助貸產業興起：專找互金行業風控漏洞，日“擼錢”上萬金融
金融的核心，是風險控制和定價。互金行業，同樣無法繞過風控命門。
但行業實際情況是，本應該是金融核心的風控，在大部分互金公司里形同虛設，成為“皇帝的新裝”。我們看到太多荒謬的風控規則：一些貸款平臺，只需提供其他平臺的放貸成功截圖，或貼出芝麻信用分截圖，或只需實名驗證和讀取通訊錄，就可放款。
在這個背景下，助貸產業興起，一些人專門尋找平臺風控漏洞，并賣給用戶，幫助大家“擼錢”。
多位從業者透露，互金行業壞賬率已高達20%，并持續走高。
行業的負面毒素，已開始釋放…
1、集體謊言
“一個令人尷尬的現狀是，風控正在成為行業的集體謊言”，戴樂是一家大數據公司的CEO，他在此前，在互聯網金融行業多次創業，各個領域了解頗深。“多數的互聯網金融公司，可能僅有一個‘黑名單’制度，‘黑名單’之外的人，都可以放進來。”戴樂稱。
不可褻玩的風控部門，正在用一些極端荒誕的形式發展。
消費金融公司藍領貸，在最開始的貸款規則中規定，需提供另外一家現金貸審核通過的截圖和賬號。“藍領貸的審核人員登錄到其他現金貸的界面中，查看截圖屬實后，就通過審核”，多位曾在藍領貸上借款的用戶稱。后這家現金貸公司多次交涉后，藍領貸才修改了規則。藍領貸的相關人員也承認該規則的存在，“我們已在今年6月份修改了規則”。
而這絕非個例。一款專為游戲用戶打造的貸款平臺，只需客戶提供支付寶截圖、芝麻分截圖就可放貸，最高授信金額5000元。除此之外，還有很多平臺，風控規則只有寥寥兩條：實名手機和授權讀取通訊錄。
“只要可以能找到借款人的親朋好友，可以打電話追款，就夠了”，戴樂稱，這樣的風控，就是一個笑話，“這樣的平臺很多，如此操作的原因是，信審成本很高，要么是自己不想花錢，要么是沒有能力做風控，就會采取投機取巧的方式”。
這就是行業現狀，風控上的荒謬和缺失，已成為“皇帝的新衣”。
戴樂認為，這些極為簡單的風控“規則”，根本不能稱為“模型”。“行業現狀是，風控不是核心部門，大家的核心訴求，是將流量做起來，”戴樂稱，互聯網金融玩家，大多深諳互聯網流量那一套，但金融，還缺乏些敬畏之心。
流量做起來后，就有了一個好故事，再去找VC投資人融資。
“風控和市場就像一個蹺蹺板，風控太嚴，必然不利于占領市場。如果在互聯網上借上1000塊錢，還需要提供工作單位、繳納社保等一些證明，可能人早就跑光了，”戴樂點出了其中的核心邏輯。
2、助貸產業
就因為風控規則太為簡單，地下已形成一條完整的“助貸”產業鏈。
胡新榮是一位資深的網貸借款者，他每天的任務，就是去各個貸款平臺上尋找風控規則，總結出規律，發布到QQ群里，供大家“實戰操作”。當然，這些“攻略”，不是白白給的，加入他的QQ群，每個人需支付300元的會員費。
“一個小小的門檻費300元，只是隨便嫖一次的價格而已，而這里，每天能給你帶來幾千乃至幾萬的價值”，招收會員的廣告貼中，說得極為直白。
目前，胡新榮已總結出1000多家平臺的風控規則，且每日實時更新。
胡新榮總結的風控規則以及攻略
就像玩一場游戲，當你摸清了游戲規則，就能制定“攻略”——玩家們一路挺進，擊敗Boss，瞬間通關。
