
網貸P2P的大數(shù)據(jù)嘗試_數(shù)據(jù)分析師
P2P行業(yè)要做真正的大數(shù)據(jù)有兩個途徑:一是建立自己的生態(tài)圈去了解客戶特征,二是需要做數(shù)據(jù)挖掘尋找關鍵數(shù)據(jù)。前者是去粗取精地獲取對風控決策有價值的信息;后者則是確定這些數(shù)據(jù)通過怎樣的方式與一個人的信用情況和償還能力形成關聯(lián)。
縱觀2014年的網貸圈,總離不開兩個關鍵詞:“風險”和“創(chuàng)新”。
在2013年網貸熱潮中渾水摸魚的網貸平臺,在2014年紛紛原形畢露,跑路事件層出不窮,涉案金額也屢創(chuàng)新高。投資者深切體會到網貸的風險,對網貸開始審慎對待。
另一方面,網貸行業(yè)總體而言熱度不減。民間借貸的熱潮傳導到線上,使得P2P網貸成為線下民間借貸熱的另一片戰(zhàn)場。借款人往往希望能夠盡快地獲得融資以解燃眉之急,在競爭激烈的行業(yè)背景下,誰能更快地提供貸款,誰就能占得先機。
尋找風控與效率平衡點
對借款項目和借款人背景的審查是貸款的重要環(huán)節(jié),關乎風險的控制,這一環(huán)節(jié)目前一般依靠線上提交材料,加線下審核的方式進行。線上提交的材料往往不足以支撐起對于借款項目風險的判斷,因此許多P2P平臺或依托于當?shù)氐男≠J公司,或自行組建線下團隊,以完成風險考察的線下部分。平臺通過實地走訪能夠更全面地掌握借款者的還款能力,從而控制一筆貸款的拖欠風險。
降低風險和提高貸款審批效率存在著先天的矛盾:想要達成較為完善的借款人資質考察,嚴謹切實地控制住風險,往往需要大量時間;而在征信體系并不完善的現(xiàn)狀下,現(xiàn)有的渠道很難對借款人的資信情況做出全面準確的評估,更談不上審核的便捷性了。這一部分的工作必需大量時間和資金的投入,對于平臺的快速發(fā)展形成了一個不可忽視的阻礙因素。
網貸運營者在考慮平臺擴張時,不得不認真思考怎樣的方式才能給用戶帶來最好的體驗:對于借款方,怎樣提供申請便捷、成本低廉的借款通道;而對于另一端的投資方,怎樣保證對于風控的切實掌握,為投資者的資金安全負責。對切實、高效的風險考察手段的需求呼之欲出。
網貸行業(yè)引入大數(shù)據(jù)思維
在這一背景下,如何控制P2P網貸的風險,就成為整個行業(yè)和投資者群體的關注焦點。而具有互聯(lián)網基因的P2P網貸,運用互聯(lián)網相關的創(chuàng)新手段來解決問題,無疑是順理成章的一件事。諸多互聯(lián)網金融企業(yè)都圍繞這一方向給出了降低網貸風險的解決方案,而大數(shù)據(jù)是其中經常被提及的一個思路。
所謂用大數(shù)據(jù)來解決征信中的難題,是指系統(tǒng)、規(guī)范地整理與借款者相關的各項數(shù)據(jù),并借助專業(yè)管理工具、分析工具從這些數(shù)據(jù)中提取出有價值的信息。在互聯(lián)網時代,一個人的日常生活會在網上留下各種信息,經濟活動也不例外。一個借款者的信用卡還款記錄、電商網站的交易記錄,甚至是社交平臺上與經濟活動相關的信息,都可以成為原始的分析數(shù)據(jù),多角度地反映出借款者的信用狀況和償還能力。
通過互聯(lián)網來采集這些“旁證”的成本,無疑要遠遠小于線下審核。由于數(shù)據(jù)采集的來源廣泛且層次豐富,這些側面的蛛絲馬跡反而有可能更為全面地體現(xiàn)借款者的情況。
但是大數(shù)據(jù)的應用門檻不低,P2P行業(yè)要做真正的大數(shù)據(jù)有兩個途徑:一是建立自己的生態(tài)圈去了解客戶特征,二是需要做數(shù)據(jù)挖掘尋找關鍵數(shù)據(jù)。前者著眼于通過一個穩(wěn)態(tài)的信息來源盡可能地減少信息中的“噪音”,去粗取精地獲取對風控決策有價值的信息;后者則是確定這些數(shù)據(jù)通過怎樣的方式與一個人的信用情況和償還能力形成關聯(lián),以及這一關聯(lián)是否具有可靠性。
大數(shù)據(jù)在宜人貸里的應用
2014年10月7日,“極速模式”正式添加進“宜人貸借款”APP中。宜人貸表示,目前“極速模式”可做到1分鐘授信,10分鐘批貸,批貸額度最高可達10萬元,平臺月費率在0.78%。
