多头借贷者1年借30多院子 暴利让风控“裸奔”？ - 贷款投资网
贷款顾问在这里泡菜风控云的多头借贷/负债检测有了解的吗？_百度知道
泡菜风控云的多头借贷/负债检测有了解的吗？
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
提示借贷有风险，选择需谨慎
泡菜风控云的多头借贷/负债检测，通过跨平&台联动机制，泡菜科技可有效甄别借款人是否存在多头借贷及负债信息，帮助金融机构找出可能存在的高风险人群。
为你推荐：
其他类似问题
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。详解现金贷款风控模式: 识别多头借贷是重点
近段时间，对于现金贷的监管已经箭在弦上。一方面，许多中小型现金贷平台的实际借款利率过高；另一方面，部分平台对于现金贷业务的风控更像是“皇帝的新衣”，以至于整个行业的坏账率居高不下。
从监管层面看，现金贷业务为了继续经营，将不得不大幅削减贷款利率，减少各类手续费。因此，通过提高风控水平，减少坏账损失，成了保证现金贷业务经营利润的唯一出路。
一、浅析现金贷风控体系：点——面——点的过程
第一个“点”是指起点。现金贷风控体系的设计需要以产品本身作为起点。现金贷产品无外乎四个要素：利率（包括各种费率）、期限、额度、目标人群。对于每一类目标人群而言，他们在流动性需求、未来可预期现金流、消费观念、收入水平以及信用状况等维度上都具有一定的规律和共性，进而影响其申请额度、贷款利息的接受水平、还款能力和还款意愿等。因此，合理地设计产品，能在有效降低风控难度的同时，将收入最大化。例如，对于白领人群，其按月发薪的特点更适合一个月及以内的借款期限。
另外，除了现金贷产品本身的特性之外，其推广渠道也颇为重要。如果通过某一推广渠道引入了大量非目标人群，那么这不仅仅降低了推广成本的使用效率和后期风控流程的判断精度，还会产生大量有偏数据，不利于风控模型的迭代升级和产品的再设计。
“面”是指具体的风控流程。从时间段区分：风控流程包括贷前、贷中、贷后三个阶段。其中贷前阶段是整个风控流程的核心阶段。这一阶段包括申请、审核和授信三个步骤。形象地说，贷前阶段是一个过滤杂质的阶段。而第三方的征信数据、黑名单、反欺诈规则、风控模型则是一层层孔径不一的滤网。贷中阶段主要是对借款人个人信息的跟踪和监控。一旦有异常信息的产生，风控人员可以及时地发现、联系该借款人，尽可能保证这笔借款的安全。贷后阶段的工作集中在催收上。此外，如果借款人申请展期或者续贷，则需要在这一阶段结合历史数据，使用行为评分卡等重新进行审核，并作相应的额度调整和风险分池管理。而在整个风控流程中，需要对借款的集中度作妥善管理，防止因为集中借款和集中逾期带来的资金流动性不足的问题。
第二个“点”是指重点。整个现金贷风控体系的重点有二。
其一、反欺诈。相较于传统借贷模式下的风控，现金贷风控是一种轻度风控。由于其小额短期的特点，现金贷风控更重视的是借款人的还款意愿而非还款能力。适度的逾期不仅不会影响平台的正常运营，反而可以通过逾期费用提高其营收。
因此，反欺诈是现金贷风控的首要课题。目前，线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为，常用的反欺诈规则包括勾稽比对、交叉检验、强特征筛选、风险关系以及用户行为数据分析。
其二、多头借贷行为的识别。多头借贷是指同一借款人在多个贷款机构有过贷款行为。目前，多头借贷行为的识别包括两个方面：
（1）获取多头借贷数据。由于现金贷的目标人群大多都是不被传统借贷机构覆盖的长尾人群，缺少完整的央行征信数据，因此，一些从事现金贷业务的平台会相互合作，实现贷款申请数据的共享。另外，现金贷平台在第三方征信机构针对每一笔贷款申请记录作查询时，势必会留下大量贷款申请人的身份信息。这部分信息经过查询异常检测算法的过滤以后就会形成一个可靠的多头借贷数据库。
（2）恶性多头借贷行为的识别。恶性多头借贷行为指贷款人借新还旧或者在同一时期有大笔多头借贷。对于借新还旧行为的识别可以结合贷款申请间隔和贷款期限。如果贷款申请间隔明显小于贷款期限，说明该笔贷款申请有较大的借新还旧风险。
二、挑战：矛盾与变化
1.欺诈手段的多元化、技术化、互联网化
欺诈与反欺诈一直以来都是借贷行业的主要矛盾体之一。随着线上贷款业务的迅速发展，基于信息技术的线上骗贷行为也愈演愈烈。当骗子们也开始玩大数据、机器学习的时候，可想而知，很多风控人员的内心是崩溃的。
