把数据做深 比做宽更有意义

优分数据首席风控师戴星：

把数据做深

比做宽更有意义

互联网金融进军个人市场，依赖的就是征信和大数据。有了这些数据的支持，就有了将个人信贷变成标准化产品的机会。接着又有了机器算法，于是有了替代人工达到高效和低成本的机会。所以，风控领域的大数据应用，首先要感谢民间消费金融的崛起和大数据技术。

大数据在消费金融中的应用，其买卖的商业模式简单和清晰，所以风投们也迎风而来，推动了整体大数据行业的发展。据说，2015年下半年平均三天就诞生一家数据公司，2016年估计平均一周就有一家了。这个发展速度，让我们都成了“风口上飞翔的猪”。

在金融风控数据应用领域，存在着两种不同的模型路径，一种是大数据行业现在最汹涌的统计归纳，强调数据关联的统计规律，从机器算法上说就是只问结果不用问原因；另一种是传统金融使用的逻辑演绎法，强调“从为什么上找结果”。这两种模式必须同时开展，互相印证，才有可能形成完整的风控服务模式。

我个人认为，未来风控大数据应用首先是两种算法模型的匹配建立，其次是对精准数据维度的挖掘使用。从信贷行业发展角度来说，把数据做深比做宽可能更有意义。

百融金服副总裁段莹：

大数据风控就是

“挑出好人与坏人”

大数据风控产品设计，本质就两件事：通过一些技术手段、数据手段、模型手段，挑出坏人和好人。

如何从好人里面挑坏人，坏人里面挑好人？“挑坏人”其实相对简单，就是反欺诈。央行有一个征信系统，逾期出现过不良，我们认为他可能是“坏人”，因为“如果曾经不还钱，那未来不还钱的概率会更大”是个典型理论。通过大数据风控这个产品，我们可以获取“黑名单”“银行共债”“非银机构共债”等负面信息，从而利用各种各样的大数据技术手段、互联网技术手段把坏人摘取出来，甚至找到针对消费金融公司欺诈的QQ群等“值得关注的坏人”。

我们最关心的问题还是“坏人里面挑好人”。作为信贷机构，其最终目的也不是非要把坏人抓出来，而是把钱安全放出去、安全收回来。从坏人里面把好人挑出来，这是做信贷最核心的点。

如何“把好人挑出来”？必须通过更多数据、更多维度、更加智能化的算法实现风险定价，审视其信用评估、还款能力意愿稳定性。很多时候，百融金服为了更加综合地应用还款能力、意愿和稳定性信息，会给评价对象一个评分，这个评分跟违约概率相关。

数据互融销售副总裁杨大伟：

风险定价让互联网金融

实现普惠金融目标

我们行业面临的一大挑战是普惠金融。这个“惠”从哪儿来？从利率上来。传统金融机构提供的服务，资本成本低，贷款利率非常低，这对金融机构是不合理的。对互联网金融来说，大家拼的是大数据，但对互联网金融本质应用模型的决策手段，才能体现出互联网没有边际成本的优势。

我们都知道阿里巴巴的金融非常强大。利用无边际成本，阿里巴巴一年通过平台投资额接近上万亿元。对于互联网金融，做分析的企业有两个价值：

一是成本和效率。国家监管要求金融机构有10%的风控人员，但实际上国际项目风控仅占人员成本5%左右，经过不断优化，人工信审成本可以降低到10%以下。

二是依靠纯粹人工经验不具可复制性。对于同样一个人，我们请两个风控人员去判断，有的风控人员觉得足以信赖，有的风控人员却认为不可信赖。模型把经验固化了，培训十个风控人员可以保证判断的一致性，但如果培养一千个风控模型，就很难做到机构风险偏好的一致。

风险都是相互咬合的关系，我们去做风险定价，要做全面的风险惯例。这个机构做哪几种产品？每种产品风险是否一样？这些因素都需要综合考虑。针对不同产品还要做到资产组合配置，从整个宏观角度去看风险的定义。只有进行风险定价、量化分析，中国的互联网金融才有可能实现普惠金融的目标。

（本栏稿件由本报记者根据数据观整理）