京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能否保证互联网金融高收益
近日,中国人民银行下调了存贷款基准利率和存款准备金率,存钱进入“负时代”。严峻形势下,人们纷纷把目光投向了以高利率、高风险著称的互联网金融。互联网金融的发展能够满足人们的需求吗?
由中国社会科学院金融研究所、清华大学五道口金融学院等机构共同发布的互联网金融蓝皮书《中国互联网金融发展报告(2015)》发布。该报告由中国人民银行前副行长李东荣博士主编,近50位业内专家学者合作撰写。蓝皮书显示,2015年互联网金融在中国得到了极大发展,预计未来几年将成为互联网金融监管年,P2P(互联网金融点对点借贷平台)、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展。
当技术越来越牛,原来描绘的“金融大数据”情境何时能够实现呢?
风险管理仍是关键
P2P即个人通过第三方平台在收取一定服务费用的前提下向其他个人提供小额借贷的金融模式。从发展阶段来看,P2P行业已经经历了2007—2010年的行业起步期和2011—2013年的快速发展期,从2014年开始整体逐步进入调整缓冲期;从金融的范畴来分析,P2P并不只是单纯的互联网技术创新;P2P平台也存在着较多的不足。
“P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。”蓝皮书对互联网金融发展中出现的热点问题进行了深入分析和讨论,P2P本质上是普惠金融,是传统金融的有益补充,其体量难以做大。
P2P缺乏风险管理制度,风险较大,尤其是得不到银行贷款的小微企业风险较大。国外的P2P发展可依托国外完善的社会信用体系,而我国社会征信体系仍未建立,P2P信贷平台自行建立的信用模型难以被投资者认可,P2P具有较大风险。
此外,P2P准入门槛过低,而且消费者保护意识薄弱,加大了逆向选择和道德风险的问题。蓝皮书分析,国内P2P信贷平台没有义务对投资者进行教育,也没有统一的信息披露标准,投资者无法了解P2P运行情况,遇到争议也没有地方进行投诉。
从统计数据来看,网络借贷行业坏账率不低,投资、融资方的资质低于传统金融的客户,加之引入互联网平台带来的信息技术漏洞,整个行业的系统性风险不容忽视。
新金融新玩法,不变的仍是信用
互联网金融的本质仍然是金融,必须按照金融的发展规律运行。P2P行业在经历了行业起步期和快速发展期之后,从2014年开始整个行业逐步进入调整缓冲期。从金融的范畴来分析,P2P并不只是单纯的互联网技术创新,对于金融发展而言,做出了许多创新和贡献。
P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。根据蓝皮书预测,未来互联网金融行业将会在细分、垂直领域涌现出新的业内参与者,特别是具有强大实力和背景的传统金融公司及国企进入P2P行业,包括上市公司在内的大型集团对现有玩家进行的兼并收购会进一步加大行业整合的速度。
预计P2P平台将会向一站式投资理财平台的方向发展,相对于银行体系的间接融资,P2P更接近于直接融资并具有债权的属性。从整个国民经济的运行情况和P2P网络借贷行业收益分析,债权市场存在走低的趋势,因此,为了实现稳定发展,P2P行业会寻求更多的增长空间和业务覆盖。
蓝皮书预测,未来几年将成为互联网金融监管年,P2P、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展;监管模式上可能有选择的借鉴欧美的成熟经验,走行业自律和政府监管结合路子。
与此同时,线上纯信用贷款、过桥抵押贷款、供应链融资和科技融资可能成为未来P2P行业发展的突破口。
通过大数据来反“欺诈”
随着互联网拥有海量的大数据信息以及云计算等数据处理技术的不断进步,可以提供互联网金融征信产品的机构已不仅仅限于传统的专业征信中心或征信公司,在强大的市场需求刺激下,一批专门针对P2P网贷、网络微贷的互联网金融专业征信机构或“准征信机构”开始出现并迅速发展。
而目前,很多互联网金融机构提出的所谓的大数据征信都只是发挥着辅助作用。据相关业内人士介绍,P2P对大数据目前为止最成熟的应用就是反欺诈,它可以利用大数据将更有效地区别出好人和坏人。
数据安全,对用户和平台的安全至关重要。易通贷CEO康文介绍,现阶段大数据、征信,对整个P2P平台的运行主要是起辅助作用,还起不到主导作用。这是由于现在互联网金融还在数据积累的阶段,平台的注册人数,相对于中国的网民数量,基数还太小。这个时候不应该大规模的使用大数据。如果数据样本过少,其实会出现误导,没有说服性。
康文说,我国征信体系尚未健全,P2P行业难免存在风控难题,对用户和平台的安全构成一定威胁。大数据反欺诈或成为P2P平台风控水平新的提升点。大数据反欺诈的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。
由此可以看出,大数据反欺诈的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。
在众多行业都流行“大数据即资产”口号的今天,对于大多数企业而言,运营领域的应用是大数据最核心的应用。对现在以互联网为载体的企业来说,大数据与高新技术的结合,将成为这些企业的核心竞争力。
目前,很多互联网金融机构已经开始尝试对客户的移动数据进行分析。比如,P2P企业可以利用移动设备的位置信息,了解过去3个月用户的行为轨迹。如果某个用户经常在半夜2点出现在酒吧等危险区域,并且经常有飙车行为,这个客户定义成高风险客户的概率就较高。
同样,互联网金融公司会根据用户申请小额贷款所在的位置进行分析,如果在同一地理位置附近,短时间内有多笔贷款申请,相应的风控软件会对互联网金融平台提出预警,显示不可靠的原因。
现今,移动大数据在预防互联网恶意欺诈和高风险客户识别方面,已经有了成熟的应用场景。前海征信、宜信、聚信立、闪银已经开始利用TalkingData的数据,预防互联网恶意欺诈和识别高风险客户,并取得了较好的效果。移动大数据应用场景正在逐步挖掘出来,未来大数据行业与互联网金融行业将会有更加广阔的合作。
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