傳統風控手段(經驗)會被大數據風控替代嗎?還是大數據只能用來輔助?


謝邀

首先說大數據的事兒

目前的大數據手段主要集中在兩個方面,第一:大數據徵信,收集各個平台的客戶信用情況,比央行版和商業銀行版本的徵信更加的細緻全面。第二,對接國家公安埠,大數據收集客戶其他信息,比如犯罪記錄等等(雖然開房信息、網吧信息也可以查到吧)。這部分的情況不會直接全部顯示給互聯網金融公司,只是給客戶做一個評分。第三,其他智能大數據手段,比如對接銀聯繫統,看到客戶消費情況;人臉識別,聲紋等主要應用在反欺詐領域

再說互聯網金融的事兒

目前開始互聯網金融做的業務非常的多。

資產端不用多解釋,總的來說吸收理財客戶。

貸款端無抵押消費金融,各種面對個人和企業的抵押貸款,贖樓業務,融資租賃業務,保理業務等等。

相信隨著互聯網金融的深入發展,會拓展出更多的業務

那麼結果就顯而易見了,大數據的手段確認能應用到互聯網金融的風控當中去的,比如在資產端,可以應用在大額提現。在貸款端應用在個人徵信的查詢,身份證信息的調用,以及反欺詐領域。但是這些都是有限的,即使是應用範圍最大的小額消費無抵押貸款也有大數據做不到的部分,比如審核客戶的流水。更不用說在其他領域內了,比如各種抵押貸款領域,贖樓業務領域等等。

大數據也好,智能模塊也好,風控模型也好,都是輔助人工風控的手段,降低人工勞動成本和強度,增加風控準確性,遠遠不可能代替人工。例子很多歡迎討論

手機碼字答題,簡單交流到此

以上


謝邀,首先肯定@LisaChan的回答,很全面。

可以肯定回答,絕對不會被替代。

現在審核中,大數據只能算作是傳統風控的一個參考點或者說是輔助作用。而且數據資源也是在傳統風控的審核過的業務基礎上採集的。

而且,當前的大數據風控更多的是用在以IPC技術為代表的小額消費貸款審核中,對於大額信貸,如果只靠大數據,顯然不靠譜也不可能。

而且我一直認為,不管資料庫再好,技術再強大,大額信貸審核都不能完全脫離傳統方法。就像我一直以為,線上購物再強大,都不能完全替代線下購物一樣。


要講清楚這個問題,我們首先要區別一些概念,首先是大數據和大數據技術,前者是指的數據及可用於風險管理的數據問題,後者是指一些諸如神經網路、支持向量機(SVM)等大數據演算法和機器學習的方法。

從數據源的角度,我認為,與個人有關的信息從外到里可以分為三層:第一圈是關於個人的所有信息,第二圈是關於個人的所有履約信息,第三圈是信貸履約的信息。在之前傳統的風控中,我們一般利用最里圈的信貸履約信息,加上部分個人基本信息等來預測信貸違(履)約情況。隨著互聯網和信息技術的發展,部分方便可得的外圈信息,對於內圈的履約預測慢慢地被證明有一定的效果,例如打車的履約情況對信貸履約的判斷是一個依據,因此大數據風控隨之逐漸興起。但對於不同圈別數據的跨圈使用,特別是外圈數據往內圈使用的過程中,要特別解決法理約束和本人授權兩個問題,這樣有利於各種數據在風險評估領域中的可持續使用。

以上說的是大數據問題,再從大數據技術角度來看,任何大數據方法用於信用風險的評估,要滿足三個條件:一是明確的,對評分建模的方法論、過程和數據使用上是明確的,對監管、對公眾是應該公開的:二是準確的,建立的模型要對不同風險狀況的人群有區分能力和排序能力;三是穩定的,數據、方法和模型在人群、時間跨度上是穩定的。從傳統的邏輯回歸,到決策樹,再到機器學習等大數據方法的使用,要始終堅持開發出來的模型「明確、準確和穩定」的三大特點。


局部會被替代,例如小額的信用貸款。但不會全面替代傳統風險控制手段。


個人覺得這要從兩個不同的時候維度來回答這問題。從短時間內來說,答案是不會。

傳統的風控手段對信用數據的採集方式主要是通過用戶自己提供,然後銀行(或審批機構)再通過人工的方式去核實這些信息的真實性,最終再利用自己內部已建好的風險模型進行數據的分析,從而達到對該申請人(或公司)的信用評級,再進而決定是否授信或授信金額的大小。

