「大資料」已是P2P行業的最流行的熱詞之一，各P2P平台紛繁加大關聯領功能變數的投入。行業對于專業資料人材的需求也水長船高：今年年初，雅虎北京全世界研發中心關閉後，大型P2P企業不惜一擲千金與BAT「搶人」的現象便是這一龐大需求的縮影。
理論上講，大資料對于塑造P2P平台借貸兩端的核心競爭力施展著不可小覷的作用：第一，改善資產獲取能力；第二，提昇平颱風險識別以及定價能力；第三，實現資金端的精準行銷，降低獲客成本；第四，有助於平台構造多元￥化的場景，增添P2P平台與理財客戶的黏稠度。
但具體到大資料在P2P領功能變數套用，卻存在許多的限制，主要因為下列三方面。
第一，作為大資料核心的「大」從何而來？這裡指的不僅僅是資料來源以及量級，更主要的是通過怎麼樣的模式，用多長的時間累積出來。當P2P平台試圖應用海量資料預測人群社會行為，進而藉以區別出資產優劣時，單一時間點或短暫時間跨度內的資料很容易進行仿製，致使反欺詐模型的甄別精度降低；而即使這些資料均真實有效，對于正確預測人群行為模式、提昇平台的資產識別能力也是收效甚微; 因而，大資料風控的剛性成本不在於錢，而在於如何獲取蘊含時間價值的有效資料。
第二，套用場景。從聯結有效性的角度來看，資料擁有邊際效應，也就是說任何資料都無法做到在每種特定套用場景之下都施展等同的效果。例如，阿里巴巴15年累積的網路交易資料用於對於自己商戶的放貸可以實現優良的批核率以及精確性，但又有誰能保證這些資料遷移到汽車代銷網站或遊覽網站上也同樣有效呢？所以咱們才看到阿里巴巴戰略投資蘇寧雲商，其目的之一便是阿里借蘇寧消費者樣本，填補自身資料多元￥性短板。
P2P平台如何針對於自身每條業務線的場景特色，總結出所需資料的類型，並在浩如煙海的資料源中有針對於性地加以篩選，也抉擇了整個風控體系根基的穩固與否。與此同時，這也誘發了幾乎所有的P2P平台在大資料套用上的第三個短板——資料的處理能力。
回顧國內大資料分析的發展歷程，至多十年的光景，其在P2P領功能變數的套用則是近兩年的事。有名商業思維家納西姆?塔勒布曾經指出：「資料會製造出更大的噪音，這就如同在乾草垛中尋找一根針，當咱們扒開乾草垛時，要找的那根針被越埋越深。」不管是資料「降噪效果」，仍然是資料聯結的「構建」能力，僅憑國內現有經驗，還遠遠知足不了P2P平台的風控訴求，需要外國先進經驗的引進以及本土化。
神州融充沛借鑒以及引入全世界最大徵信局Experian（益博睿）全世界零售及小微金融信貸風控以及流程管理的最佳實踐，結合其在本土個人及小微金融信貸業務的豐厚經驗，依據「信貸工廠」的運作理念、以量化風控與自動決策為核心，構建了專門針對於小微金融機構的大資料風控平台，並安全安定運營在阿里金融雲上。小微金融機構零門坎入駐便可擁有價值千萬的信貸管理系統與量化風控決策能力，一站式輕鬆接入3000+維度鮮活資料源以及自動化決策評分卡，並免費對於接大型電商平台，獲取垂直信貸場景下的立異金融產品。兩岸商貿,在家工作,網路創業,創業賺錢思惟,微商平台,賺新台幣
依據消費金融、車貸、房貸、網商貸、POS貸等不同業務類型，平台設定了最佳實踐的風控流程、評分模型及業務風控策略體系，可實現針對於個人及小微企業的純信用、抵質押類信貸業務審批管理，適宜從幾千元￥的小額消費貸款到數萬元￥的個人信用貸款，以及數十萬元￥的小微企業經營性貸款業務。
留言列表
