在8月15日舉行的“2014年中國中小銀行發展高峰論壇”上，銀監會創新監管部主任王巖岫透露，目前可查的P2P機構有1200家，到7月份為止，實際上跑路的有150家，每個月有6、7家跑路。P2P如何進行風險控制、投資人如何加深對P2P的考察成為行業發展的關鍵。上海市信息服務業行業協會會員單位，中國小額信貸聯盟20余家成員之一的新新貸總裁助理朱捷認為，P2P的風控不應偏信大數據模型，通常審核維度越多，模型反而越失真，必須獲取和分析用戶的關鍵信息。

P2P風控不應偏信數據模型

新新貸助理總裁朱捷介紹，新新貸曾在2、3月份的項目淡季，對大數據如何應用在P2P上進行研究，發現審核維度越多，或者說風控流程越復雜，帶來的“臟數據”越多，模型也越失真。

“對融資方進行考察并非是 挑圣人 。”他說，“小微企業主通常會有缺陷，比如我們發現，一些態度不太好的企業主，可能信用挺好，因為他有議價權。相反，一些待人接物很禮貌的企業主，實際金融信用并不好，他可能是為了獲得貸款有良好的態度。”

很多大數據風控的手法本質是大數法則，朱捷認為在風控環節上使用大數法則不過是延遲風險，相比之下，線下的實地走訪更靠譜，而且線下審核成本不一定高過線上成本。例如線下審核的重要環節之一—“走訪”，在這一過程中風控人員需要對企業及借款人做全面的盡職調查，既要調查其上下游客戶，確定企業是否有穩定的上下游關系，也要走訪其親友情況做了解，例如對親友的品行愛好進行了解，“有時候，即使融資方信用很好，但是可能起融資是為了幫親友還債，這也是要當心的。”

朱捷透露，目前在P2P領域，大數據在風控環節的成功案例較少，金融領域僅有阿里小貸等做得較為優秀。究其原因，一是因為大部分P2P機構缺乏實時數據，二是缺乏約束力，例如阿里小貸對商家店鋪有著強大的約束力。其他部分公司所謂的“大數據風控”主本質上仍然是應收賬款抵押手段，類似于商業保理。

P2P大數據更適合產品設計

綜上所述，朱捷提醒，投資者在挑選P2P投資網站時，不應該過度相信“審核通過率”這一指標，“通過率低不代表風控嚴格，而是可能沒有精準營銷。”

他認為，可以通過為不同的融資方定制小貸方案，例如基于借款記錄定制合適的產品，可以減少審核流程降低成本，這時能體現大數據的威力。但是這也需要3-5年的數據積累。

今年上半年，新新貸共完成線上交易4.2億元，線上累積待收金額4.4億元，對比2013年，新新貸整體業績增長350%。其逾期率控制在1.62%，逾期回收率高達75.77%，并有2300萬的風險準備金。朱捷介紹新新貸的風險準備金提取比例達5%，用于覆蓋2%左右的壞賬率。