人妻中文字幕无码专区,无遮挡h纯内动漫在线观看 ,一级无码奶水在线观看,人妻熟妇乱系列,欧洲无码免费黄片,69堂精品,成年在线观看免费人视频,国产在线大学生,五月天伊人久久综合网,国产精品欧美精品污污

業(yè)務(wù)上，“支付寶年度賬單”事件讓公眾對個(gè)人數(shù)據(jù)信息使用心生敵意；心理上，大數(shù)據(jù)行業(yè)更承受著來自監(jiān)管的質(zhì)疑。

曾被譽(yù)為Fintech中最具革命性技術(shù)的“數(shù)據(jù)驅(qū)動”風(fēng)控模型，直接被潑了一盆冷水?！蛾P(guān)于規(guī)范整頓“現(xiàn)金貸”業(yè)務(wù)的通知》中明確要求“謹(jǐn)慎使用‘數(shù)據(jù)驅(qū)動’的風(fēng)控模型”，而包括上海在內(nèi)的各省市近期轉(zhuǎn)發(fā)文件中，對上述要求再一次強(qiáng)調(diào)。

監(jiān)管層已洞察到消費(fèi)信貸行業(yè)亂象，充斥著以“數(shù)據(jù)驅(qū)動”為名、實(shí)則無風(fēng)控、以高利率覆蓋高壞賬的市場主體。

大數(shù)據(jù)風(fēng)控作為一個(gè)新生事物，目前還處在摸著石頭過河的階段。麻袋理財(cái)研究院認(rèn)為，監(jiān)管對“數(shù)據(jù)驅(qū)動”風(fēng)控模型的質(zhì)疑并非全盤否定，而是對其“概念化”、“空心化”趨勢的警示。大數(shù)據(jù)風(fēng)控成了背鍋俠，背后根源是業(yè)界的浮躁——投機(jī)鉆營，搶抓現(xiàn)金貸風(fēng)口，盲目追求快速做大規(guī)模，實(shí)則忽視風(fēng)控。

一、大數(shù)據(jù)風(fēng)控是如何被“污名化”的

互聯(lián)網(wǎng)時(shí)代效率為王，大數(shù)據(jù)、人工智能等技術(shù)日趨成熟，讓高效的量化風(fēng)控有了更多的想象力。

但另一方面，不少機(jī)構(gòu)用大數(shù)據(jù)概念拔高品牌，機(jī)構(gòu)間的競爭更加劇了大數(shù)據(jù)概念的濫用。“偽命題”、“大忽悠風(fēng)控”也成了監(jiān)管和業(yè)內(nèi)常有的批評聲音。

“大數(shù)據(jù)風(fēng)控”概念被濫用，已形成三大誤區(qū)：

1、用“大數(shù)據(jù)風(fēng)控”掩蓋無風(fēng)控之實(shí)。

2、缺乏自主風(fēng)控能力，完全依靠第三方征信數(shù)據(jù)平臺。如趣店曾經(jīng)對芝麻信用的依賴。

3、把大數(shù)據(jù)或者大數(shù)據(jù)模型等同于風(fēng)控。

這其中，現(xiàn)金貸行業(yè)用“大數(shù)據(jù)風(fēng)控”掩蓋無風(fēng)控之實(shí)問題非常突出。

麻袋理財(cái)研究院認(rèn)為，大數(shù)據(jù)風(fēng)控特別適用于小微資產(chǎn)（現(xiàn)金貸、消費(fèi)貸、小微企業(yè)貸），這類資產(chǎn)主要風(fēng)險(xiǎn)是還款意愿，因此大數(shù)據(jù)風(fēng)控90%的價(jià)值在于反欺詐。大多數(shù)現(xiàn)金貸的風(fēng)控邏輯就是，根據(jù)用戶提交的信息，在第三方征信平臺跑一遍數(shù)據(jù)，剩下全部交給二元好壞模型進(jìn)行風(fēng)險(xiǎn)定價(jià)。