發布攻略后，胡新榮會手把手教會員，如何繞過規則或“包裝資料”。會員將胡新榮奉為“財神爺”，在他的指導下，很多會員每天能“擼”多個平臺，每日下款金額近萬。在這里，潛伏著“過度消費者”，也藏匿著“騙貸者”——很多人從一開始，就沒準備還錢。而胡新榮的利潤，更是可觀，目前他已建立兩個上千人的會員群，獲利60萬。
像胡新榮如此的“助貸者”，廣泛存在，他們寄生在各大借貸群和羊毛黨群，是行業亂象領航者和推動者。
因為風控的缺失，助貸和騙貸的興起，其負面毒素，開始釋放。
“如此的風控，必然導致逆向選擇”，樂信集團的首席風控官劉華年稱，好的用戶，肯定會去找利息低的優質平臺；而次貸人群，就會涌入這些風控松懈、利息高的平臺，于是形成惡性循環。“短期內，壞帳不會爆發，存在潛伏期；而一旦爆發，就是毀滅性的”，劉華年稱，將一群本沒有消費能力和還款能力的用戶，強行拉高消費水平，會產生怎樣的惡果？
他們通常會為了還錢，“拆東墻補西墻”。
據某個平臺透露，行業的共貸現象極為嚴重，很多用戶，都是同時在多個平臺借款，共貸率高達80%。
在利滾利之下，最終用戶會不堪重負，甚至會產生一些過激性事件，恐怕就要引發監管層介入，重則行業封殺。
而毒素釋放的一個重要信號，就是壞賬率的大幅度增長。理財范創始CEO申磊曾對媒體透露：“行業內確實有某些知名的大平臺壞賬率達到20%左右，并且隨著經濟形勢的惡化，壞賬率或將進一步加劇。”戴樂稱，現在行業對壞賬率標準的制定，極為混亂，大家都用對自己有利的方式計算。
為了掩蓋壞賬率，行業中最直接的辦法，就是把分母做大，擴大規模，增加用戶量，壞賬就洗小了。
壞賬率就如行業的痔瘡，讓人痛苦不堪，卻不可言說。
從金融誕生開始，壞賬率從來就是伴生物，無法擺脫。流量先起來，接下來，只需收緊風控，通過風控模型的迭代，一點點降低壞賬率，最終也能成為行業巨頭。在金融史上，并不缺乏這樣的崛起案例。
因此，壞賬率過高的玩家們，唯一的活路，就是急速融資，將規模做大；或用新用戶的資金，填補壞賬率漏洞。
卻不是所有平臺，都可以迅速規模做大，運營、獲客、傳播、融資，一項技能都不可少。在這個過程中，一些玩砸的，就出現了崩盤、跑路或失蹤。
“對于互聯網玩家來說，前三年，確實是流量重于風控”，戴樂稱，行業都要經歷一個崛起、繁榮再到洗牌的過程。
前兩年，互金圈的核心訴求，是做流量；今年，監管收緊，核心需求變成“合規”。戴樂預測，明后年，風控真正的風口才會到來——那時候，行業格局初現，結束草莽時代，金融的核心，才可回歸。
3、摸著石頭過河
盡管在行業中，大家預判未來風控的地位，將得到提升。
這卻“談何容易”。
實際上，互聯網金融的風控，絕對具有“中國特色”。
一位在韓國和日本從事多年風控研究的老專家，一年前被中國某互聯網金融公司邀請回國。下飛機時，左擁右簇，意氣風華。老教授在中國搭建風控模型，實踐了大半年，卻尷尬地發現，他在日韓的那套經驗，在中國完全走不通。半年后，老專家黯然離開中國，他再次登上飛機準備離開時，還一直在念叨：“為何那么多用戶就是來騙錢的？騙就騙了，為何公司內部的人和外面的人勾結起來騙？”
劉華年曾和國外諸多風控專家溝通，發現將發達國家的風控模型，直接照搬中國，根本不可能。
“想在中國做消費金融，第一件事，你要防欺詐”，樂信集團創始人肖文杰舉了一個例子，曾經他有一個同事，出來做一個借款產品，上個月開門，下個月就關門，壞賬率高達80%，全部被黑產和騙貸的人“吸干凈”。
