京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据驱动下的消费金融
当“大数据”开始进入各行各业的视线,互联网消费金融公司也开始利用手中的大数据谋求更广阔的业务布局。
年轻群体因收入与消费的矛盾产生信贷需求,传统金融机构的部分缺席为互联网金融创造了发展空间。移动端可以随时随地对消费者的消费需求产生回应,科技发展重塑风控,这些与未被满足的需求产生碰撞,于是2013年互联网消费金融应运而生。
如今,经过四年的发展,互联网消费金融呈现爆发式增长的趋势,艾瑞咨询发布的《2017消费金融洞察报告》显示,互联网消费金融从2013年开始到2016年,其交易规模从60亿增长到了4367.1亿,年均复合增长率达到了317.5%。如此累积下来的大量数据将被如何运用呢?
数据驱动
对于消费金融而言,数据和技术在一定程度上正在改变着风控和获客效率。大数据风控,通过运用大数据构建模型的方法对借款人进行风险控制和风险提示,避开传统风控的劣势,发挥最大优势更精准地对业务进行支持和维护。
随着互联网技术不断发展,传统的风控手段已逐渐不能支撑机构的业务扩展;而依托于大数据的风控技术对多维度、大量数据的智能处理,批量标准化的执行流程,更能贴合信息发展时代风控业务的发展要求。“与原有借款主体进行经验式风控不同,通过采集大量借款人或借款企业的各项指标进行数据建模的大数据风控更为科学有效。”中央财经大学金融学院教授刘向丽对《中国经济信息》记者分析。
数据驱动下的风险定价是消费金融企业的核心能力之一。京东金融消费者金融事业部总经理区力在接受《中国经济信息》采访时回顾,过去三年中,京东金融做了大量的数据、研发和系统的投入,这些投入是固定成本,每一单金融服务的操作成本则是变动成本。“比如‘白条’业务,我们没有一笔是通过人工审核,都是机器决策,这样子每单的变动成本近乎为零,我们的后台系统1秒钟可以处理几十万笔交易,这在过去的金融服务模式中是不可想像的。”区力说。现在“白条”信用风险评估模型覆盖了两亿多个京东用户,而且每一个数据模型体系中都有上百个子模型,几万个变量。
区力向《中国经济信息》记者表示,京东金融目前已经构建了自身的核心壁垒,即数据驱动下的风险定价能力,具备了获取各种不同维度数据源能力,以及数据技术能力和数据模型产品能力。
与此同时,京东金融凭借在数据领域进行广泛的投资以快速占位。公开资料显示,京东金融已经投资了ZestFinance、聚合数据、数库、聚信力等多个数据公司,这其中包括数据银行、数据挖掘、机器学习等不同的类型公司。
赵国庆则对自己创立的马上消费金融公司冠以“典型的大数据公司”的头衔。
目前,马上消费金融拥有的技术和大数据团队人员占据公司总人数的2/3,体现了鲜明的新型金融机构特征。通过采用多种机器学习方法,建立了面对不同业务场景和不同需求的几十个大数据模型,拥有超过10W个数据维度。
区力还透露,依据京东金融2017年确定的“坚持技术持续投入不动摇”战略,下一步京东金融将对于自身数据技术基础方面进行布局。
举例来说,根据京东集团的电商业务的一些用户购物数据,基于相应的模型产品,可以在消费金融业务上为消费者提供相匹配的“白条”额度,或者为其提供专业的针对性理财服务,甚至在众筹业务方面。
当下,互联网消费金融借力大数据大势所趋,业内人士翘首以盼的是,利用大数据将各条业务线的服务、产品、用户打通,为用户提供更加人性化、合理化、科学化服务。
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