大數據風控與傳統風控的最大不同之處是對數據的採集方式以及基礎數據的類型。目前國內對用戶數據採集的渠道主要有央行徵信中心(通過外部商業徵信機構接入),銀聯的銀行卡消費數據(銀聯智慧),學歷認證,阿里的芝麻信用等其它第三方徵信中心的數據。當然,我們也發現很多消費金融貸款公司還會收集用戶在京東、淘寶等的消費記錄等等。互聯網公司通過與以上擁有數據源的機構做數據對接,再根據自己建好風險模式,形成自己的一套風險評級體系。

然而,利用大數據做風控的主要挑戰有兩點,第一是數據的完備性,第二是任何一個新的模型都需要經過一段時間的驗證才能證明其有效性。基於目前國內還處於大數據發展的早期階段,對數據的採集也還不完善,所以目前利用大數據做風控很難證明其有效性,只能起到輔助作用。

但從長遠來說,隨著科技公司不斷增強對數據的採集以及對風險模型的完善,這將令到大數據風控代替傳統的風控是具備高度可能性的。

僅個人淺見,歡迎指點。


謝邀。不會被替代,因為不同的業務需要不同的風控。

大數據,只適合有有效數據積累的地方,這樣的地方會越來越多,但不會是全部。

就像p2p再發展,線下也照樣有人放債一樣。


了解風控的人都知道,風控不是一個簡單的非黑即白的判斷結果,需要不斷去更新和學習新的知識,好的大數據模型可以幫助我們做90%以上的自動決策判斷,但是有一些case還是需要人工介入去判斷的,甚至很多case人工簡單的查看也很難去判決,還需要通過電話調研、實地訪問才知道最終的結果。人工去調研取證後的經驗,我們可以積累起來,定期更新到大數據模型中,從而實現線下經驗到線上系統的反饋更新,風控領域人工經驗和大數據模型兩者互為補充,如果大數據完全取代,我的了解至少十年內應該是不可能的。


傳統的風控,會不會被大數據所替代?

最近接觸到一個最大數據風控比較牛逼的公司,因為我們做P2P需要他們的服務。

他們的老闆簡單介紹了一下他們的「大數據」風控模式,簡單的說,是基於電話識別(不是基於電話號碼)、身份識別的跨行業行為特徵識別模式。這裡的跨行業包括金融、社交、電商等。

我們發現一個問題賬號,在大數據端,如果他一個身份證在多個平台都有借貸信息,那麼很值得懷疑,如果他的電話,經常換不同的號碼進行註冊,這個會成為高危賬號。看他的社交信息關鍵詞、電商購物批次、發貨地址是否穩定,都可以看出一個人的經濟實力。

但目前的事實是,大數據只是輔助。未來不作評論。

所以我會得出這樣的結論:「大數據能否真正取代傳統,歸根結底要看技術,技術能夠支撐想像力。」

順便說一句,傳統風控也不是基於經驗,而是本地熟識人口的常識判斷。

我們公司P2P的風控是大數據和本地化的結合。


大數據大數據首先看有多大的數據,資料庫採集的信息是否足夠得出結論,目前金融機構獲取的信息有限,通過公開系統和自身渠道得到的客戶信息量不能全面分析客戶狀況,對客戶風險識別存在一定盲區。假設數據採集足夠,對數據的分析成為關鍵,如何提取關鍵數據建立模型,針對不同地域不同類型客戶設置數據指標成了關鍵。就如同樣的材料不同的廚師煮出來得料理有可能是紅燒肉也可能是回鍋肉,而這個數據識別工作按現在的水平很難完成。簡單來說就是目前大數據分析不可能全部取代人工,但是有力的輔助工具沒問題。


大數據風控不會替代傳統風控,無論是短時間內還是長時間內。這點我和 @Andrew林士強的觀點不太一樣。

首先定義一下,以下所說傳統風控,主要說的是通過線下審核借款主體資質發放貸款。

的確,大數據會隨著技術的發展不斷成熟,應用的領域會越來越廣泛,相比於現在數據資源匱乏、數據質量層次不齊而且模型有效性沒有得到充分驗證的情況,會有質的飛躍。但從根本上來說,大數據風控和傳統風控其實針對的是不同領域不同特點的貸款,會在不同的商業模式下顯現出自身的優勢和特點。

