BAT抢滩大数据风控，为何瞄向了银行业？

完成了对C端市场的瓜分之后，BAT等互联网巨头们还是瞄向了B端市场。

在2016年及之前，BAT、网易、京东等互联网巨头们已经在云计算、人工智能等领域推出了诸多针对企业级市场的服务，从如今的趋势来看，被畅谈许久的大数据或将是BAT们争夺的又一块价值洼地。

日前， 百度云 传出消息为民生银行提供信贷企业的风险管理和预警的云服务。在寻找 大数据 布局切口的问题上，风控和银行成为 BAT 们的共同选择。

风控是银行业的七寸，也是大数据的练武场

顾名思义，风控即 风险控制 ，通过建模的方法对借款人进行风险控制和风险提示，消灭或减少风险事件发生的各种可能性，或减少风险事件发生时造成的损失。

现在的商业银行在本质上属于经营风险的特殊企业，通过承担风险，转化风险，并将风险植入金融产品和服务中再加工风险。在国内外商业银行的发展史中，因风险管理不当、资产质量低下而导致倒闭、被政府接管的不乏其例。如何有效的管理风险、规避风险成为商业银行生存与发展的灵魂。

银监会在去年7月份发布的《中国银行业信息科技“十三五”发展规划监管指导意见》成为大数据风控加速落地的催化剂，比如说在服务和应用层面强调基于大数据的营销、风控应用的推广。

动作敏锐的互联网金融早早完成了大数据风控的布局，看起来有些传统的银行业在节奏上似乎有些迟缓。

对于线上的纯数据和信用类贷款平台而言，引入大数据风控产品并没有太多门槛。对于商业银行却不然，尤其是中小银行，对大数据风控技术的应用尚不成熟，其风控模式更多关注的是静态的风险预判，这和中小银行科技水平和风控能力相对较低、数据信息的数量和质量存在缺陷等不无关系。

一般来说，大数据风控有着三个核心要素，即风控模型、场景和资金。商业银行仍然拥有着低成本资金优势，在线下场景也有着长期客户积累，大数据和海量风控因子恰恰是很多商业银行所欠缺的。

反观BAT等互联网巨头，在海量数据、金融云、用户画像、信用体系等方面有着先天的优势，特别是在银行逐渐实现业务电子化、金融监管收紧的情况下，BAT与商业银行在大数据风控方面的合作似乎是水到渠成的。

背靠大数据金库的BAT，如何开局？

BAT在大数据风控方面有着相似的逻辑，依靠自身积累的大数据体系，利用技术打造风控能力，再将这种能力开放给银行等金融客户。 相比于市场上很多纸上谈兵的风控模型，BAT的优势在于相继搭建了已经应用于实战的风控模型，而各家在做法上又有很多细节上的差别。

阿里： 蚂蚁金服 的CTU智能风控大脑。 所谓的CTU智能风控大脑，主要通过用户行为、位置、设备信息以及关系链来判断账户的可信性，然后预估资金、个人隐私及相关数据的风险性。判断依据包括用户电商消费记录、旅游消费记录等作为评估其信用的依据，此外利用梯度提升决策树、随机森林、神经网络、分群调整技术、增量学习技术等在内的机器学习算法产生的芝麻信用，也被纳入风控模型之中。此外，支付宝不遗余力的布局社交、芝麻信用打通微博等动作，可以看出阿里试图进一步挖掘社交数据来完善风控体系。

腾讯：微众银行的6个模型。 腾讯旗下的微众银行陆续建立了客户分群授信、社交评分、信用评分、商户授信管理、欺诈侦测等系列模型。其中在降低风险方面较为知名的是通过6个模型找到“坏客户”，即依靠微信社交、QQ社交、财付通交易数据、人民银行资产负债与还款状况以及是否急需资金等在社会平均风险下挑出“坏客户”。不过腾讯的不足在于缺乏对衣食住行等生活数据的积累，这也不难理解腾讯在O2O领域的不断投资以及微众银行加强与O2O平台合作的原因所在。

百度：百度金融主动预警捕捉高危行为。 百度金融主要是打通“人+手机+设备+IP”等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。并在贷款后对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。不难发现，百度金融的逻辑和微众银行非常相似，思路都是找到“坏客户”，然后降低平均风险。百度与中信银行合作成立百信银行，也可以看出百度在补足征信数据上的努力。

以百度云和民生银行合作的风险预警项目为例，依靠百度云的大数据收集、分析和计算建模能力，为民生银行提供海量非结构化数据的加工处理，和目标企业进行关联，并借助风险识别模型判断产生风险信号，再通过百度云bos服务和API对接银行内部业务，以实现对授信企业的风险监测。其中涉及了百度云在大数据方面的三层应用：

