笔趣阁小说

6 大数据征信的应用和发展（第1页）

6。大数据征信的应用和发展

利用大数据进行变现的商业模式主要有两个：一是精准营销，通过商品推荐和精准广告投放，二是针对互联网金融企业做大数据风控。

大数据资源的重复利用性和高维度特征注定使数据的拥有者迟早会发现数据中的隐含价值，并找到合适的方式将其变现，而这种变现就完全可能创造出全新的生产生活模式。

对于企业来说，当数据积累到一定程度，其对用户和市场也会有新的认识。

“饿了么”从外卖订购平台起步，积累了大量的用户饮食信息之后，发现原来可以把菜品供应和原材料供应联系起来，于是就有了给餐厅提供食材的“有菜”

平台，进而打通批发、物流、服务等一整套链条。

这种做法其实就是依靠对已有客户的深度了解，利用大数据带来的高效率逐步侵占与现有服务相关的上下游产业的模式。可以想象，这种扩张不会仅局限于同一产业的上下游，横向扩展只是时间问题。

例如，饮食习惯不健康的人群反而可能对健康产品有更低的抵抗力。对大数据的深度挖掘会揭示其内在的深层含义，进而提供全新的商业机会。

从另一个角度看，电商对传统商业的冲击最开始来自于较低的成本（减少门面等固定开销），但最重要的差异还是因为电商掌握了传统商户无法获得的用户数据，并能依赖数据迅速调整。这个思路甚至可以拓展到原本并不从用户处获取数据的企业。例如，文章写作从纸质媒体时代的单向发送到今天点击量的追踪。

实际上，如果能对读者阅读时的生理、心理进行测量（如心跳、眼睛焦点的移动、瞳孔放大等），那么未来的文章写作甚至都可能由数据直接产生。

“饿了么”的案例更多体现的还只是拓展企业自身的业务链，而基于大数据的互联网征信则是开创了全新的业务蓝海。在现代社会，个人信用是非常重要的基础信息，但传统的征信方式反馈速度慢、成本高，无法满足互联网金融业务的需求。

而基于线上、线下各种维度数据源的互联网征信，将极大地丰富传统征信数据，又具有实时性的特征。基于母公司自身拥有的大量用户行为数据，蚂蚁金服旗下的“芝麻信用”及腾讯旗下的“腾讯征信”明显拥有起跑线优势。而随着数据的逐渐积累，相应的模型不断迭代，其优势很可能会变得越来越明显。

金融的本质是风险管理，而风控是金融业务的核心，如消费贷款、抵押贷款、网络借贷、票据融资、供应链金融等都需要数据风控识别欺诈用户及评估用户信用等级。

传统金融风控主要利用信用属性的数据，一般包括20个纬度的数据，利用评分来判断客户的还款能力和还款意愿。信用相关程度强的十个数据纬度，包括年龄、职业、学历、收入、工作单位、借贷情况、房产、汽车、还贷记录等，同信用相关的数据还有产品、行业、区域、交款方式、理财方式、交款记录、时间、金额、频率等。金融企业根据这些数据纬度进行评分，得出申请人的评分，依据评分来决定是否贷款和贷款额度。

大数据风控并不是完全颠覆传统的风控方式，实际上是丰富传统风控的数据纬度。在互联网金融风控中，首先要利用数据的信用属性，判断借款人的还款能力和还款意愿，然后再利用信用属性弱的数据进行补充。一般来说，是利用数据的关联性来判断借款人的信用情况，借助数据模型来揭示某些行为特征与信用风险之间的关系。

互联网金融工具利用大数据来做风控，都是利用多维度数据来识别借款人的风险。与信用相关的数据越多地用于评价借款人的风险，其信用风险越被揭示得充分，信用评分就越客观，越接近借款人的实际风险。

互联网金融大数据风控常常考虑的九大数据纬度如下：（1）验证借款人身份的数据；

（2）分析提交的数据来识别诈骗；（3）分析线上客户申请行为来识别诈骗；（4）利用黑名单、灰名单来识别风险；（5）利用移动数据设备识别欺诈；（6）利用消费记录进行信用评分；（7）参考社会关系来评估信用情况；（8）参考社会属性和行为来评估信用；（9）利用司法信息评估风险。

总之，互联网金融的大数据风控采用了用户社会属性和社会行为的数据，在一定程度上弥补了传统风控数据纬度的不足，能够更加全面地识别出欺诈客户，评价客户的风险水平。互联网金融公司通过大数据分析来控制信用风险，将资金借给合格的贷款人，以保证资金安全。