百融金服张韶峰：数字普惠金融时代，大数据风控填补行业空白

【编者按】本文最早刊发于《清华金融评论》2017年1月刊，作者为百融金服CEO张韶峰；现由亿欧编辑整理，供行业人士参考。

---

数字 普惠金融 时代正在到来，然而，征信信息的缺失成为制约中国信贷发展的短板，对于新兴互联网金融机构，风控的形势更加严峻。

本文分析了目前互联网风控企业的主要模式，以自身经验为例，提出构建层层深入的 大数据风控 系统，打造良好的信用生态环境。

在互联网及移动互联网领域，中国仅用了20年的时间就由追赶者变成了引领者。互联网成为各行各业发展的高效助推器，当它开始助力金融行业，普惠金融的目标就离我们越来越近了。

互联网与金融的结合成为了普惠金融的一种重要形式，它使包括支付、信用等在内的金融基础设施发生了革命性的变化，使借贷、理财、保险等众多应用领域不断创新。

这种互联网金融模式有效解决了传统金融方式受风控能力不足及物理网点限制而导致服务人群有限的困境、填补了传统金融业务功能上的缺失，让那些被银行理财计划和信贷门槛拒之门外的低薪阶层、个体户、农村的贫困农户、大学生等人群也有机会享受金融服务。

G20普惠金融指标体系按金融服务的 使用情况、可获得性和质量3 个维度制定了29项指标。按照制定的标准来看，中国的大部分指标均排在发展中国家前列，特别是在账户普及率和储蓄普及率等指标上增长迅速。

然而，中国在个人信贷指标上略显不足，通过金融机构借款的成年人比例以及信贷可获得性方面均低于G20国家平均水平——是中国提供贷款的金融机构不够吗？

粗略计算一下，哪怕不算各级各类的银行，中国仍有小贷公司近9000家、运行中的P2P平台约2000家以及15家持牌消费金融公司等，借助互联网它们的业务可以覆盖全国。

其实，征信信息的缺失造成了中国信贷发展的短板，调查显示中国现有的征信系统覆盖率仅为38%，大量用户金融需求被排除在外。

跟不上脚步的传统风控

要实现信贷领域的普惠金融，应该让每一个有还款意愿和还款能力的人都能获得与其自身资产水平相匹配的贷款。

传统金融业务中的做法是：用个人资产和工作信息或者采用抵质押物来证明还款能力，依靠个人过往信贷记录来评价还款意愿。因此银行等传统金融机构选择了有稳定收入（依靠劳动合同、社保、公积金等资料证明），以及过往无不良信贷记录的人群进行放贷，这 的确筛选出了大量优质的用户，保证了银行较低的不良率 。

但大量排除在这个第一梯队外的次优级用户无法获得贷款，他们也有还款能力和还款意愿，但却无法提供相应的资料信息证明自己的能力和意愿，这些用户包括了农民、刚入社会的毕业生、从事临时工作的打工族、收入较低的蓝领工人、三四线城市的打工族、个体工商户等。

新兴互联网金融机构发现了市场上存在大量的资金需求，采取了 信贷服务下沉的差异化战略，为银行无法服务的用户提供信贷支持 。此时，风险控制能力成了决定新兴互联网金融机构生死存亡的关键。

然而，随着市场上提供金融服务主体的多样化，传统的风控方式已经难以跟上数字普惠金融的脚步，其覆盖人群有限，审核周期较长；信息采集面有限，少量维度数据容易造成数据失真且有存在信息欺诈和作假的可能；再加上普遍的数据孤岛问题，风控的效果无法满足金融市场的需求。

对于新兴互联网金融机构，风控的形势更加严峻：

第一， 央行征信报告获取难度较大 。央行征信报告是金融机构进行信贷审批的重要依据，但目前主要是银行和其他一些持牌的金融机构能够查询，大量P2P、小贷和非持牌消费金融公司等不能接入央行征信系统。

第二， 普惠金融客群自身信息维度不全 。互联网金融机构的客户群体与银行差异较大，很多是银行筛选之后的客群，这些用户本身不光没有个人征信报告，甚至缺乏支持授信评价的足够维度数据。

第三， 小额分散的信贷需求需要快速响应 。基于互联网提供的金融服务需要快速的反馈，分钟甚至是秒级响应，传统风控技术无法支持，如果需要用户提供多种资料的话，不光时效不能保证，繁杂的手续也将严重影响用户体验。

因此，互联网金融机构在以高效、便捷、简化的良好用户体验服务大量新增信贷客群的同时，也发现了该类客群相对于银行客群而言，呈现出欺诈风险更高， 多头借贷 （共债）行为较多的特征。

比如，随着业务的扩张，互联网金融机构很容易被欺诈分子利用业务漏洞进行欺诈。欺诈犯罪正朝着团伙化、专业化发展：专业黑客可以一人控制多台机器、多个账号进行借贷；羊毛党团伙游走于各大平台，增加金融机构获得成本；中介帮助借款人伪造信息进行诈骗等，传统的风控手段面对层出不穷的欺诈手段已显得捉襟见肘。

比如，由于各金融机构之间 信息不共享 ，一些用户则钻此漏洞向多家线上放贷机构借贷，甚至向不同类型金融机构借贷的情况，这可能会导致用户负债率过高，金融机构的额度模型失效。

