當傳統金融模式遇到了大數據後會有哪些轉變?

來源於京東已經公布進軍 P2P 行業,像阿里、騰訊這種巨頭如果進入 P2P 行業會給行業帶來哪些改變? 下的 @周家英 的回答。


:)

在我們的生活中,所有人都在製造和分享數據——但並非所有數據都能得到合理使用。

這種數據缺乏帶來的信息不對稱,導致了金融行業中「二八定律」的出現。

二八定律:在當前利率非完全市場化與小微企業抵押擔保品欠缺的情況下,採用傳統信貸技術從事小微金融,需付出的邊際成本與服務大企業相差不大,在信貸供給資源仍顯稀缺的情形之下,銀行具有提高授信門檻以迫使高風險客戶退出信貸市場的動機,銀行服務 80% 低端客戶所帶來的利潤微乎其微,還不如將這部分客戶趕出市場,全力支持 20% 的高端客戶。

——引用自《2013小微企業融資發展報告_中國現狀及亞洲實踐》

多年來,金融一直是屬於少部分人的。這不是金融機構們在作惡,而是自然的經濟規律,是在資源有限的情況下最正常的分配現象。

我認為,大數據對金融最重要的影響,在於其能使一部分長尾需求得到滿足。

金融行業是很有互聯網機會的行業,更是很有大數據潛力的行業。大數據時代,互聯網創新、平等、普惠的精神,將慢慢融入金融。這種二八定律會慢慢改變:

*圖片來源:麥肯錫全球研究院 國金證券研究所

比如專註做小貸的阿里金融,其在利用大數據進行金融服務上是極具代表性的。我曾經總結過阿里金融在為客戶放貸時抓取的數據:

  • 歷史交易流水,貿易平台表現如頁面管理、廣告投放、社區行為等,這些數據包括客戶在什麼時間、在哪裡、同誰做生意、商品數量的變化等等,可以反映其真實的信用狀況。

  • 買賣雙方交互行為分析:顧客的點擊、收藏、反饋、評價情況等,所有信息最終會進入資料庫進行定量,並將數值輸入網路行為評分模型,從而對小微客戶進行評級分層。

  • 用戶提供的其他外部數據:海關進出口、稅務、水電、物流、銀行流水等方面的數據

  • 在線視頻資信調查:與申請人的直接溝通,索取資料,對申請人的定性判斷

  • 心理測試系統:對小企業主性格特質進行分析,通過假設情景模型判斷客戶的誠信程度

  • 外部互聯網信息抓取:抓取客戶在外部互聯網上留下的數據痕迹和身份信息

  • 地區、行業與政策庫數據,防範系統性風險的調整因素

這些數據項中,有關於企業經營交易的信息,有商品、物流信息,甚至也有企業在互聯網中的交互信息。擁有了這三方面的信息,阿里金融可以很清楚的了解借款人的真實情況,從而為那些沒有合適的抵押擔保品的小微企業放貸。

而根據國金證券的「大數據」專題分析報告,大數據有三個主要來源:

  • 企業內部的經營交易信息

  • 物聯網世界中商品、物流信息

  • 互聯網世界中人與人交互信息、位臵信息等等

這三個方面的數據信息和上面阿里金融拿來分析企業的數據十分對應。事實上,這三種數據在商業和金融領域,都有十分重要的作用。

對金融機構來說,通過這三方面的信息可以很完整的判斷出個人或企業的信用等級和綜合狀況,從而改善了目前個人、企業與金融機構之間信息不對稱的狀況,從而使金融機構有能力滿足長尾人群的需求。

·······························

阿里金融的數據來源有其特殊性,當前的金融機構並不好複製。

但是隨著大數據技術的發展,可以想見將來的金融機構將會能更加直觀、準確、全面的得到關於個人、企業的相關信息。

(需要注意的一點是,雖然處理起來很複雜,這些數據獲取的成本卻是相對較低的,金融機構可以用較低的成本獲得大量關於個人、企業的數據。這正是大數據能真正改變金融行業的前提。)

當信息基本對稱後,金融機構的很多風險控制方式就會不同,會從原來的要求抵押、擔保、保證、高利率等補償覆蓋損失的措施,轉變為通過大數據持續考察企業、個人資金用途、盈利能力的方式。