二元好壞模型的價(jià)值在于量化定價(jià)，包括授信額度、期限、利率等，主要工具是評分卡。如Lending Club把借款用戶分為A1-G5共35個(gè)級別，對應(yīng)由低到高的不同利率。而小額超短期現(xiàn)金貸（類似于payday Loan）以隨行就市為基礎(chǔ)，判斷全部通過拍腦袋決定，但原則是用超高利率覆蓋風(fēng)險(xiǎn)。因?yàn)樵诒窘鹬蓄A(yù)先扣除了高額砍頭息，所以超短期現(xiàn)金貸可以不風(fēng)控，甚至用戶不還錢也沒關(guān)系。

真正的大數(shù)據(jù)風(fēng)控要求高，難度大，既需要大量有效數(shù)據(jù)，又需要精密可靠的模型，還需要經(jīng)過時(shí)間的檢驗(yàn)。目前業(yè)內(nèi)魚龍混雜，很多公司要么缺數(shù)據(jù)，要么缺技術(shù)，要么缺實(shí)踐。為避免大數(shù)據(jù)風(fēng)控成為空談，需要行業(yè)自律與監(jiān)管層共同努力，避免大數(shù)據(jù)風(fēng)控被污名化。

二、大數(shù)據(jù)風(fēng)控核心問題在哪？

除了概念化的品牌包裝導(dǎo)致的污名化趨勢，大數(shù)據(jù)風(fēng)控被質(zhì)疑有其內(nèi)在的原因。

（一）數(shù)據(jù)質(zhì)量問題

影響大數(shù)據(jù)風(fēng)控的有效性，首要原因是數(shù)據(jù)的真實(shí)性不高，包括社交數(shù)據(jù)和電商交易數(shù)據(jù)。

1、社交數(shù)據(jù)的真實(shí)性問題

虛擬社交行為與現(xiàn)實(shí)世界中存在較大偏差，大部分實(shí)質(zhì)上可歸結(jié)為感性的“秀炫曬”，那么機(jī)器根據(jù)預(yù)先設(shè)置的特征參考提取數(shù)據(jù)，難以形成對象的真實(shí)用戶畫像。美國的Lending Club和Facebook曾進(jìn)行過相關(guān)合作，結(jié)論是社交數(shù)據(jù)有效性欠佳。

2、電商交易數(shù)據(jù)的真實(shí)性

我國電商行業(yè)發(fā)展中都遇到過嚴(yán)重的刷單現(xiàn)象，導(dǎo)致交易數(shù)據(jù)嚴(yán)重失真。

（二）大數(shù)據(jù)風(fēng)控有效性問題

1、孤島數(shù)據(jù)的融合問題

大數(shù)據(jù)用于風(fēng)控、營銷的本質(zhì)差異在哪里？營銷可以管中窺豹，如果有人在京東上面買了一本考研資料，那么可以從這個(gè)行為判斷出此人準(zhǔn)備考研。但是如果僅僅通過這一個(gè)維度的數(shù)據(jù)，就判斷此人是一個(gè)好人，這可能很難。必須要收集這個(gè)人在多個(gè)角落的數(shù)據(jù)，接近360度都是一個(gè)好人的時(shí)候才能判斷。所以大數(shù)據(jù)應(yīng)用在風(fēng)控最大的挑戰(zhàn)，就是不能像營銷一樣可以隨心所欲地管中窺豹，必須要收集盡可能全的數(shù)據(jù)才能洞悉一個(gè)人，才能給一個(gè)人下結(jié)論。

但是，這360度全方位的數(shù)據(jù)，包括金融數(shù)據(jù)、消費(fèi)數(shù)據(jù)、行為數(shù)據(jù)等等，從小數(shù)據(jù)到大數(shù)據(jù)、從靜數(shù)據(jù)到動數(shù)據(jù)、從薄數(shù)據(jù)到厚數(shù)據(jù)，收集起來絕不是那么容易的。

因?yàn)樾屡d的消費(fèi)金融機(jī)構(gòu)目前被排除在央行征信體系之外，所以大數(shù)據(jù)風(fēng)控多以互聯(lián)網(wǎng)行為數(shù)據(jù)為基礎(chǔ)。而目前任何一家大數(shù)據(jù)風(fēng)控提供商都難稱得上維度全面，芝麻信用、騰訊信用也都只是基于阿里、騰訊在網(wǎng)絡(luò)交易、社交等行為數(shù)據(jù)優(yōu)勢。

