久久精品国产亚洲5555_亚洲人成亚洲人成在线观看图片 _亚洲.国产.中文慕字在线_久久精品免费电影_奇米影视7777精品一区二区_91精品免费观看_www.亚洲人_欧美一区二区三区免费_91精品国产91久久久久_eeuss影院一区二区三区

業(yè)務(wù)上，“支付寶年度賬單”事件讓公眾對個人數(shù)據(jù)信息使用心生敵意；心理上，大數(shù)據(jù)行業(yè)更承受著來自監(jiān)管的質(zhì)疑。

曾被譽為Fintech中最具革命性技術(shù)的“數(shù)據(jù)驅(qū)動”風控模型，直接被潑了一盆冷水。《關(guān)于規(guī)范整頓“現(xiàn)金貸”業(yè)務(wù)的通知》中明確要求“謹慎使用‘數(shù)據(jù)驅(qū)動’的風控模型”，而包括上海在內(nèi)的各省市近期轉(zhuǎn)發(fā)文件中，對上述要求再一次強調(diào)。

監(jiān)管層已洞察到消費信貸行業(yè)亂象，充斥著以“數(shù)據(jù)驅(qū)動”為名、實則無風控、以高利率覆蓋高壞賬的市場主體。

大數(shù)據(jù)風控作為一個新生事物，目前還處在摸著石頭過河的階段。麻袋理財研究院認為，監(jiān)管對“數(shù)據(jù)驅(qū)動”風控模型的質(zhì)疑并非全盤否定，而是對其“概念化”、“空心化”趨勢的警示。大數(shù)據(jù)風控成了背鍋俠，背后根源是業(yè)界的浮躁——投機鉆營，搶抓現(xiàn)金貸風口，盲目追求快速做大規(guī)模，實則忽視風控。

一、大數(shù)據(jù)風控是如何被“污名化”的

互聯(lián)網(wǎng)時代效率為王，大數(shù)據(jù)、人工智能等技術(shù)日趨成熟，讓高效的量化風控有了更多的想象力。

但另一方面，不少機構(gòu)用大數(shù)據(jù)概念拔高品牌，機構(gòu)間的競爭更加劇了大數(shù)據(jù)概念的濫用。“偽命題”、“大忽悠風控”也成了監(jiān)管和業(yè)內(nèi)常有的批評聲音。

“大數(shù)據(jù)風控”概念被濫用，已形成三大誤區(qū)：

1、用“大數(shù)據(jù)風控”掩蓋無風控之實。

2、缺乏自主風控能力，完全依靠第三方征信數(shù)據(jù)平臺。如趣店曾經(jīng)對芝麻信用的依賴。

3、把大數(shù)據(jù)或者大數(shù)據(jù)模型等同于風控。

這其中，現(xiàn)金貸行業(yè)用“大數(shù)據(jù)風控”掩蓋無風控之實問題非常突出。

麻袋理財研究院認為，大數(shù)據(jù)風控特別適用于小微資產(chǎn)（現(xiàn)金貸、消費貸、小微企業(yè)貸），這類資產(chǎn)主要風險是還款意愿，因此大數(shù)據(jù)風控90%的價值在于反欺詐。大多數(shù)現(xiàn)金貸的風控邏輯就是，根據(jù)用戶提交的信息，在第三方征信平臺跑一遍數(shù)據(jù)，剩下全部交給二元好壞模型進行風險定價。

二元好壞模型的價值在于量化定價，包括授信額度、期限、利率等，主要工具是評分卡。如Lending Club把借款用戶分為A1-G5共35個級別，對應(yīng)由低到高的不同利率。而小額超短期現(xiàn)金貸（類似于payday Loan）以隨行就市為基礎(chǔ)，判斷全部通過拍腦袋決定，但原則是用超高利率覆蓋風險。因為在本金中預(yù)先扣除了高額砍頭息，所以超短期現(xiàn)金貸可以不風控，甚至用戶不還錢也沒關(guān)系。

真正的大數(shù)據(jù)風控要求高，難度大，既需要大量有效數(shù)據(jù)，又需要精密可靠的模型，還需要經(jīng)過時間的檢驗。目前業(yè)內(nèi)魚龍混雜，很多公司要么缺數(shù)據(jù)，要么缺技術(shù)，要么缺實踐。為避免大數(shù)據(jù)風控成為空談，需要行業(yè)自律與監(jiān)管層共同努力，避免大數(shù)據(jù)風控被污名化。