数据挖掘：作为国内最大的搜索引擎，百度拥有大量的公共数据和需求数据，且在样本数据的复杂性、广度、多样性等方面占据优势。 尤其在金融领域的数据涵盖了支付、贷款、理财、保险、证券、银行、征信、基金、众筹等各个领域。而银行不良贷款率的增加和信息的不对称有很大的关系，百度在数据层面较于银行自身的积累有着不可比拟的优势。举个例子来说，通过百度的大数据可以对银行的借贷用户进行全方位的追踪，包括搜索习惯、交易信息、个人信用、地理位置等等，将风险控制到最低。

数据处理：百度云推出了“天算”平台，基于百度的大数据和 人工智能 技术，为企业提供从数据收集、存储、处理分析到应用场景的一站式服务。 比如针对金融风控行业的特点,“天算”制定了相应的解决方案,通过百度搜索、地图、社交、交易、政府等各类数据的收集,以人工智能技术、深度学习技术、大数据能力为支撑,实现了对各类金融客户深度场景的定制,如购车贷款、企业贷款、教育贷款、家装贷款等,为金融机构提供安全高效的风控服务。此外百度云BOS提供的云存储服务，实现了银行内部数据和外部大数据的打通。

风控模型：相比于市场上很多纸上谈兵的风控模型，百度的优势在于搭建了已经应用于实战的风控模型，具体体现在百度金融的主动预警捕捉高危行为。百度金融打通了“人+手机+设备+IP”等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。并在贷款后对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。由此可以看出，为百度金融提供技术能力和风控能力的百度云，在风控模型上的能力不可小觑。

与此同时，阿里和腾讯也打起了大数据风控的主意，典型的就是蚂蚁金服、微众银行等也在试图对外进行技术开放。但百度的做法给行业带来了新的启示，以云服务的姿态进行大数据能力的输出，和第三方平台纯粹的大数据风控体系相比， 云计算 、人工智能、大数据结合的服务模式无疑更具备优势。

从大数据农民到大数据商人

觊觎银行业的不只有BAT，还有形形色色的创业者，毕竟百万亿规模的银行业是一个不可多得的蛋糕。不过，民生银行作为股份制银行将云服务应用到贷后管理和信贷决策领域，却给行业带来了更多值得解读的信号。从云服务的角度来讲，金融云在安全层面又一次刷新了历史，但从大数据的角度来看， BAT正从自给自足的“农民”转型成为大数据“商人”。

其实从2014年开始，BAT就开始加速大数据的应用，比如腾讯的社交大数据、阿里的电商大数据以及百度的搜索数据。不过这个阶段，BAT扮演更多的是大数据“农民”的角色，阿里应用大数据进行用户画像主要在电商层面，百度用大数据来改善广告和营销效果，腾讯用大数据来改善运营等等。云服务的大规模应用为大数据的开放提供了良好的“媒介”，BAT也开始进行角色转变。

但在当前的大数据格局中，除了政府所掌握的数据，BAT等互联网巨头成为大数据资源的垄断者之一。 可即便如此， 数据孤岛 仍是围困BAT在大数据方面想象力的重要原因，正如阿里对于社交数据的缺失，腾讯在生活场景数据方面的不足。同样的困局还存在于银行业，目前央行个人征信记录覆盖率仅为35%，这一数字在某种程度上甚至不及BAT所搭建的信用体系和风控模型，尤其体现在数据的维度上。从这个角度或许也能够解释，为何BAT把大数据风控的潜在客户指向了银行业。

大数据应用的云服务化或是结束数据割裂最行之有效的方式，比如说百度云和民生银行的合作方式在服务的标准化和可复制方面并没有太大的门槛，这就意味着未来将适用于更多的企业，而作为云服务的供应方也将从更多维度获取到数据。

数据显示，目前国内大数据的市场份额已经达到了1000亿人民币，预测到2025年中国的大数据产业会是一万亿元的规模，有着近十倍的增长。数据的流通势必将以指数级的形式加速大数据产业的发展，但在诱人的前景背后也面临着标准化、规范化、安全性、公平性等一系列亟待解决的问题。

结语

30多年前，世界著名未来学家阿尔文·托夫勒就在《第三次浪潮》一书中预言，大数据极有可能是继农业革命和工业革命后的“第三次浪潮”。或许其中的过程有些曲折，从银行业和大数据风控身上，我们看到了未来的希望。

本文系投稿稿件，作者：Alter；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。