论文部分内容阅读
“以余额宝为代表的互联网金融1.0版，只触及了金融的皮毛；大数据金融，才真正触及金融的灵魂。”央行调查统计司巡视员、副司长徐诺金说。
在这场与传统金融的赛跑中，首轮就慢半拍的银行，这次又慢了——至少采访中，没有银行给出过清晰的应对策略。好在，大数据与金融，还存在着同生共荣的竞合关系。
亦敌亦友的新一轮冲击，究竟将如何重塑两者的竞合关系？又将如何考验监管层的技巧和耐心？而其中被忽略的主角——被记录和分析的普罗大众，又是否真正愿意自己的隐私被赤裸裸地置于灯光之下？
带着前述问题，《财经国家周刊》记者赴杭州、上海、深圳、北京四地，对21家大数据金融公司，10多家银行和保险公司，以及一行三会、工信部、国税局等机构，进行深入调研。
用户全画像
“金融行业始终在关注新技术，但大多是隔靴搔痒，只有大数据让人眼前一亮。”正德人寿保险公司CIO裴兆旭说，大数据金融才是那只伸到靴子里的手。
眼下，尚无大数据金融的准确定义。亿赞普科技副总裁黄苏支认为，实战中的大数据金融，就是将传统金融无法收集的线上线下信息，基于大数据原理进行建模和运算，用以精准营销、信用评级或风险识别。其信息相对于传统征信，更加丰满、准确。
在阿里小微金融服务集团副总裁俞胜法看来，大数据意味着无极限：于个人，是细微行为的全画像；于企业，是现金流、贸易流、订单流等的全维度掌控。“所有看似毫无关联的数据，都可用作信用和风险评估”。
针对个人，除基本信息外，大数据系统还会从社交平台、同学录等获取个人大事记、信用卡限额、诉讼信息、朋友圈甚至既往病史，等等。
“别以为基本信息就限于姓名、性别之类。”阿里原安全部技术总监蒋韬透露，在大数据公司，每位客户的工作和教育经历、婚姻状况、购物和投资偏好、配偶和担保人、个人和家庭年收入等才算基本信息。
蒋韬透露，个人用户的某一方面评级，就至少用到几千个变量，银行等贷款机构会购买数据用以评分，进而确定贷款细节。
此外，一些大数据公司会利用个人浏览器中的Cookie，发现浏览足迹和生活习惯，甚至能够为其描绘出一幅包括社会关系、网络关系和企业关系的全图谱。
不同于传统征信大多关注还款、负债、抵押等资金流动信息，大数据金融对个人细微行为的刻画，已经无孔不入。
例如，小贷领域的大数据金融系统，就如同科幻电影中的中央超核，接入各种渠道的巨量数据，包括企业B2B数据、消费者数据、电商平台数据等，然后经模型和人员分析后输出决策。这些决策中，会明确给出贷款客户的准入、授信、定价和反欺诈评分，以及不同贷款额度对应的风险系数，其中包括对贷款可能造成的客户成长、流失的预判，以及该客户的扶持价值。
“一旦数据有蛛丝马迹的异动，就会立即暴露。”金电联行（北京）信息技术有限公司董事长范晓忻说，传统的财务信息，订单、库存以及联保、互保等1000多个维度信息，统统都会有用。比如，一笔订单确认慢了，他们会立即生成风险提示，并密切关注其联保、互保企业。“传统银行是事后降低不良率，大数据金融则讲究风险抑制率”。
“全产业链”
有人说，当时代大潮涌来，100个所谓专业人士中，只有2人真正懂行，其余都是噪音。
综合多方调研情况，《财经国家周刊》记者将大数据金融目前的业态，区分为产业链前端的精准营销、理财推荐，中端的信用和征信体系建设，及后端风控。
三种业态对应三大模式，大量企业星罗棋布，各自又与银行、P2P机构、基金公司、第三方支付以及“BAT”等互联网平台觥筹交错，蔚为大观。
