
社交金融比大数据征信靠谱_数据分析师
1月4日,卡车司机徐军从微众银行获得了一笔3.5万元的贷款。一夜之间,大数据征信就无人不知。很少有人怀疑,这条路通向互联网金融的未来。
而熟信创始人曾军谈起这件事,却想法不同:一名卡车司机怎么可能只有3.5万元的信用额度?好的征信体系应该在保证安全的前提下,给出尽可能高的授信额度。遗憾的是,“大数据征信”做不到。
曾军认为,他所创立的熟信,才是真正靠谱的互联网金融。
熟信的模式其实很简单,用户在安装熟信APP后,可以对手机通讯录里的朋友授信并向有需求的朋友提供借款,也可以从朋友那里借款。简单说就是熟人间的P2P借贷,不过全过程都是匿名的,这是为了避免熟人间借钱的尴尬。曾军为这一模式发明了一个概念:社交金融。
这种模式的好处是,可以有效解决目前网上借贷的信息不对称问题。在现在的P2P平台上,投资人对借款人的信息掌握非常有限,很难对风险做出准确判断。于是,投资人对借款人的情况漠不关心,而把注意力放在平台本身的安全性上,平台不得不承诺刚性兑付。2014年下半年以来愈演愈烈的P2P平台跑路潮,说明了这种承诺是多么不靠谱—据网贷之家数据,2014年12月,全国有92家平台发生提现问题。
曾军认为,熟人间显然不存在上述问题。正是基于此,熟信可以不提供担保,严格扮演信息中介的角色。另一方面,大数据对一个人的了解程度,又怎么可能超过你对熟人的了解程度?如果从数据的角度分析,你掌握的熟人日常生活“数据”的规模,显然要远远超过通过互联网采集的“大数据”。许多银行、小贷公司人士认为,初创期的微型企业融资以及大部分个人信用借款,更适合在亲友间进行,而不是希望银行等金融机构解决。
曾军本人对借钱体会深刻。他以自己举例:过去一年在京东消费约6万元,可是“京东白条”给的授信额度仅有1万元;工资卡是招商银行的,每一笔工资、补贴、奖金的情况招行都掌握,招行信用卡中心给的授信额度为10万元。曾军认为,自己在朋友圈借钱的极限在100万元左右。
曾军对这一新模式非常自信,甚至放言这将是“P2P终结者”。曾军2014年12月辞职,在P2P平台借高息贷款作为启动资金。今年1月,熟信1.0版上线。时间如此紧张,以至于1.0版本只有授信而没有交易功能。“我的想法已经在微博上公开,就算只有授信功能也要上线,就是为了抢第一家社交金融的名头。”目前熟信只有一个9人的紧凑团队,正在争取春节后推出带交易功能的2.0版本。与此同时, A轮融资也在紧密洽谈,曾军希望能融资1000万~2000万元—此前天使轮数额仅有几十万。
不过,熟人P2P模式能被用户接受吗?毕竟,按曾军的计划,距离第一笔交易的发生尚有一两个月时间。
匿名的模式或许会让用户心存疑虑,但即便能打消这一疑虑,还需要解决用户在匿名情况下建立合同关系的问题;金融中介的重要优势之一是汇集借贷双方的需求,规模越大效率越高,而单个用户的熟人圈规模是很有限的;更大的问题是,熟人并一定就意味着安全,民间因熟人借贷而导致的风险积累及爆发有着非常惨痛的教训,这样的风险会不会因为有了一个更方便的借贷工具而放大?
面对记者的这些质疑,曾军表示熟信会设法解决。合同的法律问题,熟信已经找到解决方案。曾军承认对单个用户而言借款是一个低频需求,并且通过熟信借款需要等待的时间可能会比在金融机构更长一些,但这不会是一个严重问题。为了防止风险累积,在熟信单个借款人的所有借款信息都可以被看到,这显然要比线下的民间借贷更透明。
曾军表示,熟信不会禁止用户在熟信上融资,然后又通过熟信放贷,甚至可以预见会发展出专门的“中间人”,不过所有这些信息,均会公开,由他的熟人自行判断风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 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