No.13 大數據+的徵信行業初探索

01-30

風險控制、機器學習、數據挖掘、徵信體系、規則引擎、反欺詐、消費金融... 這是這段時間經常碰到的一些關鍵詞。摸索了幾天並在國內外網站上查詢了一些資料後，對行業有了些初步認識，但依然對部分內容的概念有些模糊，所以整體梳理下，查缺補漏。

很小的時候，因為父母做生意經常要和銀行打交道，那個年代去銀行，經常被要求辦一些證明我媽是我媽的材料，過程十分繁瑣複雜。但這個場景也是近幾十年來徵信應用最多的地方 — 銀行貸款。金融和徵信是不分家的兩個行業，從抵押式貸款到現在的信用貸款，無一例外的都要徵信。金融機構也從管理『死』的抵押物到駕馭『活』的信用，對風險控制的標準逐步提高，對徵信的依賴性也越來越強。自13年網貸平台的火熱，到如今消費金融已逐步滲透到我們的衣食住行，作為P2P信貸、消費金融的基準 - 徵信變得越來越重要。除此之外，金融機構高質量大客戶，這塊蛋糕被幾個大玩家已瓜分的所剩無幾，如果想拓展長尾用戶，那就意味著硬標準下放，但目前央行的徵信系統僅覆蓋了不到30%的人口，如何對這片藍海進行有效風險管理，這個擔子無意外的也落到了徵信頭上。

所以徵信很重要，那到底何為徵信，徵信到底能做點什麼？

何為徵信：信息、信用、價值+風險

說到信息，就不得不提到數據源。信息徵集的過程就是在刻畫一張張用戶畫像，當然是數據越多維越好。目前國內主要包括傳統央行的徵信報告記錄的在金融機構的經濟行為、公安、工商、教育備案、以及運營商的通信數據。近幾年對網路數據的徵集是的重頭戲，像淘寶、京東的網購數據，出行數據，社交行為數據等都逐漸成為重要的數據源。

簡單來說，徵信的過程也是一個消除信息不對稱的過程。從一無所知，到個人屬性、資產情況、日常消費習慣、興趣愛好有全方位的刻畫，對所獲得的這些信息進行分類評估，最後決定了我要不要信任你，信任你的風險有多高。可預見到的風險都暴露出來，然後雙方尋找一個彼此都可以接受的平衡點，去落地執行各種經濟交易。

所以徵信，以我的理解目的就是為信用定價。借用老東家的話：人人有信用，信用有價值。至於價值有多大，就要看有多少有用的信息去證明你的信用，你的信用在我的價值體系中又在什麼位置，以此決定我要和你有什麼樣的經濟活動。

徵信產業鏈：以數據為基石，從信貸入手，橫向縱向輻射

從徵信的數據源到最後的產品應用，大致整理下，基本如下圖：

我一直認為互聯網現階段在各個領域的應用，絕對不是顛覆，而是提高效率。可能未來的某一天當效率提升到足夠高，會發生點什麼，類似化學物質量變到質變的反應。但至少現階段，更多的是仍然遵循著各領域原有的商業邏輯。徵信行業也是同樣，以個人信貸業務為例，從普通的信貸員1 V 1模式，到現在的信貸工廠1 VS N模式，將原來的收集數據，處理數據由人眼手執行轉變為人設置規則，讓機器去執行。放款時間也不斷縮短，從兩周到隔天再到現在可以做到30s放款，這背後實則是資金的流動速度加快，整個行業效率的提升。

徵信產品在應用場景上，最為廣泛的是在個人信貸領域，隨著數據維度、數據體量，技術領域等方面的不斷發展，應用場景的也不斷擴大。縱向來看，從單一的市場准入：信用風險，到貫穿後面整個信貸鏈條：申請人資產預測、償債能力預測、貸後風控管理... 風險指標越來越多樣，越細化。也因對數據優勢，可以再往前延伸到獲客層面，提供營銷建議，幫助企業獲得潛在客戶。橫向來看，信貸業務只是金融領域的一個小小分支，像保險、基金、信託等，隨著消費金融的不斷發展，各行業巨頭已經開始憑藉C端大流量的數據沉澱，拓展新領域，像支付寶的花唄、京東白條、去哪兒的旅遊基金等。