邦信惠融战略发展部总经理张唯聪表示，他们对大数据最多的应用就是获客，做到精准营销。“我们的小贷公司八成客户需要高成本从线下获取。采用大数据模型后，系统能自动推荐有需求且符合要求的新客户，成功率很高”。
在风控领域，大数据的应用更为广泛。
蒋韬介绍，这几年已经产生了大批从事身份识别、地理位置分析、信用卡诈骗分析等大数据公司，一步步围拢整个金融圈。
例如，全球规模庞大的信息泄露关联产业，拥有从盗取个人信息到系统自动对各大金融机构和电商网站的账号密码进行“撞库”，再到挪走资金、非法支付和敲诈勒索等一系列黑市勾当。
“用大数据来反欺诈，精准及时。”蒋韬说，他们会从各种黑客论坛、贴吧上地毯式收集数据，形成整个风险体系的联防联控。目前，一些P2P网站就与阿里建立起欺诈事实数据分享的机制，一方面采用阿里的反欺诈模型，另一方面不断提供事实类数据，修正并完善模型效果。
大数据在信用、征信领域的应用，则更加普遍和成熟。
裴兆旭告诉《财经国家周刊》记者，物美价廉原则同样适用于金融行业，尤其保险业产品要薄利多销，就必须在产品成本尤其信用体系上下功夫。
同样，億赞普集团副总裁黄苏支也介绍，他们主要针对外贸企业进行“全画像”。企业结汇过程中，银行只能靠物流单、发票、合同单等基础数据，且各家银行信息割裂，导致虚假贸易横生、热钱恣意流动等严重问题。
如果将企业产品的受欢迎程度、周交易量、真实发货量及发货去向等离散信息纳入统计，则可形成全方位评估。“有些企业拥有稳定客源，只需物流单据即可贷款。”黄苏支说，一些企业客户沉淀不够，回头客寥寥无几，则需要格外小心。
“银行最初不太认可，现在逐步接受了。”范晓忻说，一些大数据公司目标直指银行的贷前审查和贷后管理，银行逐渐发现了技术外包的甜头，何乐而不为？
于是，剑拔弩张的“余额宝时代”宣告结束，亦敌亦友的“大数据金融时代”开启。
在这场与传统金融的赛跑中，首轮就慢半拍的银行，这次又慢了——至少采访中，没有银行给出过清晰的应对策略。好在，大数据与金融，还存在着同生共荣的竞合关系。
亦敌亦友的新一轮冲击，究竟将如何重塑两者的竞合关系？又将如何考验监管层的技巧和耐心？而其中被忽略的主角——被记录和分析的普罗大众，又是否真正愿意自己的隐私被赤裸裸地置于灯光之下？
带着前述问题，《财经国家周刊》记者赴杭州、上海、深圳、北京四地，对21家大数据金融公司，10多家银行和保险公司，以及一行三会、工信部、国税局等机构，进行深入调研。
用户全画像
“金融行业始终在关注新技术，但大多是隔靴搔痒，只有大数据让人眼前一亮。”正德人寿保险公司CIO裴兆旭说，大数据金融才是那只伸到靴子里的手。
眼下，尚无大数据金融的准确定义。亿赞普科技副总裁黄苏支认为，实战中的大数据金融，就是将传统金融无法收集的线上线下信息，基于大数据原理进行建模和运算，用以精准营销、信用评级或风险识别。其信息相对于传统征信，更加丰满、准确。
在阿里小微金融服务集团副总裁俞胜法看来，大数据意味着无极限：于个人，是细微行为的全画像；于企业，是现金流、贸易流、订单流等的全维度掌控。“所有看似毫无关联的数据，都可用作信用和风险评估”。
针对个人，除基本信息外，大数据系统还会从社交平台、同学录等获取个人大事记、信用卡限额、诉讼信息、朋友圈甚至既往病史，等等。
“别以为基本信息就限于姓名、性别之类。”阿里原安全部技术总监蒋韬透露，在大数据公司，每位客户的工作和教育经历、婚姻状况、购物和投资偏好、配偶和担保人、个人和家庭年收入等才算基本信息。
