利用不同來源、不用領(lǐng)域的數(shù)據(jù)進(jìn)行非線性地分析，用于未來的預(yù)測。

比如，《大數(shù)據(jù)時代》在作者Sch?nberger的對大數(shù)據(jù)的定義就是，“大數(shù)據(jù)，不是隨機(jī)樣本，而是所有數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系”。這里強(qiáng)調(diào)的便是數(shù)據(jù)的多樣性。

有了大數(shù)據(jù)，自然就要有大數(shù)據(jù)技術(shù)，即從各種各樣類型的巨量數(shù)據(jù)中，快速獲取有價值信息的技術(shù)，強(qiáng)調(diào)快，這是大數(shù)據(jù)技術(shù)與傳統(tǒng)數(shù)據(jù)挖掘技術(shù)的重要區(qū)別。

從巨量數(shù)據(jù)中提取的有價值信息，即是大數(shù)據(jù)在各個領(lǐng)域的具體運用，比如基于大數(shù)據(jù)進(jìn)行客群的細(xì)分，進(jìn)而提供定制化服務(wù)；基于大數(shù)據(jù)模擬現(xiàn)實環(huán)境，進(jìn)而進(jìn)行精準(zhǔn)評估和預(yù)測；基于大數(shù)據(jù)進(jìn)行產(chǎn)品和模式創(chuàng)新，降低業(yè)務(wù)成本、提升經(jīng)營效率等等。

不過，關(guān)于大數(shù)據(jù)的應(yīng)用，有一個廣為流傳的段子，即：

“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 too .”

正如這個段子所講，很多領(lǐng)域的大數(shù)據(jù)應(yīng)用，還只是停留在想象的層面。

金融大數(shù)據(jù)數(shù)據(jù)領(lǐng)域應(yīng)用邏輯

說道大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用，一般認(rèn)為有精準(zhǔn)營銷和大數(shù)據(jù)風(fēng)控兩個方面。

精準(zhǔn)營銷就不說了，基于行為數(shù)據(jù)去預(yù)測用戶的偏好和興趣，繼而推薦合適的金融產(chǎn)品，相比傳統(tǒng)的短信群發(fā)模式，不知要先進(jìn)了多少倍，這個大家都容易理解。

而對于大數(shù)據(jù)風(fēng)控，其邏輯便在于“未來是過去的重復(fù)”，即用已經(jīng)發(fā)生的行為模式和邏輯來預(yù)測未來。

統(tǒng)計學(xué)規(guī)律告訴我們，在實驗條件不變的條件下，重復(fù)實驗多次，隨機(jī)事件的頻率等于其概率。意味著，隨著隨機(jī)事件的大量發(fā)生，我們是可以發(fā)現(xiàn)其內(nèi)在規(guī)律的。而大數(shù)據(jù)里面包含的海量數(shù)據(jù)，就為我們發(fā)覺隱藏在隨機(jī)事件后面的規(guī)律提供了條件。

大數(shù)據(jù)風(fēng)控的兩個應(yīng)用，信用風(fēng)險和欺詐風(fēng)險，背后都是這個邏輯，通過分析歷史事件，找到其內(nèi)在規(guī)律，建成模型，然后用新的數(shù)據(jù)去驗證和進(jìn)化這個模型。

以美國主流的個人信用評分工具FICO信用分為例，F(xiàn)ICO分的基本思路便是：

把借款人過去的信用歷史資料與數(shù)據(jù)庫中的全體借款人的信用習(xí)慣相比較，檢查借款人的發(fā)展趨勢和經(jīng)常違約、隨意透支、甚至申請破產(chǎn)的各種陷入財務(wù)困境的借款人的發(fā)展趨勢是否相似。

FICO評分是傳統(tǒng)金融機(jī)構(gòu)對大數(shù)據(jù)的運用，再來看看典型互金機(jī)構(gòu)ZestFinance對大數(shù)據(jù)的運用，ZestFinance的客群主要就是FICO評分難以覆蓋的人群，要么是在FICO得分過低金融機(jī)構(gòu)拒絕放貸的人，要么是FICO得分適中，金融機(jī)構(gòu)同意放貸但利率較高的人。

在ZestFinance的評分模型中，會大量應(yīng)用到非征信數(shù)據(jù)（50%-70%左右），在其官方宣傳中，提到會用到 3500 個數(shù)據(jù)項，從中提取 70,000 個變量，利用 10 個預(yù)測分析模型，如欺詐模型、身份驗證模型、預(yù)付能力模型、還款能力模型、還款意愿模型以及穩(wěn)定性模型，進(jìn)行集成學(xué)習(xí)或者多角度學(xué)習(xí)，并得到最終的消費者信用評分。

而欺詐風(fēng)險的防控，本質(zhì)上也是通過對歷史欺詐行為的分析，不斷梳理完善風(fēng)險特征庫，比如異地登錄、非常用設(shè)備登錄等行為，都是一種風(fēng)險信號，建立一系列的風(fēng)險規(guī)則判定集，預(yù)測用戶行為背后的欺詐概率。

幾個待解決的問題

第一個就是數(shù)據(jù)共享的問題。大數(shù)據(jù)的應(yīng)用，前提是要有大數(shù)據(jù)，而在很多金融機(jī)構(gòu)而言，并沒有所謂的大數(shù)據(jù)，何談應(yīng)用呢。我們知道，在次級類用戶的信用評價中，非征信數(shù)據(jù)發(fā)揮著重要的作用，但是要獲得有價值的數(shù)據(jù)并不容易。

一般來講，盈利性質(zhì)的商業(yè)公司和企業(yè)都不會輕易泄露自己的數(shù)據(jù)、建模方法和分析過程，這個無可厚非，但客觀上便產(chǎn)生了這樣一種效果，幾大互聯(lián)網(wǎng)巨頭變成了數(shù)據(jù)黑洞，用戶的數(shù)據(jù)進(jìn)得去、出不來，可以為企業(yè)自身而用，但不能為整個行業(yè)或社會而用。此外，散落在稅務(wù)、公積金、海關(guān)、工商等領(lǐng)域的數(shù)據(jù)梳理和整合，也是漫長的過程。

第二個便是數(shù)據(jù)保護(hù)的問題。正如我在之前的一篇文章《在上市平臺信而富財報中，我找到了四個行業(yè)秘密》中提到，

“沒錯，數(shù)據(jù)是核心驅(qū)動力。但問題是，在數(shù)據(jù)保護(hù)和用戶隱私等相關(guān)法律框架最終明確落地之前，對互金平臺而言，數(shù)據(jù)既是寶貴的資產(chǎn)，也可能演變成為聲譽(yù)風(fēng)險、合規(guī)風(fēng)險、用戶訴訟風(fēng)險等各類問題的潛在來源，是福是禍，尚是未知之?dāng)?shù)。”