大数据在互联网金融投资端和网贷端的应用

冯巧婕

大数据给金融带来的改变，可以看作金融服务从粗放式管理向精细化管理的转型，今后，金融服务也将更加关注个体需求，提供更细致的服务。网贷平台的出现一定程度上治愈了原有金融系统的一些顽疾，让金融服务立足个体，立足信用贷款，注重海量用户，以及数据资产的积累。

目前，互联网金融行业里已经出现了不少拥有用户不同维度数据的公司，他们用主营业务来积累用户数据，用数据来帮助了解用户。更有一些公司，把数据做成公共服务产品，面向社会提供征信服务，打通了部分数据孤岛。

事物间的关联性看不见，大数据可以帮我们更深入地了解事物的关联性，提供决策依据。信用摸不着，但是大数据可以帮我们还原一个人或企业的信用情况。大数据在深刻变革着金融行业，它首先改变的是这个行业里的抵押文化，让信用变得更有价值，让更多小微企业和个人通过信用获得金融服务。在投资端，大数据成为投资决策的重要参考，通过对大量数据的收集、整理和分析，建立投资模型。

本文分析的是大数据应用中的沧海一粟，是其在互联网金融投资端和网贷端应用的一些模式和案例。

（一） 投资端

大数据在互联网金融投资端的一个明显应用是在网贷ETF模式。ETF模式通过对多标的的二级筛选，减少了单一标的风险波动对整体投资组合的影响，从而降低了投资组合的风险系数，为投资人解决了投资单一平台标的的风险问题。在这类网贷ETF模式中，大数据所做的事情是风控。

网贷ETF模式的兴起和网贷平台的迅猛发展紧密相关。近年来，P2P网贷平台井喷式发展，根据网贷之家的数据，截止到2015年11月，我国P2P网贷行业整体成交量达1331.24亿元，环比10月上升11.26%。网贷平台数量庞大，产品多样，质量参差不齐，增加了投资者甄别平台和产品的难度。由于临近年底，2015年10月的问题平台数量也出现较大反弹，达到了79家。

此外，现在网贷平台的竞争已经进入白热化状态，行业准入门槛不断提高。在经济下行趋势明显，优质资产难寻的宏观大背景下，用网贷ETF模式的形式杀入互联网金融便有了市场前景。一来采用网贷ETF模式运营的平台实际采取的是轻资产运营模式，平台本身并不急需寻找线下资产，从而减轻了创业公司人力与财力的压力；二来网贷平台众多，投资者也需要甄别各大平台，他们有分散投资的实际需求。

目前，国内做网贷ETF模式的有火球网、米袋计划、共时理财、点融网、投之家、投友圈等，这类平台的核心是在大数据基础上建立风控模型，并以此来作为各家产品的设计依据。做网贷ETF模式有两种方式：一种是从多平台多标的中筛选，平台本身掌握的是二级债权，如火球网、米袋计划；第二种类似于团购，对自家平台的各类债权进行筛选做成一个债权包，平台拥有一级债权，典型例子如点融网。

显然，这类模式中基于大数据的风控模型是其产品的核心竞争力，各大平台模型虽有所不同，但有一些相通的地方。第一种网贷ETF模式的运作流程一般为：筛选审核众多理财平台；选取来自上百家理财平台的近万份债权；进行智能计算，生成每日的债权组合。上述模式因为平台不能直接掌握借款项目的信息，因此，其最关键的部分就是筛选合适的平台项目。那么如何准确地进行审核筛选呢？据共时理财的负责人介绍，一般而言，平台利用大数据筛选的内容，包括平台利率、交易量、项目借款人信息等。

平台利率：对比行业内平均水平，剔除平均年化利率过高的平台。比如一个平台综合收益率达到50%，远远超出行业平均利率，则该平台不会被考虑。

交易量：查看平台历史的交易量，排除交易量低或者交易量不正常的平台。比如某平台的交易量一直偏低，在排除自然因素的情况下，其交易量突然暴涨，这样的平台也会被排除。

项目借款人信息：通过线上数据监控平台的借款人结构、借款类型，如果借款人结构不合理，或者借款类型过于集中，则平台风险相对提升，也会排除该平台。

而在第二种模式中，最关键的是数据模型的设计。比如点融网的线下团队铺设已经很广，各地每一个借款项目的审批都由总部的风控部门把关，他们可以掌握到资产端这些项目最真实的情况。点融网的主打产品“团团赚”首先是依据借款人的借款需求和抵押物情况设定借款项目的利率和期限，再根据项目风险和收益的情况设定不同借款项目所占“团团赚”的比例，进而把债权打包发售。根据投资人风险承担能力的不同，他们设计了多种团购产品，让投资人有更多的选择。点融网CEO郭宇航曾介绍，他们的产品实现两个分散：一是把投资人的资金分散到不同的项目；二是控制投资人在每个项目中投资的总额度。

