
大数据改变世界:贷款不再需征信
当未来的金融工作者们决定是否向借贷人发放贷款时,他们可能关注的是潜在客户在填报表格时是否仅使用了英文大写字母,或者是客户们投入到在线阅读合同条款所用的时间,而不是潜在客户们的征信记录。
这些关于用户行为的举动--将会被能够扫描成千上万的关于用户线下和线上生活数据的复杂软件所采用--正成为一小部分创造新型借贷模式的创新公司所关注的焦点。
没有一个单一的举动将成为决定性的因素,但是从各个渠道收集到的信息,其中包括用户的家庭购买习惯、账单支付记录以及社交网络关系,都将会成为这一拼凑的、预测性画卷的一部分。这实际上就是数字时代采用了最基本原理的银行业务:了解自己的客户。
借贷创新公司Earnest首席执行官路易斯·贝利尔(Louis Beryl)表示,“我们正在打造未来的消费者银行。”在这样的银行里,客户是否使用正确的大小写,以及阅读贷款合同条款花费的时间,都可能会让他拥有更高的信誉。
由于这种技术还非常新颖,因此它的潜能还未得到验证。同样,在消费信贷领域引入数据科学这一现代技术也会引发顾虑,对那些执行反歧视法规的立法者而言尤为如此。
所有的这些新兴创新公司,均不是拥有包括接收存款业务在内的全方位服务的消费者银行。不过它们致力于改造承销经济,以及消费者借贷的体验,寄希望以更低的成本向成千上万的美国人发放贷款。
Earnest使用新型工具用户发放个人贷款。另外一家创新公司Affirm,则向消费者在网络购物时提供了可替代信用卡的产品。还有一家创新公司ZestFinance,业务专注于发薪日贷款(Payday Loan)这一相对更小的市场。
与传统主要依靠借贷人征信记录来计算信贷额度的做法截然不同,这些创新企业全部都是海量信息和聪慧的软件所支持的新型消费金融的愿景。
支持者认为,新技术能够为更精确的评估借贷人信贷额度提供机会。他们认为,更好的风险分析,将会扩展拆解市场,并减少借贷成本。美国消费者金融保护局前副局长、风险投资人拉杰夫·戴特(Rajeev Date)表示,“这些金融创新公司,拥有着让数百万人节约出数以十亿美元计的支出的潜力。”投资人当然已经看到,资金和人才正在蜂拥进入这一新兴市场。各大银行、信用卡公司和互联网巨头,则在密切的关注着这些后起之秀,研究它们的技术,留意出现的风险。
根据美国法律的规定,出借方不能以人种、宗教、原国籍、性别、婚姻状况、年龄或是接受政府援助金而其实申请借款人。大数据贷款,则主要依赖于软件算法。但是这种贷款的风险在于,尽管它依赖于庞大的数据和复杂的运算,但是这个自动化的系统仍可人为控制。即便是不刻意加入特定程序,软件最终仍可能会歧视特定的人种或民族。即便是支持者也承认这种缺陷。戴特表示,“这确实令人感到不安。”
Affirm首席执行官麦克斯·拉夫琴(Max Levchin)表示,“保持不尝试着解释太多的原则非常重要。”他强调,增加人类的设想,可能会把偏见引入到数据分析当中。
立法者当前正密切关注着新技术会有着什么样的表现。消费者金融保护局公平借贷办公室主任帕特里斯·菲克林(Patrice Ficklin)表示,在密切监控新兴市场的同时,消费者金融保护局希望能够鼓励创新。
依照数据处理的借贷创新公司发现了机遇。根据全美消费者报告协会的预测,大约有7000万美国人要么没有信用评分,要么就是有着会影响打分的不良征信记录。移民和刚毕业的大学生,通常为信用等级较低的两类人群。
Affirm位于旧金山的办公室看上去一点也不像是一家银行。这家在去年7月才推出在线购物借贷业务的创新公司,当前的成长速度非常快,且拥有着雄心勃勃的计划。Affirm表示,在成立的12个月时间中,该公司将有望借贷出1亿美元。目前,超过100家在线商户,都已经使用了Affirm的分期付款产品Buy With Affirm。Affirm表示,该公司的下一步打算,是推出学生贷款。作为互联网支付服务PayPal的联合创始人,拉夫琴表示,这些仅仅是Affirm发展的第一步。他说,“Affirm的长期目标是使用数据和软件,来颠覆和革新整个金融圈。”
Earnest首席执行官贝利尔在攻读哈佛大学工商管理学硕士和公共政策双学位时,曾申请贷款用于教育支出,但遭到银行方面的拒绝。当时,曾在大学期间主修普林斯顿大学金融工程学的贝利尔,已经在华尔街工作了若干个年头。之所以选择攻读研究生,是贝利尔希望能够对自己进行投资,增加未来的收入。
从申请贷款被拒这件事情上,贝利尔发现传统银行在申请贷款问题上观念极为狭隘,对于绝大多数的美国人而言,申请贷款极为困难,且代价太高。
Earnest创办于2013年,并从去年开始开展借贷业务。2014年,Earnest的放贷总额达到了800万美元。贝利尔表示,去年12月,该公司的月环比增长率已经达到了70%。Earnest通常的房贷金额在几千美元,但最高可以达到3万美元。Earnest的许多贷款,主要用于搬迁费用,或者是职业培训。
截至目前,Earnest的贷款主要发放给年龄在22岁至34岁的大学毕业生。贝利尔表示,年轻人是公司关注的焦点,同样也反映出最好的商业机遇。他说,“不给年轻人放贷,是借贷市场最大的错误之一。”
这些创新企业的早期客户,主要被它们简单的借贷体验、以及低利率所吸引。这些客户主要为年轻人,对在线购物和共享信息毫无顾忌。
22岁的大学毕业生阿南达·潘迪(Ananta Pandey),去年8月使用Affirm的贷款从在线零售商Casper处购买了一个价值850美元的床垫。如今,她已成为纽约一家创新公司的软件工程师。购买这个床垫,主要是为了能够与三位室友合租一个公寓房。
潘迪当时只有一张信用卡,且信用额度仅有1000美元。她说,因为合租房屋还需要一笔支出,Affirm的贷款向她提供了财务弹性。潘迪还非常欣赏Affirm无缝的贷款程序。Affirm要求借贷人填写电话号码、姓名、出生日期和社会保险号的后四位。Affirm然后会要求申请者用短信进行答复,来确定申请者的身份。Affirm几乎立即就做出了放贷决定。整个程序只花费了不到两分钟的时间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07