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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25