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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25