比如,我們目前所熱議的不少線上個人小額貸款,在產品設計上要求貸款的發放做到幾乎實時,吃個蘋果的時間資金就到賬了。這一類型的貸款金額小,也比較分散,通過個人在app上授權平台查詢相關信用記錄,電商交易記錄,學歷工作信息等,平台可以自動計算出一個額度。在這種商業模式下,是沒有任何的空間和時間供人工審核貸款的。沒有審批團隊,也就節省了大筆人力投入。因此大數據風控佔優。

然而對於許多傳統大型企業的貸款,涉及的金額成千萬上億元,領域專業,項目複雜。先不說不靠線下的商業談判拿不到優質的貸款項目,就風控領域而言,零散的互聯網數據遠不如專業團隊線下實地盡調來得真實可靠(試想你如何連人都不見將幾個億貸給一家公司),何況還有抵押物質押物的處理,剪不斷理還亂的法律合規問題。且從利潤角度來說,做成一筆這樣的貸款的收入,是完全可以覆蓋銀行人力物力的成本。其所帶來的相應的結算業務和沉澱存款,也是銀行求之不得的成果。在這種商業模式下,傳統風控佔優。

大數據風控不會替代傳統風控,此二者將會在不同的貸款領域發揮優勢,並互相補充互為輔助。


個人理解:

銀行來講,對於信用風險管理,大數據的作用是解決信息不對稱、信息不及時的問題,將多維度高品質的數據通過建模分析、交叉驗證等,使得風控加強、更精細化,整個流程效率提高,從而降低成本,增加收益。比如平均一個客戶經理本來可以維護13個小企業,壞賬率1.9%,通過數據、技術的幫助,實現一個客戶經理維護15個小企業,壞賬率1.6%。但是完全的智能化,不現實,因為人、環境的有些變化是難以預測的。


所謂傳統風控和所謂的大數據風控會不會相互替代相互輔助,最終是要回歸到數據上來,其中包括數據的質量、數量、性質。傳統風控數據是線上和線下數據的結合,採集成本大,風控程度好,其應用場景大部分為金融領域。大數據風控數據是線上數據的集合,採集成本看擁有數據的大小和涵蓋面,風控程度未知,其應用場景可以多樣化,比如金融領域、求職、房貸、租車、旅遊等等。

總的來說,以後兩者不會被相互替代,而是相輔相成,只有一種補充另外一種,而他們都是給應用場景作為一個參考的工具而已。


經驗是王道啊,怎麼可能替代


千萬不要迷信所謂的大數據風控,尤其是現在。大數據風控是個很好的概念,也是所有貸款類企業的理想,但理想與現實總是差著十萬八千里。

大數據風控的核心點在於有效數據的數量和質量,問題恰恰就在這裡。理想狀態下,存在超級部門,可以構建完整的大數據平台。現實情況卻是,有效數據散落在各個角落,成為信息的孤島,沒有任何一方有能力把數據整合起來,包括央行徵信中心,目前也只是信貸數據,工商水電稅收海關訴訟等其他部門的數據壓根整合不了。

至於很多互聯網企業吹噓的大數據,就更扯了。阿里、蘇寧、京東等電商的購物數據金融價值相對高一些,基於你購物的習慣、檔次判斷你的信用層級;其他騰訊的社交數據金融屬性就差一些;百度的搜索數據就更差一些。除了這幾家巨頭,一般的小P2P平台,哪來的大數據?都是扯淡罷了!


大數據為我們提供的不是正確答案,而是參考答案。

大數據的長處是直接給出兩個可能本來毫無因果關係的事物之間的聯繫。但是大數據一是基於歷史數據,在目前風險因素複雜化的新常態下,其實歷史數據有點靠不住了;二是信審中看著相似的個例深入分析下去其差異可能會非常大,不通過人工的綜合判斷進行整體的考量和校正其實是沒法做的(把控實質風險)。"人類獨有的弱點錯覺和謬誤都是十分必要的,因為這些特質的另一頭牽著的是人類的想像直覺和天賦。"

所以適合大數據的地方是在客戶營銷和風險學術研究方面,在風險判斷方面可以作為參考因素(跟人行數據,RAROC差不多)。純粹由電腦模型決定放不放款最後肯定要出大簍子,而且會丟失一些風險可控的客戶。

The earth is not a cold dead place.


