曾旭晖：巧用大数据技术 控制互联网信贷风险2016-5-15互联网应用技术

我国征信体系不太完善，个人信用信息也相对比较分散。人民银行的个人征信报告只能看到部分基础信息，其他有关金融行为表现的数据分散在不同部门和商业公司手里。若想控制风险，就必须充分整合不同来源的数据，在贷款发放前做比较，从而将信用不良的客户拦截在外。哪些数据是有效数据？这是一个很痛苦的遴选过程。就外部数据而言，分为两类：支撑性数据和补充性数据。支撑性（或称权威性数据）主要指以人民银行征信中心数据为代表的金融数据，用于记录一个的基本特征。尽管我国这部分数据比较单薄，仅用此类数据来判断信用状况有些片面，但若在后期数据处理时用其他数据做补充，往往能够锦上添花。用来补充的数据主要是客户进行贷款申请时提供的住所、教育程度、婚姻状况等信息，再就是商业化数据，我国征信向民营机构，这些征信系统的数据正在迅速积累。

互联网时代，即便是相对封闭的央行征信系统，事实上也正逐渐，原来只有商业银行才可以报送，现在公司、小贷公司也在向央行报送数据。当一个人的行为数据会越来越多地被分享，行为就越来越容易被识别。尤其是一人多贷，只要申请者同时向多个平台申请，很快就会被发现。当然，对于“一人多贷”，也需要加以分析，不排除“供给不平衡”情况的存在。审核过程中，主要需要考察借款人的历史还款表现并通过模型预测未来的违约概率。像芝麻分一类的电商数据也可以用，但用之前必须搞清楚——数据跟客户的金融属性有多大关系。笔者曾做过一个很有意思的调查，身边的女同事一般都比男同事芝麻分高，因为其中不少人是“剁手党”。

值得一提的是，强化对互联网大数据的分析并非意味着线上能够解决一切风控问题，尤其贷款发放后。一旦客户出现逾期超过30天以上的状况，必须依赖严格挑选的线下外部机构供应商合作，进行催收。供应商的挑选标准包括：管理流程是否规范，有没有很好的保密措施及机制、是否也是大型银行的供应商等等。

核心提示：将传统的风控体系单纯地电子化移植到线上，并不能解决互联网金融对于风控解决方案的需求。在“互联网+”时代，为了将不良率控制在更低水平，技术团队需要结合失信人员名单、征信数据库、商业征信数据等多个维度，在大数据遴选上下足功夫，用数据挖掘构筑起真正强大的风控体系。

特别需要注意，大多数中国式P2P在风控和产品方面，未有创新突破，他们募集的资金没有有效流向需求端—-中小企业，不仅不能再平衡信贷供给，反而容易引发一系列问题。有鉴于此，网贷企业应首先与国内大型的银行、证券、保险和信托进行合作，引入它们庞大的资金流，再充分利用移动互联网技术，实现风控和产品创新。

凡发布在本网上的内容，除标注为“中国搜索”或“国搜”的外，其他均转自第三方网站，是为传递更多信息和学习之目的，不意味着本网认可其观点或其内容的真实性、准确性。如有意见，请点击页面下方的“对国搜说”，欢迎及时反馈。

【】

​大数据时代，数据呈爆炸式增长。从存储服务的发展趋势来看，一方面，对数据的存储量的需求越来越大；另一方面，对数据的有效管理提出了更高的要求。大数据对存储设备的容量、读写性能、可靠性、扩展性等都提出了更高的要求，需要充分考虑功能集成度、数据安全性、数据稳定性、系统可扩展性、性能及成本各方面因素。[详细]