2016年，大数据从商业科技、政府管理、医学、教育、经济等方方面面撼动着世界，其中，在金融领域的应用更是取得了令人瞩目的进展。然而，产业高速发展的同时必然伴随诸多问题，金融风控不仅要面对行业内的痛点难题、国家政策的制约，还要应对社会舆论的质疑与诟病。但无论如何，大数据在推动金融风控体系发展的路上功不可没。
在数据猿联合上海大数据联盟共同举办的《魔方大数据（9）：行业应用系列圆桌会议 —“金融大数据”》活动中，媒体就大数据在金融风控领域当下的发展以及所遇困难等问题与“聚信立”创始人兼CEO罗皓进行了沟通交流。
“聚信立”成长历程
罗皓，本科就读于湖南大学精算学专业，研究生就读国立爱尔兰大学统计学，是中国第一批SAS认证统计师；曾经在通用电气、渣打、摩根工作，有7年多风控和风险建模经验。2011年底，他创办过一家主营网络舆情监控的数据公司（上海英莫信息技术有限公司），用互联网数据帮助营销机构和消费品牌做品牌监控、粉丝监控。在这期间，他做了很多有关互联网数据收集、清洗、分析的工作。
2013年5月，罗皓创办上海诚数信息科技有限公司。该公司核心产品“蜜蜂”“蜜罐”和“千寻”，主要通过抓取用户在互联网上的“账户内信息”，对数据进行清洗、加工、分析和建模，然后出具基于互联网的用户数据报告，帮助金融机构在风险控制、大数据营销、资产交易等方面为客户创造价值。不过，罗皓强调，虽然“账户内信息”包括用户的电商购物记录、信用卡购物记录、公积金社保等数据，但他们都是在获得用户授权后进行的数据采集。
从2013年5月到2014年底，罗皓带领团队一直致力于“聚信立”的开发，在数据采集方面挖掘了约1200家网站，并开发了整套包括数据抓取、解析、清洗、运维、分析等环节的后台系统。2015年1月产品上线，当时“聚信立”只有大概五六家金融机构客户，每天借款人流量也仅在四五十左右。
同年6月，通过服务口碑的口口相传，“聚信立”客户数涨到七八十家，并于7月开始采取收费模式，而在此前（2015年4月），“聚信立”已经拿到京东金融A轮投资。
截至目前，“聚信立”总共服务过1400万独立借款人，每天借款人数额达24万；与此同时，拥有超过400家客户，包括国内大部分消费金融、无抵押信用贷、P2P机构以及银行系客户，如中国银行（601988，股吧）消费金融、兴业银行（601166，股吧）、浦发信用卡等。
坚持第三方身份，才能体现客观公正性
记者查阅资料时发现，太多关于“聚信立”的信息都在表达一种观点，那就是"聚信立’是一家做征信的大数据公司”。然而，罗皓告诉记者，“我们的定位很清晰，就是基于互联网大数据为企业与个人提供风控解决方案的服务商，主要帮助客户收集、整合、清洗以及分析数据”。
相比2014年，“聚信立”目前的战略定位有了很大程度延伸。一方面，他们帮助客户连接消费场景，同时增加自己获客机会。另一方面，他们还跟相关机构合作，帮助客户解决资金问题。因为从资产端来看，金融大数据日常的运营工作主要集中在三件事：
风控、获客和资金，这也是所有信贷机构最关键的三件事。媒体人发现，“聚信立”通过底层数据和资产端建立连接，在一定程度上实现了客户风控数据源的标准化。
不过，罗皓强调：“无论是在风控、获客还是资金方面，聚信立都坚持自己的第三方身份。我们的原则是，一不做放贷生意，二不介入风险。因为只有维持第三方中立身份才能使企业‘有所不作为’，保证一些底线不能触碰，比如大数据的公司不能自己放贷，否则就会严重伤害行业信用。”
