
想做大数据风控,先问问自己这几个问题
大数据运用于互联网金融是近期一个异常火热的话题。不过细究起来,或许仍然概念性较强,不排除一些发展较好的平台,但从整体情况来看,大数据发展尚不成熟,还处于早期阶段。
想做大数据风控,先问问自己这几个问题!
大数据变现最好的状态是有数据源、能够进行数据挖掘、同时有用户的相关需求。
明略数据金融事业部解决方案专家杨昀举例表示,就像开采油田,基础是具有油田资源,核心是勘测开采需要的设备,加之用户资源需求,这才是一个行业应有的发展状态。
大数据运用于互联网金融是近期一个异常火热的话题。众多互联网金融平台动辄表示业务开展过程中会采用大数据风控手段等。
不过细究起来,或许仍然概念性较强,不排除一些发展较好的平台,但从整体情况来看,大数据发展尚不成熟,还处于早期阶段。
关于互联网金融平台运用大数据进行风控,有几个问题需要理清。
有数据源吗?
利用大数据的基础是具有数据源,从互联网金融平台的角度讲,数据源一直是硬伤。互联网金融自发展之日起看中的就是传统金融服务的空白区,面对的是信用空白人群,同时,P2P平台并没有接入央行的征信系统。
从企业的角度看,都不愿意进行数据共享,数据孤岛问题一直被行业疾呼。从物理上看,平台各自储存、各自维护数据,并不共享。从逻辑上看,平台不同,对数据的理解定义等可能会存在差异,假如共享沟通,其成本也很高。
此前,宜信大数据分享会上,相关人士表示,共享数据也会带来很多问题,时效性、可信度、精确度等都存在差异。
从开展金融业务的核心数据上看,诸入宜信等发展多年的平台,其或许确实具有数据源、具有数据处理能力。
但是成立不久的平台在上述能力方面就要大打折扣。
当然,平台所称大数据风控动辄表示会运用外围数据,并进行多维度挖掘等,不过,外围数据量级大,维度广,相应的噪音也会大,如何挖据数据,分析关联,并得以运用,含金量较高。
总之,数据源,尤其是一手、精确、可信、持续的数据源获取,及其挖掘分析并非易事。
有技术团队吗?养得起技术团队吗?
业内人士表示,从整体上看,大数据行业缺乏人才,BAT等互联网公司、传统科技公司等的大数据人才往往被高薪引走。
大数据业务的开展需要耗费人力物力,基础设施的搭建本来就是投入多、产出周期长的链条。对于小平台来说,基本上没有能力去搭建。
目前很多平台的大数据分析业务都会外包给第三方,毕竟对于那些成立不久的平台来说,难以负担技术、人才等成本。
从这一角度分析,诸多互联网金融平台声称自己有大数据风控团队,这里还是要打个问号的。
另外,从大数据服务平台角度讲,业内人士表示,行业内目前尚缺乏龙头企业。
无论是从互联网金融平台本身还是外部服务平台,大数据行业还需要继续发展。
关键是需求真正萌发了吗?
关于大数据风控这一需求问题,其实很多平台并没有真正意识到其重要性。
不乏有观点表示,互联网金融如P2P领域,很多平台并不懂风控,只是一味地做大规模。
杨昀将目前大数据服务的用户分为三类,即提得出明确需求、具有数据的用户,这部分用户在市场上非常少,同时是有需求、没有数据及并不明确具体需求的用户,这两类用户占据市场绝大部分。
从互联网金融平台用户的特征看,杨昀表示,互金平台的需求具有多样化,不过,很多平台的侧重点在营销获客上,多数情况是利用大数据进行精准营销,他的观点是互金行业尚处于开源节流中的开源阶段,很多平台都将重点都放在获客、提高用户粘性上。
大数据风控的概念很火热,但不需要神化,对于互联网金融动辄以此为由大肆宣传的情况,我们需要具备一定的判断力。
大数据服务更多的是金融业务开展中效率的提升,杨昀认为,其作用并非是颠覆性的,而是对传统业务的改进与完善,当然,目前这一市场正在发展当中,未来空间巨大,不过,道路也长。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23