宜人貸：如何用大數據釋放信用價值？

文/王新喜

過去一年的P2P行業是呈現爆髮式增長的一年，國內P2P借貸行業累計交易規模約為9750億元，是2014年3倍有餘，2015年參與人數首次突破千萬，而整個行業依然在承受問題平台之痛，但值得一提的是，行業的監管體系即將落地，將推動整個行業從草莽向正規化路線邁進。在行業規則越來越清晰，P2P進入比拼真正實力的階段，當前，做好風控依然是P2P行業的核心要旨。值得一提的，在風控安全方面，已有平台走在前列。

金融領域的獲客跟一般互聯網其他行業不一樣，金融需要更加精準的客戶畫像，以宜人貸為例，宜人貸將借款用戶定位於白領人群，因為首先白領人群收入穩定，信用良好；其次，該群體相對比較重視生活品質，大額超前消費需求多，傳統金融並不能滿足到這一部分人群的需求。再次是，白領人群有很強的互聯網行為，沉澱了大量的網路數據，比如包括電商數據、運營商數據等，用互聯網大數據的方式，進行信用評估和風險定價，從而為他們提供更加針對性的服務，覆蓋更廣泛的人群。

在宜人貸看來，白領人群的信用可以通過更多的數據維度來衡量。但不是所有的數據都是和信用相關，這需要去偽存真與降噪提煉的過程，方以涵認為:」從篩選有價值的數據，降噪，去偽存真，到完善風控模型，風險定價，這個數據調取和分析的能力是一個很高的門檻。不斷迭代風控模型，歷經充分的金融周期，才能驗證風控的有效性。「

如何建構信用人群的信用模型，提升風控能力？是整個P2P行業的難點。宜人貸的做法是，通過對用戶授權的銀行徵信數據、網路行為數據、消費數據、移動互聯網數據的調取和分析，結合超過100萬個反欺詐數據、超過250條決策規則、以及宜信本身沉澱的數據積累和風控經驗，對用戶的信用進行評級，實施科學的風險定價。

宜信在過往積累的大量相關信用人群的數據和模型給宜人貸的複雜風控模型提供了一個很好的基礎，因為網購數據、社交數據，可以猜到用戶喜歡什麼商品以及他們的社交圈子，但這類型的數據，並不適用於上萬元的借款場景中。只有將這些匹配相同人群的信用模型、違約信息、欺詐信息，才能生成有效的模型。

也就是說，宜人貸通過大數據挖掘體系，將虛擬體系中的個人信用、身份特徵、行為特徵進行實時捕捉，並且通過技術分析等不斷完善金融服務。繼而可以通過極速模式，判斷用戶還款能力，這就是用戶只要在手機上打開宜人貸借款App，輸入三組相關的信息，10分鐘之後，就可以獲知借款批核結果，當天資金就能到賬的原因。

線上P2P的信息資料全部由線上來提供，怎麼保證數據的真實性和準確性，這是一個大問題。因為，線上P2P模式，由於準備資料都非常的簡單，所以往往給了欺詐團伙可乘之機。

這無疑是P2P平台和投資人所擔憂的。而宜人貸所做的則是通過反欺詐系統來對風險進行監控，快速更新反欺詐資料庫、迭代風控模型，通過第三方合作機構，交叉驗證，多維度評估用戶資料的真實性。

可以知道，宜人貸的模式，是通過技術和金融兩個層面，來推動保證平台安全穩定運行，宜信CTO·段念曾在演講中指出，互聯網金融需要解決兩個關鍵問題，一個是獲客、一個是風控，而風控是P2P的核心。

馬雲曾經在香港談創業，有句話是「善於從別人的抱怨中找尋機會」，對應到P2P行業恰如其分。金融創新做的好，往往因此能化解用戶資金安全顧慮以及外界對P2P的諸多抱怨，建立有效的風控體系，進而釋放信用價值。而專業度高，風控體系做的好、業務模式創新度高的平台則有望抓住機遇。

作者：王新喜 本文未經許可謝絕轉載，我的微信公眾號：熱點微評（redianweiping)

推薦閱讀：