例如,手机验证是目前最常用的线上审核方式之一。它包括两种形式：短信验证码和填写运营商服务密码。但是这种方式对于诈骗团伙而言也是有机可乘的。因为他们有一种技术装备——猫池。简单地理解，它就是一台具有收发短信功能的“n卡n待”的简易手机。一台电脑可以连接多台猫池，一台猫池又可以插入8-64张SIM卡。与之伴随的，又有所谓的“收卡”、“养卡”业务。当号码时间达到一定标准了，就有可能通过手机验证这一反欺诈手段。
除此之外，一些模拟器的使用可以帮助诈骗分子轻松修改手机的IMEI、MAC、IP、GPS等设备及环境信息。在这一层层的伪装与包裹之下，利用设备及环境信息的反欺诈手段就显得有些苍白无力了。而且，有些个人信息，如身份证信息、社交账号、银行卡账号甚至U盾等都可以在网上被诈骗团伙买到或者用搜索引擎搜到。很多时候，一些反欺诈手段的有效并不是因为其无法被破解，而是因为破解成本较高，导致欺诈团伙放弃了这种方式。
2.风控模型的冷启动
“冷启动”是大数据风控模型搭建所要面临的首要难题。特别是对于一些初创型的现金贷平台，数据的积累是一个从0开始的过程。在其积累数据的前期阶段，势必需要付出巨大的成本。一方面，平台在保证正常的风控流程之外还需投入大量人力成本去收集数据、搭建模型、数据回测；另一方面，平台不得不投入高额的资金成本去购买第三方数据。相较于近10亿的未被央行征信数据覆盖的长尾用户群体总量，目前现金贷的客群规模还有限，绝大多数平台都面临着“冷启动”的问题。
目前常用的解决数据冷启动问题的方法是从外部数据着手。由于缺少借款申请人的历史信贷记录和个人征信数据，风控模型失去了对于借款人违约风险直接考量的依据。因此，如果能以用户行为之类的外部数据结合Eigentaste等协同过滤算法，便可以最大限度地识别出欺诈风险较高的人群，并将其过滤。不过目前的现状是大多数平台缺少处理外部数据的动力和能力，往往采用人工审核辅以一些简单的反欺诈规则的方式。
3.用户体验与反欺诈的矛盾
在现金贷的用户眼中，用户体验反映在借款的快捷程度和申请的简易程度上。但是反欺诈需要用户提供各种各样的个人信息，大大降低了用户体验的质量。在过去，许多平台奉行“高收益覆盖高风险”的原则，过度重视流量。而且市面上的现金贷产品五花八门，不少平台为了保证流量，纷纷打出“只需身份证和手机号”、“申请后XX分钟放款”之类的标语。然而，随着监管趋严，“高收益、高坏账”的运营模式将渐渐被淘汰。为了控制坏账，现金贷平台不得不再度面对用户体验与反欺诈的对立问题。一方面，平台需要优化反欺诈模型，尽可能降低入口数据的维度，缩短风控模型的审核时间；另一方面，从客服、还款简便程度等其他角度优化用户体验，也是缓解用户体验与反欺诈矛盾的可行方法之一。
三、发展方向
1.非结构化数据的使用
结构化数据如个人征信数据等的稀疏性问题会在未来很长时间内存在于现金贷行业。与之相对应的是大量非结构化数据的泛滥。由于个人基本信息的泄露、盗取、贩卖情况严重，常规的结构化数据的反欺诈效率大幅降低。相比于结构化数据，人们的行为数据等更难被模拟，能更全面地刻画贷款申请人，对于降低反欺诈模型的错误率有明显作用。
从非结构化数据的应用角度看，其相互间逻辑很难统一，数据异常、冗余、缺失的问题严重，处理难度较大。因此，寻求第三方如大数据公司、传统互联网行业巨头的合作会是中小现金贷平台的首选。目前市场上已经出现了一些通过提炼非结构化数据来服务金融的产品，例如某款商业短信语义分析服务。
2.差异化定价
差异化定价，也可以理解为精确定价。现金贷的差异化定价的实质是对各个贷款申请人的信用及欺诈风险作精确定价。目前各个现金贷平台的定价标准都过于单一，基本采用利率加杂费的方式。部分平台对于续贷用户会做费率调整。也有少数平台会参考贷款人申请时提供的个人信息维度。不过总体而言，当前的定价标准并不适合未来现金贷行业“低费率”的特征。平台之间所谓的价格优势将微乎其微。而精确定价下的定制化小额贷款需求可能会成为平台的亮点。
而大数据风控模型的构建为差异化定价的实现提供了技术保证。以大量的网络行为数据、用户交易数据、第三方数据、合作方数据等为基础，通过自然语言处理、机器学习、聚类算法等，模型能够为每一位贷款申请者创建包括个人基本信息、行为特征、心理特征、经济状况、兴趣爱好等在内的多维度数据画像。凭借着这些维度特征和大量历史贷款记录，针对不同贷款人、不同额度、不同期限的差异化定价策略将成为现实。
在行业洗牌的背后，是现金贷平台为了生存下去的努力。如何保证合规性，如何获取低成本的资金，如何以技术替代人力，如何在风控成本和坏账率之间找到平衡点，是平台未来需要思考和解决的问题。相信在行业政策的探照灯之下，是金子最后总是会发光的。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点宜信陈欢：致诚阿福是降低多头借贷风险的一个实践探索
