京公网安备 11010802034615号
经营许可证编号:京B2-20210330
不只是大数据,银谷要把最基础的事情做实
要找银行借钱,得讲信用,而信用需要时间的考验。没有信用,有抵押物或担保人也行。银行家不做无保障的贷款。融资最大的障碍就是抵押物。国企央企找银行借钱的终极抵押物,就是国家信用。国家信用的价值无限大,所以,国企央企总能轻松地以低利率借到钱。
小微企业主、个体工商户和工薪阶层之所以融资难,是因为它们没有可靠的抵押物和担保人。
巴菲特说:“我越来越看重的,是那些无形的东西。”巴菲特做投资判断,越来越看重企业的商誉。银行做贷款也是这样。
可口可乐的老板有一句名言:全世界的可乐工厂一夜之间都烧掉了,但是,第二天照样有人来给我们供货,银行照样来给我们贷款,客户还照样来订单。能烧的都烧掉之后,剩下的那个烧不掉的东西——品牌价值,就是商誉。
抵押物、担保人和商誉可用于争取银行贷款,而这些却又是实现“普惠金融”的门槛。
中国人往往更看重人情和熟人(熟客)间的信任关系。地产界大佬冯仑曾说过:“你有多少钱,不是看你银行账上有多少钱,而是你需要用钱的时候,这世界上有多少人愿意借多少钱给你?”
银行融资是“借”的逻辑,冯仑的融资逻辑是“信用变现”,后者更具有“普惠性质”,冯仑的话无意中已接近互联网金融的核心精神。
银行信用记录的形成过程非常单调,就是你贷过款才有信用记录,否则没有。在美国人的消费开支中有80%以上是用信用卡支付的,这大多是出于累积信用的考虑。哪怕你是企业主,需要更多借款,比如一次借个30万50万,银行家也希望你是从一个小的金额累积信用,这样银行可以通过信用累积过程,观察你这个人的各种行为数据。
互联网金融(以P2P为主)逐渐兴起之后,欧美金融领域一些“新思维”开始对中国同行产生影响。很多P2P平台相信“用数据说话”,认为“在大数据的监视下,人们在互联网上的一切行为、身份甚至个性都无处遁形。”比如,你登录网站的时间总是在半夜,说明你白天可能是个无业游民;你在P2P平台借款填写表格的时间过长且总是删删改改,你就可能有编造信息的嫌疑……
《中国P2P借贷服务行业白皮书》认为,大数据征信使用的数据涵盖传统的征信数据、消费/财务数据、身份数据、社交/经营数据,乃至日常活动数据、特定/不特定场景下的行为数据,“一切数据皆为信用数据”。
可是,这样“数据大杂烩+逻辑判断”是否真的有效?不同来源的数据之间有冲突和矛盾如何处理?
就算这种“大数据”逻辑真的有效,更多是在否定一个人的信用。真正好的P2P平台,更关注如何帮助借款人建立信用。
比如,银谷P2P平台就是一个积累了海量用户数据的大型平台,能够运用人脸识别技术和大数据挖掘技术,减少繁琐而昂贵的尽职调查,将信用风险确定为几个指标,然而批量化、专业化操作,业务速度得以加快。
可是,在银谷看来,技术、数据与效率对于P2P平台固然重要,但并非其核心竞争力。服务才是这个世界上最昂贵的产品。银谷平台真正努力的方向是做一家服务一流、有情有义的P2P平台,银谷要帮助真正有信用的人“信用变现”。
银谷创立8年来,做的最重要的一件事就是建立了自己的信用管理系统。这个过程是煎熬的,银谷需要投入大量的时间和资金,对用户数据进行科学积累和反复修正,为了弥补“大数据”技术的不足,银谷还会用最辛苦、最传统的信用评估方式来做补充,力求把最基础的事情做实。
银谷平台的服务对象主要是小微企业主、个体工商户、公务员、事业单位高收入人员等,不做50万元以上的“大额”借款,不做“二八法则”里20%的头部客户,而是以互联网+的方式,服务“长尾”客户。基于广泛的信用和信赖,银谷平台的“熟人用户”规模不断扩大,成本的优势会逐渐显现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13