案例 - BAT、网易、京东等是怎么做大数据风控的?

大数据风控目前应该是前沿技术在金融领域的最成熟应用,相对于智能投顾、区块链等还在初期的金融科技应用,大数据风控目前已经在业界逐步普及,从BATJ这样的大企业,到交易规模比较大的网贷平台,再到做现金贷、消费金融的创业公司,都在通过大数据风控技术来控制贷款规模扩张中的风险。

现在提到互联网金融、Fintech,首先想到的就是大数据风控。随着网易北斗大数据风控平台的上线,业内包括BAT、网易在内的主要国内互联网巨头都开始在大数据和金融衍生应用领域进入了金融科技化阶段,和互联网金融第一阶段相比,目前产生了以大数据金融、风控、智能投顾、个性化产品等为代表的新阶段,伴随着监管的深入和全国性互联网金融政治风暴的规范化推进,1.0时代的互联网渠道和通道金融将逐步被融合了大数据、人工智能和机器深度学习的金融科技所替代。大家都在做,对行业格局有什么影响,未来的市场格局会是什么样子?

模型、资金、场景,互联网与金融机构各取所需

在大数据风控领域,核心的三个要素是风控模型、场景和资金。传统商业银行往往拥有低成本资金优势,在线下场景也具有长期客户积累,但是在线上大数据和数以千、万计的风控因子方面却稍显吃力;而BAT、网易在内的互联网IT巨头,则在海量的数据、金融云、线上场景和用户精准分析方面优势领先,但是需要一定的资金对接和金融牌照服务资质。于是乎,在目前金融监管收紧,而双方都有迫切需求的情况下,通过互联网IT巨头的技术、数据、模型对接线下传统金融的资金,成为了一个标准化的产业链合作模式。

近期互金公司在大数据风控领域布局愈加频繁

进入2017年不到半年时间,大数据风控领域不断有新动作:

360金融借助大数据征信和风控,推出消费金融产品360借条,推出闪电放款随借随还机制。

网易金融发布了网易北斗智能风控系统,基于网易的数据积累和外部数据,通过网易的建模及计算能力,以及神经网络/机器学习/支持向量机等技术能力,形成大数据风控体系,构建“新赋能”金融科技商业模式,开放数据与技术能力,与商业伙伴共建信用生态。

宜信旗下的致诚信用正式发布“致诚阿福共享平台”,推出阿福数据共享、致诚通用评分、阿福反欺诈决策引擎、授权数据抓取、阿福信用速查等产品和服务,向行业输出数据产品及金融科技服务,为商业伙伴提供大数据风控能力。

此外,一直以做大额融资标的著称的红岭创投面临转型压力,其董事长周世平最近也表示,随着网贷监管办法的出台,限额让网贷的生存空间受限制,今后将重点关注智能投顾,金融IT等金融科技,金融大数据解决方案等。

由此可见,现在互金行业一个重要的趋势是,有向普惠金融、小额信贷服务转型需要的公司,与拥有数据资源的公司,都在努力向大数据风控领域布局。

对于前者而言,大数据风控是做小额融资标的的必备工具;对于后者而言,大数据风控可以提供将数据和技术进行变现的途径。另外,可以看到,大数据风控系统的开放也已经成为趋势。

大公司与互金创业企业都在做大数据风控,但策略有所不同

以上大数据领域的新动作是互金公司发力大数据风控的缩影。近年以来,互金公司对大数据风控的布局热情满满,从大公司到创业企业,都在大数据风控上下功夫。

大公司纷纷做大数据风控技术输出

在大公司方面,一个共同特征是,都在开发自己的数据体系,利用技术打造风控能力,且将这种能力开放给业界。

蚂蚁金服旗下芝麻信用称,利用梯度提升决策树、随机森林、神经网络、分群调整技术、增量学习技术等在内的机器学习算法,可以为缺少信贷记录的人群做出客观的信用评价。芝麻信用已通过商家自助服务平台全面开放消费金融风控能力,帮助行业提升风控水平;

京东金融形成了由多种大数据机器学习模型构成的弱分类组合预测模型,借助随机森林、lasso回归等算法,参考数千个预测变量,借此评估用户的还款意愿和还款能力。京东称,正在构建开放生态,开放技术、产品能力,为传统金融机构赋能,帮助其降低成本提高效率。

腾讯旗下的微众银行陆续建立了客户分群授信、社交评分、信用评分、商户授信管理、欺诈侦测等系列模型。微众银行也在做技术输出,推进同业合作,帮助合作伙伴构建移动互联网金融服务能力;

百度金融将自己定位为科技金融公司,以大数据技术为发力点,通过人工智能、用户画像、精准建模等技术,扩大征信范围,并对外开放技术能力;

