淺析我國P2P網(wǎng)絡(luò)借貸大數(shù)據(jù)風(fēng)控體系構(gòu)建的必要性

[摘 要]網(wǎng)貸為中小企業(yè)提供了融資渠道，也為進(jìn)一步實現(xiàn)普惠金融目標(biāo)做出了應(yīng)有的貢獻(xiàn)。網(wǎng)貸行業(yè)的發(fā)展引發(fā)了眾多風(fēng)險問題，市場中存在征信體系不完善、市場對接機(jī)制不集中、大數(shù)據(jù)系統(tǒng)缺失以及運(yùn)用的有效性難保障等問題，加強(qiáng)和完善基于互聯(lián)網(wǎng)大數(shù)據(jù)的風(fēng)控體系十分必要。國外實踐證明大數(shù)據(jù)風(fēng)控貫穿于網(wǎng)貸的各個環(huán)節(jié)，大數(shù)據(jù)風(fēng)控能有效防范金融風(fēng)險。為保障網(wǎng)貸行業(yè)的可持續(xù)發(fā)展，應(yīng)運(yùn)用大數(shù)據(jù)思維、搭建大數(shù)據(jù)征信機(jī)構(gòu)、真實的執(zhí)行大數(shù)據(jù)風(fēng)控和構(gòu)建數(shù)據(jù)化風(fēng)控模型等。

[關(guān)鍵詞]P2P網(wǎng)絡(luò)借貸;大數(shù)據(jù);風(fēng)控體系;構(gòu)建

[中圖分類號]F832.4

[文獻(xiàn)標(biāo)識碼]A

[文章編號]2095-3283（2019）04-0058-05

Abstract： Chinas P2P lending industry has provided financing channels for small and medium-sized enterprises， and mading contributions to further achieve the goal of inclusive finance. The development of P2P lending industry has caused many risk problems.It is necessary to strengthen and improve the wind control system based on big data on the Internet， because of the problems such as imperfect credit system， uncentralized market interface mechanism， lacking of large data system， and difficulty in ensuring the effectiveness of application.Foreign practice has proved that large data wind control runs through all aspects of online lending， and large data wind control can effectively prevent financial risks. In order to ensure the sustainable development of the P2P lending industry， we should have and use big data thinking， building big data credit agencies， implementing real big data wind control and building data wind control model.

Keywords： P2P lending; big data; wind control system; construction

[作者簡介]李姣（1988-），女，湖南衡陽人，講師，碩士，研究方向：互聯(lián)網(wǎng)金融。

[基金項目]廣東省哲學(xué)社會科學(xué)“十三五”規(guī)劃課題“P2P網(wǎng)絡(luò)借貸大數(shù)據(jù)風(fēng)控體系研究”（項目編號：GD16XGL39）。

一、我國P2P網(wǎng)絡(luò)借貸現(xiàn)狀分析

（一）網(wǎng)貸的基本情況

2006年小額信貸在我國起步發(fā)展， 2014年P(guān)2P網(wǎng)絡(luò)借貸新金融在國內(nèi)快速發(fā)展，眾多中小微企業(yè)和客戶群體從網(wǎng)貸獲取資金支持業(yè)務(wù)活動或是開展三農(nóng)服務(wù)，這進(jìn)一步體現(xiàn)了互聯(lián)網(wǎng)金融行業(yè)的初衷——服務(wù)三農(nóng)。我國網(wǎng)貸行業(yè)正式開啟于2010年的純信用無抵押平臺拍拍貸，借鑒國外的競價利率和債券轉(zhuǎn)讓等模式發(fā)展了O2O模式、第三方擔(dān)保模式、宜信模式等。截至2019年3月底，全國網(wǎng)貸平臺數(shù)為6617家，相比2014年增長了259.90%。累計成交量高達(dá)8.33萬億元，全年成交量在2016年和2017年快速增長，因當(dāng)時正常運(yùn)營平臺數(shù)較多，且客戶群體逐漸攀升。貸款余額從2013年的268億元增加到了2017年的12245.87億元，因P2P網(wǎng)貸行業(yè)的監(jiān)管細(xì)則和規(guī)劃化處理，2018年有所下滑降到7889.65億元。網(wǎng)貸行業(yè)客戶平均的借款期限為15.48月，可見網(wǎng)貸交易集中于1—2年。網(wǎng)貸行業(yè)被客戶群體認(rèn)定為暴利行業(yè)，投資理財人群也逐漸上升，其綜合收益率在2013年為21.25%。但新行業(yè)發(fā)展面臨產(chǎn)業(yè)結(jié)構(gòu)升級、行業(yè)調(diào)整、政府監(jiān)管等，以致收益率逐漸下降。近幾年一直維持在9%—10%的合理區(qū)間，不再是原有的20%左右的暴力行業(yè)。

