北京時間3月7日, 在紐約舉行的朗迪互聯網金融峰會上, 來自中國的多家網路信貸公司就國內互聯網金融的發展情況展開討論。 他們認為, 如何通過大資料提高網路金融平臺的效率是互聯網金融公司的首要工作, 也是企業核心競爭力的體現。
多家中國互聯網金融公司參加了峰會。 他們表示, 雖然中國互聯網金融基礎設施較為薄弱, 但這也是各公司構建企業核心競爭力的良好機會。
中國現在的借貸管道主要為傳統銀行貸款和互聯網小額信用貸款。 由於傳統銀行系統中貸款申請的限制較多,
首先, 美國的征信系統已較為完備, 而中國還沒有制約性的征信系統。 在此背景下, 國內用戶可以授權給借貸公司的資料資料則相對更廣泛更多樣, 例如用戶在京東上的流覽記錄, 購物記錄等都可以作為資料用來計算使用者的還款能力和還款概率。
同時, 中國有數億人未得到匹配的銀行信用額度, 有較多優良客戶未能在銀行端通過借貸審批。 因此, 國內有能力進行小額貸款的人群體量比美國信用市場中的要多三到五倍, 在此需求下這類人群更需要通過借貸公司的大資料處理通過貸款審批。
由於互聯網金融基礎設施不夠完善, 中國互聯網金融公司在資料獲取上也需要更多發展空間。 美國現有的資料分析公司可以給予金融公司標準化的資料和評分。 但由於中國使用者資訊資料的分散化, 在中國獲取有效資料的難度較大, 中國互聯網金融公司更需要自行尋找資料來源。 因此, 抓取社交, 非社交等多管道資料並建設完善的資料模型也將是各互聯網金融公司的主要研發方向。
其次, 在中國互聯網金融的發展中, 群體詐騙和個人信用不良都會給互聯網金融公司造成較大風險。 因此, 利用大資料反欺詐在各大公司的技術發展尤為重要。
國內的網路欺詐有著明顯的群體性:
1.網路欺詐傾向於通過社群進行詐騙行為;
2.欺詐有著明顯的鏈條模式, 這個產業鏈的上下連結也是通過社群完成;
3. 欺詐較多通過社交工具實施, 用戶在社群的關係網絡中尋找合作或詐騙對象。
因此, 利用各平臺的社交資料, 從上游發現問題並反向斷絕欺詐源是反欺詐中的重要應用。
個人欺詐或個人信用不良的詐騙案例有著更明顯的行為模式, 是表像明顯的概率事件。 此類詐騙案例更易於通過資料分析得到其行為模式的固定值, 從而進行更好的辨認, 構建大資料模型將更好説明判別客戶群體中的欺詐現象。