
互联网改变信用贷款:大数据让失联借款人现身
失联借款人在微博微信上“现身”
要做到这一点,很难。
对于传统的信用贷款发放机构而言,如果没有互联网,当一个借款人逾期并处于失联状态时,这笔债务的催收将陷入停滞状态;而互联网的普及和大数据运用的推广,则给锁定失联借款人提供了可能,也给新兴的互联网金融企业提供了一种催收的新路径。
业内人士指出,在互联网上有很多零散的、各自独立的信息记录系统——就单个的信息而言,它可能是碎片化的,但是将其通过大数据技术整合联接起来,就会准确地描画出一个人的行为轨迹来。
精准锁定逾期失联借款人
这些数据不仅服务于债务的催收,也可服务于前端信用的评估和更具个性化的营销推广。 根据中国互联网信息中心发布的最新报告,截至2014年年底,我国网民规模已达6.49亿人,其中手机网民规模达5.57亿;我国网民平均每天上网时间约3.7小时。
在网民群体中,20岁到40岁的网民占比最高,这也是借贷市场的主要目标客户。规模庞大的网民数量、每天产生的海量数据,也给互联网金融风控提供了有力支撑。
玖富公司是一家移动互联网金融服务企业。近日,其首席风控官穆远对法治周末记者表示,对于现在80、90后这一代人来讲,青春岁月基本上都能在互联网上找到相应的轨迹,很难在互联网上创造出一个与他无关的、全新的、且具有相当长历史的身份。
正是基于此,玖富从事催收业务的同事在进行业务交流时,交流的内容都在发生变化。穆远介绍,以前催收人员分享的,多是如何在借款人单位和家庭住址处蹲守,如何同借款人的邻居交流来获取借款人的信息;而现在,催收人员在一起交流的内容,是如何利用微信、微博、贴吧、论坛中的信息和数据对客户行为特征进行分析,然后制定更有针对性的催收方案。
穆远介绍,之前,有一个借款人在玖富借款期限届满后失联,催收人员便利用互联网、各种移动终端收集其信息。一个偶然的机会,催收人员在这个借款人的微博中发现了一张很久以前他和亲友的合影,照片上还显示出了其亲友工作单位的信息。于是催收人员便同这位亲友取得了联系。而借款人在知晓催收人员联系其亲友后,担心欠债不还会影响自己的声誉,遂及时偿还了债务。
信而富CEO王征宇博士向法治周末记者介绍,就催收而言,此前肯定是要经历一个信用审核的过程,确定其是否具有真实的还款意愿、是否具备还款能力、还款稳定性如何。“举例而言,如果一个借款人在一个地区、一个单位生活工作了多年,意味着其在当地建立有一系列社会关系,在这种情况下,其变动成本很高,也就是说,借款人稳定性越高,出现违约的概率就越低,平台抵御风险的能力就越强。”王征宇说。
“由于在对借款人进行信用审核时肯定会采集借款人的联系方式,包括电话、家庭及工作单位地址等数据,催收时首先也是使用这一数据,如果通过上述方式还是联系不到借款人,这说明传统的联系方式已经失效,这时就需要收集新的数据。”王征宇说。
随着互联网技术的快速发展,王征宇表示,一个人在互联网上会留有非常多的轨迹,这时包括社交数据等信息都会成为锁定失联借款人的重要方式,借用发达的搜索技术,通过对这些数据进行收集和跟踪分析,是有可能凭借这些蛛丝马迹将其找到的。
王征宇也分享了公司催收的一个案例,之前信而富平台有一位从事鲜花业务的借款人在还款期届满时失联,无法通过传统的联系方式找到该借款人。在了解到该借款人有用花的名称编写顺口溜的习惯后,催收人员就在网络上搜集与之相关的数据,试图从中找寻该借款人的蛛丝马迹,最终在一个QQ聊天群中锁定了该借款人,使其偿还了债务。
数据中的“星星”和“太阳”
王征宇表示,对于传统的信贷业务而言,评估一个人信用最准确、最有效的数据,就是客户的信贷历史数据,其效用“就如同太阳的光照”。在此基础上,社交网络数据、行为数据对于评估一个人的信用会有些作用,但是作用较为微弱,如同“星星”,在太阳的强烈光照下,星星的光亮会隐去。
不过,目前在中国央行征信系统中有信贷记录的用户仅有2.9亿人,覆盖率只有20%。当用户没有征信数据时,王征宇表示,对其信用的评估就相当于处于一个黑夜,这时电商交易数据、社交网络行为、在线支付行为等数据就如同“星星”,如果方法运用得当,将他们结合在一起,在借款人进行非常小额的借款申请时,可以对其信用评估起到某种预测作用。
其实这些来自互联网上星星点点的数据,不仅帮助互联网金融机构做贷前审核和贷后催收,还在贷中风险监测上发挥着很大的作用。
穆远对法治周末记者介绍,用户在玖富申请借款时,经借款人许可,玖富的APP可以获得对借款人通讯录、行为轨迹等数据进行收集的权限,这些数据不仅能帮助公司在其失联后将其锁定,还可以做贷中风险监测。比如该借款人的行为轨迹显示其频繁前往澳门,公司就会预判其可能存在赌博嗜好,对其还款风险做特别关注。
可作用于信贷全流程
其实在美国、英国这些传统征信业发达的国家,基于成熟的征信体系,以及成熟的大数据运用技术,借贷平台对借款人信用的审核、贷后的跟踪监测更多的是基于系统自动化来完成。
以第一家登陆美国资本市场的Lending Club为例,其促成借贷规模超过50亿美元,但是员工总数仅为六七百人;英国老牌P2P业务的公司Zoppa,员工总数也只有六十余人。这些公司主要通过采购数据和集成数据解决数据来源问题,公司更多的是做数据的评估和模型的构建。
反观国内,很多P2P公司为了做大规模、做好风控,更多的还是依赖人海战术。公开资料显示,成交规模在行业内居前列的公司,员工人数往往多达上千人,甚至过万。
目前,随着大数据在国内多个行业内如火如荼的运用,国内一些互联网金融企业也开始运用大数据,增强公司运作的“科技感”。
特别是在现下的移动互联网时代,以PC端推广来获得客源成本的居高不下,这让一些互联网金融企业借助大数据转战移动端,由于增强营销的个性化和精准度,不仅降低了营销成本,目前也取得了不错的效果。
中国社会科学院法学所研究员周汉华对法治周末记者表示,大数据的运用可以降低传统征信中信息不对称的问题,对于互联网金融公司从事风控而言,具有如虎添翼的效果,这对降低社会交易成本具有正面意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19