2019年網(wǎng)貸市場中正常運(yùn)營平臺為1023家，占比為1546%。全國網(wǎng)貸平臺主要的類型是民營，占比7674%。但大多企業(yè)的目的不是為了實現(xiàn)真正的普惠金融，而是為自籌資金謀出路或是構(gòu)建資金池等。全國6000多家平臺中累計停業(yè)轉(zhuǎn)型的2877家，問題平臺2717家。停業(yè)及問題平臺逐年上升，2019年更是達(dá)到了84.54%。網(wǎng)貸行業(yè)需要在政府政策、行業(yè)自律、平臺自檢和投融資人群理性投融資下保持生態(tài)化可持續(xù)發(fā)展。

（二）網(wǎng)貸風(fēng)控的基本情況

網(wǎng)貸行業(yè)的發(fā)展出現(xiàn)了市場資金混亂、套路貸、裸貸和現(xiàn)金貸等問題后，政府出臺了一些系列措施規(guī)范市場發(fā)展。如2016年互聯(lián)網(wǎng)金融行業(yè)協(xié)會成立，為網(wǎng)貸行業(yè)搭建了一個共享平臺機(jī)制以保證信息和自律規(guī)范共享。2017年銀監(jiān)會針對第三方支付資金存管業(yè)務(wù)出局了存管業(yè)務(wù)指引，明確了商業(yè)銀行的具體職責(zé)。且針對信息不對稱問題要求各業(yè)務(wù)機(jī)構(gòu)定期公布相關(guān)信息作為政府、平臺和投資者的消息來源。2018年全國全方位開展掃黑除惡行動，互聯(lián)網(wǎng)金融協(xié)會提供了自查自糾清單，要求各協(xié)會和平臺積極配合自檢，且開展有效的非現(xiàn)場檢查工作。網(wǎng)貸行業(yè)的風(fēng)控主要分為兩類：一是傳統(tǒng)風(fēng)控機(jī)制，風(fēng)控團(tuán)隊對客戶基本情況進(jìn)行線下和線上資料審核。這類風(fēng)控人工成本很高，且易出現(xiàn)客戶資料造假情況，從而出現(xiàn)了大量的借款人跑路或是逾期還款等現(xiàn)象。二是線上數(shù)據(jù)風(fēng)控，這是當(dāng)前眾多網(wǎng)貸平臺所推廣的方式。部分平臺借用自身的數(shù)據(jù)優(yōu)勢構(gòu)建模型或是體系，數(shù)據(jù)信息比較完整且真實，用客戶的行為數(shù)據(jù)衡量客戶的信用等級，從而判斷其融資資金額度，如螞蟻借唄等。大多平臺借用有資質(zhì)的第三方平臺的大數(shù)據(jù)對客戶進(jìn)行信用等級衡定?？傮w而言，我國網(wǎng)貸行業(yè)因征信體系不完善造成很多群體征信空白或是信息不全，部分平臺未對接央行征信體系，或是客戶在央行征信體系中沒有數(shù)據(jù)。這些問題造成風(fēng)控難以把握，風(fēng)險較大。