更神奇的是,金融機構通過進行大數據的分析,可以精確地定位你的性格、偏好、意願,可以隨時隨地精準滿足你所在用戶群的真實需求和潛在需求。

上面這兩種不同將會給金融機構帶來多方位的改變:無論是風險控制、目標客戶群、營銷方式、經營模式甚至盈利模式,都會與現在這種專註於服務大客戶的現狀不同,這種不同是會同時出現在細節和整體的。

那時——很多一直被忽視的人群會被重視起來。(其實就和互聯網行業差不多,在互聯網剛剛發展的初期,軟體服務的都是專業人群,而當大家都能上網時,就得小白用戶者得天下啦。)

即使你一窮二白,是苦苦奮鬥的底層,是有好項目卻沒有擔保的小微企業,是年近古稀不懂新潮流不會理財的老人家,只要數據顯示你值得信任或者有很大潛力,也依然會是金融機構們在意和爭搶的客戶。

說不定,還會是貴賓級的哦。

·········································

當前的大數據要走的路還很長,但會有這麼一天,金融將是普惠而創新的,高端用戶有最適合他們的產品和服務,普羅大眾也能得到自己最適合的貸款和投資。

(關於大數據,其實有很多很好玩的可能性,也許在未來,你的字體書寫都會決定你的信用等級哦,有空再補充上來。)

···································

*參考文獻:

2013小微企業融資發展報告_中國現狀及亞洲實踐

國金證券-「大數據」專題分析報告

@韋昌明 ,好容易有個周末決定答道題感謝你一直對我的鞭策。。。謝邀TT

:)


蟹腰

我不是專門做互聯網金融的,只是兩者都曾經有所涉及,試著答。

另外,金融這個概念實在是太廣了,任何一種金融產品遭遇了大數據都能有精彩的創新。如果籠統的說金融的話,我認為主要是以下三個方面:

1、營銷策略:大數據很好的解決了信息不對稱的問題。傳統金融是粗放型的營銷策略,通過口碑和廣告進行宣傳,通常要儘可能大的覆蓋所有的用戶(註:時間點為中國金融改革之後)。但是通過大數據可以有針對性的推送金融產品,客戶容易接受,企業針對性強。

2、風控模式:金融是經營風險的行業。大數據可以在風險控制的模式上有所創新,但是就目前來說,這個力度不會太大。現有的風險控制模式有他自己的積累,大數據對風險控制的摸索才剛剛開始,很多問題沒有暴露。

3、產品創新:類似點名時間的這種眾籌網站就是一個很好的金融產品創新,算是微型的PE吧。


正如馬雲在一次演講中提到的:

「很多人還沒搞清楚什麼是PC互聯網,移動互聯網來了,我們還沒搞清楚移動互聯的時候,大數據時代又來了。」

毫無爭議的,我們已經進入到大數據時代。而金融業無疑又是大數據的最重要的應用領域之一。今天,我們就來簡單談談大數據在金融業的應用,未盡事宜,可以留言(訂閱號:洪言微語)討論交流。

什麼是大數據

關於這個,已經了比較標準的答案,就不在贅述了。所謂大數據,是指多個來源和多種格式的大量結構化和非結構化數據。有兩個關鍵點:

一是大。即數據量要非常多,數量少了不叫大數據。在實踐中,一般至少要有10TB(1TB等於1024GB,想想你32G的蘋果手機,可以裝多少數據?)的數據量才能稱之為大數據,而在類似蘇寧金融等互金巨頭,基本都沉澱了PB級(1PB約等於105萬GB,相當於3.3萬個32G的U盤,截止目前,人類生產的所有印刷材料的數據量也不過200PB)的數據量。

大數據科學家JohnRauser就提到一個簡單的定義:大數據就是任何超過了一台計算機處理能力的龐大數據量。啪菠蘿·畢加索的定義是,大數據就是多,就是多,原來的設備存不下、算不動。這裡強調的便是大。

二是數據來自多種數據源,數據種類和格式豐富,不僅包括結構化數據,還包括半結構化和非結構化數據。意味著,即便數據量很大,但如果局限於單個領域,也不能稱之為大數據。因為大數據的一個重要作用就是利用不同來源、不用領域的數據進行非線性地分析,用於未來的預測。

比如,《大數據時代》在作者Sch?nberger的對大數據的定義就是,「大數據,不是隨機樣本,而是所有數據;不是精確性,而是混雜性;不是因果關係,而是相關關係」。這裡強調的便是數據的多樣性。

