大數據征信重塑P2P風控體系 揭平臺風控流程金融
2016年初國務院在《推進普惠金融發展規劃（2016～2020年）》中提出“鼓勵金融機構運用大數據、云計算等新興信息技術，打造互聯網金融服務平臺”。眾所周知，征信是風控的關鍵，P2P網貸平臺對完善的征信系統需求已迫在眉睫。大數據的發展降低了信息不對稱問題，推動了數據統計模型的完善，有利于征信、授信及風控的創新。特別是人工智能模型可以更加前瞻的反映申請人的信用狀況，快速形成對潛在客戶的風險評估和授信決策，提高審核的效率。
大數據優化借貸流程
目前大數據技術主要應用于借貸環節，覆蓋貸前評估、貸中監控和貸后反饋三個環節，下面以P2P網貸平臺為例，分析涉及到大數據征信及風控的環節。
縱觀整個借貸周期，大數據對流程的優化無處不在。
首先是貸前評估環節。在銷售過程中需要了解申請人的主觀意愿以及申請信息的真實性；審批過程中會采取系統審核和人工審核兩種方式，剔除不符合信貸政策要求的申請人，包括有嚴重不良征信記錄、有違約記錄、近期有較大風險被納入關聯黑名單等情況。系統審批時可以通過多維度的信息分析、過濾、交叉驗證、匯總，形成全面的申請人數據畫像，輔助審批決策；授信過程會根據不同類型的借款申請調用不同的信用評分規則，根據用戶的授權許可抓取互聯網數據，通過特定的模型轉化為個人及商戶授信評分數據。
其次是貸中監測環節，包括存量客戶管理和資金管理。存量客戶管理主要是通過數據合作方獲取交易流水或通過大數據實時監測，一旦發現用戶在貸款期的行為數據出現問題可及時觸發預警，比如是否發生早期逾期或失聯等；資金管理主要是運用實時商業智能預防流動性風險，保證專款專用與定向支付。
最后是貸后反饋環節，包括逾期客戶管理和借貸數據記錄補充。逾期客戶的管理可以通過大數據挖掘規律，針對不同的客戶類型采取不同的催收手段。借貸數據的記錄與補充是基于客戶本次貸款期間的數據，補充信貸記錄，更新其信用額度以供后續使用。
大數據時代下廣泛、豐富、多維的征信數據
大數據時代征信數據呈現廣泛多維、動態實時的特點，數據來源更加廣泛，種類更加豐富，時效性也更強。廣泛多維體現在個人或企業在互聯網上的所有行為都將被記錄，包括個人征信的電商數據、社交數據、支付數據、生活服務數據等，以及企業征信的供銷存、現金流、物流、資產負債等，大大擴展了征信體系的數據范疇。動態實時體現在互聯網的數據是動態且易追蹤的，基于此評估信息主體的行為變化更加全面和準確。
P2P網貸平臺運營較長時間以后能夠積累諸如用戶行為數據、借貸數據、信用數據、地理位置數據、業務流數據等，因此可以通過自建征信體系實現大數據征信及風控。以宜人貸為例，線上大數據授信過程中，通過用戶授權系統讀取互聯網行為數據信息，得到較為全面的個人或企業畫像，同時進行交叉驗證形成風控機制，計算出用戶的風險評分，最終確定是否應該放款以及該用戶的授信額度、還款周期等。這一“極速借款”模式可在10分鐘之內完成。
更多的平臺選擇與第三方征信機構合作，直接引入征信機構的信用評估。目前，我國的征信體系是央行體系為主，民營體系為輔的格局。其中，央行的征信系統是國內征信體系的核心環節，截至2016年末，國家金融信用信息基礎數據庫已收錄自然人信息9.1億人、企業及其他組織信息2210萬戶，并采集非金融信用信息50.6億條。征信政策逐步放開以后，民營征信機構發展空間巨大。我國征信市場未來發展的重要方向是以央行征信為主導的市場化個人征信體系。