二、國外大數(shù)據(jù)風(fēng)控在P2P網(wǎng)貸平臺中的運(yùn)用

依據(jù)數(shù)據(jù)的發(fā)展做大數(shù)據(jù)風(fēng)控，建立數(shù)據(jù)核心、數(shù)據(jù)價值、關(guān)注效率以及可預(yù)測分析的風(fēng)險防控體系是網(wǎng)貸行業(yè)的必然選擇。大數(shù)據(jù)可覆蓋網(wǎng)貸行業(yè)的各個流程，建立“貸前、貸中和貸后”全方位、全流程的風(fēng)險防控體系。如圖1所示，包含貸前的客戶獲取與身份驗證，構(gòu)建關(guān)聯(lián)度分析模型從而確定信用等級。貸中的交易反欺詐和貸后的跟蹤管理與智能催收，做到最大化的大數(shù)據(jù)風(fēng)控。

（一） 貸前信息審核與授信

貸前的客戶群體獲取是網(wǎng)貸公司的第一步，通常平臺會采用一些智能營銷和客服的方式吸引客戶，國外一般以機(jī)構(gòu)投資者為主。如德國的Kreditech貸款評分公司、香港Lenddo網(wǎng)絡(luò)貸款公司以及Connect.Me、TrustCloud等機(jī)構(gòu)聯(lián)合，facebook社交平臺的網(wǎng)站活動記錄設(shè)計構(gòu)造大數(shù)據(jù)信用平臺，分析客戶的信用。歐洲因前期寬松的監(jiān)管制度以致其80多家的信用評級機(jī)構(gòu)中近50%左右由美國的三個征信機(jī)構(gòu)控股。美國的網(wǎng)貸行業(yè)根據(jù)傳統(tǒng)的FICO和大數(shù)據(jù)技術(shù)，Zest Finance公司構(gòu)建出客戶對應(yīng)的征信分，對客戶信息進(jìn)行交叉驗證以此確保數(shù)據(jù)有效。美國網(wǎng)貸行業(yè)基本采用三大征信局的數(shù)據(jù)和第三方服務(wù)商，但不局限于擔(dān)保行業(yè)，以此確保數(shù)據(jù)和審核的精準(zhǔn)度。其中Trans Union（全聯(lián)）征信機(jī)構(gòu)數(shù)據(jù)資產(chǎn)包含傳統(tǒng)的信用數(shù)據(jù)、巴西最大的替代數(shù)據(jù)庫資源、公共記錄和自身的專有數(shù)據(jù)庫，定期更新審核以保證數(shù)據(jù)的鮮活度。全聯(lián)利用已有的平臺技術(shù)匹配和整合客戶關(guān)聯(lián)人、資產(chǎn)或是相關(guān)業(yè)務(wù)等之間的關(guān)系，以此提供貸前的盡職調(diào)查、身份驗證和信用等級。甚至是開發(fā)了新技術(shù)可針對貸款組合構(gòu)建模型，如Credit-Vision 產(chǎn)品可對客戶近兩年多的數(shù)據(jù)分析客戶風(fēng)險變化的速度和嚴(yán)重程度等。

美國Lending Club的決策引擎和常用的評分卡體系將借款人分為25個等級，每個等級確定一個利率和放款服務(wù)，再篩選界定借款人等級以確定貸款額和利率，各方面數(shù)據(jù)預(yù)測借款人的違約機(jī)率。Zest Finance融入大量的非傳統(tǒng)性數(shù)據(jù)作為信用考量因素，為授信提供決策依據(jù)。且用預(yù)測模型對數(shù)據(jù)進(jìn)行關(guān)聯(lián)度分析，以此整合變量輸入模型確定借款人的信用分?jǐn)?shù)。OnDeck公司的數(shù)據(jù)指標(biāo)從500個增加到了800個，不同模型對不同的企業(yè)風(fēng)險評估，已提供了60億美元的貸款。評級后借款人的借貸信息形成標(biāo)的，投資者對借款人進(jìn)行相關(guān)提問獲取驗證?；蚴莿澐至诵庞玫燃壍挠脩艨煞诸愂袌?，企業(yè)對其進(jìn)行精準(zhǔn)個性化的營銷，綜合考核模型評分給予對應(yīng)的審批以獲取授信額度。此外，英國的Wonga平臺導(dǎo)入客戶的6000—8000個碎片化信息構(gòu)成信息網(wǎng)絡(luò)進(jìn)行風(fēng)險評估，美國的Capital One建立了大數(shù)據(jù)還款概率系統(tǒng)預(yù)判客戶的情況，提高還款率。