二、大數(shù)據(jù)風控核心問題在哪？

除了概念化的品牌包裝導致的污名化趨勢，大數(shù)據(jù)風控被質(zhì)疑有其內(nèi)在的原因。

（一）數(shù)據(jù)質(zhì)量問題

影響大數(shù)據(jù)風控的有效性，首要原因是數(shù)據(jù)的真實性不高，包括社交數(shù)據(jù)和電商交易數(shù)據(jù)。

1、社交數(shù)據(jù)的真實性問題

虛擬社交行為與現(xiàn)實世界中存在較大偏差，大部分實質(zhì)上可歸結(jié)為感性的“秀炫曬”，那么機器根據(jù)預(yù)先設(shè)置的特征參考提取數(shù)據(jù)，難以形成對象的真實用戶畫像。美國的Lending Club和Facebook曾進行過相關(guān)合作，結(jié)論是社交數(shù)據(jù)有效性欠佳。

2、電商交易數(shù)據(jù)的真實性

我國電商行業(yè)發(fā)展中都遇到過嚴重的刷單現(xiàn)象，導致交易數(shù)據(jù)嚴重失真。

（二）大數(shù)據(jù)風控有效性問題

1、孤島數(shù)據(jù)的融合問題

大數(shù)據(jù)用于風控、營銷的本質(zhì)差異在哪里？營銷可以管中窺豹，如果有人在京東上面買了一本考研資料，那么可以從這個行為判斷出此人準備考研。但是如果僅僅通過這一個維度的數(shù)據(jù)，就判斷此人是一個好人，這可能很難。必須要收集這個人在多個角落的數(shù)據(jù)，接近360度都是一個好人的時候才能判斷。所以大數(shù)據(jù)應(yīng)用在風控最大的挑戰(zhàn)，就是不能像營銷一樣可以隨心所欲地管中窺豹，必須要收集盡可能全的數(shù)據(jù)才能洞悉一個人，才能給一個人下結(jié)論。

但是，這360度全方位的數(shù)據(jù)，包括金融數(shù)據(jù)、消費數(shù)據(jù)、行為數(shù)據(jù)等等，從小數(shù)據(jù)到大數(shù)據(jù)、從靜數(shù)據(jù)到動數(shù)據(jù)、從薄數(shù)據(jù)到厚數(shù)據(jù)，收集起來絕不是那么容易的。

因為新興的消費金融機構(gòu)目前被排除在央行征信體系之外，所以大數(shù)據(jù)風控多以互聯(lián)網(wǎng)行為數(shù)據(jù)為基礎(chǔ)。而目前任何一家大數(shù)據(jù)風控提供商都難稱得上維度全面，芝麻信用、騰訊信用也都只是基于阿里、騰訊在網(wǎng)絡(luò)交易、社交等行為數(shù)據(jù)優(yōu)勢。

實際上，業(yè)內(nèi)用以判斷信貸風險的數(shù)據(jù)可分為強變量數(shù)據(jù)，如信貸、工商、社保等來源于傳統(tǒng)金融機構(gòu)和政府數(shù)據(jù)；和商品生產(chǎn)、流通、消費環(huán)節(jié)中產(chǎn)生的中變量數(shù)據(jù)；以及互聯(lián)網(wǎng)社交等弱變量數(shù)據(jù)。那些只以單一維度弱變量數(shù)據(jù)為基礎(chǔ)的大數(shù)據(jù)風控有效性不佳。

2、系統(tǒng)和數(shù)據(jù)沒經(jīng)過壓力測試

1）業(yè)務(wù)激進導致風控模型沒有驗證調(diào)整的時間

良好的規(guī)劃對公司業(yè)務(wù)管理至關(guān)重要。規(guī)劃首先應(yīng)明確公司是處于擴張業(yè)務(wù)、管控業(yè)務(wù)還是精簡業(yè)務(wù)的總體戰(zhàn)略，然后對公司內(nèi)外部的資源和競爭優(yōu)勢進行分析，最后設(shè)計出符合公司預(yù)期的產(chǎn)品。

