海量大数据风控，更懂中国借款人

“在我们进入之前，整个行业的风控，实行的是人盯人模式，而现在，有了我们的大数据风控服务，放贷的风险降低了，交易的效率呈几何倍提高。”8月2日，在海量大数据CEO办公室，张大春首次向外界介绍了公司的业务、自己对行业的判断。

张大春做的产品叫海量®，采用sns、电商、电信、交通出行等大量用户在互联网上的信息来建立数据仓库;配合知识图谱等前端科技，提供反欺诈策略;运用logiatic回归算法加上机器学习建立风险模型;基于NPV、P/L分析方式帮助进行客户细分和风险定价。

简而言之就是帮助信贷机构判断客户能不能借，能借多少?

华丽的团队背景，更懂中国借款人

海量创始人、CEO张大春言行举止透着睿智和谦和，显然是位儒商。

阅读张大春的经历，会感到浓烈的国际范。他先后毕业于美国威斯康辛大学、美国哈佛大学商学院。他先后在美国第一资本银行(Capital One)、美国花旗集团(Citi Cards)、埃森哲管理咨询(Accenture MC)以及国内的平安银行从事风险管理工作。

张大春和他的团队正在改变中国互金行业风控的思维方式和路径选择。凭借美国顶尖银行的高级风险管理岗位的经验，以及多年的中国市场开拓、管理实战经历，海量大数据能为银行和非银信贷机构提供一整套信贷产品互联网风控技术解决方案。

快速分清“好人”“坏人”

无论是互联网金融还是消费金融，从业人员一直在寻找更为靠谱的手段、路径。

新的征信手段，与银行有很大的差异。银行的信用卡部门，信贷审核是基于央行征信报告、社保、学历、工作单位、薪酬水平等容易被验证的变量，而互联网金融、消费金融服务于信用更下沉的人群，包括初入职场的年轻人、蓝领灰领工人、在校大学生、农村居民，由于工作的流动性大，或者社保记录不全，以往的银行征信手段难以涉及。

传统的征信手段、路径，往往是人盯人的“人治”性质，需要业务人员面对面地审查用户的资料，以此做出判断。大致场景是，如果某人需要贷款，会联系放贷方的业务人员，出示身份证，递交相关材料，由业务人员审核真伪，评估放贷有无风险，最终由总部予以批准或者拒绝。全流程的科学性不足。

“1个业务人员1天接受10件申请，已经是很高效率了。”张大春认为，效率太低、安全性太低。而海量大数据可以比人工审核增加至少50%的业务单量，降低20%的逾期率，“简而言之，优点是，降低成本+提高效率+增加利润，在一笔业务的完整周期内(贷前、贷中、贷后)，提供一站式的风险管理服务解决方案。”

有测试表明，人盯人的人工审查，在打电话交流上的耗时，平均需要20分钟，而大数据技术可以在1分钟内做出判断，这个用户有没有欺诈的嫌疑?可以放贷多少金额?

风控人员以往需要审核大量纸质材料，来决定是否放款，而借助大数据风控模型的7×24小时不停滚动，可以在两三分钟内完成自动化风控审核，覆盖到传统银行信用卡无法触及的更广阔人群。

大数据并不神秘。人类原本属于“群居动物”，物以类聚、人以群分，“好人”“坏人”都有抱团扎堆的习惯。以贷款为例，当某人在消费金融客户端填好分期贷款申请的那一刻，就揭开了自己所处的巨大的社交图谱网络。在这个网络中，某人与别人可能是互相频繁通电话的强联系，也可能只是浏览过QQ空间的弱联系。

在移动互联时代，没有人可以彻底隐形。借款人在百度曾经浏览过的网页、在淘宝留下的交易记录、手机是白天活跃还是深夜活跃，都可以被抓取，作为评估借款人的数据源，勾勒出一个人的日常生活轨迹。由几亿的数据节点汇聚成的社交图谱网络，让“好人”“坏人”都有迹可循。

