京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电商涉足P2P:大数据是最可靠的风控依据
随着P2P网贷的不断发展,网贷模式也在不断地更新。从最初的拍拍贷的纯线上模式,到红岭的大单模式,再到以有利网为代表的通道模式,P2P网贷在国内所延伸出来的模式创新层出不穷。时间进入2014年下半年,随着股市大涨,股票配资的业务模式应运而生,而羊年开年后,行业又爆出知名电商多赢涉足P2P网贷,电商不卖商品,卖钱来了。电商做P2P,有哪些优势呢?贸贸然而进入,又哪来的自信呢?
P2P面临的最大问题是什么?
目前在P2P网贷行业内比较主流的观点:未来行业一定是“大而全与小而美并存”。在我个人看来,网贷领域是很难做到大而全的。很多人也拿陆金所这样的巨头在行业中的地位,来判定行业的格局已经初步形成。但是最近我们也看到了,陆金所准备单独拆分P2P业务,由此可见,P2P业务在陆金所的整个业务体系中所占的比例也不算太多。除去陆金所,以P2P为核心业务的红岭创投,不断被坏账缠身。另外,几家号称排名前列的网贷平台,相信其所面临的风控压力一定也不小。
在我个人看来,很多平台的业务其实已经做到了天花板。再继续扩大平台的业务量,其风险就会超出平台的可控范围。什么这样说呢?最核心的问题就是平台无法解决风控问题。风控之所以难以解决,最核心的因素还是由网贷本身涉及的借贷市场特性决定的。网贷业务涉及的基本就是次级贷市场,本身业务质量并不高,好的项目数量更是屈指可数。这种情况下,要大量提升业务量,风控质量必定下降,坏账隐患出现。因此,在平台做到一定规模的情况下,风控基本就会成为平台发展的最大瓶颈。而金融的地域性,在一定程度上决定了异地风险的不可控性。在这样的情况下,网贷领域巨头很难出现,未来网贷行业一定是呈区域细分、行业细分的百花齐放状。
电商企业涉足金融,行业机会何在?
目前,银行端基本不愿意把钱借给电商企业,因为对于银行来说,他们更偏好实体经济,实体抵押。电商的交易数据、物流数据等传统银行也不愿意承认。但是,银行不愿意做的业务,其业务质量就一定不高吗?非也!更多的还是因为传统的金融机构在电商领域缺乏相关的经验。但是,实体经济转型的速度越来越快,对互联网的依赖越来越重,越来越多交易从线下搬到了线上。
大量的电商企业在需要大量备货,其背后的金融需求该又谁来满足?国内最大的几家电商平台,早在几年前就开始面向电商企业提供金融服务了。阿里、慧聪是国内最早涉足这块业务的企业。但是,不管是阿里还是慧聪,其所提供的金融服务毕竟有限,远远无法满足电商领域的真正的融资需求。
大量的市场需求,又该由谁来满足呢?显然,p2p网贷是一个渠道。华南的电商企业多赢6000万收购某家P2P网贷平台,变身多赢金融拉开了电商进军网贷市场的第一幕。
电商涉足P2P网贷能够解决什么样的问题?
首先,我们都说P2P网贷能够颠覆传统金融,因为他更高效,更便捷。但是,P2P网贷真像我们想象中的那样吗?
对于多数网贷平台来说,其风控严重依赖于线下。很多公司虽然号称互联网金融企业,却到处开线下店,业务员占到了公司员工数的70%以上。这样的模式,并不如我们当初所设想的那样高效与便捷。模式变得越来越重是目前很多平台所面临的最尬尴的问题。风控难题,制约着很多网贷平台的发展。
那么电商又有什么样的解决方式呢?很简单,电商的交易数据、物流数据、包括平台电商给出的授信额度都能够作为风控的参考依据。大数据风控目前最可靠的数据一定是来自电商领域。这样就能够在目前的环境下真正的做到P2P网贷的高效与便捷。风控与业务线上化,这样的模式也许就P2P网贷的最优模式。
非平台类型的电商涉足P2P网贷所面临的问题
前面提到了,阿里、慧聪这样的平台方其实很早之前就涉及了电商金融服务。最核心的因素就是他们有最核心的数据,基于大数据的风控就能够对电商企业进行授信。但是,类似于多赢这样的非平台方的电商企业,涉足网贷领域最大的难点,是如何与阿里、慧聪这样的平台方合作,取得其授信资料,解决风控问题,才是多赢金融未来要走的路。
阿里的征信服务,未来或将成为电商解决风控的重要参考依据。目前阿里推出了针对个人信用评估的芝麻信用,未来针对企业用户的信用评估,是否会向围绕“电商企业提供金融服务”的平台开放呢?如果开放,这样一个巨大的市场,注定成为P2P网贷行业的最优模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22