淺談互聯網金融及大數據風控

鄭志偉

互聯網的洶洶而來，和人們息息相關的金融業也在互聯網的發展中逐漸向著數據化、海量化、精準化、普惠化的方向發展。由此衍生的互聯網金融，正在深刻的改變著現代人的生活與工作。

本世紀初在說到互聯網金融時，在人們的心中只是一個遙遠的概念，未經幾年，互聯網金融已經成為大部分人的生活方式之一。以個體單位來看，大到家庭的理財規劃，小到日常的網購支付，互聯網金融承擔著越來越重要的角色。從經濟學的角度解讀，金融包括了收支兩方面的內容。隨著理財項目的日益增多，收入被分化為勞動性收入和理財性收入兩部分。除去工資、年薪等勞動性收入之外，均為理財性收入。理財性收入是和前置性的投入相聯系的，這就決定了在進行所有行為時必然會產生時間成本和機會成本。

互聯網金融把金融項目從線下“搬”到了線上，人們可以足不出戶實現對各種理財項目的比較、選擇與購買，極大地降低了時間成本。而互聯網特有的開放性使得買賣雙方居于信息對稱的兩邊，促使金融產品在定價和收益上回歸到了一個理性的價格區間，進而降低了交易成本。

因此我們可以知道，互聯網金融是一種打破了傳統金融限制的、平等開放、共享協作的操作平臺。它包括了網絡投資融資平臺、第三方支付平臺、傳統金融產品的線上營銷平臺等。具體在人們生活中的表現是，利用智能移動設備實現了資金流通、融合、交易與結算。

大數據風險控制，是在大數據的基礎上誕生的概念。它是運用大數據來建構風險模型，為借款人進行風險提示與控制。在以往傳統的金融行業之中，每個企業都有自己獨立的風控團隊，對風險的控制與預警主要依靠人工來完成。但是隨著互聯網技術的發展，信息增量增速的程度遠遠超過了人工承載能力，大數據搜索信息、聚焦信息、鎖定信息的優勢一下子凸顯出來，它利用高級的數據挖掘方式對數據實現的全覆蓋形式，將或大或小的風險一并囊括其中，貼合了時代的需要，促進了行業的良性競爭，使整個社會對于互聯網投資的焦慮情緒和茫然行為得到了稀釋與指導。

大數據技術有利于實現數據共享，在國內金融系統初發的階段，各行各業都呈現出信息孤島的狀態，讓互聯網沒有用武之地。跨界合作、數據共享已經成為所有行業的迫切要求。如果說互聯網是人類的第一次信息革命，那么大數據則是人類第二次的信息革命。同時也是獨立于國家征信系統之外的互聯網金融必須依靠自身力量，迅速建立起來的屬于自己的征信系統。可見互聯網金融和大數據風控是一場雙贏的聯姻，可謂是魚兒離不開水，花兒離不開秧。

大數據的引入也會改變互聯網金融現存的被動態勢，將之前找人合作變成坐等各行各業的企業主動上門來尋求合作。因為企業通常會選擇與強大的征信機構建立起數據共享聯系，而服務多元化的公司則建立自己的征信數據庫，為擴大服務、縮減風險做長期準備。因此，金融企業有必要應用大數據來預防互聯網金融風險。

互聯網金融作為新興的金融行業，在最初問世時，為了盡可能多的占領市場，會選擇傳統信貸難以下手的市場。傳統市場對這些領域涉及較少，一個非常重要的原因是風險過高，成本較大。互聯網金融為了盡可能降低風險，就會對貸中和貸后方面實施極為嚴格的風控。而恰巧，大數據最擅長的正是對互聯網金融做貸中和貸后的風險控制。

一家企業決定利用互聯網金融幫助其完成融資、投資等事項時，互聯網金融企業會用大數據監控企業內部各個區域的產品流水、資金流水。如果在一段時間里，流水出現了異常，大數據會迅速捕捉并實施監測，相較于傳統風控派駐人員的調查方式，這樣做顯然是成本最低而效率最高的。更何況，機器相較于人工更加的客觀。舉一個比較極端的例子，有些企業在經營過程中出現狀況，難以彌補時，企業的負責人準備潛逃跑路，大數據風控也會迅速監測到現金流等資金的變化。因為跑路的負責人在利用互聯網進行購物、機票預訂、路線選擇，哪怕僅僅是無意的瀏覽外國網站，都已經被大數據監測到了。由此可見，互聯網金融和大數據風控在貸中環節的配合可謂是天衣無縫，大有不發一兵已決勝千里之外的事態。

在貸后環節，大數據則主要在兩個方面發生作用。第一是為互聯網金融提供分析手段，第二是挖掘客戶更深層次的需求。互聯網金融模式的本質和其他商業產品別無二致，都是為了解決給什么人（客戶）提供把什么最合適的東西（產品）這一問題。利用大數據是將互聯網的優勢發揮到淋漓盡致的一種方法。舉一個最為形象直觀的例子：某個人（老農）準備擺攤賣蘋果。首先他要有貨，進了貨要有地方存放。這是首先要解決的兩個具體問題。當蘋果進來后，老農發現它們有大有小、有青有紅，產地品種各不相同，那肯定是不能賣同一個價錢了。于是，老農開始按照不同的標準對這些蘋果進行了分類。按照產地分為山東煙臺的、陜西富平的、山西平谷的。再按照品種分為紅富士、黃元帥、印度青等等。再按照采摘的時間、個頭的大小等等進行分類，這樣一來就分出了N個大類。這個過程就好比互聯網金融對客戶信用等級的分類，道理是一樣的。客戶按照職業、收入、年齡、資金流水等等可以分成N大類，每一類對應的都是對用戶的評估和授信。大數據把這些評估和授信的量級放大，這源于他們基于互聯網收集到了更多的信息，然后看似簡單的幾個指標在進行了交接合作之后，產生了成千上萬，甚至上億的組合，這些組合讓大數據對人群和他們的需求劃分的更加精細，試想在如此多的指標的對應下，計算機真正做到了比人更了解人的程度，輕而易舉的完成了互聯網金融分析和客戶需求挖掘的工作。

當然，世界上沒有萬無一失的融資與投資，仍然以上文中的老農為例，他第一天將蘋果攤擺在了農貿市場，來買蘋果的人大多數都是普通家庭，他們將個頭小的、價格便宜些的蘋果全部買走了，大個的貴的蘋果全都剩下了，老農一看，大個的無人問津，價格需要調整，因此把大個的蘋果每斤降價一元，然后在第二天來到了CBD區賣蘋果，一群白領來買水果，把大的全部買走了，小的一個也沒賣出去。老農突然發現，不同的人群原來在需求上是不一樣的，因此他決定在不同的地方賣不同的蘋果。自從他進行了簡單的分類后，生意做的順利多了，可是沒有多久，他在買賣過程中收到了假幣，又遇到了城管、稅務的檢查，層出不窮的問題讓其在之前的積累毀于一旦。回望其失敗的經歷，根源就在于老農對于信息和風險的預估不足。類比到金融行業的系統性天災，大數據模型因為對人群的精密分類，因此在異常信息上也格外敏感，在產品運行中，會得到比以往更多更豐富的反饋信息，可以在系統性風險發生之前就給出足夠的預警，給了金融企業躲災的可能性。

互聯網金融和大數據風控是兩條并行的腿，未來的互聯網金融企業在發展的途徑必須將兩條腿的力量補齊，才能在市場上獲取一席之地，長久發展。