TMT观察网_独特视角观察TMT行业

互聯網時代效率為王，傳統風控占用大量資源，終被舍棄。不知何時，大數據技術興起。大量數據多維度、智能、批量處理和標準化的執行，另其在金融風控里占有了一席

互聯網時代效率為王，傳統風控占用大量資源，終被舍棄。不知何時，大數據技術興起。大量數據多維度、智能、批量處理和標準化的執行，另其在金融風控里占有了一席之地。金融機構間的競爭將大數據風控推的越來越高......

數千維度

現如今，需要風控的金融機構或多或少都會涉及大數據風控。

有觀點認為，不少金融機構用大數據概念拔高高度，而實際的技術還不成熟。

事實上，金融機構大數據風控做的質量可以從維度的數量上看。

學歷、手機號、性別、居住地等都是一個維度。也曾有金融機構表示自家風控模型中有2000多個維度。

劉?h是一家做大數據風控多年金融機構的首席數據官，曾在谷歌任職多年，有豐富的數據分析經驗。

“現在，做大數據風控的金融機構，維度數量對外說普遍是1000多，實際上用到的可能不到百分之十。”劉?h直言。

據了解，金融機構接入的大數據金融機構越多維度就越多，雖然維度大部分是重復的，但金融機構為了提高檔次，一般不會剔除。

劉?h稱，1000多個維度算是少的，即使上萬個維度也不是不可能。

最近，劉?h領導的建模團隊在規模相當的一家金融機構挖來了一名建模人員，擴充至20人。

據這名建模人員透露，上家金融機構建模人員只有兩名，自己走了只剩下一名了。

事實上，維度再多，模型不豐富，在專業騙貸小分隊面前也是虛有......

騙貸思維

“專業的騙貸團隊會向金融機構申請貸款，觀察申請結果，然后對的這家金融機構的風控模型進行分析。”劉?h表示，如果以大專學歷申請失敗，而以本科學歷申請成功，這條維度就被分析出來了。

有相關業內人士透露，此前出現的大規模騙貸就這在維度泄露或維度被分析出來的情況下出現的。風控模型越簡單，維度越少，風險就越大。

據此前一本財經報道，騙貸者獲取一套虛假資料，只需2000元，卻可騙貸20多萬。錢一到手，人就消失，成為永久“壞賬”。

在劉?h看來，金融機構的大數據風控共可以分為四個層次。

一、直接購買簡單的風控模型，簡單直接，具有初級風險的判斷。

二、自主開發，較為簡單，有5-10個維度。

三、自主開發，模型復雜，且同時有多個模型，一條信息同時通過幾個模型或是經過一個后再經過另一個模型。

四、除了第三種模型以外應有的模型以外，增加機器學習算法，用于反欺詐行為。

“純粹依靠大數據風控放貸的只有現金貸產品。”有業內人士表示，這也是現金貸利息高的原因。

為時尚早

在目前看來，我國數據市場規模巨大，消費需求旺盛，越來越多的數據被記錄和整理，用戶行為信息日益完善，大數據必定會成為這個時代的關鍵技術。

然而，準確的預測分析雖然能幫助金融機構降低因欺詐、信用違約導致的壞賬風險，有效的控制成本，但是目前大數據技術的發展尚屬初級階段，技術尚不成熟。尤其是運用到以風控為核心的金融領域還為時尚早。

“我國信用體系不健全，金融機構依托線上風控，并不能實現最佳效果。”厚本金融副總裁歐陽君直言，“線下風控這一模式，在我國仍然會存在并將持續很長一段時間。但是金融機構依然要學習國外先進技術，提高決策效率，做好線上風控。”

此前，有多家金融機構曾表示，確實在做大數據風控，但實際應用微乎其微。

其中，有金融機構透露，大數據風控只是用戶借款的一個門檻，用戶通過了大數據的審核后還會進行人工審核。

歐陽君稱，雖然風險的規避不是百分之百，但是通過大數據概率去做風控，會讓金融機構的整體方向好轉。