
互联网金融平台发力大数据风控 融360推天机
今年来,大数据风控俨然成为互联网金融企业争抢的高地。
昨日(5月6日),继P2P平台拍拍贷“魔镜”之后,在线金融搜索服务平台融360也宣布推出大数据风控系统——天机,该系统主要针对5万元以下的个人信用贷款申请。
“现在大概有二十多家小贷公司和P2P平台在用这个系统,一些银行也在谈”,融360联合创始人叶大清对《每日经济新闻》记者表示,另外,其平台做这个系统并不是要做征信服务,因此暂无申请个人征信牌照的计划。
业内人士认为,对于P2P平台来说,是否需要用大数据进行风控,与每家平台的业务模式密切相关。另外,有人还存在一定误解,以为数据量大就是大数据,事实上并非如此,其中,如何对数据进行分析和与应用,显得至关重要。
正与芝麻信用等探讨合作
据介绍,“天机”大数据风控系统包含一组模型,会根据身份认证,还款意愿和还款能力三大维度,给申请贷款的用户进行信用评分,依据分值来决定是否应放款。“目前‘天机’系统已支持了平台的某些小额贷款产品,(主要)针对特定细分市场,融360的目标是力争5万元以内的小额贷款平均12小时放款”,融360负责风控业务的副总裁李英浩指出,信用评估自动化不仅加速了整个信贷决策过程,提高了从申请到获批整个流程的效率,而且贷款获批率也得到了显著提升。至于贷款的逾期率,以12个月违约风险举例,通过“天机”模型筛选的用户,逾期率比没有经过筛选的低一半。
李英浩坦言,大数据风控是一个需要不断完善优化的过程,从来就没有标准的解决方案,因此,融360采取了开放合作的态度,芝麻信用和融360在模型和产品方面正在就进行深入合作进行探讨。
多年来,金融机构很大程度上都依赖于央行征信报告来决定是否给个人客户授信。但我国仍有不少人没有信贷记录,加之个人客户贷款额度小、需求分散、个性化需求多,使得大多传统银行想在做零售贷款方面显得力不从心。“互联网金融不能简单将传统金融服务模式往线上一搬就了事。互联网金融的核心竞争力并不是营销获客能力,而是大数据风控能力,即借助于更加广泛的数据,让那些在央行征信系统没有信用记录的个人消费者和小微企业主也有可能申请到贷款。”叶大清分析指出。
此外,叶大清强调,融360开发大数据风控系统,不是要做征信服务,而是通过积累的数据和风险技术更好服务于自有平台的贷款人和合作伙伴。同时,其平台目前没有申请个人征信牌照的计划,主要还是和征信机构合作。
大数据风控系统成“标配”?
据《每日经济新闻》记者了解,融360并不是第一家在大数据风控系统发力的互联网金融企业,芝麻信用和一些P2P平台也在陆续研发大数据信用评估模型。如阿里推出了面向社会的信用服务体系芝麻信用;腾讯掌握着基于微信的社交信息数据,即将推出自己的大数据征信;P2P平台拍拍贷此前已经推出了“魔镜”大数据风控系统。
那么,大数据风控系统是否会成为互联网金融企业的标配?“P2P平台是否需要用大数据来风控,与每个平台的业务模式有很大相关性。其中,越是偏向小微和个人贷款业务的平台,越需要用大数据风控模型来进行风控,以降低风控成本,提升风控的准确性,而金额较大的面向企业的贷款业务,越需要用线下风控模式,因为每个企业的经营状况和还款能力都不一样,无法用一致的模型来评估,只有线下风控才能更好的把控风险。”短融网CEO王坤分析指出。
银客网副总裁李飞也告诉《每日经济新闻》记者,数据化风控有助于加强互联网金融(平台)的风控管理与风控效率,但必须注意的是,数据大与大数据有着本质的差别,数据量大并不是大数据,采集、建模、分析、应用,如何通过碎片化的信息处理整合,进而得到应用才是大数据的雏形。
李飞表示,对于大数据,业内还是有一些混淆的认识,数据量大只是大数据的第一步,而且这个数据量应该是非常庞大的,不是几个接口就可以,分析能力与应用能力是关键。
谈及监管,李飞分析认为出,从近期央行和银监会部分领导的谈话可以看出,P2P业务未来可能归入金融类,而金融类业务持有牌照方能经营。但在目前,互联网金融仍然作为信息中介平台而存在,这与牌照之说的确存在一些矛盾的地方,但哪怕信息中介,也可以有牌照,具体要看这个牌照所定义的范围是如何。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29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 ...
2025-09-23