1年前发布来源：作者：楼云
在近日宜信致诚信用举行的新品发布会上，宜信首席战略官陈欢表示，致诚的共享平台，就是为推进降低多头借贷风险的其中一个做法，一个实践探索。
　　近日，北京宜信致诚信用管理有限公司在京举行新品发布会，隆重推出致诚阿福共享平台。该平台是致诚信用在开放宜信真实、全量数据的基础上，携手、、小额信贷等行业众多机构，联合打造的数据及金融科技共享平台。　　在发布会期间，宜信首席战略官陈欢、投哪网高级副总裁李志刚、PPMoney CTO康德胜、挖财副总裁张伟奇、金融圈CRO 张静静、银客集团产品合伙人于冬琪六位互金行业资深的风控大咖进行了精彩的风控经验座谈。致诚信用总经理赵卉作为主持人与六位嘉宾进行了深入的互动交流。　　嘉宾介绍　　宜信首席战略官陈欢，拥有十多年的互联网与金融行业的从业经验，现负责宜信的公司战略、业务规划和推动实施。　　投哪网高级副总裁李志刚，拥有北京大学、香港大学经济学和金融学双硕士学位，于2012年创立投哪网，现任投哪网VP/副总经理。　　PPMoneyCTO康德胜，拥有浙江大学计算机硕士学位以及美国马里兰大学金融MBA、拥有CFA以及金融领域专业认证，20多年的行业管理经验。　　挖财副总裁张伟奇，拥有十五年模式识别、推荐引领、大数据分析建模存储技术和丰富的金融建模经验。　　银客集团产品合伙人于冬琪，毕业于北京大学物理学院，获得理学学士、理学硕士学位。拥有丰富的产品设计、策略设计经验。加入银客集团以来，作为产品合伙人，先后参与了银客理财、简理财等多款互联网金融产品的设计与风控体系的建设。　　金融圈CRO张静静，在资产管理、风险定价、债权产品等方面拥有丰富的管理经验。　　以下是风控经验座谈文字实录，部分有删减。　　赵卉：接下来的时间由我客串主持人，采访一下各位风控大咖。首先，我想从张静静女士开始，在互联网金融当中，你们认为最大的风险点是什么？针对这个风险点，各个机构，你们所在的机构，采用了哪些风控措施？　　张静静：我很难说哪个是最大的，然后我聊一个最近我关心最多的。刚才跟唐总（宜信创始人、CEO唐宁）也聊过，主要是我们现在想要去定位一个我们想要做的一个人群。这个人群我们现在需要花很多的成本，然后很多的时间成本和经济成本，然后通过一个渠道去接触他。这个投放的成本，以及后期维护这个场景应有的人群，依旧是我们当时做研究的时候要面对的人群，这部分的风险我们觉得是最大的。　　首先，通过渠道本身，他如果是一个比较有价值的渠道，后期会存在一个坐地起价的一个风险。另外，这个渠道本身，自己在里头又充当了一些利益的矛盾体，它有的时候会从我们的合作伙伴，变成一个风险的对立方，这个是我们最近遇到的比较棘手的问题，这部分确实需要更多一些反传统的一些方式去做，包括通过一些合作关系的建立，然后共建KPI，包括一些资料共享，包括更多的机器学习，这是我们最近遇到的问题，谢谢！　　赵卉：我见张总的时候张总说，平台上的数据经过一段时间，还是能分析出来当中的情况。　　张静静：对，但是数据的代价比较昂贵。　　赵卉：我问一下银客集团的于总，你们认为最大的风险点是什么？你们采用什么样的风控措施？　　于冬琪：做金融是如履薄冰的生意，任何风险没有做好，可能会导致企业的垮台。所以，不管欺诈风险、信用风险、多头借贷的风险，都是我们要解决的风险，包括我们做理财相关的线上运营活动的时候，羊毛党也很危险，要解决整个风险，除了风控建模，多使用外部数据，多做交叉检验之外，我们最近的一个感受发现，这种人为风险的控制、完善的体系建设、人员考评，甚至轮岗这些机制会变得异常重要。任何一个环节，不完全掌握在一个人手里的时候，没有任何一个人在这个体系当中可以独立的完成某种行为，这种人为风险可能才能得到比较有效的控制。　　张伟奇：我个人理解，现在行业的平台很多人比较年轻，在风控的基础设施方面、体系，都是相对比较薄弱，但是目前抑制不住整个业务的压力，都在抢市场，竞争规模，做利润，要把分母做大。所以说市场上会有很多的钱都来给这些人群供资金。我不知道这个会不会越滚越大，当哪一天这个行业的用户已经是无力偿还的时候，会不会出现怎样的雪崩的效果。我觉得一定要在基础设施这些方面，风控建设方面引起足够的重视。　　作为挖财来说，我不认为我们做风控是采用了比较保守的方式。比如资金端、理财端，能够和我们合作的资产端要经过15道的风控审核流程，效率很低，也显得很保守，但是换来的是我们目前所有资产项目的零逾期，在用户当中也有很好的口碑。我们有时候把自己的大数据分析能力，风控能力去输出给这些资产端的合作伙伴，一方面提高它们本身的风控能力，同时也是提高了他们自己资产平台的质量，客观上也是帮到了我们自己。这是我们应对的措施。　　赵卉：谢谢。