京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网金融进入大数据风控阶段
互联网金融迎来多事之秋!进入四季度以来,受创投资本收紧和逾期贷款率上升影响,国内互联网金融行业也迎来了其艰难时刻,在饱受监管及市场质疑之际,不少互联网金融公司开始尝试将大数据运用到风控领域。
作为互联网金融一大分支,P2P风险更具显像化,近期不少P2P平台频频暴露问题。来自银率网数据库统计,2015年9月全国新增问题平台56家。至此,截至今年9月底,全国问题平台数累积已达1115家。
“2014年底以来,伴随着P2P平台数的增长,行业无序经营所累积的问题也开始集中爆发,今年前九个月全国新增问题平台数就达726家,是去年全年的2.4倍。”银率金融研究中心P2P网贷分析师李先瑞告诉记者。
随着新增P2P问题平台增长,网贷平台收益率也持续走低。数据显示,从平均借款利率来看,利率8%-12%占比最高为44.4%,利率小于8%的占比为26.0%,而利率大于或等于20%的占比仅为1.1%,比此前有较大幅度下降。
业内人士认为,互联网金融收益率走低原因有二:一是央行持续的货币宽松致借贷市场资金较充足,引导借款利率的持续下行;二是实体经济转型升级过程中,高投资回报率的产业和项目减少,中小企业能承受的利率中枢逐步下移。
“前几年P2P网贷刚兴起时,大家一窝蜂地大聊用户体验;从去年开始,大家一窝蜂地大聊风险控制;现在大家又开始大聊大数据征信。”谈及大数据风控,易贷通CE0康文深有感触地告诉记者。
康文的观点在互联网金融业内颇具代表性。因为,互联网金融的核心在于风控,而权威的大数据征信体系,可以更好地解决目前互联网金融行业面临的风控问题,降低P2P平台坏账的几率。
谈到大数据风控上运用,铜板街CEO何俊举例称,现在很多司机想开专车,他们可以帮其买一辆车在滴滴或Uber上运营,然后共享司机的数据,如此只要司机还在做生意并获得订单,就能确定有还款来源,投资者的收益也就有保障。
在何俊看来,无论是在个人理财业务,还是在B2B产业链服务上,互联网金融都可以且也应该把控住信息的每一个环节,让资产的流通更为透明,这在防控风险的同时,也让投资者更为放心。
大数据风控的利器之一,即“大数据反欺诈功能”,其实质是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本,在欺诈行为发生之前就将其制止,进而净化诚信体系。
点融网副总裁李青也持与何俊相似的观点。他认为,所谓互联网金融风控,其实就是对数据的分析,这些数据越精准,风控能力就越强。而从数据推导出适合投资者的产品,美国已经有了很多成熟的技术,国内相关公司都可以借鉴。
哪些互联网金融的大数据可以用来做风控?在业内人士看来,可被用于助力互联网金融风险控制的数据存在多个来源,比如电商大数据、信用卡大数据、社交网站大数据、小额贷款大数据、第三方支付大数据以及生活服务类大数据等。
以阿里巴巴旗下蚂蚁金服为例,它已利用电商大数据建立了相对完善的风控数据挖掘系统,并通过旗下阿里巴巴、淘宝、天猫、支付宝等积累的大量交易数据作为基本原料,将数值输入网络行为评分模型,进行信用评级。
“数据其实不可以改变风险,但是可以把风险量化,就如互联网金融其实改变不了金融的本质和风险,而是作为一项工具更加高效和透明去做金融。”何俊相信,此类借大数据风控的理财平台创新之处,也是互联网财富管理行业的发展方向。
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