信貸是周期性的，科技也是有周期的。消費金融行業(yè)發(fā)展過程中存在對某一類資產(chǎn)蜂擁而上、風口期過后又迅速退出的問題。基于互聯(lián)網(wǎng)思維大干快上的過程中，由于缺乏業(yè)務(wù)規(guī)劃，適用于業(yè)務(wù)擴張期的大數(shù)據(jù)風控模型會被過度地學習數(shù)據(jù)中細節(jié)和噪音，比如模型上線以來25歲的用戶都是優(yōu)質(zhì)用戶，于是25歲作為標準進入決策引擎，顯然缺乏邏輯，這就是機器學習中的“過擬合”問題。實際上在情況變化之前是沒有辦法發(fā)現(xiàn)問題的，而互聯(lián)網(wǎng)思維沒有給予模型足夠的調(diào)整時間，最終造成有效性欠佳。

2）沒有經(jīng)過經(jīng)濟周期的檢驗

Capital One的風控模型曾把是否申請了入學貸款作為重要風控指標，因為學生在更高學歷畢業(yè)后，往往獲得較好的工作，是潛在優(yōu)質(zhì)客戶。但次貸危機把這個邏輯打破了，風控模型突然失效，因為名校畢業(yè)生也面臨失業(yè)。

現(xiàn)實世界免不了黑天鵝事件，黑天鵝事件卻是在大數(shù)據(jù)預(yù)測規(guī)則之外，一旦出現(xiàn)會沖擊大數(shù)據(jù)風控模型的基本假設(shè)，進而影響大數(shù)據(jù)風控的有效性。從這個角度上說，大數(shù)據(jù)風控是無法預(yù)測的。傳統(tǒng)的風控技術(shù)已經(jīng)歷三十年、五十年周期的迭代。但是大數(shù)據(jù)的檢驗成效現(xiàn)在看不了。沒有經(jīng)過經(jīng)濟周期的檢驗正是大數(shù)據(jù)風控被質(zhì)疑的核心問題。

三、正確理解數(shù)據(jù)驅(qū)動的風控模型并合理使用

因為能有效降低成本、提高效率，幫助把金融服務(wù)覆蓋到更多人群，大數(shù)據(jù)風控對于普惠金融不可或缺。作為未來消費金融行業(yè)的重要著力點，如何正確理解“數(shù)據(jù)驅(qū)動”的風控模型，并合理使用呢？

（一）正確理解“數(shù)據(jù)驅(qū)動”，必須基于業(yè)務(wù)邏輯

相對于“數(shù)據(jù)驅(qū)動”的，應(yīng)該就是“業(yè)務(wù)驅(qū)動”或“信貸邏輯驅(qū)動”，他們的區(qū)別就是“數(shù)據(jù)驅(qū)動”往往關(guān)注的是“相關(guān)關(guān)系”，但“業(yè)務(wù)驅(qū)動”更多關(guān)心的是“因果關(guān)系”。

在信貸業(yè)務(wù)中， 常用的因果關(guān)系有“通過收入評估推斷償債能力，能力越高風險越小”、“通過歷史的信貸記錄來判斷，記錄越好風險越小”等。

這些樸素的金融邏輯與潛在風險之間是存在著很強的因果關(guān)系，因此在絕大多數(shù)傳統(tǒng)的金融機構(gòu)，都是通過對此類判斷來推斷借款人的風險。這些規(guī)則是被千百年來人類社會的實踐所驗證過的。而只要嚴格的按照類似的規(guī)則來對借款人進行審核，借款人的風險會在一個可控的范圍內(nèi)。但這些信息對于在很多互聯(lián)網(wǎng)實時的場景中獲取難度大，成本高。

近年來隨著大數(shù)據(jù)、人工智能等技術(shù)被神化，以及數(shù)據(jù)獲取成本，難易程度等多方面的原因，“相關(guān)關(guān)系”逐漸被應(yīng)用到風控審查的流程中，通常“相關(guān)關(guān)系”指的是那種通過數(shù)據(jù)分析發(fā)現(xiàn)的某些與風險相關(guān)的指標，但難于被業(yè)務(wù)或金融邏輯所解釋的關(guān)系，如前述“25歲”的例子。這個可能就是被質(zhì)疑的“數(shù)據(jù)驅(qū)動”了。