有了大數據,自然就要有大數據技術,即從各種各樣類型的巨量數據中,快速獲取有價值信息的技術,強調快,這是大數據技術與傳統數據挖掘技術的重要區別。

從巨量數據中提取的有價值信息,即是大數據在各個領域的具體運用,比如基於大數據進行客群的細分,進而提供定製化服務;基於大數據模擬現實環境,進而進行精準評估和預測;基於大數據進行產品和模式創新,降低業務成本、提升經營效率等等。

不過,關於大數據的應用,有一個廣為流傳的段子,即:

「Big Data is like teenage sex: Everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it too .」

正如這個段子所講,很多領域的大數據應用,還只是停留在想像的層面。

金融大數據數據領域應用邏輯

說道大數據在金融領域的應用,一般認為有精準營銷和大數據風控兩個方面。

精準營銷就不說了,基於行為數據去預測用戶的偏好和興趣,繼而推薦合適的金融產品,相比傳統的簡訊群發模式,不知要先進了多少倍,這個大家都容易理解。

而對於大數據風控,其邏輯便在於「未來是過去的重複」,即用已經發生的行為模式和邏輯來預測未來。

統計學規律告訴我們,在實驗條件不變的條件下,重複實驗多次,隨機事件的頻率等於其概率。意味著,隨著隨機事件的大量發生,我們是可以發現其內在規律的。而大數據裡面包含的海量數據,就為我們發覺隱藏在隨機事件後面的規律提供了條件。

大數據風控的兩個應用,信用風險和欺詐風險,背後都是這個邏輯,通過分析歷史事件,找到其內在規律,建成模型,然後用新的數據去驗證和進化這個模型。

以美國主流的個人信用評分工具FICO信用分為例,FICO分的基本思路便是:

把借款人過去的信用歷史資料與資料庫中的全體借款人的信用習慣相比較,檢查借款人的發展趨勢和經常違約、隨意透支、甚至申請破產的各種陷入財務困境的借款人的發展趨勢是否相似。

FICO評分是傳統金融機構對大數據的運用,再來看看典型互金機構ZestFinance對大數據的運用,ZestFinance的客群主要就是FICO評分難以覆蓋的人群,要麼是在FICO得分過低金融機構拒絕放貸的人,要麼是FICO得分適中,金融機構同意放貸但利率較高的人。

https://pic2.zhimg.com/v2-24765f5809b31fb55b78a4cf2c6576d1_b.jpg

在ZestFinance的評分模型中,會大量應用到非徵信數據(50%-70%左右),在其官方宣傳中,提到會用到 3500 個數據項,從中提取 70,000 個變數,利用 10 個預測分析模型,如欺詐模型、身份驗證模型、預付能力模型、還款能力模型、還款意願模型以及穩定性模型,進行集成學習或者多角度學習,並得到最終的消費者信用評分。

https://pic4.zhimg.com/v2-06bba933d7851199d1af08036f867d1b_b.jpg

而欺詐風險的防控,本質上也是通過對歷史欺詐行為的分析,不斷梳理完善風險特徵庫,比如異地登錄、非常用設備登錄等行為,都是一種風險信號,建立一系列的風險規則判定集,預測用戶行為背後的欺詐概率。

幾個待解決的問題

第一個就是數據共享的問題。大數據的應用,前提是要有大數據,而在很多金融機構而言,並沒有所謂的大數據,何談應用呢。我們知道,在次級類用戶的信用評價中,非徵信數據發揮著重要的作用,但是要獲得有價值的數據並不容易。

一般來講,盈利性質的商業公司和企業都不會輕易泄露自己的數據、建模方法和分析過程,這個無可厚非,但客觀上便產生了這樣一種效果,幾大互聯網巨頭變成了數據黑洞,用戶的數據進得去、出不來,可以為企業自身而用,但不能為整個行業或社會而用。此外,散落在稅務、公積金、海關、工商等領域的數據梳理和整合,也是漫長的過程。

第二個便是數據保護的問題。正如我在之前的一篇文章《在上市平台信而富財報中,我找到了四個行業秘密》中提到,

沒錯,數據是核心驅動力。但問題是,在數據保護和用戶隱私等相關法律框架最終明確落地之前,對互金平台而言,數據既是寶貴的資產,也可能演變成為聲譽風險、合規風險、用戶訴訟風險等各類問題的潛在來源,是福是禍,尚是未知之數。