PPMoney的康总，祝贺昨天（12月12日）刚拿到B轮的融资。您来谈谈吧。　　康德胜：PPMoney是资产端都做，在整个集团下PPMoney是做在线理财的，之下会有企业贷这个产品做现金贷，我们还有其他的车贷以及三农的产品。我们的风控有很多平台是做在线理财的，我们整体上来讲是比较保守的，我们可能也会对接一些第三方的资产，但是这个量非常少，我们更多的认为，我自己因为如果真正能把控住资产的质量，我们必须自己来做这块的风控。在风控里面，目前来讲我们也是分几个产品线，对于额度比较小的产品，主要还是做属于欺诈、反欺诈的风险，因为对这些人来讲，基本上他们的还款能力是有的。对于额度比较高的是欺诈风险，在信用风险之上考虑有没有还款能力，无论是小是大，目前行业的痛点，我们做普惠金融的，大概只有两亿人有银行征信报告，很多人没有，他的征信都是空白的记录。作为这些人应该怎么做？当然我们也是接了很多大量的第三方数据，包括阿福的数据，这些数据对我们的风控是有很大帮助的。但是这里面还是有一些问题，已有的征信体系的数据是不全的，这是我们非常担心的一个风险，多头借贷，当时在八十年代的台湾造成了巨大的信用风险。我本人也感受到过度的借贷对整个行业的危险是非常大的，如何管控过度的借贷？其实很多时候真正需要我们从业的这些公司，能够在一起把大家的数据充分的共享，所以非常感谢宜信带了很好的头。只有这样我们才能建立一个征信的系统，让更多的多头借贷，过度借贷得以控制。过度借贷造成的风险还要关注的。　　李志刚：投哪网主要做车贷的，刚才那个问题主要是两个风险，对于我们而言。一个是欺诈风险，另外就是道德风险。我认为欺诈风险，目前我们是怎样进行防范的？第一，还是需要依靠数据的系统做一种黑名单的系统，这也是一方面，主要是靠外接一些第三方的数据。这是第一。　　第二，欺诈风险，我们也是通过一些人工审核的方式，电话电核，还有上门的方式，比较传统。打电话、上门，我们认为还是有效的防止欺诈的手段。　　另外一个比较大的风险就是道德风险，现在我们主要是通过两个方法进行防范，第一是通过制度建设，也就是说包括在各个人员的岗位设置上进行分离，不要把事情交给一个人做，比如业务风控这些分离，即便是风控岗位也要分很多个环节，分很多流程。然后两进行互相监督。　　另外，我们也建立这种内部的内控委员会，定期以及不定期的对各个地方以及各个战线进行检查，防范人员道德风险。一旦发现之后，我们也是进行比较严厉的惩罚，主要就是这些。　　赵卉：谢谢李总。陈欢是宜信的首席战略官，聊一聊宜信对风控的风险点是怎么防范的。　　陈欢：我觉得前面很多嘉宾提到了很多像欺诈风险、道德风险、信用风险，刚才还没有提到的监管风险，可能流动性风险，我觉得这些可能都是需要面对，需要去解决的很大的问题。你要说哪个最大，我觉得可能如果监管有问题或者流动性有问题，可能一下就会让公司出问题。可能更大的是这个行业的大部分的，或者说相当一部分的从事风险的人还没有见过真正的风险，我觉得这是行业最大的风险吧。大家还没有意识到这个风险有多大的影响。　　包括刚才提到的很多点，我觉得其实都涉及到，比如客户的多头借贷的风险，这个在中国还没有出现过的，但是在其他的国家和地区出现过。刚才讲的合作机构出现风险，我觉得随着越来越多的机构开始参与到从事金融业务或者参与到金融业务的环节当中，可能会使得金融机构本身的行为发生变化，出现这样的风险。我觉得从防范这些风险的角度来说，一方面如果从大的方面首先对风险还是要有敬畏，需要意识到时时刻刻的风险存在。另外，刚才提到多头借贷的风险，像致诚的共享平台，就是为推进这个降低多头借贷风险的其中一个做法，一个实践探索。　　说到合作机构的风险，会前的时候我跟参会嘉宾聊到，有些合作机构大家在业务过程中的渠道获客来源，可能合作机构的风险以后也可以是一个共享的对象。比如说做车业务的有很多车的，比如一些经销商，等等这些，可能也可以是风险共享的对象，看哪些合作伙伴不靠谱，有一家机构吃亏了，第二家机构别吃亏了。通过信息共享，在信用风险、欺诈风险、操作风险、道德风险也可以有从业人员的黑名单，这些共享有助于风险的降低。其他的风险可能也需要各自的机构再加强自己的风险管理上面做一些更多的努力。　　赵卉：下面第二个问题，我就想问问大家，现在都在讲大数据风控，那么你们怎么看待大数据风控？大数据风控是否已经应用在你们的信审风控当中，是否真的能降低成本，提高效率，这回从陈欢总这边开始。　　陈欢：首先，在大数据风控的这个层面来说，宜信肯定是有不少方面的使用，也和宜信自己本身的很多业务特点相关，就是我们本身是小额、大量这样的业务。所以，对于降低成本，提高效率本身的需求就比较大。所以，从几年前开始，也是一直在尝试使用这些数据风控的手段，去完善我们风控的做法。