目前提到大數據應用最多的應該是在互聯網金融領域,針對個人小額信用貸款。這些公司通常是把所謂大數據作為一個賣點,至於什麼是大數據?沒有幾個人說的清楚。並且真正擁有大數據的平台並沒有幾家。

數據多維是一方面,數據是否有效是另一方面。篩選變數,判斷數據有效性目前依賴人工業務經驗。如銀行零售風險管理,多年積累下海量數據依然需要專業人員決策。


先說結論:不會也不可能會。

現有的風控策略都是基於人的經驗來進行制定的,大數據聽起來選取了非常廣度的信息來進行判斷,並且有著自學習、速度快、不像人一樣會感到疲倦等種種優勢,但其首先訓練樣本就必須依賴傳統風控中人工判斷的結果,如果沒有人來不斷的輸入壞樣本供其訓練模型進行優化,大數據就永遠是一堆存在磁碟裡面的數據而已。

在不同領域不同地區不同環境下,傳統人工風控有著大數據難以比擬的優勢,經驗是非常難以量化說明的一件事情,就比如有的時候經驗老到的人可能單憑感覺就能判斷一些隱藏比較深的風險,但這一點是大數據沒辦法做到的。

大數據的優勢在於,比如一項申請關聯著成千上萬的維度,而每天又有成千上萬的申請時候,大數據可以快速的告知哪些維度與可能的欺詐重點相關,而他們到達什麼樣的程度下才可能存在風險,但最終的判斷還是要交給人工的,問題就在於很多情況下人們不相信黑盒出來的結果也不能使用給不出原因的判斷。

不可否認的是大數據能夠顯著提高人工的效率,更快的從更多的數據中挑出哪些可能有風險的申請,但想要替代人工,我認為距離我們還很遠


分個人消費貸和企業貸。個人消費貸就是小額純信用借款,1000到100000之間,企業貸就是大額資產抵押借款,50萬到8000萬之間。就目前來說,小額純信用貸就是線上加線下的組合模式,線上就是大數據模型的風控手段(大數據模型本人也參與制作),就小額信貸來說,大數據模型基本可以支撐,特別是20000以內的個人線上申請,基本純應用大數據風控模型,額度超過20000的會配合線下的調查人員進行簡單問詢拍照等等。大額的資產抵押類,大數據風控模型只能起到一個涮選企業和實際控制人黑名單的行為,人工實地風控是必須而又核心的步驟,內容點和細節點很多,對經驗要求高。

就目前大數據模型能對接的信息數據源來說,能滿足小額信用貸款的要求,對於大額的企業貸款來說遠遠不夠。

能看得見的未來,大數據風控是無法替代傳統風控的,看不見的未來就說不清了,可能那時也沒有貸款這回事了,共產主義,人人有錢花。


首先要看,是應用在傳統業務模式中還是新的業務模式中。

1.傳統業務模式中,大數據是輔助支持,作用的主要點在於:降低人力成本,降低人為錯誤和違規,其次才是信用決策。

2.新的業務模式中,如資產處理類公司(具體還真不好描述),如快速極小額消費金融,大數據目前也是輔助支持,但是未來作用應該是作為決策主體。因為這個時候,不需要過分的對個案進行深入挖掘,只對一些情況進行分析即可,也就沒有必要專人審核。

一家之言。


個人認為 不回被替代;

首先最終的決定者還是人,不是機器;

可能在小額的金融借貸,可能用機器直接取代,比如現在的京東白條,微信借貸等等;

但是大筆的金融借貸等,大數據還是個輔助工具,提高人工等效率為主,以前人為來做可能需要2個小時,大數據也行就2分鐘;另外做很多重複性等工作,人不能天天去關注一個自己放貸等客戶,大數據(有人工智慧)等可以去做,然後提供情報給人再決策!

個人觀點!

我們應該不回到達一個機器人的世界吧!


推薦閱讀:

什麼公司有資格寫入你的徵信報告?
怎麼看待「女生為公司擔保貸款,公司破產後個人欠銀行9000萬」事件?

TAG:風險控制 | P2P網路借貸平台 | 大數據 | 徵信 |