大数据风控：在安全与发展之间寻找平衡点

　　你可曾想到，一个手机号，或许能成为判断信用水平的依据之一。

　　“我们发现，借款人手机号使用年限越长的，违约率就越低；反之，使用年限越短，比如不到一年，违约率越高。有些新注册的手机号其实就是用于骗贷的。这是基于大数据运用的一个例子，不是传统意义上的风控手段。”谈及大数据风控的应用，百融云创创始人张韶峰告诉《金融时报》记者。

　　如今，不仅是手机号，人们的日常衣食住行，消费记录、信用记录、出行记录等，都被一些互联网企业记录并可能成为大数据风控的参考因素。有网友戏言，这是在互联网上“裸奔”的时代。然而，数据就在我们身边，而且每天都在产生，并对各行业发展产生影响。如何合法、合规采集并使用好数据这一生产要素，如何正视大数据风控的价值与弊端，值得各方关注。

　　大数据风控是补充

　　众多数据资源分散在不同行业、不同机构，形成一个个数据孤岛。于是，出现了一些专门挖掘数据潜力，并为金融机构风控提供支撑的公司。《金融时报》记者梳理发现，大数据概念兴起于2005年左右，在此之前，基础技术不够，思维也未转换；随着大数据技术兴起以及相关处理能力提升，行业逐渐开拓了思维，2010年左右进入爆发期；2013年以后，大数据基础技术的使用日趋普遍，很多互联网企业进入了大数据风控领域。百融云创即是其一。

　　“我们所做的是让不同体系中数据的沉睡价值被唤醒，有效解决普惠金融因结构性数据缺乏或不足而风控难度高的问题。”张韶峰说。

　　张韶峰仍认为，大数据风控是传统风控的补充。“对于借贷记录丰富或者有抵制押物的客户，传统风控够用；对于服务信用‘白户’，扩大普惠金融的覆盖范围，大数据风控发挥了积极作用。”

　　“大数据风控与传统风控二者不能分开，传统风控需要借助大数据等技术手段进行提升，跟传统风控相比，大数据风控增加了更多的数据维度。”中央财经大学教授黄震告诉《金融时报》记者。

　　在神州信息首席风控专家辛园看来，信息时代、数字经济的发展带来了大量和多维度的数据，金融机构基于对各种数据的分析建模，能够利用数据挖掘技术来预测客户的违约概率和还款能力。

　　实践中，除了金融机构之外，掌握大数据风控技术的公司大致分为两类，一类是一些大数据或科技公司，它们寻求与金融机构合作，通过技术输出达到共赢；另一类互联网企业，主要依靠其商业生态来获客和收集信息，并依靠其对电商平台和客户信用评分的独特控制力来管控风险。

　　大数据风控的利与弊

　　简单而言，大数据风控大体流程是借款用户申请，然后进入反欺诈识别，再和第三方数据源以及自己掌握的数据进行比对，给出信用评级，再授信。那么，大数据风控是否会颠覆传统风险管控体系？

　　黄震认为，流程基本上各家企业都差不多，但实际风控水平和效果得具体分析。“大数据风控主要是商业机构在做，最终或许会转嫁到借款人身上，从而增加借款成本；而有些互联网企业将其商业生态中的交易、行为和社交数据等用于信贷决策，这些是否可靠有效也有待检验。”

　　近日，就有一则利用大数据风控“薅信用贷羊毛”的案例。据媒体报道，眉山市公安局查处了一个上百人的骗贷团伙，该团伙利用为一些从未有过贷款记录的“白户”缴纳公积金，并用公积金缴纳记录，通过线上渠道向全国多家银行申请贷款约10亿元。

　　当地警方介绍，公积金的缴存记录，只要推送给银行后，有的银行就会直接认定，有公积金的借款人拥有稳定工作和收入符合贷款条件，就能获得额度不低的信用贷款，App线上申请，几分钟就可以到账。

　　专家表示，当前的数据资源条件与技术实现能力可能会制约大数据风控的效果。比如，现实中数据缺失、不全、不准的情况较为严重，一些数据真实性也难以核实，建模与调参也是一个长期复杂的过程，且需要根据环境不断修正。从逻辑上说，大数据风控也包含着一些意外的风险，包括难以预测统计规则以外的事件，发生问题时人工难以修复；还有“复贷”“骗贷”等事件发生；在极端经济环境下，大数据风控体系可能会失灵。

　　针对大数据风控的利与弊，辛园认为：“利端体现在提高了审批的效率和有效性，部分客群没有人行征信数据和数据不足，大数据风控较好地解决和满足了这类客群的借贷需求。弊端则体现在，一是批量系统风险，经验不足或经济下滑周期，数据更新不及时，易导致批量客户违约风险；二是个人隐私获取和泄露风险，大数据风控采集了用户的信息数据，易导致隐私安全问题。”

　　“数据来源的合法性、数量级和有效性是大数据风控的核心问题，另外，特征建模这一技术环节既需要经验也需要不断迭代和优化。”黄震说。

　　大数据风控的前景

　　针对大数据风控的前景，接受采访的从业者以及专家学者表示，大数据风控水平还有较大提升空间，安全与发展之间需要找到一个平衡点，但金融科技化是大势所趋，数据的开放程度也越来越高，大数据风控与传统风控互为补充，前景广阔。

　　资深学者时雨表示，相对于将大数据用于信贷评审（贷前管理），抵押、质押和担保是国内外信贷业务中普遍采用的风险缓释手段（贷后管理），这两者相互补充，适用于不同类型、金额和信用等级的信贷，并不意味着大数据风控一定比运用抵质押和担保手段更为先进。

　　黄震认为，大数据风控需要有数据的规则、标准、法律制度。要有产品的标准意识，另外数据来源一定要合法、合规，如果涉及个人隐私，要经过数据清洗、处理。

　　作为大数据行业从业者，张韶峰希望能够针对金融机构对于风控合规和科技落地的需求，为金融机构提供科技转型解决方案，帮助它们解决长久以来的业务“痛点”，升级整体金融业务效率，同时助力客户将业务流程中的内外部数据沉淀下来，将大数据资源真正变成客户的大数据资产，反哺客户业务的进一步创新和发展。

　　辛园认为，目前大数据风控更多面向的是个人零售信贷金融，针对企业端和农村金融客群则相对较少。神州信息将结合自身在“三农”、税务数据等领域的深度挖掘、分析和应用能力，提供更多新模式、新产品、新服务，助力普惠金融更好服务“三农”、服务实体经济。