實(shí)際上，業(yè)內(nèi)用以判斷信貸風(fēng)險(xiǎn)的數(shù)據(jù)可分為強(qiáng)變量數(shù)據(jù)，如信貸、工商、社保等來源于傳統(tǒng)金融機(jī)構(gòu)和政府?dāng)?shù)據(jù)；和商品生產(chǎn)、流通、消費(fèi)環(huán)節(jié)中產(chǎn)生的中變量數(shù)據(jù)；以及互聯(lián)網(wǎng)社交等弱變量數(shù)據(jù)。那些只以單一維度弱變量數(shù)據(jù)為基礎(chǔ)的大數(shù)據(jù)風(fēng)控有效性不佳。

2、系統(tǒng)和數(shù)據(jù)沒經(jīng)過壓力測試

1）業(yè)務(wù)激進(jìn)導(dǎo)致風(fēng)控模型沒有驗(yàn)證調(diào)整的時(shí)間

良好的規(guī)劃對公司業(yè)務(wù)管理至關(guān)重要。規(guī)劃首先應(yīng)明確公司是處于擴(kuò)張業(yè)務(wù)、管控業(yè)務(wù)還是精簡業(yè)務(wù)的總體戰(zhàn)略，然后對公司內(nèi)外部的資源和競爭優(yōu)勢進(jìn)行分析，最后設(shè)計(jì)出符合公司預(yù)期的產(chǎn)品。

信貸是周期性的，科技也是有周期的。消費(fèi)金融行業(yè)發(fā)展過程中存在對某一類資產(chǎn)蜂擁而上、風(fēng)口期過后又迅速退出的問題?；诨ヂ?lián)網(wǎng)思維大干快上的過程中，由于缺乏業(yè)務(wù)規(guī)劃，適用于業(yè)務(wù)擴(kuò)張期的大數(shù)據(jù)風(fēng)控模型會被過度地學(xué)習(xí)數(shù)據(jù)中細(xì)節(jié)和噪音，比如模型上線以來25歲的用戶都是優(yōu)質(zhì)用戶，于是25歲作為標(biāo)準(zhǔn)進(jìn)入決策引擎，顯然缺乏邏輯，這就是機(jī)器學(xué)習(xí)中的“過擬合”問題。實(shí)際上在情況變化之前是沒有辦法發(fā)現(xiàn)問題的，而互聯(lián)網(wǎng)思維沒有給予模型足夠的調(diào)整時(shí)間，最終造成有效性欠佳。

2）沒有經(jīng)過經(jīng)濟(jì)周期的檢驗(yàn)

Capital One的風(fēng)控模型曾把是否申請了入學(xué)貸款作為重要風(fēng)控指標(biāo)，因?yàn)閷W(xué)生在更高學(xué)歷畢業(yè)后，往往獲得較好的工作，是潛在優(yōu)質(zhì)客戶。但次貸危機(jī)把這個(gè)邏輯打破了，風(fēng)控模型突然失效，因?yàn)槊．厴I(yè)生也面臨失業(yè)。

現(xiàn)實(shí)世界免不了黑天鵝事件，黑天鵝事件卻是在大數(shù)據(jù)預(yù)測規(guī)則之外，一旦出現(xiàn)會沖擊大數(shù)據(jù)風(fēng)控模型的基本假設(shè)，進(jìn)而影響大數(shù)據(jù)風(fēng)控的有效性。從這個(gè)角度上說，大數(shù)據(jù)風(fēng)控是無法預(yù)測的。傳統(tǒng)的風(fēng)控技術(shù)已經(jīng)歷三十年、五十年周期的迭代。但是大數(shù)據(jù)的檢驗(yàn)成效現(xiàn)在看不了。沒有經(jīng)過經(jīng)濟(jì)周期的檢驗(yàn)正是大數(shù)據(jù)風(fēng)控被質(zhì)疑的核心問題。

