一個(gè)新鮮詞匯誕生，往往總會(huì)吸引著眾人的眼球。

伴隨著FinTech（金融科技）的火熱，大數(shù)據(jù)風(fēng)控被推到風(fēng)口之上，幾乎成為家家互金平臺(tái)的“標(biāo)配”，倘若哪家公司沒(méi)有大數(shù)據(jù)風(fēng)控做支撐，似乎都不好意思說(shuō)是互聯(lián)網(wǎng)時(shí)代的金融公司。

　　大佬爭(zhēng)相搶灘布局 大數(shù)據(jù)風(fēng)控緣何如此火熱

除BAT、網(wǎng)易、京東等國(guó)內(nèi)互聯(lián)網(wǎng)巨擎旗下金融分支機(jī)構(gòu)搶灘布局大數(shù)據(jù)風(fēng)控之外，互金行業(yè)關(guān)于大數(shù)據(jù)風(fēng)控技術(shù)的探索也一直持續(xù)不停，已經(jīng)具備一定規(guī)模的互金公司大多推出了相關(guān)的大數(shù)據(jù)風(fēng)控技術(shù)體系。

拍拍貸推出了基于大數(shù)據(jù)模型的“魔鏡”風(fēng)控系統(tǒng)，對(duì)接了多渠道多維度的海量數(shù)據(jù)，“魔鏡”對(duì)每個(gè)標(biāo)的進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)，再經(jīng)過(guò)篩選，轉(zhuǎn)化，加工，最終形成準(zhǔn)確的風(fēng)險(xiǎn)概率預(yù)測(cè)。

錢牛牛2014年上線之初，就曾嘗試運(yùn)用大數(shù)據(jù)建模的方式對(duì)基于人的信用進(jìn)行綜合化的評(píng)估和打分，后又與騰訊旗下“天御”反欺詐系統(tǒng)協(xié)作，打造出基于社交反欺詐模型的智能云風(fēng)控系統(tǒng)“元方”，以此完成對(duì)人的精確授信和風(fēng)險(xiǎn)定價(jià)，從而降低金融風(fēng)險(xiǎn)。

而點(diǎn)融網(wǎng)搭建了名為”Matrix”的大數(shù)據(jù)反欺詐系統(tǒng)，借款人提交借款申請(qǐng)即介入整個(gè)風(fēng)控流程，對(duì)接多個(gè)數(shù)據(jù)源以獲取借款人的數(shù)據(jù)信息，并在各個(gè)環(huán)節(jié)建立checkpoint，通過(guò)可配置的規(guī)則引擎在各個(gè)checkpoint執(zhí)行預(yù)定的邏輯，防御欺詐風(fēng)險(xiǎn)。

除此之外，業(yè)內(nèi)多家平臺(tái)宣稱接入了大數(shù)據(jù)風(fēng)控。大數(shù)據(jù)風(fēng)控究竟何方神圣，為何家家搶灘？百度資料顯示，大數(shù)據(jù)風(fēng)控即大數(shù)據(jù)風(fēng)險(xiǎn)控制，是指通過(guò)運(yùn)用大數(shù)據(jù)構(gòu)建模型的方法對(duì)借款人進(jìn)行風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)提示。

由于傳統(tǒng)風(fēng)控技術(shù)多由各機(jī)構(gòu)風(fēng)控團(tuán)隊(duì)，以人工的方式進(jìn)行經(jīng)驗(yàn)控制。隨著互聯(lián)網(wǎng)技術(shù)發(fā)展，整個(gè)社會(huì)大力提速，傳統(tǒng)風(fēng)控已逐漸不能支撐機(jī)構(gòu)的業(yè)務(wù)擴(kuò)展。而大數(shù)據(jù)對(duì)多維度、大量數(shù)據(jù)的智能處理，批量標(biāo)準(zhǔn)化的執(zhí)行流程，更能貼合信息發(fā)展時(shí)代風(fēng)控業(yè)務(wù)的發(fā)展要求，越來(lái)越激烈的行業(yè)競(jìng)爭(zhēng)，也正是現(xiàn)今大數(shù)據(jù)風(fēng)控如此火熱的重要原因。

