作為互聯網金融的一種模式，P2P行業如何發展一直是輿論的焦點。其中最被大家推崇的一種觀點是P2P的發展必須結合大數據，無論監管、媒體、還是我們從業者，都達成了共識，許多公司為之努力并且做了嘗試。但是我卻認為，P2P不能迷信大數據，大數據并不是萬能的，與其執著于用大數據做風控，不如用來做營銷。
一、P2P的大數據為什么做不了風控？
目前，在國內金融領域，用大數據做風控，成功的案例只有兩家，一家是阿里小貸，另一家是證監會。阿里小貸通過賣家海量的交易信息和流水，在幾秒鐘內完成對商家的授信；證監會通過海量的交易信息挖掘出關聯交易，捕捉老鼠倉的基金經理。也有其他一些電商平臺號稱利用大數據做風控審核，但是其模式的實質是應收賬款質押融資(類似保理)或者是貨物質押式融資。其實阿里和證監會之所以成功，原因在于兩點，一、數據可以做到即時更新，既數據是鮮活的；二是平臺本身對用戶有約束力。這兩點也被人們稱為閉環的數據。那么問題就來了，目前國內的P2P公司并沒有閉環的交易數據，對用戶的約束力也不足夠，那么又何來跟大數據結合一說呢？
有人說利用客戶多維度的信息，例如近千個維度，對借款人做綜合的評估。這種方式聽起來不錯，但實際情況是，對一個人信用的評估如果用這樣的手段，會發現維度和維度之間并非相互獨立的，而是有邏輯關系的，1000個維度中實際有用的維度可能只有100個，900個是沒用的，也就是說這樣一個風控模型幾乎是建立不起來的，緯度的邏輯關系會有沖突，就算真的建立起來了，能通過該模型驗證的也極可能是人格完美的人，例如耶穌和甘地，而不是金融信用良好的客戶，不同的數據緯度應該對應一個人不同的方面，絕大多數的緯度根本體現和一個人金融信用的相關性。
再說數據來源，有一種說法是互聯網上的社交數據可以作為參考依據，這其實牽涉到兩個問題。其一，在互聯網上人性是被放大的，現實中不敢說的話，在網絡上卻敢說，現實中內向的人在網絡上或許會非常外向。也就是說互聯網上的社交信息很難還原現實中人的信用；其二，社交信用并不一定能代表金融信用。據征信公司根據以往的征信記錄來看，人的信用是多方面的，例如朋友信用、愛情信用、事業信用、其他社會信用和金融信用等，如果把每一類信用都看成一個面，其他幾個面的信用與金融信用并不一定存在相關性。最近我去英國考察，國外有朋友用facebook上的社交數據做金融的嘗試，即利用互聯網上的個人信息評估其信用，并作授信。目前這項服務的相關數據還未披露，但是通過一些國外的朋友間接打聽，網絡上的社交金融可能并不成功，原因就在于此。
二、P2P的大數據如何做創新？
如果說P2P執著雨打數據風控，不如嘗試用大數據做營銷。事實上，大數據的提出者谷歌就是利用大數據做營銷的。打比方說，現在新新貸有一位借款用戶，如果他的借款次數在2次以上，且還款情況良好，可以通過數據分析，我們可以用系統的方式為他量身定制貸款方案，利率、手續費、還款方式、期限、額度等都會和原來的服務不同。
這個看似簡單，背后要做的工作很多，首先要看過往的借款記錄，新新貸會通過他的以往數據信息推算出他在什么時間節點需要資金周轉，例如一個借款人申請借款的時間是8月，但可以通過計算得知他資金周轉其實發生在6月，再分析數據，是因為5月份的貨物滯壓造成，再進一步分析造成貨物滯壓的原因。貸后管理中，客戶經理會了解借款人的經營情況，根據更新過的數據，利用系統的方式推算出可能造成他下一次資金周轉的時間，提前推送定制的服務方案。這種服務方案更像量身定制，而非讓客戶被動接受他不一定適合的信貸產品。在服務方案的制定過程中會根據他的年齡、學歷、所在地區、交易流水等情況和數據庫中類似的借款人做對比分析，評估他的優勢劣勢，和同行業企業的相似程度，根據以往借款人的額度、利率、還款方式等信息，重新評估當下借款人的額度、利率、還款方式等等。目前，我們已經嘗試了幾個這樣的服務方案，做到了客戶自己還沒有發覺有融資問題是，我們就提前推送服務。
三、沒有大數據，還能做數據挖掘
但是P2P最終還是希望用大數據完成授信和風險控制以降低服務成本。剛才已經談到，那除非是用閉環的大數據才有可能，也就是說必須有數據即時更新和平臺約束力兩點。如果P2P無法直接做到這兩點怎么辦？我覺得可以通過其他的方式無限接近這兩個特征。其一，不定期更新用戶的數據，以我們來說，風控人員在客戶貸后3個月后必須對客戶進行2次盡職調查，對用戶的信息做更新，重新評估其違約的概率。有人說這么做會增加成本，但P2P本來就在做商業銀行和BAT都不做的臟活累活。對一家P2P公司來說，現在正處在數據原始積累的過程中，獲取借款人越多真實數據越有利。未來P2P的核心競爭力與其說是風控能力，不如說是數據的積累和數據的處理能力。
另一方面，小微企業客戶的賬目往往混亂，在實際的風險控制中還需要還原他們的資產負債表和現金流量表，對他們進行財務輸出，建立財務的標準，這些標準的信息積累就為數據積累做好了度量衡統一的準備。這些工作看似不夠互聯網化，不夠科技化，但是只有這樣的工作才能獲得用戶精準的數據，有效的數據，否則用系統的手段處理，就會在大量的洗臟數據的過程中，增加機會成本。
我個人認為，與其執著于在線上獲取數據，不如腳踏實地在線下做好借款人的數據分析。例如，我們在數據積累的過程中，發現抽煙的借款人逾期率高于不抽煙的人，有宗教信仰的借款人逾期率低于沒有宗教信仰的借款人，世界杯期間看足球的借款人違約率高于不看足球比賽的借款人。借款人的這些信息和數據幾乎是沒辦法在線上獲取的，即使獲取也無法核實真偽，但是通過線下實地走訪，這些信息很容易獲得。這些有參考價值的數據對大數據和風險控制結合是有幫助，排除對借款人最有影響的地區、行業等因素，用戶自身的一些行為是否存在相關性，是對風險控制審核的重要參考。
P2P結合大數據的路還很漫長，目前國內還沒有成功的案例，大數據對P2P來說首先用于營銷，其次用于風險控制，在數據的積累過程中去做更多深入的挖掘，可能才是真正的未來。
京公網安備 11010502049343號