大数据风控在小额信贷中如何应用？

作者：席占斌，转自公众号破事儿

前段时间大数据风控很火，给人的感觉大有代替人工审核的趋势，但是当真正用到大数据风控时真的可以代替人工审核么？本文仅就我短暂使用大数据风控的实际应用谈几点感受。

一.、 大数据风控平台/系统在实际应用给小微信贷风控工作的帮助

1、欺诈黑名单客户的识别/反欺诈功能

当一个客户在多家平台进行欺诈行为时大多数大数据公司都会对其行为进行收集，按照欺诈行为的严重程度进行分类，在大数据风控系统中我们可以查询客户的欺诈行为严重程度，比如命中初级灰名单，中级灰名单，高级灰名单，黑名单，暴力破解等。此功能有效防止了纯欺诈客户在申请贷款时由于人工误判而批核的可能性。

2、贷前审核必查信息的统一及快速反馈

一般小微信贷人工审核的贷前查询工作虽然都是竭尽全力，但是由于查询相关的官方网站的更新速度比较慢，很多信息不能及时查到，同时还往往存在各种信息查询不对外开放的问题。从人法网查询相关案件往往要比实际慢很多，包括一些赌博信息等都是不容易在对公开放窗口查得到的。还有一些手机号码、身份证号码的关联问题等。

好的大数据风控平台往往能完美解决这样的问题，统一了公检法的各类信息，基本可以做到只要与客户相关的案件进入公检法系统便可以用爬虫或者付费的方式及时链接进行查询，包括企业查询等，相对传统的一个一个网站打开一遍又一遍输入客户信息就方便了很多，一键搞定。

手机号码的实名验证一直是传统的人工审核比较头疼的问题，利用传统的实名软件进行核对时只能核对到手机号码相对应的姓名，有时候会产生一定的不准确性。而大数据风控软件特有的定制服务一般可以核对到手机号码的开户时间，准确的实名认证信息，相关绑定的银行卡，更有甚者据说可以验证到相关各卡内余额，对于非银行的类金融民间小微信贷机构帮助甚大。

3、违约概率的建议

大数据风控平台会根据自己的数据库和保密的计算方式计算出客户的违约概率，但是往往使用大数据风控平台的公司并不清楚其违约概率和计评方式，对于平台给出的违约概率计算目前还没有得到有效的实际验证，需要人工审核根据实际情况去进行对比判别。

4、贷后监控

大多数情况下大数据风控平台的贷后监控是以一定周期对客户进行一次反馈，比如5天或者10天进行一次反馈，如果客户被起诉或者在其他地方有贷款申请，机构可在10天内做出相对应的跟进解决措施，有效解决了人工维护客户信息沟通不畅的问题。

5、信用修正帮助

在小微信贷中客户失联基本意味着一笔新的坏账产生，委外催收要付出高昂的成本，回收成功率能有20%便不错了，实际往往比这个数据更低。而大数据的信用修正通过实时对客户的新的住址、手机号码的修正可以保证客户不失联，在客户违约的情况下就要看门店催收的本事了。此处信用修正的成本比委外催收的成本要低很多，而且修复概率比委外催收的概率又比要高出不少。

二. 、大数据风控系统的不足之处

评分系统：

由于第三方大数据风控系统的评分计算方式以及所取纬度在贷款细分领域内不能面面俱到，其所给出的结论由于没有详细的纬度参考而无法验证其准确性。举一个简单例子芝麻分700分的和600分的你不知道他的参考标准，因而很多时候这样的分数意义并不大，因为不知道风险点。比如有的评分系统可能会计算客户一天上了几次厕所吃了几顿饭几点睡觉，对于小微贷款的审批意义并不大。如果完全将审批权利交给这样的大数据风控系统，便是把自己的脖子架在其他人的刀刃上，危险重重。所以评分系统只能是参考，也仅仅是参考。除非评分系统是按照自己公司的客户有正对性定制的。人工审核的预判性与实际情况的正对性大数据风控很难代替。

2、数据库中的有效数据

大数据风控系统/平台的数据库整理是其核心风控能力的关键。需要考虑到平台的IT技术，扒取数据的能力，数据可信度，对各行业的了解，数据的编译整理能力，以及数据客户的重叠率等。往往要汇集各个行业的人在一起是比较困难的，个人感觉现在是个机构就宣称自己有大数据，但是正真的数据量和核心的需求制定评级能力比起各行业的专业人员人工操作还差不少，目前大数据的程度也仅仅是一个工具而已。如在小微信贷技工中用到的大数据平台便是把以前所有的繁琐操作集合成一个软件而已，方便了人工操作人员，提高了工作效率，但是大数据的费用也是不便宜的，所以同时也会增加机构的成本。