1.受客戶獲取問題困擾的共同基金
長期以來，中國壹直處於以銀行為中心的金融體系。在這種以銀行為中心的體系中，由於銀行獨特的經營特點，在資金融資方面存在嚴重的供需錯配。在銀行金融體系中，只有兩類群體可以輕松獲得貸款。壹組有大量抵押品。這種以房地產和證券為核心的抵押貸款模式在壹定程度上保證了銀行信貸的低風險。另壹類是信用等級優秀的群體，壹般是國有企業、規模以上工業企業，以及有固定工作的群體，如公務員、教師、國企員工等。
這就導致了壹個結果:對於大多數人來說，有固定抵押品或信用評級優秀的人往往沒有借錢的必要，但那些真正需要借錢作為資金周轉的人，如中小企業主和中小企業主，沒有資格借錢。這種供需錯配為互聯網金融的發展提供了土壤，互聯網金融機構壹度快速發展並在2015年達到高峰。
然而，中國的信用信息系統並不完善，除了銀行信用信息之外，缺乏真正廣泛的信用信息系統，這導致需要借錢的人素質參差不齊。在經濟學中，大量低資質的借款人充斥著借款人，導致互聯網金融機構的不良貸款比例很高。當不良率快速積累時，大量互聯網金融平臺背負不良貸款，最終平臺倒閉，壹輪互聯網金融倒閉潮就此上演。如何獲取優質客戶、如何合理評估客戶資質和能力、如何將風險控制在合理範疇，成為互聯網金融機構發展的重大難題。
2.利用金融科技解決互聯網金融問題
面對獲客問題，許多互聯網金融公司都在思考自己的方法，可謂八仙漂洋過海各顯神通，但其中壹個思路幾乎得到了所有機構的認可，那就是借助大數據的力量實現互聯網金融的風險控制和客戶篩選。您如何真正將大數據應用到互聯網金融的實踐中？當我最近研究常恒公司的案例時，我發現了其中的奧秘。今天，讓我們看看常恒是如何利用大數據或互聯網金融實現客戶獲取和風險控制的。大數據金融應該怎麽做？
近年來，隨著移動互聯網的快速發展，以智能手機為代表的互聯網金融終端已成為幾乎每個人的數字器官。我記得有壹段話曾經說過:我們每天花在手機上的時間比花在妻子身上的時間還多。因此，收集以手機為代表的智能終端的數據成為互聯網金融公司構建大數據應用的底層基礎。然後，讓我們看看如何基於手機這壹數字器官來做大數據金融。
首先是數據收集。根據我的研究，常恒的數據采集分為以下幾個部分:第壹，通過自有平臺壹點壹點地開放平臺上的個人貸款平臺和票據收集平臺的數據，實現免費數據的收集和合並。其次，通過用戶授權，我們可以獲取與智能手機相關的電信數據、信用卡交易數據、電商購物數據等等。第三，通過網絡爬蟲技術收集基於互聯網的開放數據。通過數據的收集和整理，實現了利用大數據的第壹步，擁有了數據。
第二是數據的分類。在第壹步收集的數據基礎上，常恒對整個數據系統進行了全面梳理，並處理了客戶的自然屬性，如年齡、性別、社會交往、職業、地理位置甚至個人偏好。在這個過程中，可以通過最初的數據處理發現用戶的特征和偏好，從而為業務發展奠定基礎。例如，通過數據處理發現，四十多歲的中年人比二十多歲的年輕人有更多的借貸需求，每次貸款的金額也更大，但年輕人有更多的消費動機。雖然每次貸款的金額不多，但他們借的次數很多。這群多次借小貸的年輕人，因為他們的消費特點，很容易被分析出來，是長期客戶培養的重點人群。此外，隨著年齡的增長，他們會借錢。此外，通過對人群的初步篩選，可以發現高學歷人群的貸款需求較低，而以大學畢業生為主體的群體則有較高的貸款需求，從而進行有針對性的精準投放，用更少的錢獲得足夠高的用戶轉化效果。
第三是數據分析和畫像。在數據篩選和整理的基礎上，機構可以利用數據對客戶進行數據畫像。什麽是數據畫像？最初的客戶是什麽樣的？金融機構很難判斷，光憑客戶填寫的信息就很不清楚。但是，在大量數據的幫助下，金融機構可以根據數據碎片對想要借錢的用戶進行表征，為用戶構建標簽，並通過標簽系統完整地描述用戶的特征，從而在金融機構面前清晰地看到用戶的特征，這有利於接下來的業務推廣和風險控制。
第四是數據應用。經過數據收集、數據整理和數據分析後，可以根據大數據開始正式的數據應用和分析。互聯網金融領域已完成的大數據應用主要包括以下幾個方面:
大數據反絨:近年來，由於互聯網金融的快速發展，互聯網上形成了壹套“薅羊毛”黑色產業鏈。這些羊毛黨往往會收集到數百甚至數千條電話卡、身份證等關鍵信息。只要看到活躍的互聯網金融平臺，他們就會蜂擁而至，並在平臺的幫助下吸引新用戶，從而大賺壹筆。對於這群人來說，大數據有它的用武之地。通過大數據羊毛防火墻，常恒將記錄每個用戶的投放渠道，綜合分析投放轉化率、再投放率等指標，進而判斷用戶是否多次更換數據卡、更換手機註冊用戶，從而避免羊毛黨對平臺的損害。
大數據風險控制:通過對每個人的大數據進行分析，借助大數據建模，構建用戶身份的相關屬性，從而提高風險防控能力。例如，假設小啊有壹天進入了常恒平臺並註冊了壹個賬戶。註冊時，他填寫了很多信息，如銀行卡賬號、手機號、身份證號、工作信息等。，從而構建了小啊的數據畫像系統。幾天後小B進入系統後，他建立了小B的數據畫像。通過對數據畫像的分析，發現A和B是同事，於是他們通過同事鏈構建了壹個關系體系。借款人的個人網絡就是通過這個系統建立起來的。如果個人網絡中的人經常違約，系統將自動降低該網絡中的人的信用評級，甚至直接拒絕貸款。
用大數據反欺詐:現階段，財務欺詐事件頻發。重要原因是銀行存儲的賬戶信息相互隔離，難以有效分析。基於大數據分析的反欺詐應用難點在於如何整合不同來源的結構化或非結構化數據並構建反欺詐引擎，從而有效識別身份欺詐、集團欺詐和代理包裝等欺詐行為。作為壹種整合、連接和分析關系的方法，知識地圖可以很好地解決這些問題。例如，系統發現數據庫中經常出現壹些奇怪的現象。例如，五個用戶實際上使用相同的電子郵件或電話號碼在系統中註冊了他們的帳戶。基於海量大數據、方便添加數據源的知識圖譜，可以通過視圖直觀清晰地展現各種關系和關聯點，從而幫助我們快速有效地分析和發現這些復雜關系中的潛在風險。讓金融詐騙的慣用伎倆無處遁形，從而實現大數據反欺詐。
大數據在互聯網金融領域應用廣泛。除了我們上面討論的反羊毛、風險控制、反欺詐等領域外，大數據在互聯網金融領域也發揮著不可替代的作用，如失聯修復、賬戶催收、身份識別等。
大數據時代，困擾互聯網金融的問題正在被大數據壹點點解決。如何用好大數據武器將成為互聯網金融發展的重要核心。相信在大數據的幫助下，互聯網金融會朝著更好的方向發展。
從經濟視角看世界微信微信官方賬號江瀚的視野觀察ID:Jianghan view