（二）貸中監(jiān)測

網(wǎng)貸全周期性管理和事中監(jiān)控機(jī)制能實現(xiàn)時時預(yù)警，形成 “監(jiān)測—識別—評估報告—處置改進(jìn)”閉環(huán)的管理流程。第一，平臺的數(shù)據(jù)挖掘分析準(zhǔn)確預(yù)測客戶的行為，識別與處理潛在風(fēng)險。如大數(shù)據(jù)貸款Kabbage公司為小金額大規(guī)模的網(wǎng)絡(luò)賣家提供豐富的貸款資金，其綜合貸款平臺以大數(shù)據(jù)為基礎(chǔ)為客戶組織配置，監(jiān)測數(shù)百萬客戶，自動審查數(shù)以千計的客戶數(shù)據(jù)點(diǎn)，以便持續(xù)提供準(zhǔn)確的承保和融資信息，做到實現(xiàn)“小微出險，極速洞察”。其次，做到動態(tài)監(jiān)測，提高識別能力與準(zhǔn)確率。Kabbage的自動化技術(shù)、用戶體驗和服務(wù)，短期內(nèi)提供額外收入以便擴(kuò)大規(guī)模，以提供滿足每個組織獨(dú)特需求的統(tǒng)包解決方案，最后以數(shù)據(jù)合作方式進(jìn)行大數(shù)據(jù)監(jiān)測。英國純線上的Zopa公司則是針對投資人收費(fèi)，且其出借利率若是低于市場上銀行的最佳貸款利率，投資人需額外支付一筆費(fèi)用給予債權(quán)受讓人，以做到投資人和借款人兼顧監(jiān)測。

（三）貸后逾期與催收管理

Zopa首創(chuàng)了網(wǎng)貸安全保障基金，由P2PS Limited獨(dú)立運(yùn)作，以賠付投資人因借款人逾期超4個月的本息損失。其2017年收入增長了40%，高達(dá)4650萬英鎊，更是融資4400萬英鎊為數(shù)字銀行做籌劃工作。而Funding Circle用預(yù)估壞賬率指標(biāo)來衡量資產(chǎn)質(zhì)量，外加生命周期違約率衡量壞賬。同時與桑坦德銀行建立合作關(guān)系，為銀行提供現(xiàn)金與存款管理服務(wù)。Lending Club 和web Bank進(jìn)行非標(biāo)資產(chǎn)的證券化，引入Foliofn進(jìn)行逾期賬款催收。集聚風(fēng)險的英國網(wǎng)貸行業(yè)則利用銀行領(lǐng)投融資以提高投資人的資金保障。以企業(yè)票據(jù)為核心業(yè)務(wù)的MarketInvoice平臺獲得了多家金融機(jī)構(gòu)合作的2600萬英鎊B輪投資和巴克萊銀行的3000萬英鎊債務(wù)融資。各國政府嚴(yán)格要求網(wǎng)貸平臺對平臺動態(tài)和客戶的信息進(jìn)行及時披露，保障客戶的權(quán)利。

三、構(gòu)建P2P網(wǎng)貸大數(shù)據(jù)風(fēng)控體系的必要性

產(chǎn)業(yè)結(jié)構(gòu)、貧富差距等促使網(wǎng)貸行業(yè)可持續(xù)發(fā)展，依靠網(wǎng)貸實現(xiàn)普惠金融拉動經(jīng)濟(jì)、縮小貧富差距。網(wǎng)貸行業(yè)的監(jiān)管細(xì)則出臺，金融風(fēng)險防范呼聲越來越大。P2P網(wǎng)貸平臺約束自身運(yùn)營機(jī)制適應(yīng)市場變化，同時著手大數(shù)據(jù)風(fēng)控體系構(gòu)建勢在必行。