三、正確理解數(shù)據(jù)驅(qū)動的風(fēng)控模型并合理使用

因?yàn)槟苡行Ы档统杀尽⑻岣咝?，幫助把金融服?wù)覆蓋到更多人群，大數(shù)據(jù)風(fēng)控對于普惠金融不可或缺。作為未來消費(fèi)金融行業(yè)的重要著力點(diǎn)，如何正確理解“數(shù)據(jù)驅(qū)動”的風(fēng)控模型，并合理使用呢？

（一）正確理解“數(shù)據(jù)驅(qū)動”，必須基于業(yè)務(wù)邏輯

相對于“數(shù)據(jù)驅(qū)動”的，應(yīng)該就是“業(yè)務(wù)驅(qū)動”或“信貸邏輯驅(qū)動”，他們的區(qū)別就是“數(shù)據(jù)驅(qū)動”往往關(guān)注的是“相關(guān)關(guān)系”，但“業(yè)務(wù)驅(qū)動”更多關(guān)心的是“因果關(guān)系”。

在信貸業(yè)務(wù)中， 常用的因果關(guān)系有“通過收入評估推斷償債能力，能力越高風(fēng)險(xiǎn)越小”、“通過歷史的信貸記錄來判斷，記錄越好風(fēng)險(xiǎn)越小”等。

這些樸素的金融邏輯與潛在風(fēng)險(xiǎn)之間是存在著很強(qiáng)的因果關(guān)系，因此在絕大多數(shù)傳統(tǒng)的金融機(jī)構(gòu)，都是通過對此類判斷來推斷借款人的風(fēng)險(xiǎn)。這些規(guī)則是被千百年來人類社會的實(shí)踐所驗(yàn)證過的。而只要嚴(yán)格的按照類似的規(guī)則來對借款人進(jìn)行審核，借款人的風(fēng)險(xiǎn)會在一個(gè)可控的范圍內(nèi)。但這些信息對于在很多互聯(lián)網(wǎng)實(shí)時(shí)的場景中獲取難度大，成本高。

近年來隨著大數(shù)據(jù)、人工智能等技術(shù)被神化，以及數(shù)據(jù)獲取成本，難易程度等多方面的原因，“相關(guān)關(guān)系”逐漸被應(yīng)用到風(fēng)控審查的流程中，通常“相關(guān)關(guān)系”指的是那種通過數(shù)據(jù)分析發(fā)現(xiàn)的某些與風(fēng)險(xiǎn)相關(guān)的指標(biāo)，但難于被業(yè)務(wù)或金融邏輯所解釋的關(guān)系，如前述“25歲”的例子。這個(gè)可能就是被質(zhì)疑的“數(shù)據(jù)驅(qū)動”了。

“因果關(guān)系”和“相關(guān)關(guān)系”其實(shí)各有優(yōu)缺點(diǎn)，一個(gè)穩(wěn)，一個(gè)準(zhǔn)。兩者結(jié)合可以更好的促進(jìn)業(yè)務(wù)的發(fā)展，同時(shí)對于相關(guān)關(guān)系的深入研究，來發(fā)現(xiàn)其中的因果關(guān)系，可以更好的促進(jìn)我們對于借款人行為的理解，將其轉(zhuǎn)化為“因果關(guān)系”。麻袋理財(cái)研究院認(rèn)為，探索傳統(tǒng)的邏輯回歸加機(jī)器學(xué)習(xí)而形成的整合式應(yīng)用的方法是王道。

（二）端正大數(shù)據(jù)風(fēng)控應(yīng)用理念，不能盲目崇拜算法

風(fēng)控不僅僅是大數(shù)據(jù)模型，風(fēng)控更應(yīng)該是一個(gè)完整的閉環(huán)體系，大數(shù)據(jù)模型對于風(fēng)控管理是非常重要的，但它只是其一。風(fēng)控體系包括很多層面，例如貸前、貸中、貸后全面的風(fēng)控系統(tǒng)的搭建，包括新產(chǎn)品上線的風(fēng)險(xiǎn)評估、渠道管理、反欺詐人工調(diào)查，還有操作風(fēng)險(xiǎn)管理、資產(chǎn)管理等都是風(fēng)控體系中非常重要的環(huán)節(jié)。

