大数据风控是P2P的面子，还是里子？

大数据信贷风控技术是群体思维的一种投射。国内的线上P2P，甚至线下P2P，在宣传公关的时候，都会提一嘴大数据风控。它是广告语的标配，是一个噱头，营销作用大于技术支撑。

“搭建大数据信贷风控系统，通常要涉及大数据的采集和数学建模分析。抛开数学、经济模型层面的技术问题，单说征信数据源这块，是需要征信的公共产品供给的，国内是没有征信局这样的公共机构的。而且国内的公民、企业信用评级没有历史传统，信用社会建设处于初始阶段。在这样的背景下，如果互金公司宣称自己有多完善的信贷风控系统，让坏账率、逾期率降得多低，多半是用来增信，招揽投资客的。更不用说技术层面的问题。当然，也不能否认国内互金公司，以及信贷控制技术公司正在做这件事，夯实金融基础设施，这点是值得肯定的。”Dvided说。

大数据信贷控制技术是互金发展引擎

David是一家大数据信贷控制技术开发公司的创始人。回国之前，他在美国留学，获得了一所常青藤名校的统计学研究生学位。毕业后，他去了一家顶尖的消费信用评级公司工作。他参与研发了国家级信用评定测算标准参照系统，这种系统建立在大数据基础上，针对消费数据，集合上百个经济模型和近千个参考变量生成综合算法，实现对消费者未来6~12个月信用行为的测算。同时，系统会根据数据、权重和算法的优化每一年重置一次，是世界上优化制度最完善的信用系统之一。

回国后，他根据自己的经验和技术，结合国内的征信环境，创办了这家服务互金的消费信贷风险评级技术公司。

“我们的大数据信贷控制系统是基于比较大的样本，比较宽泛的数据属性，建立评价体系，来评价借款方的偿还能力、偿还意愿、是否有潜在的风险等，给互联网金融等企业提供信用评级、信贷决策的技术驱动作用。”Dvided说。

Dvided希望构建像美国的上市P2P公司Lendingclub那样的信贷控制系统，它运用数学工具、IT信息技术、金融行业规律建立了智能评价机制——打分卡。它还通过人工干预、机械学习，让系统更加有效。从而为信审机构减少人工审核，并为强审核、弱审核提供依据。

“互金的主战场是在小微金融这块儿，要做好这部分业务，发展可靠的信用评级、管理系统，用信贷控制技术驱动互金发展势在必行。Lendingclub的贷款规模几十亿美元，但是风控、信审人员不到100名，主要靠信贷控制技术驱动。”Dvided说。

“身可卖”，灵魂不变

Dvided想让公司独立发展，就像美国的数据采集公司和信用评级机构都保持独立。在风控模型建模方面，公司发展没有遇到太多瓶颈。主要是在获取数据方面问题相对较多。在美国，个人、公司可以实时从征信局获得高质量的数据，基于数据用风控模型做信贷审批工作。而国内没有这样的征信机构。

Dvided采取与P2P公司、小贷公司、消费金融公司合作的方式，在客户授权的情况下，获取客户的银行卡、信用卡等消费使用的情况，以及通过搜索引擎技术，抓取电商购物的一些信息、数据，还有社交行为的数据，来弥补信用数据的缺失。

国内的P2P公司大多从事资产抵质押贷，与传统金融机构有重叠。纯线上的公司很少，做小微金融的也不多。这些公司的风控主要靠人海战术、人工审核。对于互金行业的真正前景，它们比较短视，考虑不多。这些P2P公司对Dvided所做的事不太了解，对他所做出的产品不屑一顾。

Dvided的公司要想生存，必须有合适的互金公司采购他的产品。他的公司要想发展，也需要一个P2P平台的实时交易来验证他的系统，并不断优化、改进。

后来，一家眼光比较长远的大型P2P公司看上他的技术，愿意使用他的大数据风控系统，但前提是完成并购，Dvided的公司成为这家P2P公司的风控研发中心。

这个条件对于Dvided来说，是苛刻的，违背了他让公司成长为一家独立、权威、公正的信用评级企业的初衷。

他纠结了很久。最后，他放弃了初衷，选择了合并。但是他没有改变建设适合中国本土的信用评级机构、促进信用社会机制实现的初心。生存下来，再谋求发展，这就是Dvided所处的现实，也是中国互金在曲折中前进的缩影。

不久的将来，大数据信贷风控系统所指向的信用机制可能不再是噱头，而是在中国社会为人做事的坚实根基。