“好人”“坏人”是消费金融领域对于信用状况良与不良的借款人的通俗称谓，每个人的社交圈构成、具体的日常行为，在一定程度上决定了这个人的信用度。

张大春及团队，将数据分为两类：结构化数据，由黑名单、申请资料、设备信息、银行卡交易等组成;非结构化数据，由运营商、互联网行为、第三方提供所组成。两类数据可以归并为某用户的身份属性、履约能力、信贷历史、行为特质、消费偏好、社交影响，并进一步显现该用户的行为风险、社交风险、语义风险。上述数据和结论，都将集成模型，快速、便捷地应用于对用户的评判。

对贷前、贷中、贷后实行全覆盖

海量大数据还可以为企业精准营销。张大春介绍，基于调研数据维度，聚类分群，获得客群划分结果;从规模、成长性、开发价值等维度筛选潜在客群;焦点小组访谈，结合定量问卷，详细挖掘和了解潜在客群需求;明确近期开发综合金融产品的组合目标客群。

海量大数据的作用被归纳为：基于海量业务数据，配合知识图谱等前端科技，提供全类型金融产品的反欺诈策略;运用传统逻辑回归算法，辅以机器学习等方法进行信用风险建模，准确预测申请客户的风险等级;通过数据分析帮助企业对客户细分，进行风险定价及续贷提额，充分挖掘客户更大价值，为企业创造更大利益;联合知名资产处置公司，做好风控闭环的最后一步，凭借海量核心技术提高逾期资产回收率。

相比银行信用卡对客户实行的费率一刀切，互金企业和消费金融企业可以借助海量大数据，更加精准地定位风险溢价，可以把社会群体的坏账可能性，由低至高分成50档之多，大数据相当于对一个借款人，进行了全方位的拍照，有的角度显示其是“好人”，有的角度显示其是“坏人”，各种照片叠加，由软件自动决策，这位借款人究竟应该归入哪一档费率。

贷中管理其实很重要，借款人的情况很可能发生变化，需要及时掌握。这时候，海量大数据会提供借款人的还款情况、账单情况、社交情况，将这些参数扔进决策引擎，产生出借款人更多的动态画像。

海量大数据不仅适用于P2P企业等非银信贷机构，也适用于银行等信贷工厂和新兴信贷业务，帮助一线销售、运营、风控、客服、催收，让他们的录单、信审、授信定价、催收、报表等工作更智能、更快、更稳定。

大数据技术处于萌芽期

确有不少业内人士对大数据风控的有效性存疑，行业内真正掌握大数据筛选能力的公司仍在少数。

“很多中小企业还没有使用大数据的意识，或者，有了意识却没有行动起来。”张大春感慨，中国有十几万家的放贷机构，很大一部分仍然奉行经验主义，依赖业务人员的个体素质。“这些机构的放贷、催收环节，风控能力都值得担忧，都容易发生问题，比如，业务员与贷款人士勾结，业务员的直接领导不一定能够及时发现，而负责最终审核的总部，也很难控制。”这些风控不过关的机构，怎么可能做大做强呢。

这就好比相同的疾病，实习医生治不了，主任医生却很拿手，因此，同样的大数据，在不同的分析者手里，效果、结果不一样。这不是大数据的错，而应该检讨分析者的能力，数据量是否足够覆盖，能不能及时更新，以及处于什么情景下，都会产生影响。但是，数据是互联网金融企业的重要资产，已成为行业共识。谁掌握了客户群体的信用基础数据，并能准确分析，谁就可以实现最低成本。

张大春呼吁互联网金融企业、消费金融企业尽早运用大数据技术，为企业的运营增加一件防弹衣、一个加速器。“大数据技术在国内互联网金融行业处于萌芽期，一是存在技术门槛，需要接入大量的外部数据，二是存在分析能力的门槛，需要配备统计、数学、物理等专业背景的员工，需要硕士以上学历。三是风险管理的模型必须经过真实信贷数据校验，我们的模型已经跑了300万人次，实践证明，高效易用，这个在行业里面应该是首屈一指的，当然，酒香也怕巷子深，我们也需要多花时间向银行和非银信贷机构推广。”张大春如实说来。