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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25