沒(méi)有過(guò)硬的技術(shù)做支撐 大數(shù)據(jù)風(fēng)控只是偽命題

不過(guò)，筆者了解到，大數(shù)據(jù)風(fēng)控具有很強(qiáng)的技術(shù)壁壘，并非人人都能輕易染指。不排除一些企業(yè)利用大數(shù)據(jù)風(fēng)控的概念進(jìn)行炒作，但對(duì)于不懂技術(shù)的普通人而言，大數(shù)據(jù)風(fēng)控的概念就足以使其云里霧里，更何況要將之進(jìn)行深入剖析并作實(shí)際運(yùn)用，無(wú)疑更是巨大的挑戰(zhàn)。‘

錢牛牛CEO倪抒音曾在受訪時(shí)提到，大數(shù)據(jù)風(fēng)控不僅僅只是數(shù)據(jù)的簡(jiǎn)單集合清洗和篩選過(guò)濾，數(shù)據(jù)底層的技術(shù)是支撐大數(shù)據(jù)風(fēng)控的核心基礎(chǔ)，倘若沒(méi)有過(guò)硬的技術(shù)實(shí)力，大數(shù)據(jù)風(fēng)控不過(guò)只是無(wú)以求證的偽命題。

而很多公司在運(yùn)用大數(shù)據(jù)進(jìn)行數(shù)學(xué)化建模的時(shí)候，往往忽略技術(shù)在建模中的運(yùn)用，僅僅只是將原始數(shù)據(jù)匯集在一起，進(jìn)行簡(jiǎn)單篩選后就結(jié)束流程，整個(gè)環(huán)節(jié)中可能并沒(méi)有太多涉及技術(shù)的分析和學(xué)習(xí)。

錢牛牛在大數(shù)據(jù)建模過(guò)程中則充分發(fā)揮了騰訊基因的技術(shù)優(yōu)勢(shì)。

先是將騰訊、芝麻信用等從各個(gè)渠道獲得的數(shù)據(jù)集合在一起，分成三個(gè)關(guān)鍵環(huán)節(jié)點(diǎn)，第一個(gè)環(huán)節(jié)被稱為反欺詐系統(tǒng)，主要是捕捉某些強(qiáng)特征和部分弱特征的組合，技術(shù)底層則運(yùn)用機(jī)器進(jìn)行數(shù)據(jù)欺詐風(fēng)險(xiǎn)等級(jí)評(píng)估，這個(gè)環(huán)節(jié)將過(guò)濾部分?jǐn)?shù)據(jù)，隨之進(jìn)入第二個(gè)環(huán)節(jié)決策樹體系。

通俗來(lái)說(shuō)，決策樹體系就是一個(gè)個(gè)按照強(qiáng)、中、弱特征比例分類的“池子”，“池子”里有不同數(shù)據(jù)，強(qiáng)特征、中特征和弱特征可進(jìn)行正向指標(biāo)和負(fù)向指標(biāo)對(duì)沖，經(jīng)過(guò)機(jī)器高效而精準(zhǔn)的測(cè)算之后，自動(dòng)進(jìn)入第三動(dòng)態(tài)打分系統(tǒng)的環(huán)節(jié)。

打分機(jī)制與決策樹體系相關(guān)聯(lián)，主要是通過(guò)某些正向強(qiáng)指標(biāo)和負(fù)向指標(biāo)進(jìn)行綜合化動(dòng)態(tài)打分，但這個(gè)環(huán)節(jié)并不是死板決定被接受數(shù)據(jù)打分的人能不能借錢，而是將結(jié)果與當(dāng)下市場(chǎng)風(fēng)控松緊環(huán)境做比對(duì)，動(dòng)態(tài)進(jìn)行判斷。

