京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据入场互联网金融摆脱草莽
互联网金融发展至今,坏账一直是其挥之不去的阴影,2014年,全国P2P问题平台达275家,同比增长260%;行业平均坏账率8%,为银行的8倍。坏账率过高已经成为整个互联网金融行业发展的最大障碍。铁哥此前接触过各地不同形式的互联网金融平台,深感这是一个鱼龙混杂亟需完全科学化改造的行业。甚至部分互联网金融平台是与黑社会相伴的一半魔鬼一半天使的人格分裂型平台。
表面P2P暗里黑社会
部分互联网金融公司做P2P业务,表面看是完全互联网化的操作方式,用户线上注册提交信息以及融资需求,认定融资成本,便可较为便捷地获得资金。
但其中问题在于,相当部分的用户由于诚信度以及履约能力较差,被银行业拒之门外之后转投互联网金融平台,而多数互联网金融平台由于缺乏征信体系以及相关数据支持,无形中加大了平台的坏账风险。
当用户产生履约难问题之后,一些平台会将债务转移至其关联公司,于是用户与平台的债务关系便成为用户与关联公司的债务关系,由于用户欠款已由关联金融公司垫付也无形中拉低了互联网金融平台的坏账率。如果用户继续履约难,一些关联公司便要使用社会力量——黑社会前来追缴。
由于黑社会是由关联公司所找,互联网金融平台无太大责任,可以继续以互联网思维为借口站在风口。但其中难以回避的事实为平台方与黑社会的关系是你中有我的。而即便有社会催债力量协助,互联网金融平台也难以摆脱坏账噩梦,社会力量多在某地区有影响力,用户跑路坏账在所难免。
相当部分P2P平台由于缺乏相关数据支持,无法事先甄别用户,使得坏账根本无法避免,而社会催债力量又将整个行业拉低至极其草莽阶段,这都是不利于行业健康有序发展的。
互联网金融重点在征信数据
互联网金融行业要真正规避风险,仅靠黑社会是完全不行的,铁哥以为利用大数据的征信平台才可真正规避风险。7月10日,在玖富主办的互联网金融创业大赛杭州赛区,玖富以及芝麻信用的专家及管理人员对互联网金融的征信问题表达相当深刻的见解。而铁哥根据现场信息以及自身对行业的观察,认为目前互联网金融征信主要有以下三方面:
其一,企业自建征信标准
蚂蚁金服旗下的芝麻信用以支付宝和阿里电商交易体系为依托,结合购物、支付、以及相关数据,自建征信体系。由于信用体系将伴随用户一生,信用指数较高的用户可获得签证等方面的便利,用户出于自己未来利益考虑也不会轻易违约。
其二,企业参考全网数据严控金融风险
玖富作为国内领先的互联网金融集团,一直在研究大数据风控和风险评估。旗下的闪银Wecash便是基于用户的社交大数据进行的风险评估,只要用户有网络社交平台账号,即可在移动端进行闪电评估,出示具体分数后将很快拿到授信额度。
随着移动互联网兴起,社交平台可包含用户交际圈、消费习惯等维度信息,这都是综合评判用户履约能力的重要指标。
其三,强强结合
不久前玖富宣布与芝麻信用展开信用合作,双方将在芝麻分、反欺诈、风险名单等业务上展开深度合作。芝麻信用将丰富玖富对借款人的评估维度,为玖富移动金融业务筛选出更加优质的客户,进而提高整个平台的风控水准;而玖富客户的履约行为也将对个人的“芝麻分”产生影响,并从长远推动中国基础征信体系的建设。
如果一切顺利,双方的征信体系将会成为国内最大最权威的金融征信数据中心。
互联网金融行业如众多新兴行业一样,也是经历了草创阶段之后才逐步进入科学化管理阶段。而铁哥以为在科学化改造过程中,将会有一大批缺乏大数据采集技术和意识的平台走向灭亡,也会有一大批沉迷过往草莽手段的平台逐渐被科学化平台所淘汰。而曾经将互联网金融平台视为大客户的社会人士业务也将逐渐萎缩。在此,铁哥有必要提醒那些体量不大但认为也可通过大数据做征信体系的平台,不要对此抱太大幻想,由于体量较小,用户量小,而缺乏基础量的数据支撑下的所谓大数据,是无法建立模型进行数据分析的,即便草草建模数据真实性也难以保证。其规避风险能力还不见得有黑社会催缴强。
当然一些如玖富这般有数据技术、体量以及用户支撑的互联网金融平台将成为科学化改造的最大受益者,互联网金融行业也才真正进入正常的互联网发展轨道中。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09