蒋韬透露，个人用户的某一方面评级，就至少用到几千个变量，银行等贷款机构会购买数据用以评分，进而确定贷款细节。
此外，一些大数据公司会利用个人浏览器中的Cookie，发现浏览足迹和生活习惯，甚至能够为其描绘出一幅包括社会关系、网络关系和企业关系的全图谱。
不同于传统征信大多关注还款、负债、抵押等资金流动信息，大数据金融对个人细微行为的刻画，已经无孔不入。
例如，小贷领域的大数据金融系统，就如同科幻电影中的中央超核，接入各种渠道的巨量数据，包括企业B2B数据、消费者数据、电商平台数据等，然后经模型和人员分析后输出决策。这些决策中，会明确给出贷款客户的准入、授信、定价和反欺诈评分，以及不同贷款额度对应的风险系数，其中包括对贷款可能造成的客户成长、流失的预判，以及该客户的扶持价值。
“一旦数据有蛛丝马迹的异动，就会立即暴露。”金电联行（北京）信息技术有限公司董事长范晓忻说，传统的财务信息，订单、库存以及联保、互保等1000多个维度信息，统统都会有用。比如，一笔订单确认慢了，他们会立即生成风险提示，并密切关注其联保、互保企业。“传统银行是事后降低不良率，大数据金融则讲究风险抑制率”。
“全产业链”
有人说，当时代大潮涌来，100个所谓专业人士中，只有2人真正懂行，其余都是噪音。
综合多方调研情况，《财经国家周刊》记者将大数据金融目前的业态，区分为产业链前端的精准营销、理财推荐，中端的信用和征信体系建设，及后端风控。
三种业态对应三大模式，大量企业星罗棋布，各自又与银行、P2P机构、基金公司、第三方支付以及“BAT”等互联网平台觥筹交错，蔚为大观。
邦信惠融战略发展部总经理张唯聪表示，他们对大数据最多的应用就是获客，做到精准营销。“我们的小贷公司八成客户需要高成本从线下获取。采用大数据模型后，系统能自动推荐有需求且符合要求的新客户，成功率很高”。
在风控领域，大数据的应用更为广泛。
蒋韬介绍，这几年已经产生了大批从事身份识别、地理位置分析、信用卡诈骗分析等大数据公司，一步步围拢整个金融圈。
例如，全球规模庞大的信息泄露关联产业，拥有从盗取个人信息到系统自动对各大金融机构和电商网站的账号密码进行“撞库”，再到挪走资金、非法支付和敲诈勒索等一系列黑市勾当。
“用大数据来反欺诈，精准及时。”蒋韬说，他们会从各种黑客论坛、贴吧上地毯式收集数据，形成整个风险体系的联防联控。目前，一些P2P网站就与阿里建立起欺诈事实数据分享的机制，一方面采用阿里的反欺诈模型，另一方面不断提供事实类数据，修正并完善模型效果。
大数据在信用、征信领域的应用，则更加普遍和成熟。
裴兆旭告诉《财经国家周刊》记者，物美价廉原则同样适用于金融行业，尤其保险业产品要薄利多销，就必须在产品成本尤其信用体系上下功夫。
同样，億赞普集团副总裁黄苏支也介绍，他们主要针对外贸企业进行“全画像”。企业结汇过程中，银行只能靠物流单、发票、合同单等基础数据，且各家银行信息割裂，导致虚假贸易横生、热钱恣意流动等严重问题。
如果将企业产品的受欢迎程度、周交易量、真实发货量及发货去向等离散信息纳入统计，则可形成全方位评估。“有些企业拥有稳定客源，只需物流单据即可贷款。”黄苏支说，一些企业客户沉淀不够，回头客寥寥无几，则需要格外小心。
“银行最初不太认可，现在逐步接受了。”范晓忻说，一些大数据公司目标直指银行的贷前审查和贷后管理，银行逐渐发现了技术外包的甜头，何乐而不为？
于是，剑拔弩张的“余额宝时代”宣告结束，亦敌亦友的“大数据金融时代”开启。