风控的核心是用数据判断一个人的好坏，但“聚信立”不提供任何判断性信息，只为客户提供获取数据的能力。“至于贷款者好与不好，我们要交给放款机构自己判定。”罗皓补充道。
由于风控数据事关很多企业与个人信息，从数据加工层面确保原始数据的安全就显得尤为重要，把敏感信息脱敏，然后再做数据交易，这也是“聚信立”坚守第三方身份的另一原因。
目前，第三方身份让“聚信立”维持了风控服务中的客观性与公正性。而“聚信立”提供的数据分析，也占到客户参考数据权重的15%到65%，可以说是行业内首屈一指的能力。
做好金融风控，数据量不仅要大还要宽
从产业链条看，大数据产业涵盖数据收集、数据加工、数据分析和数据建模。而金融业包括存、贷、汇，即投资、贷款和支付行为，罗皓表示，数据在贷款领域对“存”和“汇”能发挥巨大作用。
大数据在金融风控领域的主要作用在于：
一，判断人的身份情况，即反欺诈；
二，判断一个人是否存在多头借贷或者多头负债行为，即多头借贷问题；
三，判断人的还款能力，即信用风险；
四，解决催收问题。
无论哪些数据，在资产端都是针对反欺诈、多头借贷、信用风险、催收发挥作用，这也是国内风控最重要的四个方面。不过，虽然很多公司都在开展这四方面业务，但行业内还没有形成统一标准，每家数据都不一样，这对风控行业来讲并不是好事。
罗皓称：“聚信立”现在的数据源总共覆盖1200多家网站，而这些数据更多是基于交易层面，即互联网用户所有与钱相关的数据，比如电信运营商、电商、公积金社保、个人征信、学历、信用卡等；此外，聚信立也通过历史数据重构社交网络数据。虽然“聚信立”拥有大量互联网数据，但对于“大数据时代，谁数据量多，谁就有风险定价能力”的说法，罗皓还是表达了不同意见。
罗皓称，想要做好金融风控，不仅需要大数据，还需要宽数据。譬如，市面上很多广告监测公司，他们有很多Cookie数据，每天数亿、甚至数十亿的数据量级极为“恐怖”，但这些数据：一，没有用户联络方式；二，数据维度太窄，所以价值很小。再比如，全国每天上网的人数及其上网时间数据，虽然数据量非常大，但是有价值吗？因为得不出这个人的精准画像，同样缺乏数据价值。
此外，数据宽度还与数据变现渠道的丰富与否相关，如果风控数据宽度足够，不仅可以在信贷领域实现变现，在保险行业、营销领域也都可能变现。
大数据风控风评差，原因何在？
事实上，很多企业和个人对风控平台缺乏信任，认为数据质量存在问题，其中争议性最大的就是利用社交平台数据做金融风控。但罗皓强调，社交数据其实具有十分强大的数据价值。
“蜜罐”基于社交网络所做的反欺诈模型，评分实测结果显示，KS（风控模型术语，K和S是衡量模型有效性的指标）单个字段能做到18以上，平均降低客户坏账率为1%-2%个百分点。罗皓表示，通过社交网络做数据模型，“蜜罐”挖掘出了很多有信用污点的黑户。
另外，罗皓强调，很多数据公司之所以质疑社交平台数据的价值，主要原因是其缺乏好的数据模型，不能有效利用这些数据，或者是因为他们并没有把数据做成客户能理解并能马上使用的形式。
目前，大数据风控的社会风评很差，除了数据质量被人质疑之外，罗皓指出，其原因还在于中国大数据行业没有完善的数据定价体系。
首先，数据跟货币不一样，北京的一块钱和上海的一块钱价值一样，但数据是非标准化的东西，主观价值特征明显。其次，数据变现渠道偏少，数据价值首当其冲被低估。而很多大数据企业在金融领域转来转去就是做信贷风控，且都集中在贷前，导致贷中、贷后的服务偏少。再次，很多公司本质上还在卖数据，不能将数据与应用层产品和交易捆绑在一起，这样的企业前途令人堪忧。
联系我们请点击：
数邦客
