
金融大数据风控推进难 需政府部门打破数据垄断
“大数据”的出现将为金融行业带来多深远的影响?要让“大数据”更好发挥作用,需克服哪些障碍?在3月28日举办的第五届中国小额信贷机构联席会年会上,多家P2P平台与小贷公司高管对于大数据是否会对金融行业带来革命性影响发表了看法。
会上,多位参会嘉宾认为大数据是趋势,但适用范围狭窄——当前主要适用于个人信用贷款的风控。而大数据风控若要发挥更大作用,还需要一些政府部门打破对数据的垄断,公开其掌握的数据。
大数据风控是行业趋势
第五届小贷机构联席会上,诸嘉宾对于用大数据手段做风控将是未来行业趋势这一观点表达了认同。国内唯一纯线上模式P2P平台拍拍贷CEO张俊解释了拍拍贷为何走上依靠线上搜集大数据对借款人进行审核的道路。
张俊表示,“拍拍贷也曾采用过线下面审借款人的方式,但发现这一方式不光成本高,且不准确、不可靠,才逐渐发展为用大数据模型,纯线上的征信方式。”因这一模式的逐渐完善逾期率渐渐降低,张俊称已体会到大数据确实可以给风控技术带来革命性的变化。
FICO(美国个人消费信用评估公司)中国区总裁陈健表示:“用大数据做信用评分的技术方式,能实现标准化、集约化、可控的数量化、精细化的管理。”他认为:“下一步,普惠金融行业获得信息风险管理能力的趋势将是依靠信用评分。”
宁波市小额贷款行业协会秘书长周昌然建议,因现在大数据是新的趋向,小贷公司也应该考虑“把它拿过来,把它运营起来”。
北京共鸣时代科技有限公司CEO陆雨泉认为:“一些互联网征信公司提供的数据涵盖的内容很广泛,在互联网时代,只要一个人有互联网行为就没有什么隐私可言,基于这点,未来的风险管理方式一定是本着科技化的手段不断优化效率。”
大数据风控适用范围窄
但大数据做风控当前更多局限在个人信用贷款上。即使只用在个人信用贷款,张俊也承认若一个人在网上几乎没有数据,拍拍贷的大数据风控系统“魔镜”无法对其信用状况做出判断。
此外,张俊还向参会人员坦露:“基于线上风控体系使用额度也有限制,拍拍贷之所以将借款的最高额度定为50万元,因为我们认为超过这一额度在现阶段不适用于大数据模型。并且,我们的大数据模型只能评判一个人的还款意愿,目前没有办法判断还款能力。”
不同于拍拍贷的纯线上模式,现今,国内大部分P2P平台的扩张仍离不开不同地区线下门店的布局,以此对借款人进行信用审核。对此,中国农业大学农村金融与投资研究中心主任何广文认为:“民间金融机构应当拥抱大数据,但是短期内大数据仍无法成为代替传统信贷决策的工具。反之,金融机构需更多研究本地的信贷文化、信贷模式、社区文化,积累到社区信用数据,这对于信贷工作更加有指导意义。因此,民间金融机构更需要研究好本地化、本土化。”
当前,专注于个人信用贷款的P2P平台只有寥寥几家,大量P2P平台仍将贷款业务聚焦于企业,而大数据风控很难对企业贷款发挥作用。江苏金东小贷公司董事总经理嵇少峰表示:“微贷可以靠大数据法则存活,但小贷不同,小贷所面对的大量小微企业财务不透明、风险多样、管理模式多样,这种情况下,很难用标准化的手段去解决。如果小贷可以标准化做,我们这些民间金融机构就没有生存的机会。”
实现大数据风控还需政府部门推动
张俊认为:一些政府部门未将数据公开是目前无法仅靠“大数据”判断一个人还款能力的原因之一。“如果我们国家房产数据库对社会开放,我就能便捷查到一个人的房产信息来判断他的财力。但现在国家数据基础非常差,最简单的全国公民的婚姻信息都未公开,所以没办法准确、低成本、便捷的核实一些数据。”他表示。
嵇少峰也表达了类似观点,他认为:做大数据,数据来源很重要,但当前政府部门的数据割裂使得获取个人数据较难。“一个公司可能有四五套帐,有帐外销售甚至已经负债,这些都很难调查清楚。而国家很多行政审批环节做的并不透明,这当中的数据是互相隔离和封锁的。在这种情况下,很难准确取得数据。”他说。
贵溪市贵银小贷股份有限公司总经理刘来胜对此也表示了认可,他表示:“政府的各职能部门对数据的管理是割裂、垄断的状态,核心数据是很难抓到的。在税务、海关在交通管理部门以及社保等所有职能部门信息是割裂、垄断的。如果利用大数据,势必要打破垄断的局面,要进行全面的整合。”
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