（一）大數(shù)據(jù)思維是P2P網(wǎng)貸風(fēng)控體系構(gòu)建的趨勢

數(shù)字化經(jīng)濟(jì)帶來了場景化、多元化、技術(shù)化的金融發(fā)展，同時網(wǎng)絡(luò)詐騙、信息泄露等日益嚴(yán)重。P2P網(wǎng)貸行業(yè)屬于數(shù)據(jù)密集型產(chǎn)業(yè)，資金池、支付轉(zhuǎn)移等風(fēng)險頻發(fā)，大數(shù)據(jù)思維構(gòu)建風(fēng)控體系有效防止資金轉(zhuǎn)移，做到資金動向監(jiān)控，降低違約風(fēng)險。大數(shù)據(jù)推動了市場，也帶來了“精準(zhǔn)詐騙”。上游機(jī)構(gòu)非法獲取信息的倒買倒賣，中游融資企業(yè)或是平臺各類手段騙貸或是自融，下游企業(yè)利用支付漏洞洗錢等，形成了網(wǎng)貸市場的黑色產(chǎn)業(yè)鏈。網(wǎng)貸平臺的跑路、倒閉或是非法集資等形勢對大數(shù)據(jù)風(fēng)控體系構(gòu)建提出了新的要求。大數(shù)據(jù)思維將網(wǎng)貸平臺原有的功能價值轉(zhuǎn)變成數(shù)據(jù)價值，將隱蔽、時滯的問題轉(zhuǎn)化為明確預(yù)見性。貸前的大數(shù)據(jù)信息收集與數(shù)據(jù)的整理，精準(zhǔn)定位客戶的投資需求與傾向，利用機(jī)器學(xué)習(xí)與預(yù)測算法提升風(fēng)控防控，大數(shù)據(jù)提高了網(wǎng)貸審批的速度。貸中的授信、客戶大數(shù)據(jù)監(jiān)控等優(yōu)化監(jiān)測流程，貸后的異?？蛻襞c還款及時性等降低違約，且可通過大數(shù)據(jù)平臺識別客戶的異常行為，作出預(yù)警信號。大數(shù)據(jù)可增加網(wǎng)貸平臺的客戶群數(shù)量，提高了服務(wù)質(zhì)量，挖掘新客戶和留住舊客戶。如《紙牌屋》電視基于精準(zhǔn)的大數(shù)據(jù)廣告投放，精選演員以收益互聯(lián)網(wǎng)行為客戶。且改變了原有的尋求精準(zhǔn)度到現(xiàn)今的放貸高效率，從因果關(guān)聯(lián)到相關(guān)性研究，確定性到概念性，實現(xiàn)各類數(shù)據(jù)的完整與容忍，優(yōu)化貸款全流程的中央式風(fēng)控。如西太平洋銀行借助SAS工具打造數(shù)據(jù)營銷平臺重塑客戶關(guān)系。網(wǎng)貸行業(yè)呈現(xiàn)的全樣化、容錯性和相關(guān)性思維，給予了網(wǎng)貸平臺的強(qiáng)有力支持，也是網(wǎng)貸行業(yè)可持續(xù)發(fā)展的方向。

（二）大數(shù)據(jù)征信是普惠金融發(fā)展的基礎(chǔ)

中國的消費(fèi)信貸規(guī)模持續(xù)攀升，2015年為19萬億，同比增長23.3%。消費(fèi)金融市場的變化帶動了全國經(jīng)濟(jì)的發(fā)展。據(jù)統(tǒng)計，我國近70%左右的中小微企業(yè)和中低收入者未享受或是足夠享受金融服務(wù)，網(wǎng)貸的發(fā)展活化了中小微企業(yè)和中低收入者的融資渠道?？瞻兹后w的征信體系建設(shè)迫在眉睫，市場對征信數(shù)據(jù)庫的覆蓋度提出了高要求，小額分散的融資方式推動了大數(shù)據(jù)技術(shù)滲透于風(fēng)控領(lǐng)域。多維度、動態(tài)和種類繁多的數(shù)據(jù)擴(kuò)展了征信體系的數(shù)據(jù)范疇。大數(shù)據(jù)征信完善了基礎(chǔ)設(shè)施，數(shù)字化技術(shù)可滿足長尾市場的借貸需求，減低信息不對稱成本，大數(shù)據(jù)征信市場規(guī)模在2017年達(dá)到了140億美元。依托互聯(lián)網(wǎng)可獲取客戶有用信息，輻射更多的征信人群，大數(shù)據(jù)應(yīng)用加速可助推覆蓋長尾效應(yīng)80%的中低收入者，形成大數(shù)據(jù)核心競爭力。信息技術(shù)的更新促進(jìn)數(shù)據(jù)處理和挖掘能力的提升，大數(shù)據(jù)與金融領(lǐng)域的融合擴(kuò)展了服務(wù)邊界，場景化服務(wù)做到個性化定制，覆蓋面極大，呈現(xiàn)了網(wǎng)貸的去中心化、長尾和普惠特點(diǎn)。信通貸的“普惠金融+征信大數(shù)據(jù)服務(wù)”平臺項目兩年內(nèi)撮合了107424筆貸款業(yè)務(wù)，成交人次達(dá)3.29萬，征信數(shù)據(jù)累計過百萬條。截至2017年，該項目為企業(yè)實現(xiàn)了23679.68萬元的產(chǎn)值。

