BATJ，網易，京東等如何做大數據風控的？

大數據風控目前應該是前沿技術在金融領域的最成熟應用，相對於智能投顧，區塊鏈等還在初期的金融科技應用，大數據風控目前已經在業界逐步普及，BATJ從這樣的大企業，到交易規模比較大的網貸平台，再到做現金貸，消費金融的創業公司，都在通過大數據風控技術來控制貸款規模擴張中的風險。

現在提到互聯網金融，FINTECH，首先想到的就是大數據風控。隨著網易北斗大數據風控平台的上線，業內包括BATJ，網易在內的主要國內互聯網巨頭都開始在大數據和金融衍生應用領域進入了金融科技化階段，和互聯網金融第一階段相比，目前產生了以大數據金融，風控，智能投顧，個性化產品等為代表的新階段，伴隨著監管的深入和全國性互聯網金融政治風暴的規範化推進，1.0時代的互聯網渠道和通道金融將逐步被融合了大數據，人工智能和機器深度學習的金融科技所替代。大家都在做，對行業格局有什麼影響，未來的市場格局會是什麼樣子？

模型，資金，場景，互聯網與金融機構各取所需

在大數據風控領域，核心的三個要素是風控模型，場景和資金。傳統商業銀行往往擁有低成本資金優勢，在線下場景也具有長期客戶積累，但是在線上大數據和數以千，萬計的風控因子方面卻稍顯吃力;而BAT，網易在內的互聯網IT巨頭，則在海量的數據，金融雲，線上場景和用戶精準分析方面優勢領先，但是需要一定的資金對接和金融牌照服務資質。於是乎，在目前金融監管收緊，而雙方都有迫切需求的情況下，通過互聯網IT巨頭的技術，數據，模型對接線下傳統金融的資金，成為了一個標準化的產業鏈合作模式。

近期互金(互聯網金融ITFIN）)公司在大數據風控領域佈局愈加頻繁

進入2018S年12月份不到半個月，大數據風控領域不斷有新動作： 12月6日，360金融借助大數據徵信和風控，推出消費金融產品360借條，推出閃電放款隨借隨還機制。12月8日，網易金融發布了網易北斗智能風控系統，基於網易的數據積累和外部數據，通過網易的建模及計算能力，以及神經網絡/機器學習/支持向量機等技術能力，形成大數據風控體系，構建“新賦能”金融科技商業模式，開放數據與技術能力，與商業夥伴共建信用生態。12月13日，宜信旗下的致誠信用正式發布“致誠阿福共享平台”推出阿福數據共享，致誠通用評分，阿福反欺詐決策引擎，授權數據抓取，阿福信用速查等產品和服務，向行業輸出數據產品及金融科技服務，為商業夥伴提供大數據風控能力。

此外，一直以做大額融資標的著稱的紅嶺創投面臨轉型壓力，其董事長周世平最近也表示，隨著網貸監管辦法的出台，限額讓網貸的生存空間受限制，今後將重點關注智能投顧，金融IT等金融科技，金融大數據解決方案等。

由此可見，現在互金行業一個重要的趨勢是，有向普惠金融，小額信貸服務轉型需要的公司，與擁有數據資源的公司，都在努力向大數據風控領域佈局。

對於前者而言，大數據風控是做小額融資標的的必備工具;對於後者而言，大數據風控可以提供將數據和技術進行變現的途徑另外，可以看到，大數據風控系統的開放也已經成為趨勢。大公司與互金創業企業都在做大數據風控，但商業策略有所不同以上大數據領域的新動作是互金公司發力大數據風控的縮影。近年以來，互金公司對大數據風控的佈局熱情滿滿，從大公司到創業企業，都在大數據風控上下功夫。大公司紛紛做大數據風控技術輸出

在大公司方面，一個共同特徵是，都在開發自己的數據體系，利用技術打造風控能力，且將這種能力開放給業界。

螞蟻金服旗下芝麻信用稱，利用梯度提升決策樹，隨機森林，神經網絡，分群調整技術，增量學習技術等在內的機器學習算法，可以為缺少信貸記錄的人群做出客觀的信用評價。芝麻信用已通過商家自助服務平台全面開放消費金融風控能力，幫助行業提升風控水平;京東金融形成了由多種大數據機器學習模型構成的弱分類組合預測模型，借助隨機森林，LASSO回歸等算法，參考數千個預測變量，藉此評估用戶的還款意願和還款能力。京東稱，正在構建開放生態，開放技術，產品能力，為傳統金融機構賦能，幫助其降低成本提高效率。騰訊旗下的微眾銀行陸續建立了客戶分群授信，社交評分，信用評分，商戶授信管理，欺詐偵測等系列模型。微眾銀行也在做技術輸出，推進同業合作，幫助合作夥伴構建移動互聯網金融服務能力;百度金融將自己定位科技金融公司，以大數據技術為發力點，通過人工智能，用戶畫像，精準建模等技術，擴大徵信範圍，並對外開放技術能力;

