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
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18