京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05