（三）大數(shù)據(jù)風(fēng)控是 P2P網(wǎng)貸的必然保障

大數(shù)據(jù)的資源可有效幫助P2P平臺做到“精準(zhǔn)鎖定、精準(zhǔn)融資、精準(zhǔn)投資”，利用以芝麻信用和騰訊征信為代表的互聯(lián)網(wǎng)個人征信機(jī)構(gòu)和以安融征信和91征信為代表的第三方服務(wù)類機(jī)構(gòu)聚焦客戶群體的電商交易、QQ和微博社交、網(wǎng)絡(luò)行為、政府類公共部門等數(shù)據(jù)，廣泛運(yùn)用于金融、生活、催收等場景。以此搭建平臺精準(zhǔn)鎖定P2P網(wǎng)貸平臺的客戶群體。如梧桐理財網(wǎng)根據(jù)市場調(diào)研推出符合中產(chǎn)階級客戶需求的理財產(chǎn)品，主要是較高的收益率（8%—10%）和較低的起點(diǎn)（2萬）符合大眾的投資傾向。大數(shù)據(jù)分析技術(shù)能做到為平臺精準(zhǔn)定位和精準(zhǔn)營銷。利用用戶模型監(jiān)測客戶的APP瀏覽痕跡，開展產(chǎn)品的優(yōu)化推薦與投放。數(shù)據(jù)庫挖掘已有或是潛在的借款人，做到精準(zhǔn)、嚴(yán)謹(jǐn)和高效的借款人審核。如阿里的大量交易支付數(shù)據(jù)和賣家的銷售數(shù)據(jù)、銀行流水、水電繳納等數(shù)據(jù)原料，可作為客戶的網(wǎng)絡(luò)行為評分模型資源。再者，通過資源庫預(yù)測與分析客戶群體的投資意向?；谠械漠a(chǎn)品服務(wù)跟蹤客戶詳盡的數(shù)據(jù)，提供合適合理的服務(wù)，做到精準(zhǔn)投資。