所以，现在大家会看到，我们在市场上比如宜人贷的技术模式，可能中间基本上主要就是利用数据方式做风控，把人工的基本上降到最低，宜信还是有很多线下客户进行申请，这部分客户的申请，我们在审批过程当中，也是利用大量数据。所以，从客户进到我们门店，到他拿到款项，绝大部分客户，90%以上的客户在三个小左右完成中间所有的过程，包括他填资料，包括审批、签合同等等过程。其中审批大概需要40到50分钟左右的时间，这个中间也是用了不少数据，同时用了很多刚才讲的评分卡的模型等等。所以，人工需要处理的方式降到很低，标准化也能够做的很好。　　但是，大数据风控的局限也是有的，比如刚才王征（致诚信用大数据中心总经理）介绍的很多数据来源和数据使用的方式，每个数据来源都有它不同的一些局限性，从它的覆盖度，从它对于人群特点的描述等等，也都有一些不同的影响，具体在使用的时候，也需要对这些方面有更多的关注。所以，我想刚才提到致诚信用的“共享+”，除了借贷信息的共享，还有其他数据的共享，确实服务的推出，其实也是宜信过去的一些风控经验，风控的做法、能力的一些对外的输出，包括数据使用的一些方式对外出输出，也是希望通过这种方式，帮助到整个行业对数据的理解更好，数据使用上更好，降低成本、提高效率，对行业的发展更加有帮助，反过来，行业更好的发展，对于宜信自己本身也是一个很好的促进。　　李志刚：首先，大数据风控我认为是有用的，也是行业的一个必然趋势。因为我们现在已经进入数据时代了，可能说每一个人的生活轨迹每天都留下很多数据，只是说现在的数据没有得到有效的整合，很多数据还是散落在很多公司，包括很多政府机构手里。但是，其实每个人的数据都已经不断被获取。就包括比如说，每天在哪里？跟哪些人联系，有什么收入支出，其实都已经完全地数据化了。所以，我觉得这些数据如果共享出来，已经足以用来评估一个人的各种风险，还款能力，是足够的。但是，我相信中国目前大家可能认为，说中国征信体系建设相对比较落后，但是我认为这个速度会加快，就是这个体系建设会加快。因为我们现在所采用的是另外一种模式，我们是在数据化的环境中，有另外一种模式，可能跟美国当时的路径不一样。　　我了解很多家没有拿到牌照的数据公司非常多，而且也是风投投资的热点。我相信，比如五年后，如果谁不用大数据风控，谁就在这个行业里无法生存。这是第一个观点。　　第二，就我们投哪网的实践来看，我们公司在大数据风控方面还处于初级阶段，我客观承认处于初级阶段。我们团队其实也是今年才组建，就是大数据风控的技术团队和数据团队也是今年才组建，目前人也不是特别多，只有几十个人。另外，无论从数据源的建设，模型建设方面，都是处于起步阶段，但是我们发现已经产生一些效果了。　　有哪些效果呢？第一，我们通过接入很多第三方数据，数据的真实性方面大大提升。第二，在用户的一个体验方面，我们现在审核效率已经跟之前相比，已经大幅地提升。也这样用户提供的资料可能更少，从他申请到拿到钱的时间更快，已经提升了用户的体验，我认为已经产生了一些效果，但是依然任重而道远。　　康德胜：我们其实PPMoney做业务，其实时间也不是非常长，大概今年年初的时候正式开始做，所以最开始的时候，当然我们会接大量的外部数据，我们自己能够反映出这是一个好人还是坏人的样本数据是不够的，最开始的时候其实数据很多，积累很多，包括申请人很多申请信息。我们会根据这个信息本身，根据经验做出很多规则，我们也看到像宜信的产品有200多条规则。我们最开始靠人做规则，做了一段时间后，有五六万、七八万的数据，有好的样本和坏的样本，我就可以根据这些训练我们的模型。数据是一层一层的，最开始人工做，做得非常慢，不是不想自动化，没有办法自动化。　　但是随着业务做的越来越多，规则越来越多。自动化率从年初的0到现在接近90%全是自动化，对有些人我们觉得自动化无法判断是好人还是坏人，再留到人工去审。我们可以把他放弃掉，人工的成本跟获客的成本看起来可以的话，我们还是会用人工去做。通过不断的业务发展和数据理解，使自动化越来越多。在这个过程中，大数据的风控是肯定的，没有这个东西，我们是不可能做的。但是在我们做的过程中，我们发觉其实中国的数据是远远多了。这个多不代表它就是好，因为它有很多噪音在里面。也就是我们以前，我记得前两年大家说在中国做民间借贷很难做，因为没有一个好的征信体系，没有像美国的Fico Score，但是其实我们拥有很多美国都不太敢用的数据，因为中国的数据的法律还没有真正得建设起来，所以在美国，你银行要放贷，银行的信用模型里面有一些敏感的数据，比如种族，相关的数据是不能用的。但是这个种族的数据对这个人的风险其实是非常有显现作用的。所以在中国目前你没有太多的立法管制情况下，很多数据我们做风险管理非常有用。　　