——————————————————————————————————分界線

如想進一步了解大數據風控,可以去聽聽我最近的知乎LIVE課程《建立大數據風控的基本框架》,本次 Live 主要包括以下內容

? 傳統金融機構風控的三板斧

? 大數據風控需要哪些數據

? 為何大數據模型最終取決於業務模式

? 大數據信用風險防控的幾個維度

? 風控維度是越多越好嗎

? 大數據欺詐風險防控的難點在哪裡

? 大數據欺詐風險防控的基本流程

? 大數據風控的演變趨勢

? 其他


謝邀~

其實我個人一直有一個不知道對不對的觀點,就是大數據未必會太多的改變傳統金融行業,金融領域主要針對個人和公司,之前已經說過,大數據對於公司業務基的幫助非常有限,公司客戶的基數小,個體情況複雜,在風險控制模塊,風控的主管判斷,經驗以及公司高管的綜合素質都是比冰冷的數據更有價值的存在~而針對個人業務,雖然有利可圖,但金融行業還有一個很重要的屬性,就是私密性~越高端的客戶越會注重私密性,因此,對於高凈值的個人客戶,也許未必會希望成為大數據中的一部分~而大數據能帶來的便利(比如更快的放款審批速度,更合理的放款額等)對於他們來說毫無吸引力(因為他們已經享受到了銀行最優質的服務了)

所以,更多大數據的作用更多的可能體現在相對小額的借貸上~當然,不可否認,這也是個非常大的市場,只要能通過大數據把個體的信貸審批流程化,攤薄每筆業務的成本,通過大量的客戶基數還是能產生非常可觀的利潤的~~當然,在這個市場的數據培養和篩選工作,還需要幾年的積累,所以要真正形成氣候,還需要一些時間~

再多說一句所謂的P2P業務,這個業務更多針對的可能依舊是中低端的市場,目前做p2p的幾個金融品牌雖然發展的都非常快,但形成良好的品牌效應,讓p2p成為客戶的常規選擇而非應急選擇,還需要幾年的沉澱和積累~


謝邀,金融互聯網方面目前在關注,不算了解深入,從大數據業務的部分功能來分析一下:

1.提供更多業務支持數據分析,比如有真實商戶的記錄,可以做信用分析用,降低放貸風險

2.增加業務模式,補充目前金融領域銀行還未提供的服務,比如銀行放貸風控高比較謹慎,很多無抵押或快速投放的貸款業務操作不能,而有大數據支持的機構則有提供這些服務的可能

3.競爭增加,新參與者為佔領市場引發價格戰


瀉藥。

這個不太好說。

唯一能想到的是,通過數據挖掘,可以降低營銷成本,是產品多樣化而已。

但業務本質不變。


瀉藥。可是對於這個我真不懂啊……就我理解的說一下吧,可能的變化:

1,營銷成本大幅降低。基於數據分析而使營銷精度提高,互聯網營銷成本也有優勢;

2,金融產品加速多樣化,銷售/簽約過程的簡化勢在必行,可以參考從最早購物支付的電匯,到網銀到快捷支付;

3,其他的想起來以後補充……


謝 @韋昌明 老師邀

答不好,只能抖個機靈,見圖一張


別逗了,傳統金融能遇上貨真價實的大數據嗎?!

數據、信息,永遠都是社會運行過程中被利益團體爭奪把控的焦點。金融作為從一開始就是利用信息媒介不對稱來運行的行業,是不會也不可能容忍所謂大數據的。

當然,冒牌的,發布越來越多的沒有信息密度的數據,來引起市場相關方的關注,並投入成本分析,是一種策略,天天都在發生,不是嗎?股民們看了那麼多的各種理論、宣傳和報刊雜誌。

大數據,一個概念衝動,在利益格局固若金湯的現實裡面,什麼也做不了。


當下入駐大數據領域的企業越來越多,京東有京東萬象、浪潮有天元數據,阿里有阿里雲......這些企業的參與可能會對傳統金融模式產生衝擊,個人認為主要表現在信息的主導權上。大數據的出現衝擊了銀行等機構的傳統信息傳遞模式,使其主導地位有所下降,同時大數據在金融行業的使用有可能會進一步促經濟領域數據的透明化。


推薦閱讀:

如何看待建行將樂視員工的信用額度降為 1 元?這種操作是否合規?
金也是貨幣,為什麼不叫「金行」,而都叫「銀行」?
新聞上看到八十多歲的老太太兌換六十二年前的五萬塊錢,銀行只給五十塊。銀行兌換為什麼不能按購買力兌換?
從銀行角度看,公司財務狀況是否會影響到員工信用卡評級?
哪家銀行的銀行卡異地、跨行都沒手續費?

TAG:銀行 | 互聯網金融 |