對算法、大數(shù)據(jù)風(fēng)控的盲目崇拜和錯(cuò)位應(yīng)用，是極大的誤區(qū)。

基于“了解你的客戶”的原則，不同的客戶群體、消費(fèi)場景、產(chǎn)品設(shè)計(jì)所面臨的風(fēng)險(xiǎn)點(diǎn)是不同的，沒有一套風(fēng)控模型可以包打天下；風(fēng)控體系搭建非一日之功，數(shù)據(jù)驅(qū)動也非一針見效的靈丹妙藥，需要不斷的迭代、優(yōu)化，小步快跑。

所以不要在這個(gè)領(lǐng)域里面對新鮮的算法盲目崇拜甚至直接移植，還需要更多的從業(yè)者一起去探索和再創(chuàng)新。

（三）把大數(shù)據(jù)風(fēng)控作為傳統(tǒng)風(fēng)控手段的補(bǔ)充

基于以上兩點(diǎn)得出的結(jié)論是，信用風(fēng)險(xiǎn)評估的強(qiáng)相關(guān)數(shù)據(jù)還是金融數(shù)據(jù)，互聯(lián)網(wǎng)行為數(shù)據(jù)為基礎(chǔ)的大數(shù)據(jù)風(fēng)控只是一個(gè)補(bǔ)充，不能夠完全替代傳統(tǒng)的信貸風(fēng)險(xiǎn)管理。麻袋理財(cái)研究院認(rèn)為，大數(shù)據(jù)風(fēng)控可以從數(shù)據(jù)緯度和分析角度提升傳統(tǒng)風(fēng)控水平，是一個(gè)必要的補(bǔ)充，可以讓傳統(tǒng)風(fēng)控更加科學(xué)嚴(yán)謹(jǐn)，但是不是取代傳統(tǒng)風(fēng)控的模型和數(shù)據(jù)。

（四）建立完善的風(fēng)控模型管理制度

業(yè)內(nèi)對于風(fēng)控模型，一般會經(jīng)歷幾個(gè)階段才會進(jìn)入業(yè)務(wù)應(yīng)用：模型研發(fā)、模型驗(yàn)證、模型評審、模型校驗(yàn)、模型應(yīng)用監(jiān)測。每個(gè)流程都會對模型的正確應(yīng)用產(chǎn)生很重要的影響。

決不能因?yàn)?ldquo;互聯(lián)網(wǎng)思維”大干快上而把流程簡化成模型研發(fā)和模型部署兩步，這不是“不謹(jǐn)慎”，是草率。

同時(shí)建立完善的風(fēng)控模型檔案制度。模型文檔的完整和流程的可追溯，是業(yè)務(wù)持續(xù)運(yùn)行，降低風(fēng)險(xiǎn)的重要保證。

四、小結(jié)

麻袋理財(cái)研究院認(rèn)為，對“數(shù)據(jù)驅(qū)動”風(fēng)控模型的質(zhì)疑并非全盤否定，而是對其“概念化”、“空心化”趨勢的警示。大數(shù)據(jù)風(fēng)控是背鍋俠，背后根源是業(yè)界的浮躁——善于投機(jī)，力求抓住業(yè)務(wù)風(fēng)口，盲目追求快速做大規(guī)模，忽視風(fēng)控。

金融講究的是穩(wěn)而不是快，講究的不是抓住機(jī)會而是不犯錯(cuò)，金融領(lǐng)域最具競爭力的不是暴利而是持續(xù)穩(wěn)定盈利。

業(yè)界基于互聯(lián)網(wǎng)思維，追求每次都能踩準(zhǔn)臺階，但是在每個(gè)臺階上站的都不穩(wěn)，以至于一次次尋找更高的臺階。大數(shù)據(jù)風(fēng)控是唯一能夠滿足需求的風(fēng)險(xiǎn)管理方式，但行業(yè)連走完一個(gè)完整模型管理流程的時(shí)間都沒給。拔苗助長，用完就扔，這種情況值得反思。

【來源：金評媒】