当然这个里面，刚才说数据的真实性怎么样这就比较头疼了，当然对我们来讲大不了是误杀，如果多个数据源拿出来对同一个人的评价如果有比较多的负面因素，这个人我们可能就放弃掉了。因为数据质量的问题，你花了不少钱获客，最后遗失掉了。我们有一个小额的产品几千块钱，真正做到几分钟之内审核所有的资料放款。我们也了解到很多以前做线下放款的，他们会有人过来把你的资料扫描件，你要到银行把流水打过来，这个流水可能本身会造假。通过技术的手段直接从数据源接过来，让申请人没办法造假，针对这个数据你就可以挖掘出数据出来，没有大数据，我们没有办法做小额的，非常量大的放款。　　张伟奇：我非常同意刚才几位的观点。其实挖财比较特殊，它其实也是一家大数据公司，挖财09年开始帮用户记账，后面帮用户管资产，后来逐步拓展到公积金数据、信用相关数据都会进来。所以说我们很早来看利用这些大数据能不能探索一些用户画像，用于推荐金融相关的服务，包括信贷、理财的尝试，我们很早就开始了。　　但是我们比较是谨慎，今天来看，我们在利用大数据帮助用于量化运营，以及帮助风控团队去做这些事情，其实是已经得到了实践。我非常同意我旁边这位朋友的观点，像在线小额的这种贷款，其实我觉得几乎是要靠技术的手段去生存的，没有这个东西就是活不下去的看法。　　我们在挖财内部，我们自己叫做深蓝系统，可以对用户方方面面的数据，我们大概能刻画出上千维度，存在那个地方，画像、处理，我们自己还有一套这样的系统，可以在毫秒级的对一个人是否准入，是否授信，授信多少做一个决策。其实现在小额的，我们95%以上都是自动审批的系统。在这个过程当中确实用到了很多大数据相关的技术，包括系数矩阵、知识图谱，去寻找团伙欺诈的东西，很多东西都用到。　　我们最近也在探索AI更多的一些用于风控的尝试，这是一个观点。我觉得运用大数据的话，一个数据的海量、广度、深度很关键，你的完整度很关键。广度肯定是任何一家越做越好，逐步走向所谓的弱相关数据，但是强逻辑的方法尝试建模。但是确实很多跟用户个人相关的数据是存在政府机关，方方面面，但是目前的环境还不太能够开放出来，所以说我们可能需要更多的用户强授权的情况下提供。　　另外一点，数据的完整度对我们来说也是很大的问题，其实在不同的消费系的场景下面，对于用户所需要哪些资料，对于这个资料如何去还原它的整个业务的过程逻辑，其实是非常重要的。比方说有些什么电商的数据，它可能有几次交易或者支付场景，你不知道他买了什么东西，这种就很难。大数据风控对于数据的广度和深度其实也是提出更大的要求，我们这些行业从业者可能还要在这一块像共享家一样，大家更多的共享这些东西。　　对于提高效率降低成本这是显而易见的，在整个信贷过程中，从贷前获客、贷中审批，以及贷后跟科技结合的技术肯定能够大幅度降低人力的成本，大幅度提高我们的成功率，这个在降成本方面是显而易见的。所以我刚才提到，我们一定要重视现在在技术基础设施的建设以及风控体系建设。然后观察到用户的表现之后，对用户研究好之后，建好模型，慢慢发力。当然要随时警惕，关注整个行业和监管环境的变化。　　于冬琪：我们当时组建这个团队开始就看准了一个未来，过去可能我们最早的金融是以线下审批为主，有一天我们发现你不上任何的线上系统，你的人为风险高于整个行业水平，你就进行不下去，而大数据是这个行业当中很硬的一环。大数据现在资产选择、资产配置，用户分层、用户营销，运营活动的设计方面。道理很简单，数据和机器能够做的事情，一定比人的成本更低。你的借款利益可以更低，整个行业在这种数据和技术的运用越来越成熟的情况下，一定平台中间它的运营成本所有能给你留下的空间越来越低，降低这个成本，我们觉得不依赖数据依赖技术的平台，其实是没有可能下活棋的。所以我们看比如一家好的互联网金融企业，它一定是它的技术投入慢慢占据的比重可能会越来越大，而且利益成本的比重占的越来越低。　　张静静：我很同意于总的说法。我觉得在大数据的应用上面来讲，它在风控上面不仅仅局限于审批，更多的其实是在获客的精准，包括初期产品的定位上面，这个方面在风控前置上面起到的意义远比现在直接提升效益和审批精确度上看到的成效更多。　　打个比方，如果咱们不做大数据的话，我们所有的风控投入和它之后的产出一定是直线性的关系，一定是一个信贷专员一天可以审十单，如果有20个就需要两个信贷专员。但是引进了大数据和这些AI技术之后，可能前期的成本远远投入大于一到两个信贷专员，但是真正业务量上来以后，最后它的产出会是一个级数的增长。大数据在精准营销和获客上面，要承担让业务量急剧放大的过程。在引入大数据之前，因为我回来时间不久，我发现咱们很多公司有类大数据的产品研发产品。有些人经常给坐飞机的人做现金贷，比如专门对保险从业人员或者白领从业人员，这是类大数据的产品定位和设计。