刚刚推出大数据风控系统的网易金融也主打开放性,为金融机构面向中小微企业和个人的融资服务提供获客、征信、授信、管理和催收等服务,并输出营销、客服等解决方案。

案例 - BAT、网易、京东等是怎么做大数据风控的?_第1张图片

可以看到,大公司基本都选择将自己的数据和技术产品化,开放给合作伙伴。

近年来除了BAT等大公司掌握了强大的风控技术之外,各个互联网金融新兴企业也有了自己的科研成果,推出了很多格局特色的大数据风控系统。

凡普金科:基于”PH云图“的模型,通过机器学习,自然语言处理等技术链接内外部数据源,形成用于风控的知识体系。

拍拍贷:墨镜评级系统,采集多达2000个维度数据,形成专业反欺诈团队。

融360:天机大数据风控系统,根据身份验证、还款意愿、还款能力三大维度进行信用评分。

马甲袋金融:Z算法&六边形矩阵风控审核体系。91条筛选标准,800风控细则,凝聚10年行业经验研发。

好贷网:以FICO信用评分决策引擎为核心,从6大数据风控类别、21个风控识别领域、1100个识别维度,提供风控服务。

未来行业会演绎怎样的格局?

目前做大数据风控的公司可以分为两派,一派是在数据或技术方面有优势的大型企业,一派是近些年在竞争中兴起的互金创业公司。大家都在做比较类似的事情,未来行业会有怎样的格局?可以从数据资源、技术能力、商业模式构建等方面做一个比较。

数据

在数据方面,大型企业有数据方面的巨大积累,量级是创业企业所不能比的,数据类型丰富,判断用户的维度也比较广泛。不同企业之间的数据类型业不尽相同。

阿里和京东在电商数据方面有优势,阿里这些年通过大量收购,也积累了用户在娱乐、搜索、地理位置、生活服务等方面的数据;

百度在搜索数据方面有优势,同时通过旗下多种应用也积累了用户在贴吧、地图、外卖等方面形成的数据;

腾讯最大优势在于社交领域,拥有海量社交数据,同时在新闻、娱乐等内容的分发方面也有不少数据积累,在各类工具应用(应用商店、信息安全应用等)上也有大量用户数据;

网易数据类型也比较丰富,有社交网络数据,即用户的评论信息,有网易严选、考拉海购方面的电商数据,有用户在游戏方式的消费数据,有用户在邮箱、词典等工具上的使用数据;

以上都是互联网企业。相比之下,也在开放金融技术的宜信的数据主要集中在金融领域,官方资料显示,其信用共享平台加入了线上线下1200万条借贷数据,以及40万个风险名单,并结合了共享机构的借贷数据。不过,对于大企业而言,大量庞杂的数据,其开发的难度也会比较大,对数据的整合过程是一个比较庞大的系统工程,另外很多数据类型与信用状况相关度较弱,这就会考验数据挖掘能力。

案例 - BAT、网易、京东等是怎么做大数据风控的?_第2张图片

创业企业需要自己在业务拓展中逐步去积累自己的数据体系,并通过引入大量第三方数据来增加数据维度,过程相对来说更艰辛,不过在放贷过程中形成的数据体系,与信用强相关,对于模型的优化帮助比较大,随着创业公司业务数据越来越大,数据基础会逐渐扎实。

在数据上,创业企业优势不及大企业,但并非没有机会。

技术

技术实力方面很难量化,也没有很公允的标准来评判各家公司在技术上孰优孰劣。

相对来说,大企业财力更雄厚,可以招募到比较优秀的技术人员,技术体系也会比较系统、全面;创业公司则可以靠股权、期权、发展前景等来吸引优秀的技术人员,且创业公司普遍战斗力强,技术开发往往更聚焦、更迅速。

商业模式构建

在大数据风控的商业模式构建方面,创业公司生存压力大,相对来说在资产端的开拓上更为进取,目前网贷交易规模超过300亿元的创业公司已经逾10家,创业企业更偏向于将自身资产端拓展与大数据技术相结合,在模式上表现为直接贷款为主,少量助贷业务;大企业在数据和技术上有优势,在资产端的拓展上更注重安全,目前大公司的金融服务,除了有消费场景的蚂蚁金服和京东金融,其他企业交易规模普遍不大。大企业更倾向于依托技术和数据来开放能力,打造生态。很多大企业都是直接放贷与助贷并重的模式。

行业或会形成若干个比较大的大数据风控生态圈

未来一段时间这样的格局或会继续延续,即大企业在做资产端的同时,也将自己的大数据风控体系开放出来,帮助互金创业企业、传统金融机构等来提升风控能力,自己也可以扩大收入来源,壮大生态圈;创业企业在形成自己的大数据风控体系的同时,也接入大企业的风控体系,助力资产端的拓展。

大企业一个不容忽视的优势是,在技术输出的过程中,不仅获得一定收入,也会获得商业伙伴的部分数据,包括信贷、借款人等方面的信息,使自己的数据规模越来越大,优势越来越明显。

你可能感兴趣的:(案例 - BAT、网易、京东等是怎么做大数据风控的?)