金融大数据「支招」,如何躲避现金贷「老赖」

转载 36大数据  2018-01-12 18:15  阅读 1,022 次

大数据

作者:王柏匀,来源:36大数据

不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。那么,金融大数据有效控制“老赖”行为呢?

现金贷监管风暴终于“打板”。

12月1日,互联网金融风险专项整治、P2P网贷风险专项整治工作领导小组办公室正式下发《关于规范整顿“现金贷”业务的通知》,明确统筹监管,开展对网络小额贷款清理整顿工作。

这无疑为现金贷公司的焦躁又添了“一把心火”。

此前,就有不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。据华夏时报网报道,正常在20%至30%左右的逾期率,目前最高可达60%。这迫使个别平台考虑暂停现金贷业务的新增贷款。

这时候能否通过金融大数据有效控制“老赖”行为呢?

宜信首席战略官陈欢认为,从“信息化”到“数据化”再到“智能化”,在完善的过程中,金融科技不断精准化操作。虽然大数据并不能改变赖账行为,但金融大数据可以帮助更有效地判断客户的风险,并针对不同的风险,采取不同的风险管理方式,便于有效分配资源,提升风险控制的效果。金融大数据有助于对客户有更好的了解,市场即使有些波动,公司也可以有针对性的提供措施。

在企业风控中,金融大数据如何提供针对性措施?

企业的风险类型包括操作风险、信用风险、市场风险、利率和汇率风险、流动性风险、现金流风险以及决策风险。这些风险类型都可能影响到金融企业运营状态。对于一个信贷产品来说,无论是个人信贷还是其他信贷,风险控制都大致可以分为:贷前、贷中、贷后三个部分。宜信普惠金融风险管理委员会数据总监柴耀晖表示,风险管理既不是为了消灭损失也不是为了消灭不确定性,而是在管理损失的数学期望。在损失期望控制在一定水平下,实现利润的最大化。金融大数据可以有效提升企业风险管理的决策能力。

金融大数据在风控领域的飞速发展原因有三点:

  1. 金融需求驱动金融市场的发展;
  2. 随着互联网技术发展,用户产生了更多的数据,这直接增加了分析客户信用情况的维度;
  3. 时下征信行业尚不健全,发展相对缓慢,而作为金融重中之重的风控,自然对大数据的应用予以更高程度的重视。

柴耀晖表示,人民银行征信中心现在只有4亿自然人的信贷历史记录,仅占中国人口的1/3。信贷记录有很大的空白,实际上这部分人也需要金融服务。不过,由于没有征信数据,对他们的信用评估存在挑战,也是金融大数据可以发挥作用的地方。

现在,信贷产品可以通过金融大数据实现决策流程。具体如下图:

有了这种架构之后,从数据产品到分析平台再到决策,可实现探索性的分析、测试与实际应用。以宜信与电商合作的“商通贷”为例,如果电商平台上的商户有融资的需求时,可以通过接入相应的数据产品,把用户数据授权给宜信进行处理,宜信来进行用户信用的评估,并完成信贷产品的推荐、贷款实时授信等。

据柴耀晖介绍,宜信底层的数据服务有蜂巢、姨搜等。其中包括线上数据抓取、对接外部的征信服务商、以及行业共享的数据等。宜信会通过大量的数据产品,来帮助企业去获取多维度的信息。目前,宜信拥有超过2000万客户的信贷历史数据,线上授权抓取的产品包括运营商、银行账单,平均授权解析成功率达99%。

如何使用金融大数据产生红利呢?

目前,金融科技不仅应用在贷款层面,在保险、财富管理、资产管理和智能投顾都有不同程度的应用,未来,在大数据技术的基础上,人工智能技术的利用会渗透到金融业务的各个方面。

宜信大数据创新中心张军表示,宜信从事的普惠金融与财富管理属于强运营业务。降低成本、提高运行效率与扩大客群是强运营的关键点。通过金融大数据建立数据的体系,及时进行数据运算实现运营决策。如在线财富管理业务中,针对不同用户,推荐不同产品。企业可以利用大数据和人工智能技术,为不同的客户提供个性化的,满足其特定需求的金融服务,同时企业也能实现降低成本,扩大收益。

从不确定性的成本角度来看待风险,收益与不确定成本成反比,风控越好成本越低,利润也就越高。柴耀晖表示,企业做风险决策不是为了消灭损失,而是在管理好一个不定性成本的前提下,通过合理的风险定价为用户提供金融产品,通过规模化效应提升效率去挣钱,所有风险管理都是在平衡企业的不确定性成本和收入。

当然,金融大数据也面临着不少问题,如业务间信息孤岛现象、外部大数据整合难度大等。但随着大数据发展与积累,赋能金融业务将日趋完善。

本文地址:https://www.betax.cn/4996.html
关注我们:请关注一下我们的微信公众号:扫描二维码贝它财经的公众号,公众号:betacj
温馨提示:文章内容系作者个人观点,不代表贝它财经对观点赞同或支持。
版权声明:本文为转载文章,来源于 36大数据 ,版权归原作者所有,欢迎分享本文,转载请保留出处!

发表评论


表情