引入大数据之后，我们可以把这个逻辑关系理的更谁一些，可以更精准的获客。大家讲的产品定价，逾期率无论是高还是低，如果我们能够减少长尾的损失和风险，把这个做的更窄，其实对于我们来说就是业务成功的点。在大数据上面来讲这个更加直观一些。　　赵卉：最后一个问题。从去年开始，在互联网金融圈大家经常提到一个名词，FinTech金融科技，那么各个公司你们是如何把自己的科技能力和风控结合的？其实我走了一圈，发现深圳和上海很多机构，科技能力都相当强。想请各位老总分享一些。　　陈欢：科技，我觉得刚才其实前一个问题多少涉及到了，对于科技和数据，我觉得在业务过程之中是紧密相关的，从获客到中间的审批，甚至到贷后的管理，我觉得都有很多技术和数据的使用。从获客的角度来说，可能在数据上面刚才前面张总提到，我现在的流量来源上面做一些筛选，基于数据做一些相应的精准处理。在技术的使用上面，无论是在线的客户他的申请，通过刚才介绍的数据授权获取的手段，通过互联网的数据抓取手段去做这些客户的处理，包括线下的非互联网申请的客户，他可能也有一些对应给到这些业务人员的工具，APP，帮助他们去处理这中间的过程。　　中间的这些审批过程环节之中，数据的使用应该更多，技术的使用也更多。刚才前面提到了。贷后的管理过程中也有挺多相应的可以应用的场景，包括如何去帮助获得客户的失联信息，做一些外包管理时候的APP使用，这些方面应该都有很多技术可以应用的空间。我觉得大家也都有很多不同方面的探索和尝试，应该也都有一些各自不同阶段性的效果。　　我觉得在这个过程中，我补充一下刚才前面提到大数据时候的一个观点，大家确实也都提到大数据在风控过程中是非常有用的，我觉得这个有用它其实一方面是我们的行业发展，生态体系的创新带来的结果。另外一方面，它其实也是一定程度上的现状的无奈举动，如果在海外来说，可能你本身有征信的数据已经很好，很完善，帮你做征信的审批。国内体系可能因为度的原因，可能没有办法很好地用到这些数据做审批，要想更多的手段去曲线救国，实现这样的目的。　　我们回到今天的主题，致诚阿福也是强征信的，对审批也起到很好的效果。数据理论上来说当然是越多可能越有帮助，但是真正你做审批的时候，足够好的审批，可能也就够了，找到一些强的有效的数据做审批，对于大家应该也是很有帮助。所以我觉得在FinTech的使用上面也是这样的平衡，效率、数据的有效性、多样性和最终结果的平衡。　　李志刚：说到FinTech，首先我认为我们今天这个致诚阿福“共享+”，其实也是FinTech的一个体现。我理解科技金融包括几个方面，一是信息化、数据化、移动化、智能化，我理解主要这四个方面。如果从业务环节的话，主要是涵盖三个环节，贷前、贷中、贷后。贷前，我们在获客上未来需要一是要互联网化，二是移动化进行获客。我觉得目前可能包括宜信以及我们自身，我们投哪网自己获客很多主要靠线下，但是未来可能主要靠移动端来获客。另外，在贷中环节，我认为比如说像一些人脸识别的技术应该会普遍性使用，另外还有影像系统也会普遍性地使用。然后还有接入各种各样的非常丰富的数据源，这些都是相当一个行业的基础设施一样。　　贷后环节，开发一些贷后管理系统以外，我觉得科技金融在失联修复方面有比较大的空间，也就是说这些有些客户或者借款人消失之后怎么找到，我认为在大数据时代有比较大的空间，可以通过一些信息的关联性，这个人即便换了号码，甚至银行卡都换了之后，通过其他信息可以推断出还是这个人，包括现在这个社会摄像头非常多，所以说通过一些图象识别的技术应该可以把消失的人找到的。我听说现在有某些公司已经开始做这件事情了，通过摄像头找人，联网肯定要找到，因为这个人肯定没消失。　　还有我们车贷行现在找车，有些车也会消失，怎么找车？也是通过一些图象识别的技术可以把车牌号找到。另外，目前这个GPS最终定位技术也在不断地进步，这也是我们统称为技术风控，技术风控方面的一个进步，未来的空间还是非常大。我非常看好科技金融未来的发展。　　康德胜：前面两位讲的很多，在整个贷款的贷前、贷中、贷后，没有科技的帮助，我们是做不了这个业务的。我们想在前面两位的基础之上，再讲一下在FinTech基础之下，风险很多时候不是管好，很多时候跟资金方对接的时候，要让资金方想好，他的资金放在哪里？这个是我们目前体会的，FinTech里面最新的技术就是区块链技术，用于我们对这个资产本身的真实性，不可篡改性这块，显现给我们的一些投资人，让投资人对这个更放心，同时也是增加这个行业的可信度，这也是FinTech的一些新的东西的一些使用。当然，刚才我们这边投哪网说的，我们也有车贷的业务，很多时候可能要装好几个GPS，车也许丢了一个，还有其他的，再不然就用车牌的识别，就是跟公安的一些合作。