隨著P2P網貸平臺競爭加劇，對整個行業的征信、風控等方面提出了更高的要求。傳統的風控管理已不適用于全新的互聯網業態，缺少可靠、易用的征信數據會制約國內P2P網貸行業的發展，平臺運用征信機構的數據，可以提高、優化風控能力。目前，已有信而富、點融網、寶象金融等多家P2P網貸平臺與征信機構開展合作。一方面征信機構能夠為P2P網貸平臺提供申請人的信用分作為參考，同時提供反欺詐和催收等相關服務，幫助投資人和平臺減少損失；另一方面，與P2P網貸平臺的合作，可以豐富征信機構的數據。除了與國內征信機構合作以外，也有不少平臺選擇與國際知名征信機構合作，以提升風險管理水平。
專注農業供應鏈領域的寶象金融自建以大數據為核心，以多方征信合作為特點的 “象牙風控體系”。在資產端，除了平臺積累的供應鏈金融的大數據以外，還對接了上海資信、前海征信、安融征信等數十家外部征信機構，對用戶信息進行綜合分析和交叉驗證，從而實現對借款人和借款企業的歷史信用、還款意愿及還款能力的多維度評估。此外，配有自有知識產權的評分模型、反欺詐算法，實現主要產品的風控系統化，評估個人資產情況和信用記錄以及企業的經營數據、財務報告，嚴格控制借款項目風險。平臺還建立了包括客戶身份識別、信用等級評定、項目實地盡調、綜合分析評判、簽訂法律文書、先決條件審核等分級授權體系和審批流程，逐步降低項目風險。在資金端，與太平財險合作，并引入多家雙A級擔保機構。
更精準的數據分析模型是關鍵
然而，很多P2P網貸平臺缺乏的不是數據，而是對數據精準恰當的分析，這就需要構建合適的計量模型進行有效的量化分析，從而能提高平臺甄別貸款申請的效率，降低投資者面臨的信貸風險。大數據征信及風控模型的構建流程大致分為數據收集、數據建模、畫像構建和風險定價四個環節，每一環節參考的指標數據如下圖3所示：
在運用大數據進行征信及風控時，需建立自身的云數據系統、風險評估模型、信用衡量體系、風險定價模型等核心產品。對體系內及體系外海量用戶的各項指標進行搜集整合分析，將數據模型應用到信貸業務中，實現風控的流程化、自動化、高效化。P2P網貸平臺大都青睞大數據建模，但對于規模較小的平臺而言，是建立自身的大數據風控模型，還是直接采用其他機構成熟的產品，需要考慮成本問題。
博金貸在2015年就開始布局金融科技領域，自主研發博金云風控，其中的慧眼征信系統，可全面整合金融機構、工商系統、第三方征信機構等數據，個人信用數據維度多達180余項，企業信用數據維度多達300余項，能較為全面地為信貸風險管理提供征信數據查詢、云監控、智能風控管理及輿情監督等服務。
博金云風控系統通過整合多種系統技術研發了大數據“蜂窩”技術，針對平臺以及合作金融機構的征信查詢需求，根據業務特點自定義配置征信維度和大數據貸前調查、貸中審查、貸后檢查以及反欺詐檢測、客戶分析等報告，并可以實現信貸全流程風險管控。
總結
在互聯網金融新的發展階段里，P2P網貸平臺風控體系中的大數據運用尚處于探索之中，缺乏充分有效的數據基礎并且征信體系的覆蓋廣度和深度有限，尤其是個人用戶的信用評估相對簡單，真實性很難考證，并且不同平臺的數據口徑以及評估指標體系的選取和權重也存在較大差異，因此還不能完全取代傳統征信。目前平臺正在嘗試通過對不同來源的數據進行交叉驗證，以提升數據的準確性。在科技的驅動下，未來數據的處理能力和風控能力將成為互聯網金融行業競爭的核心能力，擁有雄厚技術實力的平臺能夠在這片新藍海中搶占先機。
【來源：盈燦咨詢 作者：王蔚】
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。
京公網安備 11010502032797號