科技猎业内人说：给P2P泼点冷水，先把风险控制做好再谈估值
有一个朋友曾问我一个有趣的问题：风控到底是算命还是科学?比如你对一个人的判断是基于经验的个案方式来处理，还是基于大数据的方式来处理?或者说，看长相……
简单说风控分为三个不同的层次。
第一个层次是从宏观方面考虑，每个公司所处的阶段。
举个例子2014年我们做传统企业借贷P2P都有经历，逾期率上升。原因是什么?在调取了我们服务过的客户和自身的数据，结合宏观经济来看，PPI指数连续36个月在下降。
也就是说制造业和工业品生产指数下降的同时，传统制造业和小厂商的倒闭不景气，是形成客户违约的非常重要的原因，这是一个产业升级造成的宏观情况，因此做风控要考虑宏观经济情况，更多的是对未来经济的判断。
第二个层次是目前借贷的欺诈风险远远大于信用风险。
我的建议是，P2P平台更多应该基于场景化或者现实中的某一具体需求，做快速的贷款决策，满足他们的需要。目前市场上的大部分P2P平台都是在几分钟内快速决策，或者是基于场景的分期业务。
在中国的经济在朝服务型和消费型转型的当下，基于场景的业务是非常有价值的。
第三个层次是中国做互联网金融或者小微贷款，应该更多侧重于贷后的风险。
贷款前这些硬性的指标并不是很难获取，更大的问题在于贷后控制和资产处理的后半程，所以应该偏向于贷中和贷后的部分。大部分客户在违约以后如何去找到借款者是目前信贷行业面临的一个很大问题，这是整个行业要探讨和思考以及解决的问题。
如何评价一个互联网金融平台的风控?
我认为最重要的是看贷款最终的实际损失率，或者静态的损失率，这将决定这个企业挣的是利润还是现金流，这是非常重要的指标。
如果挣的是利润，说明有发展的可持续性。如果连自己的生存都不能保障，那就很难保证投资人的利益。
目前来讲，信贷行业的业务模式仍然大量基于人海战术，与上世纪八九十年代传统金融企业的业务模式类似，在信用评级和风险定价方面过多依赖人的经验，然而人总有看走眼的时候。
所以网贷圈充斥着大数据、模型、评分卡等专业词汇。沾上这些词汇的平台在投资者眼中就显得那么高大上，在没有央行的征信数据的前提下，如果说对数据的重视及深度挖掘是互联网金融行业的最大特点之一，那么对数据和模型的信仰则是这个行业发展的风向标。
目前的互联网数据+金融已经开始改变这一状况。尤其是在P2P风控领域，互联网大数据积累已经让风控进入2.0时代。通过数据的积累，可以实现客户开发和数据采集通过人工完成，进行后台的风控模型运算，得出结果最终实现批量化放贷，大大提高了放贷效率。
我们目前也在做数据积累，其中对接的数据超过了100万条。其创新之处是，串联个人征信数据等诸多数据源，通过风险分析和定价，帮助小微金融机构从征信完成授信。
随着中国经济发展，越来越多的人开始接触理财，比如支付宝就做了一场很好的理财普及课程。大家都可以很便捷地得到信用贷款。
但中国现实的难处是，个人信用数据缺失，央行征信只能覆盖25%人群。同时金融机构风险定价水平不高，导致信用贷款市场难以发展。
目前京东用定价自己积累的数据推出了“京东白条”，蚂蚁金服开发淘宝购买者数据推出了“花呗”，这些都有一个限制就是只能在指定的服务商消费才可以用。但这也从一定程度上说明利用大数据可以实现借贷的功能。
不过，即便有央行的征信数据，在实际情况下也只能作为参考。因为目前大家所查到征信数据也仅仅是信用卡数量、贷款逾期等简单的资料。
如果这个人没有信用卡，也没有从银行贷过款，这个征信报告的意义就不是很大。相反，大家在互联网上留下的数据反而更具有一定的参考价值。
例如，输入借款用户提供的电话号码，这边可以看到这个号码用了多少年，在多少家网站注册用户的时候用过，普通人或多或少都会在网络上留下自己的使用痕迹，这些都可以验证借款客户所提供信息的真实性，这也是我们业内称之为反欺诈的东西。
从实际情况来看，目前市场上的P2P平台借款用户大多不一样，仅仅针对个人用户而言，有的平台只借2万元以下，有的是5-10万元，也有20万元以下的，各家借款的对象都会有所侧重。另外分别有针对大学生、白领及各人小微企业主的，还有专门针对公务员和程序员的，不同的人风控模型也会不同，这都会对P2P平台未来的发展形成巨大的挑战!
作者：陆雨泉 (共鸣科技创始人兼CEO，前人人贷风控总监) | 来源：iDoNews 专栏