最重要的是，錢牛牛每天堅(jiān)持風(fēng)控復(fù)盤，尤其針對(duì)一到三天、三到三十天、三十天到九十天以及九十天以上不同等級(jí)的逾期數(shù)據(jù)指標(biāo)進(jìn)行深度分析，以區(qū)分無(wú)意識(shí)逾期和有意識(shí)逾期，最終將數(shù)據(jù)灌入機(jī)器，重新清洗、提煉，完成二次機(jī)器學(xué)習(xí)，這個(gè)過(guò)程又反哺了風(fēng)控。

據(jù)悉，雄厚的技術(shù)實(shí)力支撐下，當(dāng)前錢牛牛大數(shù)據(jù)風(fēng)控系統(tǒng)已實(shí)現(xiàn)80%以上自動(dòng)化進(jìn)程。

除了技術(shù)實(shí)力 大數(shù)據(jù)風(fēng)控還有哪些壁壘

盡管大數(shù)據(jù)風(fēng)控時(shí)下已被廣泛提及和運(yùn)用，但真正將大數(shù)據(jù)風(fēng)控做好的公司卻是寥寥無(wú)幾，大多數(shù)公司除技術(shù)實(shí)力跟不上大數(shù)據(jù)風(fēng)控所要求之外，還面臨著許多問(wèn)題。

首先是大數(shù)據(jù)風(fēng)控本身所涉及的數(shù)據(jù)源問(wèn)題。數(shù)據(jù)從哪里來(lái)，數(shù)據(jù)量如何進(jìn)一步擴(kuò)大，如何給模型做支撐等等。目前很多線下行為都還沒(méi)有數(shù)據(jù)化，線上數(shù)據(jù)也比較有限，對(duì)于這類群體，各種行為線上化、數(shù)據(jù)化進(jìn)而將數(shù)據(jù)結(jié)構(gòu)化，需要有一個(gè)過(guò)程。

倪抒音指出，隨著智能手機(jī)與社交網(wǎng)絡(luò)應(yīng)用的普及，很多缺乏信用數(shù)據(jù)的群體在線上有了一些數(shù)據(jù)，但數(shù)據(jù)量還需要進(jìn)一步增加。未來(lái)物聯(lián)網(wǎng)的發(fā)展可能帶來(lái)更豐富的數(shù)據(jù)信息，輔助進(jìn)行風(fēng)控決策。

其次是層出不窮的欺詐行為，總在挑戰(zhàn)模型的有效性。就像花樣百出的詐騙技術(shù)，對(duì)于大數(shù)據(jù)建模風(fēng)控，總會(huì)有人想方設(shè)法尋找漏洞、偽造資料進(jìn)行騙貸，科技的發(fā)展也一定程度上助長(zhǎng)了這類騙術(shù)的提升。

這就需要大數(shù)據(jù)風(fēng)控模型在試錯(cuò)中不斷迭代，加入更多復(fù)雜特征和更多維度的特征，這對(duì)于大數(shù)據(jù)風(fēng)控公司的技術(shù)能力是持續(xù)的考驗(yàn)。

此外，數(shù)據(jù)采集容易涉及到用戶隱私，某些程度上也可能造成用戶數(shù)據(jù)泄露，從而使用戶感到不安，產(chǎn)生抵觸情緒，這對(duì)于平臺(tái)發(fā)展也極為不利。

這個(gè)問(wèn)題又回到了技術(shù)實(shí)力的問(wèn)題，一方面企業(yè)需要重視用戶信息安全，采取措施防范數(shù)據(jù)泄露等事件的發(fā)生，另一方面需要企業(yè)不斷提升技術(shù)實(shí)力，以保障用戶數(shù)據(jù)安全，真正發(fā)揮大數(shù)據(jù)風(fēng)控效用。

大數(shù)據(jù)并非解決風(fēng)控的萬(wàn)能鑰匙，它只是彌補(bǔ)傳統(tǒng)風(fēng)控不足的一種手段，平臺(tái)在搭建風(fēng)控模型的時(shí)候不應(yīng)盲目迷信大數(shù)據(jù)風(fēng)控，而應(yīng)將大數(shù)據(jù)風(fēng)控與傳統(tǒng)風(fēng)控并用，使其互相協(xié)作，從而降低金融風(fēng)險(xiǎn)可能，最終提升金融服務(wù)效率。