
大数据下的互联网金融精细化运营_数据分析师
在刚刚过去的两会中,政府工作报告首次提出“互联网+”概念,互联网与各传统行业的“加和”效应迎来了一波全民讨论的热潮。
传统行业以金融为例,在与互联网的“加和”历经创新、阵痛、借鉴、突破、融合之后,“互联网+金融”已然深刻改变了传统金融的经营模式和经营格局。近年来不断涌现的新兴服务和模式:第三方支付、手机银行、手机理财、互联网货币、P2P、众筹,让“互联网+金融”的力量一再彰显,也让更多的“长尾用户”享受到了普惠的金融服务。
尤其在今天,伴随着移动互联网和大数据技术的成熟及应用,互联网金融更将迎来几何倍的爆发式增长。企业如何持续依靠技术驱动进行创新性发展?大数据如何助力企业的精细化运营?4月8日,国内第三方消息推送服务商极光推送联合宜信宜人贷、中国社会科学院金融所银行研究室及金融大数据公司量化派在3W咖啡举办了一场科技沙龙,探讨“大数据下的互联网金融精细化运营”话题。
会上,宜信宜人贷CTO段念以宜人贷推出的国内首个大数据信贷产品——“极速模式”为例,解答了关于“互联网+P2P”,那些已经发生的、正在发生的、将要发生的。
宜信宜人贷CTO段念
互联网+P2P不是线下的搬运工
P2P是个充满挑战的行业:隐性门槛极高、充满机遇却也暗藏风险。特别是在中国现有信用体系不健全和行业监管缺失的前提下,P2P的行业环境更加鱼龙混杂。
近年来随着P2P平台挪腾线上,欺诈成本降低、欺诈手段变换,平台的信审和风控机制也亟需迭代,为线上P2P平台提出了严峻的命题要求——不但要引入线下的规则作为参考和经验,更要广泛采集用户信息和行为,来打造全新的信审和风控模型。
极速模式国内首款大数据信贷产品
2014年4月,宜人贷推出了国内首款大数据信贷产品——“极速模式”。这是一款面向具有“充分互联网行为”人群的手机借款服务。
在“极速模式”下申请借款的人群,至少需要满足两个条件:一,拥有信用卡以及接收信用卡电子账单的邮箱;二,拥有电商网站的账号及真实的交易记录。
采集信用卡账单及电商网站信息后,系统结合用户提供的个人信息——如手机号、姓名、身份证以及银行卡,将这些数据放入后台的反欺诈系统,反复交叉验证用户数据,作为判断是否授信以及衡量授信额度的依据。
上线一年来,“极速模式”现已达成“1分钟授信,10分钟审核”,最快当天到帐、额度最高十万元的快速借款。目前累计放款突破9亿元,为超过百万的用户提供了信用评估服务。
极速背后线上之上
开发“极速模式”的初衷,是基于宜信九年服务百万用户的风控经验,更是联合宜人贷“线上”和“指尖”科技达成的创新成果。
互联网要求“轻”而“快”,用户的痛点是“快速”和"便捷";金融要求“缜密”和“严谨”,企业的痛点是风险控制。落地到“互联网+P2P”的命题下,则是用户渴望“输入信息少、审批速度快”和企业希望“审批信息多、过程更翔实”;看似对垒的两方需求,如何通过互联网和移动互联网技术来解决?
第一,线下信息如何转移到线上?
凭借互联网技术,线下所需提交的信息有了更高效的采集方式。原本动辄四、五十项信息的手工填写,如今只需要用户简单的信息录入和“授权读取”操作,系统便能够自动完成。
以通话和信用卡账单为例,原先需要用户本人去营业厅和银行查询、打印并提交,如此一来用户体验很差,二来人工审核造假成本也较高;现在,通过“极速模式”,只需要录入信用卡账单的接收邮箱及手机号,不但系统可以秒读信息;而且信息可以迅速放入反欺诈模型中进行识别校验。
第二,更广泛的信息搜集渠道。
除此之外,“极速模式”背后有一套代号为“蜂巢”的信息抓取系统。我们从不同维度采集用户信息,比如电商网站以及一些散落在互联网上的边缘性信息,用来丰富用户形象,以得到更精准的数据分析结果。
第三,更多重的甄别手段。
互联网技术的发展,尤其是移动互联网技术的发展,为我们收集更多纬度的信息,实现多重甄别提供了技术上的可能。
例如,手机App可以自然地提供用户的地理位置等信息。如此一来,恶意造假的黑中介造假成本便大大提高了。一旦黑中介通过手机客户端提交借款申请,我们便可以基于其地理位置进行数据分析,针对提交频率高、逾期率高的地点进行额外的风险观察,从而建立基于地理位置的黑名单区域。
线上和指尖是未竟之境
互联网和移动互联网技术帮助企业获得更广泛和真实的用户数据、更多重的甄别手段,P2P平台基于此将陆续展开大数据下的精细化运营。
据CTO段念介绍,宜人贷“极速模式”较之以往模式不但快的多、轻的多,而且逾期率也非常低,未来会进一步推广和迭代。
接下来,宜人贷会朝着“线上”+“指尖”的方向继续前进,在“未竟之境”通过技术手段持续提升平台效率,为更多的借款人和出借人提供高效优质的金融服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09