宜人貸的公告顯示,之所以“極速模式”可以實現(xiàn),正是由于應用了大數(shù)據(jù)技術,通過積累的海量數(shù)據(jù)和算法模型,深入分析用戶各方面的信息,以做出是否貸款及貸款額度的決策。這一切都由計算機在后臺完成,大大節(jié)約了線下審核的時間。
筆者嘗試了這一功能。借款人只需在“宜人貸借款”APP找到“極速借款”板塊,點擊進入后輸入信用卡綁定的電子郵箱及郵箱密碼,授權系統(tǒng)讀取消費賬單。系統(tǒng)根據(jù)信用卡使用情況自動為借款人評估授信額度。然后借款人會被要求授權系統(tǒng)讀取電商及社交網站記錄,進行資格驗證。最后一步,輸入銀行卡信息完成借款申請,就可等待審核結果了。
宜人貸的嘗試確實屬于大數(shù)據(jù)的一個應用。電子郵箱里往往還保留著借款者所持信用卡的賬單流水,通過技術手段不難從這些賬單中刻畫出該借款者的信用卡還款記錄,真實有力地為信用、還款能力提供決策支持。而電商記錄則可以在一定程度上反映出該借款者的經濟實力、消費習慣和支出結構,同樣是極其有價值的信息。 大數(shù)據(jù)應用需成熟和透明化
據(jù)宜人貸介紹,借款申請步驟中郵箱、電商及社交網站的信息填寫,便是“極速模式”考量用戶授信額度的關鍵。系統(tǒng)獲取這些行為數(shù)據(jù),交叉驗證形成風控機制,進而計算出每一個用戶的風險評分,最終判斷是否應該放款,以及該用戶的授信額度、還款周期。這些數(shù)據(jù)之間的來往和計算,幾乎“秒達”,大大加快了貸款征信過程的速度。
使用過P2P平臺籌集資金的借款人都會了解貸款申請手續(xù)的復雜。對于大額或本身存在一定風險的借款項目而言,詳盡的審核必不可少;但對于具有良好信用資質、借款額度不高、借款周期較短的借款人,復雜的申請手續(xù)則顯得十分不人性化,完全體現(xiàn)不出P2P快捷、便利的優(yōu)勢。如果能在控制風險的前提下簡化步驟,將大大改善這部分借款者的用戶體驗。
在一項技術剛開始應用的時候,難免會產生一些問題。有投資者就對宜人貸這一放貸方式提出了疑慮。
宜人貸提出使用大數(shù)據(jù)的思維來解決這一問題,但目前為止沒有披露具體的算法和基礎數(shù)據(jù)的維度,這不禁讓人對這樣的方式是否靠譜心中存疑。個人征信是一個相對復雜和專業(yè)化的領域,憑借電商、社交網站和信用卡這些蛛絲馬跡,或許能夠提供一些信息,但也不能排除在某些情況下出現(xiàn)信息采集的偏頗。
其次,這樣的方式就將許多沒有互聯(lián)網使用習慣的借款者拒之門外。曾有借款者反映,由于自己沒有為信用卡設置收信的電子郵箱,導致宜人貸無法提取信用記錄,造成貸款失敗。但這一借款者有著良好的信用卡使用習慣,信用狀況和資金狀況一向優(yōu)良。
再次,由于流程的簡化,借款人往往在不清楚自己具體哪些信息被征用的情況下就完成了借款流程,過程中可能存在個人信息外泄的情況。比如,宜人貸要求提供信用卡賬單郵箱的密碼,這相當于將用戶數(shù)據(jù)安全的大門向宜人貸完全敞開。這樣的征信方式是否能像宜人貸宣傳的那樣安全需要進一步檢驗。
最后,大數(shù)據(jù)的采集范圍雖然廣泛,但畢竟是旁證,并不能直接有力地說明問題,旁敲側擊的征信方式給少數(shù)居心不良的借款者提供了逆向選擇的溫床。借款者有可能通過捏造虛假的網上記錄來獲得一個較好的信用評價,而與傳統(tǒng)的風控手段不同,在信息不對稱的情況下,大數(shù)據(jù)的方法在目前要切實識別出蓄意捏造的信息,仍有一定困難。
大數(shù)據(jù)引入網貸行業(yè)究竟前景如何?互聯(lián)網金融風險評估機構“貸出去”認為:“急速模式”是科技進步為行業(yè)發(fā)展帶來的紅利,但是從技術成熟和行業(yè)現(xiàn)狀的角度來看,這一形式目前還算不上大數(shù)據(jù)應用的完全形態(tài),暫時只能作為P2P網貸形式的一個補充。宜人貸的嘗試確實處于一個很有前景的方向,它極大方便資質良好的借款人快速籌集小額借款;但探索中投資人的利益必須得到保護,這一技術的更多細節(jié)也應該被大眾知曉。這樣,用大數(shù)據(jù)提速放貸流程的做法才能為用戶的使用和平臺的發(fā)展帶來“飛一般的體驗”,而不會成為一場積聚極大風險的“生死時速”。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11