一般这种模式的网贷平台都会宣称将投资人的资金分散到几百个平台，投资几千个标，以此来对抗风险。而如果平台的资金量不断加大，即使是分散投资，有些单个标的投资额也会增大，风险也不容忽视。如果是平台直接掌握债权，那么风险仍然可控。点融网相关负责人曾表示，他们在线下拓展债权时都是控制放款的额度的；另外，他们平台投资人的投资金额平均是3万～5万，这个投资数额加上平台对放款额度的控制，平台总体的风险不大。而对于并不直接掌握借款项目一手信息的平台而言，显然风险提高了很多。平台自身可以控制所选标的投资额度和分散投资者的投资金额，但难以鉴别原始的借款项目的真实性。

网贷平台的数据激增、网贷平台去担保化的趋势促使网贷ETF模式将会朝着更深入、更多元的方向发展，届时，这种模式将逐步自我完善，大数据所发挥的作用将会更大。在整体风控大方向和平台数据库不断完善的情况下，针对不同人群、不同资产类别，大数据将被更细分化地应用，比如将会出现针对学生消费分期数据设计的学生消费分期类ETF产品，针对风险偏好程度不同的人群设定的不同风险的产品；在时间维度上，可以设计活期、不同定期的产品等等。总之，网贷ETF模式的兴盛将是基于整个网贷行业遍地开花、繁荣发展的基础上，根据投资者涌现出的新需求不断推出各类衍生品，如果网贷行业被几个巨头垄断，则网贷ETF模式将会走向衰退。

（二） 网贷端

大数据在网贷端的应用体现在小微企业网贷和个人网贷两个方面的信用贷款，大数据为纯信用贷款提供数据支持，为搭建征信模型提供重要支撑。目前，以纯信用贷款以及个人和企业征信为主营业务的公司和产品并不在少数，如拍拍贷线上纯信用借款、腾讯的“微粒贷”、蚂蚁金服的“蚂蚁微贷”等等，各家都有自身的数据模型，根据不同维度的数据来评判个人和企业的信用，以下是这类产品的共同点。

1.数据搜集的维度多

蚂蚁微贷、微粒贷、京东白条这类纯信用借款，多是基于用户在其平台上保留的各种数据作为平台放款凭证。下面以微粒贷为例说明。

微粒贷是微众银行联合财付通推出的产品，利用人民银行个人信用报告、公安部身份信息认证、腾讯征信等数据，并通过 QQ账户活跃度和社交数据对用户的授信资格和贷款做出审批。

从资料得知，微粒贷根据申请用户的QQ资料（年龄、性别、职业）、社交关系（好友数量、交易往来、沟通往来）、资金支付（借支金额、快速还款）、QQ会员（会员、黄钻、蓝钻等）、QQ活跃度（在线时长、应用活跃度）、QQ等级（皇冠、太阳、月亮等）等等资料信息，来确定授信资格和借款额度，贷款额度最高20万。

2.数据促成征信模型

各大平台依据各自平台上的数据建立了各自的数据模型，如蚂蚁微贷的水文模型、拍拍贷的魔镜风控体系等，充分体现了各自的平台特色。蚂蚁微贷的水文模型建立了庞大的数据库，包括贷款客户自身的长期数据以及同类企业的参考数据，以这些数据为依据，通过数学方法和各种参数，判断客户未来的情况。而拍拍贷的魔镜体系是基于平台积累的约40亿条小微企业融资数据形成的，以此评估借款企业的风险。

在具体平台之外，也形成了一些征信公司做数据搜集和分析的中介平台，它们的数据和征信模型以行业为基础，更具有普遍性和广泛意义。下面介绍某第三方电商信贷平台（以下简称为X平台）的运作模式，来分析它如何利用大数据做征信模型。

在商户端，商户提交借款需求后，需要向X平台授权，使后者能够接入商户在电商平台上的后台账户，获取经营数据。随后，X平台将根据这些数据形成一份评估报告，并将这份报告提交给资金提供方。资金提供方在报告的基础上进行自己的二次风控（主要是调取央行征信报告审核），并对其授信、放贷。整个过程需要2天时间。X平台提供的贷款上限为100万元，还款期限均为6个月，按日计息，随借随还。就X平台贷前、贷后的风控看来，贷前风控对他们来说最重要。下面具体分析其运作模式。