業內多位專家曾提出，互聯網金融的風控，60%，來自反欺詐，且大部分來自于內控。
這就是中國特色，大量的欺詐人員存在，將互金平臺當成肥肉，見縫就鉆，無孔不入；而更為嚴苛的現狀是，大部分的欺詐，來自于平臺和欺詐人員的內部勾結。
而傳統金融機構的風控模型，在互聯網金融圈，也不能按部就班。劉華年總結原因，是因為傳統金融機構已發展多年，跑完了經濟周期，模型得到驗證。而互聯網金融發展也就幾年，一個風控模型的跑完，需要2到3年的驗證周期，但互聯網發展太快，“要急速迭代風控模型，才能適應發展”。
前無古人后無來者，這就是互聯網金融的風控現狀，大家跌跌撞撞，摸著石頭過河。
如果說，金融的命門是風控，那么風控的命門，就是數據和模型。
目前，風控數據同質化極為嚴重，真正有特色的數據，集中在幾家大型互聯網公司手中：比如，擁有用戶網絡購物數據的阿里和京東，擁有社交數據的騰訊。作為核心競爭力，BAT和京東對于自己的數據都極為愛惜，其他機構想要獲取，幾無可能。
因此，大數據風控，必須先破解頭號難題——數據孤島。
上月，京東金融宣布與美國大數據技術公司ZestFinance成立合資公司ZRobot。ZRobot的CEO喬楊提出了一個打破數據孤島的方案。“各家都對自己的數據資源特別保護，把數據共享到第三方？沒有人愿意干，即便央行牽頭也不可能，”喬楊稱，這就是業內的現狀，所有人都將數據視為“核心資產”。喬楊想到一個破解之法，對方有數據，ZRobot有技術，不如把數據就放在對方本地，他們輸出技術，“聯合建模”。形成的數據產品，除了合作伙伴可以用于自身風控外，也可輸出給其他數據應用方。“在運用上，無需輸出數據，只輸出結果，不用擔心數據外泄問題”，喬楊舉了一個例子，他們和一家汽車金融平臺合作，對方有汽車金融場景的數據，他們聯合建立針對汽車金融的風控模型，再將這個模型往外輸出。
至于風控模型，喬楊認為，從規則到模型，就相當于從二維到三維，絕對不是簡單達成的，這其中，專業技術必不可少。ZRobot推出的“漫網”技術，就是用技術建模的一個有趣嘗試。“實際上，現在騙貸大多是團伙作案，他們與黑名單上的人，多少會有一些聯系”，喬楊稱。漫網技術去神秘化后，其實是通過多維度數據，獲取一個用戶的多度關系網，比如說，找到這個用戶的好友的好友的好友，從而尋找背后的深度關聯。
劉華年對此也提出了同樣的觀點，他認為，風控絕對不是簡單的規則，而是一套完整技術，是貸前貸中貸后一系列能力的組合。“一家互金企業能活多久，走多遠，完全在于他的風控迭代速度和風控技術的提升”，劉華年提出，風控模型的不斷迭代，及時修補漏洞也至關重要，如此才能將薅羊毛者和騙貸者擋在門外。
結語
金融恐怕不是活得多轟轟烈烈，而在于活得長長久久——別人都死了，自己還活著。
這是場漫長的奔跑，決定能跑多遠的，恰恰就是風控。
互聯網金融，到底是互聯網重要？還是金融重要？
歷史和時間給出的答案，恐怕是后者。
【來源：未央網】
1.砍柴網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；2.砍柴網的原創文章，請轉載時務必注明文章作者和"來源：砍柴網"，不尊重原創的行為砍柴網或將追究責任；3.作者投稿可能會經砍柴網編輯修改或補充。
