
大数据时代的消费金融该怎么玩?须跃过三道门槛
2010年,消费金融公司开始在我国试点,随着政策的进一步松绑,电商、P2P平台等机构都已经开始尝试进入互联网消费金融市场。据银监会最新数据显示,截至2014年末,全国消费金融行业贷款余额208.8亿元,累计为135万客户提供消费金融服务,发展空间巨大。消费金融的巨大发展空间的背后其实是中国信用卡覆盖人群比例目前还仅有约15%的比例,对应美国70%左右的比例,中国的渗透率很低。美国的整个信用消费的市场在十万亿美元的规模,中国目前还不足两万亿人民币。
尽管电商、P2P等相继进场,但是互联网消费金融的门槛并不低。消费金融服务的是传统银行目前“不能满足”以及传统征信手段“无法覆盖”的人群。整体来说,互联网消费金融的门槛主要体现在三个方面:
一是,如何获得信用评估所需的各类数据。不管是P2P平台、电商或者甚至是个人征信公司,一般机构所掌握的数据都是比较有限的,尤其电商的消费数据并不能完全反映出用户整个的信用体系和画像。央行的征信尚未接入非银行类机构,客户的信用分析也绝非央行征信报告就可以满足。电商、P2P平台若要建立起自己的完善大数据风控体系,首先需要自己去整合大量的数据源并且结构化,需要花费大量的人力物力,如果有信用消费的客户数量有限将更加不经济。
第二,搭建风控模型及算法。即使花费大量的人力物力对接了足够的数据,如果不具备一流的算法及搭建风控模型的能力也一样无法实现真正的信用分析。为满足用户体验,风控决策的时效性也是非常关键的,通常需要在分钟级别的时间内实现对用户的信用分析。
第三,对于P2P平台来说,想要进军消费金融领域,最大的劣势便是消费场景的切入。在消费金融链条中,首先是消费需求的产生,进而才是相关金融服务需求的产生。而电商巨头天然具有黏性较强的消费场景,这是P2P平台比较欠缺的。
从业务模式来说,复星昆仲资本投资的量化派的模式会是目前最有潜力的一种发展方向。这家由华尔街精英周灏在2014年2月创办的公司,定位是数据驱动的信用消费金融平台,为消费场景提供消费信用额度的同时,帮助消费场景实现流量变现。周灏是量化派的联合创始人兼CEO,获北京大学物理学士和莱斯大学物理博士学位,并先后任职Capital One、Morgan Stanley、Barclays。联合创始人王倪毕业于中科大少年班,并获佐治亚理工大学统计学博士,先后任职Capital One和Google。联合创始人罗晓献毕业于中科大少年班,并获耶鲁大学统计学博士,曾任职Blackrock。核心团队还包括国内金融机构及一流互联网公司的人才。
量化派通过平台自身沉淀下来的用户历史信贷交易数据,合作取得的其他机构大量客户的逾期、违约数据(建模必须数据),用户授权的通讯、电商、学历、邮箱、央行征信数据,经第三方征信机构采集的电商交易数据、社交数据、银行卡消费等数据,以及其他个人基本资料、公共记录等信息,分析提炼风险评估及定价模型,并根据模型及数据从多维度为用户描绘一个立体化的征信画像,为开展互联网消费金融业务提供坚实基础。充分利用金融风控模型及Google的运算技术,量化派目前已经可以做到快速风险量化及针对每个人的信用评估给予不同的利率定价。
量化派的定位,在于链接消费场景(或者信贷流量入口)与金融平台,相当于高速信贷工厂。例如量化派可为不具备信用赊购技术能力的电商企业提供信用支付解决方案,实现流量变现及增加交易额。
事实上,互联网消费金融平台要向用户授信其实是需要大量资金的,光凭自有资金是远远不够的。所以,在资金端方面,量化派与大量银行类金融机构、互联网金融平台等建立合作,量化派给资金方提供优质客户,进行风险定价,资金方根据自身风险承担能力,选择相应的借款对象。量化派目前有超过100家合作伙伴,包括58同城、卡牛、消费金融公司、银行、拍拍贷等,目前业务量每个月都在成倍的增长。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08