京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网金融扎根大数据才有活路
一面是前海银行这个互联网金融宠儿的低调试水,一边儿是P2P倒闭潮引发的行业性恐慌……酷夏来临之际,互联网金融正遭遇一场冰火两重天的“洗礼”。与此同时,P2P平台整体不容乐观的运营情况,让所有的互联网金融从业者反思:如何做好互联网金融?
复制是祸根
与微博、闪购、团购等互联网产品一样,互联网金融同样是一个舶来品。在复制的思维之下,P2P平台像当年的团购一样迅速落地开花。在一些互联网金融从业者认为,P2P可以说是一个低门槛的行业。现在看来,低门槛的心理害了P2P,复制思维是P2P行业哀鸿遍野的祸根。
最初,很多人花上几百元购买一套程序,买个空间和域名,就搭建了一个P2P网站。从这一角度来看,P2P的门槛确实不高。事实上,P2P平台并非复制一套源代码那么简单,很多运营模式,以及金融核心技术,都是复制不来的。
今年1月份, P2P行业公认的高息平台里外贷资金链断裂,暂停一切业务,涉及金额达到9.34亿元。据悉,里外贷对外宣称的年收益率平均在19.8%左右,个别的达到40%左右。用高收益来吸纳用户,聚集资金,然后将资金投入股市或项目获取高额回报,这已经成为国内P2P平台通用的运作模式。
股市的低迷,以及一些项目倒闭,导致P2P平台的借款成为死帐,最终P2P平台因资金链断裂而倒闭。这可以说是国内P2P平台的通病。从运营模式上来看,P2P平台与线下的民间借贷几乎相同,唯一的区别就是利用互联网来吸纳资金。
一直以来,民间借贷都是高风险。温州的民间借贷危机,成为民间借贷风险的一个缩影。所以,仅借助互联网平台,没有充分利用互联网技术的P2P平台,在民间借贷危机后出现问题亦是必然。祸根,是粗暴的复制国外P2P平台的做法。
技术是生命线
在国内互联网领域,也有一些出色的P2P平台。招商银行旗下的P2P平台,宜信旗下宜人贷,拍拍贷,京东白条,支付宝小微贷……同是P2P,差距为何这么大呢?
互联网金融的风险,主要集中在借贷这一环节上。通俗地来说,就是很多人借款后不归还,这已经成为P2P平台的一大硬伤。在如何规避风险方面,支付宝、京东是利用大数据技术,对用户在自己平台上的消费情况进行分析,以评估用户的信用度。这种做法,与银行信用卡的核发类似。
传统银行的信用卡核发,最大的痛点也是风险控制(俗称风控)。为了降低风险,各大银行都开发了自己的征信平台,借助人行征信数据,以及个人提交的数据,进行大数据分析。从各大银行信用卡的运营情况来看,征信系统的准确率还是比较高的。
其实,只要玩好互联网,既便人行不开放用户征信数据给P2P平台,同样可以客观的获取用户的消费数据。比如,宜人贷通过向用户索取信用卡电子帐单的方法来评估用户信用度;好贷网则通过了解借款人的银行卡消费帐单来评估用户信用度……
与银行的专业征信系统相比,P2P平台通过互联网获取用户信用数据的方法靠谱吗?先来说下宜人贷。宜人贷极速模式在用户授权的基础上,对用户的信用卡信息、电商数据、身份信息进行验证审核,10分钟就能够迅速做出准确的批核判断。
当然了,这只是一个纬度的信用评估情况,但这是P2P平台对互联网深度挖掘的一个典型。除了信用卡帐单,以及银行卡消费帐单外,支付宝的帐单,以及京东、淘宝的消费情况,个人保险等数据都可以成为P2P平台的征信数据源。
再看那些倒闭的P2P平台,一味等待人行开放用户征信数据,而不是利用互联网平台的技术优势,降低P2P平台的运营风险。毫无疑问,技术已经成为P2P平台的生命线。
专业才有活路
客观地说,信用卡电子帐单,银行卡消费帐单,这仅仅是P2P平台获取用户信用的一个纬度。也就是说,只要用好互联网这个平台,P2P在没有人行征信系统的支持下,也可以评估用户的真实信用。
在实际应用中,如何将用户多方面的数据进行专业的甄别,是P2P平台利用互联网技术打破用户金融数据搜索壁垒后的另一个门槛。如何解决呢?在笔者看来,同样需要专业的技术来解决,银行信用卡中心、京东和支付宝们的一些做法,值得互联网金融平台借鉴。
说白了,降低P2P平台的风险,就是利用互联网技术,做出专业的互联网金融解决方案。目前,一些优秀的P2P平台已经针对征信,做出了专业的解决方案。宜人贷、拍拍贷、好贷网等P2P平台,都基于大数据技术,搭建了属于自己的风控模型。
据悉,目前宜人贷的大数据风控体系,可以实现极速批核。自4月份上线至今,“极速模式”已为百万用户提供信用评估服务,累计放款超过10亿元。此前,支付宝的小微贷,以及京东白条,也能实现极速授信。尤其是京东白条,提交资料后立即给出信用额度。
显然,以京东、支付宝、宜人贷、好贷网为代表的互联网金融平台,其风控体系的出色性,已经超过了传统银行。举个例子来说,支付宝和京东白条,获取的数据源,远比传统银行信用卡审批中心的数据要全。虽说互联网金融平台没有人行征信数据,但多纬度的数据在大数据技术的支撑下,能够更真实的评估用户信用度。
一个简单的例子,很多信用度不错的用户,信用卡额度很低,原因在于用户工作性质或者是其他收入是银行所不承认的。在互联网+时代,以P2P平台为代表的互联网金融行业,只要充分挖掘互联网技术的潜力,并制订出专业的互联网金融解决方案,超越传统银行并非天方夜谭。成功的关键在于,能否达到高度专业的水平。
经历了粗放式的发展过后,P2P监管政策即将出台,互联网金融也将迎来新一轮的变革。在政府大力推广互联网+思维的格局下,互联网金融必须扎根互联网才能有生存,深耕技术才能有活路。一味去复制或模仿,互联网金融超越传统金融注定是一个笑话。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09