比如，由于很多新兴金融机构的业务主要通过互联网开展，没有传统风控中面对面审核的过程，因此金融机构还面临用户身份难以识别、虚假信息辨别困难、用户资料不足等问题。

大数据 给风控带来的启示

来自国外的 ZestFinance 的大数据风控模式给中国企业带来了启示：在互联网上以各种方式被记录、存储下来的数据都可能成为建立用户信用的原材料，利用大数据技术对这些海量数据进行加工、分析，让隐藏在数据之中的规律浮出水面，综合分析各种数据与个人信用之间的关系，由此建立一套自动化的风险控制体系。

这种风控模式与传统风控模式在评估内容、技术手段、数据来源、分析维度、评估模型等方面都有很大的区别，并且不受限于是否有信贷历史，因此有效地弥补了传统风控模式覆盖面不足的问题，并极大地降低了单个用户的征信成本，在国内外均得到了金融机构的广泛认可。

大数据风控模式的优点已显而易见，而难度在于其对数据和技术的要求，这并不是单一互联网金融机构可以做到的， 需要专业、中立的第三方大数据风控公司进行长期的业务积累 。

大数据风控需要融合用户身份类数据、社交类数据、互联网行为数据、消费数据、信用类数据、履约能力类数据、共债类数据等，利用机器学习、知识图谱、决策树等大数据技术进行分析处理，非专业大数据风控企业难以做到。

大数据风控系统的构建

虽然困难显而易见，但是解决势在必行。中国大数据风控企业从无到有，构建起一系列基于互联网数据及大数据技术的解决方案。

目前普遍做法是将来自于众多渠道的数据进行 整合、清洗 ，转化为数十万弱变量，再利用大数据挖掘分析技术帮助金融机构筛选出有还款意愿和还款能力的客群，提前识别有欺诈行为或高概率不良的客户，构建层层深入的大数据风控系统：

第一层： 安全风险防范 。主要是指防止黑客、羊毛党、欺诈团伙攻击等。例如，可以通过对设备和IP进行监控，将用户信息与公安系统信息进行真实性比对，建立欺诈高风险用户特征识别系统等手段，在用户第一次信贷申请中就识别出高危用户。

还可以通过用户身份识别标签、通话记录、邮件往来记录等，构建起用户社交关系网络。使信贷审批从原本的单一个体拓展至对申请用户整个社交网络，这对于识别团伙诈骗、中介诈骗等具有良好效果。

第二层： 特殊用户识别 。除历史信贷记录外，经大数据分析发现，在日常其他行为中有不诚信行为的人，其贷款逾期概率也大幅增加。因此，公检法数据、运营商数据、生活缴费记录等中的不良信息都可引入作为识别高风险用户的依据。

大数据风控企业还可以组建机构 反欺诈 联盟，共享各类金融机构中用户的不良信贷记录，防范多头共债、骗贷等行为的发生。

第三层： 全面信用评估 。互联网金融机构中很多新增借贷用户，既没有信贷历史也没有各类不良信息，通常被称为“信用白户”。这时大数据风控技术就可以施展拳脚了。

以百融金服为例，把用户的基本信息、社交行为、网络浏览行为、电商购买行为、线下消费行为、个人阅读偏好等各类数据转化为500000个变量，将机器学习与传统逻辑回归相结合，在这些与信贷行为弱相关的变量中寻找能够影响用户信贷行为的强关系，将其引入信贷决策中，为绝大多数网民开启信用初始记录。

例如，百融信用评估就包括商品消费评估、媒体阅览评估、收支等级评估、支付消费评估、航旅行为评估、社交数据评估、个人对外投资等等。

第四层， 便捷的评分卡模式 。对很多自身风控能力尚不完善的金融机构来说，他们希望获得更加直观的风险评价依据，信用评分就是较好的选择。

风控企业将自己的风控能力浓缩为信用评分进行输出，如百融评分、芝麻信用分都是这类产品。金融机构依靠信用评分即可自动做出是否放贷的决策，这尤其是对新成立的互联网金融机构有很大帮助。

构建信用生态环境的想法和建议

中国大数据风控技术的应用尚处于起步阶段，各个从事风控的企业在用户授权、数据采集和处理、信用报告模式、信用服务产品及应用等诸多方面均需要进一步完善和探索。而构建健康发展的信用生态环境，提高业内企业的规范化经营程度已成为各界的共识。

首先， 构建有利于数字普惠金融健康发展的信用生态环境应该动员全社会的力量，给予新兴业态更好的发展土壤，使企业能够获得均等的发展机会。

应规范数据交易市场，打破数据的分割和垄断，使分散在政府部门、行业机构和一些企业手中的大量有价值的数据发挥作用。与此同时，要加强用户信用习惯培养，提高个人信息保护意识。进行配套体系建设，对泄露个人信息行为实行严格的惩戒机制。

其次， 需要提高企业规范化经营程度。

作为金融行业的从业机构，应积极规范化经营，通过行业协会、联盟等机构，努力共同推进行业健康发展，避免出现系统性风险，禁止开展不良竞争，防止劣币驱逐良币。对各企业来说，更重要的是应精耕细作，积极服务客户需求。借助大数据技术，提高对用户需求的理解，进而为用户提供更加个性化、低成本、方便快捷的金融服务。