（四）數(shù)據(jù)化風(fēng)控模型是網(wǎng)貸風(fēng)控的核心

小額分散、風(fēng)控體系是P2P網(wǎng)貸平臺的標(biāo)配宣傳詞，小額分散運(yùn)營模式的特征是借款人與投資人群眾多，借款人的還款能力與意愿難以用傳統(tǒng)的審核方式確定違約風(fēng)險與程度，造成網(wǎng)貸偏離了原有的小額貸款初衷。利用數(shù)據(jù)分析方式建立風(fēng)控模型和決策引擎可預(yù)警客戶違約以及流失情況，并時作出相應(yīng)的對策。且根據(jù)客戶需求更新創(chuàng)造新產(chǎn)品，提高評級的及時和準(zhǔn)確性。宜人貸擁有一套信審數(shù)據(jù)模型用于客戶風(fēng)險識別與篩選，有助于提高審批決策的自動化程度，降低平臺與客戶、投資人與借款人之間的信息不對稱，以及平臺運(yùn)行的成本和邊際成本。目前大多平臺都在積極推動數(shù)據(jù)化風(fēng)控模型的建設(shè)。如神州融大數(shù)據(jù)風(fēng)控“微金融信貸管理云服務(wù)平臺”借貸國外信貸工廠的理念涵蓋貸款的審批、賬務(wù)、催收等多個系統(tǒng)。博金貸的風(fēng)控管理部分為現(xiàn)場勘查、大數(shù)據(jù)中心和風(fēng)控技術(shù)，布局金融科技領(lǐng)域研發(fā)了博金云風(fēng)險系統(tǒng)（如圖2）。多維度數(shù)據(jù)如異常還款賬戶、關(guān)系人核查、多重借貸和關(guān)聯(lián)分析等進(jìn)行身份、信用、負(fù)面、還款、行為和社會等挖掘形成報告，通過各類評分風(fēng)控模型進(jìn)行評估，其中個人和企業(yè)信用數(shù)據(jù)分別為180多項和300多項。以此完成“數(shù)據(jù)收集分析——白名單行為——主動營銷獲客——調(diào)查評級——合同簽署放款——貸后管理”風(fēng)控流程。數(shù)據(jù)化風(fēng)控模型有助于加強(qiáng)平臺與企業(yè)和社會的關(guān)聯(lián)度，根據(jù)數(shù)據(jù)報告采集，從而斷定風(fēng)險情況，提高風(fēng)險評級準(zhǔn)確度。

四、總結(jié)

面對互聯(lián)網(wǎng)金融行業(yè)的發(fā)展浪潮，構(gòu)建網(wǎng)貸的大數(shù)據(jù)風(fēng)控體系需要關(guān)注以下問題：1. 注重大數(shù)據(jù)征信體系搭建，網(wǎng)貸平臺對接央行或者第三方征信機(jī)構(gòu)，做到盡可能確?？蛻魮碛邢鄳?yīng)的征信數(shù)據(jù)，且針對征信、大數(shù)據(jù)等制定相關(guān)法律制度。2.平臺大數(shù)據(jù)使用中注意數(shù)據(jù)的維度、提取與真實性問題。3.網(wǎng)貸風(fēng)險管理問題，尤其是客戶信用等級和互聯(lián)網(wǎng)技術(shù)問題。針對網(wǎng)貸行業(yè)大數(shù)據(jù)風(fēng)控體系構(gòu)建中存在的問題，可從以下方向著手：1.完善制度，推行征信機(jī)構(gòu)許可和大數(shù)據(jù)技術(shù)運(yùn)用，關(guān)注客戶信息的銜接與維度。2.共享機(jī)制平臺建設(shè)，數(shù)據(jù)來源渠道和征信機(jī)構(gòu)多樣，為實現(xiàn)客戶信息的統(tǒng)一和真實，多家協(xié)調(diào)與共享。

[參考文獻(xiàn)]

[1]蔡豐慶，郭春松，陳詣之.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].經(jīng)濟(jì)學(xué)動態(tài)，2015（3）：104-114.

[2]巴曙松，候暢等.大數(shù)據(jù)風(fēng)控的現(xiàn)狀、問題及優(yōu)化路徑[J].金融理論與實踐，2016（2）：23-26.

[3]朱大磊. 大數(shù)據(jù)風(fēng)控助力普惠金融[J].中國金融，2017（11）：56-57.

[4]黎寧.大數(shù)據(jù)在互聯(lián)網(wǎng)金融企業(yè)風(fēng)險控制下應(yīng)用研究[D].廣西大學(xué)，2018（6）.

[5]黃碩等.基于大數(shù)據(jù)下互聯(lián)網(wǎng)金融的風(fēng)控研究[J].農(nóng)村經(jīng)濟(jì)與科技，2019（1）：110-111.

[6]王冬吾.國外P2P網(wǎng)貸大數(shù)據(jù)風(fēng)控管理與經(jīng)驗借鑒[J].西南金融，2019（2）：90-96.

[7]陸登強(qiáng).立足金融科技，大數(shù)據(jù)智能風(fēng)控助力普惠金融[J].中國金融電腦，2018（8）.

（責(zé)任編輯：顧曉濱 梁宏偉）