剛剛推出大數據風控系統的網易金融也主打開放性，為金融機構面向中小微企業和個人的融資服務提供獲客，徵信，授信，管理和催收等服務，並輸出營銷，客服等解決方案。

可以看到，大公司基本都選擇將自己的數據和技術產品化，開放給合作夥伴。

近年來除了BATJ等大公司掌握了強大的風控技術之外，各個互聯網金融新興企業也有了自己的科研成果，推出了很多格局特色的大數據風控系統。

未來行業會演繹怎樣的格局？

目前做大數據風控的公司可以分為兩派，一派是在數據或技術方面有優勢的大型企業，一派是近些年在競爭中興起的互金創業公司。大家都在做比較類似的事情，未來行業會有怎樣的格局？可以從數據資源，技術能力，商業模式構建等方面做一個比較。數據在數據方面，大型企業有數據方面的巨大積累，量級是創業企業所不能比的，數據類型豐富，判斷用戶的維度也比較廣泛。不同企業之間的數據類型業不盡相同。

阿里和京東在電商數據方面有優勢，阿里這些年通過大量收購，也積累了用戶在娛樂，搜索，地理位置，生活服務等方面的數據; 百度在搜索數據方面有優勢，同時通過旗下多種應用也積累了用戶在貼吧，地圖，外賣等方面形成的數據。

騰訊較大優勢在於社交領域，擁有海量社交數據，同時在新聞，娛樂等內容的分發方面也有不少數據積累，在各類工具應用（應用商店，信息安全應用等）上也有大量用戶數據。

網易數據類型也比較豐富，有社交網絡數據，即用戶的評論信息，有網易嚴選，考拉海購方面的電商數據，有用戶在遊戲方式的消費數據，有用戶在郵箱，詞典等工具上的使用數據。

以上都是互聯網企業。相比之下，也在開放金融技術的宜信的數據主要集中在金融領域，官方資料顯示，其信用共享平台加入了線上線下1200萬條借貸數據，以及40萬個風險名單，並結合了共享機構的借貸數據。

不過，對於大企業而言，大量龐雜的數據，其開發的難度也會比較大，對數據的整合過程是一個比較龐大的系統工程，另外很多數據類型與信用狀況相關度較弱，這就會考驗數據挖掘能力。

創業企業需要自己在業務拓展中逐步去積累自己的數據體系，並通過引入大量第三方數據來增加數據維度，過程相對來說更艱辛，不過在放貸過程中形成的數據體系，與信用強相關，對於模型的優化幫助比較大，隨著創業公司業務數據越來越大，數據基礎會逐漸紮實。

在數據上，創業企業優勢不及大企業，但並非沒有機會。技術技術實力方面很難量化，也沒有很公允的標準來評判各家公司在技術上孰優孰劣。

相對來說，大企業財力更雄厚，可以招募到比較優秀的技術人員，技術體系也會比較系統，全面;創業公司則可以靠股權，期權，發展前景等來吸引優秀的技術人員，且創業公司普遍戰鬥力強，技術開發往往更聚焦，更迅速的商業模式構建。

在大數據風控的商業模式構建方面，創業公司生存壓力大，相對來說在資產端的開拓上更為進取，目前網貸交易規模超過300億元的創業公司已經逾10家，創業企業更偏向於將自身資產端拓展與大數據技術相結合，在模式上表現為直接貸款為主，少量助貸業務;

大企業在數據和技術上有優勢，在資產端的拓展上更注重安全，目前大公司的金融服務，除了有消費場景的螞蟻金服和京東金融，其他企業交易規模普遍不大。大企業更傾向於依托技術和數據來開放能力，打造生態。很多大企業都是直接放貸與助貸並重的模式。

行業或會形成若干個比較大的大數據風控生態圈

未來一段時間這樣的格局或會繼續延續，即大企業在做資產端的同時，也將自己的大數據風控體系開放出來，幫助互金創業企業，傳統金融機構等來提升風控能力，自己也可以擴大收入來源，壯大生態圈;創業企業在形成自己的大數據風控體系的同時，也接入大企業的風控體系，助力資產端的拓展。

 大企業一個不容忽視的優勢是，在技術輸出的過程中，不僅獲得一定收入，也會獲得商業夥伴的部分數據，包括信貸，借款人等方面的信息，使自己的數據規模越來越大，優勢越來越明顯。

未來的普惠金融圈子，或許會形成若干個比較大的，以少數大企業為中心的大數據風控生態圈，大企業掌握比較多的數據資源，將數據與技術開放，幫助生態圈內接入的金融機構，互金企業打造風控體系，發展資產端。

轉貼自： 鍊數成金

若喜歡本文，請關注我們的臉書 Please Like our Facebook： Big Data In Finance