“因果關(guān)系”和“相關(guān)關(guān)系”其實各有優(yōu)缺點，一個穩(wěn)，一個準。兩者結(jié)合可以更好的促進業(yè)務(wù)的發(fā)展，同時對于相關(guān)關(guān)系的深入研究，來發(fā)現(xiàn)其中的因果關(guān)系，可以更好的促進我們對于借款人行為的理解，將其轉(zhuǎn)化為“因果關(guān)系”。麻袋理財研究院認為，探索傳統(tǒng)的邏輯回歸加機器學習而形成的整合式應(yīng)用的方法是王道。

（二）端正大數(shù)據(jù)風控應(yīng)用理念，不能盲目崇拜算法

風控不僅僅是大數(shù)據(jù)模型，風控更應(yīng)該是一個完整的閉環(huán)體系，大數(shù)據(jù)模型對于風控管理是非常重要的，但它只是其一。風控體系包括很多層面，例如貸前、貸中、貸后全面的風控系統(tǒng)的搭建，包括新產(chǎn)品上線的風險評估、渠道管理、反欺詐人工調(diào)查，還有操作風險管理、資產(chǎn)管理等都是風控體系中非常重要的環(huán)節(jié)。

對算法、大數(shù)據(jù)風控的盲目崇拜和錯位應(yīng)用，是極大的誤區(qū)。

基于“了解你的客戶”的原則，不同的客戶群體、消費場景、產(chǎn)品設(shè)計所面臨的風險點是不同的，沒有一套風控模型可以包打天下；風控體系搭建非一日之功，數(shù)據(jù)驅(qū)動也非一針見效的靈丹妙藥，需要不斷的迭代、優(yōu)化，小步快跑。

所以不要在這個領(lǐng)域里面對新鮮的算法盲目崇拜甚至直接移植，還需要更多的從業(yè)者一起去探索和再創(chuàng)新。

（三）把大數(shù)據(jù)風控作為傳統(tǒng)風控手段的補充

基于以上兩點得出的結(jié)論是，信用風險評估的強相關(guān)數(shù)據(jù)還是金融數(shù)據(jù)，互聯(lián)網(wǎng)行為數(shù)據(jù)為基礎(chǔ)的大數(shù)據(jù)風控只是一個補充，不能夠完全替代傳統(tǒng)的信貸風險管理。麻袋理財研究院認為，大數(shù)據(jù)風控可以從數(shù)據(jù)緯度和分析角度提升傳統(tǒng)風控水平，是一個必要的補充，可以讓傳統(tǒng)風控更加科學嚴謹，但是不是取代傳統(tǒng)風控的模型和數(shù)據(jù)。

（四）建立完善的風控模型管理制度

業(yè)內(nèi)對于風控模型，一般會經(jīng)歷幾個階段才會進入業(yè)務(wù)應(yīng)用：模型研發(fā)、模型驗證、模型評審、模型校驗、模型應(yīng)用監(jiān)測。每個流程都會對模型的正確應(yīng)用產(chǎn)生很重要的影響。

決不能因為“互聯(lián)網(wǎng)思維”大干快上而把流程簡化成模型研發(fā)和模型部署兩步，這不是“不謹慎”，是草率。

同時建立完善的風控模型檔案制度。模型文檔的完整和流程的可追溯，是業(yè)務(wù)持續(xù)運行，降低風險的重要保證。

四、小結(jié)

麻袋理財研究院認為，對“數(shù)據(jù)驅(qū)動”風控模型的質(zhì)疑并非全盤否定，而是對其“概念化”、“空心化”趨勢的警示。大數(shù)據(jù)風控是背鍋俠，背后根源是業(yè)界的浮躁——善于投機，力求抓住業(yè)務(wù)風口，盲目追求快速做大規(guī)模，忽視風控。

金融講究的是穩(wěn)而不是快，講究的不是抓住機會而是不犯錯，金融領(lǐng)域最具競爭力的不是暴利而是持續(xù)穩(wěn)定盈利。

業(yè)界基于互聯(lián)網(wǎng)思維，追求每次都能踩準臺階，但是在每個臺階上站的都不穩(wěn)，以至于一次次尋找更高的臺階。大數(shù)據(jù)風控是唯一能夠滿足需求的風險管理方式，但行業(yè)連走完一個完整模型管理流程的時間都沒給。拔苗助長，用完就扔，這種情況值得反思。

【來源：金評媒】