京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电商涉足P2P背后的逻辑:大数据是最可靠的风控依据
随着P2P网贷的不断发展,网贷模式也在不断地更新。从最初的拍拍贷的纯线上模式,到红岭的大单模式,再到以有利网为代表的通道模式,P2P网贷在国内所延伸出来的模式创新层出不穷。时间进入2014年下半年,随着股市大涨,股票配资的业务模式应运而生,而羊年开年后,行业又爆出知名电商多赢涉足P2P网贷,电商不卖商品,卖钱来了。电商做P2P,有哪些优势呢?贸贸然而进入,又哪来的自信呢?
P2P面临的最大问题是什么?
目前在P2P网贷行业内比较主流的观点:未来行业一定是“大而全与小而美并存”。在我个人看来,网贷领域是很难做到大而全的。很多人也拿陆金所这样的巨头在行业中的地位,来判定行业的格局已经初步形成。但是最近我们也看到了,陆金所准备单独拆分P2P业务,由此可见,P2P业务在陆金所的整个业务体系中所占的比例也不算太多。除去陆金所,以P2P为核心业务的红岭创投,不断被坏账缠身。另外,几家号称排名前列的网贷平台,相信其所面临的风控压力一定也不小。
在我个人看来,很多平台的业务其实已经做到了天花板。再继续扩大平台的业务量,其风险就会超出平台的可控范围。什么这样说呢?最核心的问题就是平台无法解决风控问题。风控之所以难以解决,最核心的因素还是由网贷本身涉及的借贷市场特性决定的。网贷业务涉及的基本就是次级贷市场,本身业务质量并不高,好的项目数量更是屈指可数。这种情况下,要大量提升业务量,风控质量必定下降,坏账隐患出现。因此,在平台做到一定规模的情况下,风控基本就会成为平台发展的最大瓶颈。而金融的地域性,在一定程度上决定了异地风险的不可控性。在这样的情况下,网贷领域巨头很难出现,未来网贷行业一定是呈区域细分、行业细分的百花齐放状。
电商企业涉足金融,行业机会何在?
目前,银行端基本不愿意把钱借给电商企业,因为对于银行来说,他们更偏好实体经济,实体抵押。电商的交易数据、物流数据等传统银行也不愿意承认。 但是,银行不愿意做的业务,其业务质量就一定不高吗?非也!更多的还是因为传统的金融机构在电商领域缺乏相关的经验。但是,实体经济转型的速度越来越快,对互联网的依赖越来越重,越来越多交易从线下搬到了线上。
大量的电商企业在需要大量备货,其背后的金融需求该又谁来满足? 国内最大的几家电商平台,早在几年前就开始面向电商企业提供金融服务了。阿里、慧聪是国内最早涉足这块业务的企业。但是,不管是阿里还是慧聪,其所提供的金融服务毕竟有限,远远无法满足电商领域的真正的融资需求。
大量的市场需求,又该由谁来满足呢?显然,p2p网贷是一个渠道。华南的电商企业多赢6000万收购某家P2P网贷平台,变身多赢金融拉开了电商进军网贷市场的第一幕。
电商涉足P2P网贷能够解决什么样的问题?
首先,我们都说P2P网贷能够颠覆传统金融,因为他更高效,更便捷。但是,P2P网贷真像我们想象中的那样吗?
对于多数网贷平台来说,其风控严重依赖于线下。很多公司虽然号称互联网金融企业,却到处开线下店,业务员占到了公司员工数的70%以上。这样的模式,并不如我们当初所设想的那样高效与便捷。模式变得越来越重是目前很多平台所面临的最尬尴的问题。 风控难题,制约着很多网贷平台的发展。
那么电商又有什么样的解决方式呢?很简单,电商的交易数据、物流数据、包括平台电商给出的授信额度都能够作为风控的参考依据。大数据风控目前最可靠的数据一定是来自电商领域。这样就能够在目前的环境下真正的做到P2P网贷的高效与便捷。风控与业务线上化,这样的模式也许就P2P网贷的最优模式。
非平台类型的电商涉足P2P网贷所面临的问题
前面提到了,阿里、慧聪这样的平台方其实很早之前就涉及了电商金融服务。最核心的因素就是他们有最核心的数据,基于大数据的风控就能够对电商企业进行授信。但是,类似于多赢这样的非平台方的电商企业,涉足网贷领域最大的难点,是如何与阿里、慧聪这样的平台方合作,取得其授信资料,解决风控问题,才是多赢金融未来要走的路。
阿里的征信服务,未来或将成为电商解决风控的重要参考依据。目前阿里推出了针对个人信用评估的芝麻信用,未来针对企业用户的信用评估,是否会向围绕“电商企业提供金融服务”的平台开放呢?如果开放,这样一个巨大的市场,注定成为P2P网贷行业的最优模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13