（1）贷前分析

X平台所做的征信对小微企业的贷款目的有明确要求，那就是一定要用于经营。在贷款前期，他们首先要做36个月的行业数据分析，再分析借款企业12个月的经营数据。

行业数据方面：他们采取技术手段抓取各大电商平台上的店铺销售数据，形成行业数据，进而分析其成长性、经营周期、地域性等特征，借此判断其风险系数。在后台数据平台，笔者发现这里的“行业”是精细到某个具体产品的，比如手机、榨汁机、蚊帐等等。行业分析对于决定是否给企业授信有很大参考价值。打个比方，如果一个卖蚊帐的店铺冬季借款，这就是反季节的，其借款用途值得怀疑。

商户数据方面：X平台征信分析所基于的原始数据全部来源于用户，从偿债、赢利、成长、运营、市场五大能力进行分析。用户可以提供更多维度的数据来证明自己的还款能力和资信水平。有以下几个维度的数据作为参考：一是央行征信数据；二是店铺经营数据；三是合作第三方服务商、物流商等的相关数据；四是来自工商、法院、税务等部门的数据。数据维度越多，越能帮助判断店铺的信用评分和授信额度。值得一提的是，X平台有一个反欺诈系统，专门针对电商卖家刷数据的欺诈行为，如果某个或者某些数据波动特别大，或者出现违背行业趋势的数据，他们将做重点监控。

（2）贷后监测

银行放贷之后，可以看到借款企业的实时经营数据，便于监测风险。如果放贷后出现异常经营数据，平台会对银行做出预警提醒。

该平台创始人介绍，当银行对企业授信之后，企业只需要去银行面签就可以拿到贷款，减少了很多烦琐的流程。而当用户积累和数据沉淀越来越多，他们可以向年销售额更少的小微企业和供应链上下游企业下渗，做更精细的风控。

笔者认为，这个模式能成功的关键，在于电商行业的数据化程度很高，便于数据分析公司做精细化的行业分析以及商户分析，并在此基础上建立数据模型，筛选有用数据最终形成综合信用评估。而像触网程度较低的传统产业则难以实现高精度的数据分析和评判。

数据的价值大小与其数据量呈正相关，大数据帮助我们认知事物之间的关联性和事件发生的概率，而不是告诉我们结果，这是大数据的意义，也是人们乐此不疲研究和探索大数据的原因。笔者在走访中听到某平台提到大数据的一个应用：他们在平台海量的交易数据中发现借款人输入身份证的速度与其信用有紧密的关系，其中的原因不得而知。看似完全不相关的两件事，通过大数据分析，风控人员却发现了关联性，类似的例子还有很多，比如腾讯征信研究出个人的衣柜整洁程度与个人信用相关，通过一个人的 QQ号就可以知道他的信用情况等等。这么看来，把大数据看作一面魔镜，一点都不为过。

不管是投资端还是借款端，大数据为数据模型的建立提供依据，成为其重要基础。而打通各方面数据，将会为整个行业带来更大价值。在一个个数据孤岛中，数据的价值是非常有限的，因此，行业间数据的共享甚至跨行业的数据共享就有了更大价值。多重网贷是网贷平台深恶痛绝的现象，而有机构宣称现在超过 50%的网贷平台存在多重网贷。各大平台数据共享，建立借款人多重网贷的黑名单，将是降低平台风险的一大举措。另外，跨平台的数据共享能够让平台对借款人或投资用户更了解，获得更加丰富的用户画像。比如通过社交数据得知投资人的投资喜好，平台可以进行精准营销等等。

散乱的数据没有价值，而对数据价值的反复挖掘和重组却意义重大。对数据的研究远非仅仅为一个企业提供信息反馈和决策依据这么简单，还形成了一些以数据挖掘和分析为生的行业和职业群体，那就是大数据公司。

更具深远意义的是，大数据的发展将更加促进金融的开放以及社会信息的互通共享。互联网的延伸使得开放共享的理念深入人心，而要使大数据发挥更大的作用，就必须共享数据。可以看到，很多互联网公司都意识到了数据的重要价值，开始了用户数据积累的漫漫征途，然而这不过是第一步。未来将有广泛发展的征信公司或数据提供商致力于打通数据孤岛，原因是它们看到了数据的公共属性，进而从提供公共服务中获取商业价值。可以预见的是，数据的开放和共享势不可挡。未来，不管是市场还是政府，都将为打通数据链条添砖加瓦。 UUfTkz6Z1a3IvX0HumXJdPnTkBU2nSLthEVmyxWEDD2dNHS7p1fiXg2YibFjCnEj