所有这些都是在我们刚才讲了很多，就不重复了，这个大数据的风控做算法这块之外的一些FinTech。　　总之一句话，我们之所以用FinTech，是因为我们能做到很多传统的金融机构，按目前的这个发展速度所做不到的，也是我们这个行业一个巨大的发展机会。　　张伟奇：康总提到区块链和理财端的结合让我很有启发，科学技术肯定是第一生产力，现在很多新技术冒出来，但是最核心的还是科技如何跟业务相结合，找到业务的痛点，然后用技术手段去解决，这对于我们金融来说，其实我认为是比较关键的一个点。　　就我们自己的实践来看，在获客方面，或者在用户运营方面，我们还是使用了蛮多这样的一些手段去搞。比方说，在是投放的时候，APP投放的时候，之前搞积分墙、反作弊，基于用户的基本信息和行为信息去建模，能够识别出假用户，对我们来说，能节约很多市场费用，其实还是很好的一个例子。　　另外，我们在用户运营过程当中，我认为我们做得还行，我们把用户分为用户、老用户，会把用户分层，判断每个用户在什么阶段，是不是需要激励，如何激励，我们系统每天晚上跑6000多个自动任务，第二天早上，可能分类的用户都会收到我们的一些推送，或者相应的人工会去干预。其实对于效率是会极大的提高。因为我们效率高，所以我们能做一些，可能相对来说别人不太能做的生意，就是我们的核心竞争力，就体现出来了，包括我们资金的成本、品牌这些方面都能够照顾得到。科技让我们更加高效，更加有机会去做一些一般的友商可能相对来说不太能做的事，我们机会就出来了。　　于冬琪：几年前，一开始创业开个门店，找几个业务人员，拿几个纸质的表格，这个业务就能开业了。但是现在每当开展一块新业务的时候，第一步一定是先做后台，这个就是FinTech已经真正开始成为金融领域一个确定因素的一个标志，我们可以没有人，但是本质上一开始做业务测试的时候，到后台定义业务的主管是现金流，审批流程等等，这些是否科学有效。我们会发现，在互联网金融整个领域，可能后台，然后各种各样的这种技术，对这个业务本身的影响慢慢已经大过人了。最早开展业务的时候，FinTech可能是个管理后台，人工流程的辅助，接着慢慢的，比如我们资产选择的流程，资产上线的流程，已经由后台的流程定义，而非由人工定义，在后台录入了。之后有精准的用户群体的分层，选择运营方案的设计，再以后会有各种方案的预警，这些东西我们会发现，当我们整个集团在增长的时候，技术和研发团队，和产品经理的团队增长速度是更快的，这个就是FinTech在我们这里实实在在的起到的一个实际的意。我们觉得这个也是整个金融发展的未来，因为本质上随着移动互联网的到来，人的生活也在越来越多地出现在一个只有技术能够处理和解析，而且已经无力负荷的这样一个领域。　　张静静：我希望FinTech这件事情，至少应用上肯定分正面和反面，作为一个正面的应用，我们希望我们的进程不会走到所谓黑产的从业者的后面，同时大家关注技术发展的同时，也要明白技术是为人所用的。所以，回到今天的主题，还是感谢致诚有这个实力做FinTech，有这个初心，帮助大家一起把这件事情做好，而不是向坏的方向发展。　　赵卉：谢谢各位风控大咖。科技让金融更美好，共享让我们的行业走得更长远！特别提示：这是最好的时代，这是最坏的时代也许你是在茫茫理财产品之间看花了眼的投资者也许你才发现从网上借钱还信用卡是个愚蠢的决定甚至或许你正坐在老板桌前抉择是继续提高收益吸金填坑再撑几天，还是干脆一走了之那么，请关注：亚洲财经聚焦每一个事件;汇集每一个观点亚洲财经瞄准每一个风险;整合每一条评价我们从不替你做决定，我们只负责告诉你发生着什么。
推广达人 工资福利
签到任务Ⅰ
3.17元人民币奖励
承包任务金：100 元
撰写文章Ⅰ
11.67元人民币奖励
承包任务金：1000 元
推广会员Ⅱ
50元人民币奖励
承包任务金：2000 元
评论还可以输入字
签到收益—做任务,得收益,共建共享
据上证报消息，8月16日，广东省内第二批共7家网贷平台API（即“非现场实时...
亚洲财经互联网金融情报中心8.17金融科技日报要闻一览--宜家在微信上开了小...
8月16日，商务部发布消息称，应美方邀请，商务部副部长兼国际贸易谈判副代...
提到金融行业，大家想到的第一个词就是“钱景”，似乎金融行业从业人员都是...
据十字财经消息，其从接近监管人士处获悉《关于开展P2P网络借贷机构合规检...
报告显示，平安银行在今年上半年实现营业收入572.41亿元,同比增长5.9%；净利润133.72亿元，同比...
作为四大AMC出身的大文，在看到这一消息无疑是振奋的。新华社上周日报道所列的就P2P“缓释流动性...
最具实质性意义的利好来自两方面：一是推动协调将恶意逃废债借款人信息纳入征信体系，二是推动四...
什么值得买}