近日，針對5萬元以下的個人信用貸款申請，在線金融搜索服務融360開始悄然使用了一個名為“天機”的風控系統，會根據身份認證、還款意愿和還款能力三個維度，給申請貸款的用戶進行信用評分，并決定是否放款。而騰訊的微眾銀行則依托騰訊在社交數據方面的強大優勢，匯集了40萬億條數據信息，形成微眾銀行的大數據系統，這樣微眾不需要調查信用、上門擔保，實現整個服務完全依托于互聯網。

業內人士指出，基于大數據的風控模型正在成為互聯網金融領域的一個熱門戰場，這是因為誰在這個領域實現突破，誰就將制勝下一步互聯網金融市場。

趨勢

大數據風控成互聯網金融爭搶高地

在線金融搜索平臺融360CEO葉大清介紹，針對5萬元以下的個人信用貸款申請，融360已開始使用一個名為“天機”的風控系統。這個系統包含一組模型，會根據身份認證、還款意愿和還款能力三個大維度，給申請貸款的用戶進行信用評分，依據分值來決定是否放款。

該風控系統主要用于某些小額貸款業務。基于借款申請人自主提交的個人數據，可以做到10分鐘左右完成審批。5萬元以下的小額貸款申請，10分鐘完成審批，最快當天放款。相比而言，人工審核一般需要一周以上才能放款，慢的可能兩個月。

葉大清表示，“這些線上的小額貸款業務，背后的個人信用審核完全由風控系統自動完成，這意味著貸款在線化有望在短時間內得到大規模普及。”

融360負責風控業務的副總裁李英浩表示，大數據風控是一個需要不斷完善優化的過程，市場上并沒有標準的解決方案，因此采取開放合作的態度很重要。李英浩透露：“芝麻信用和融360在模型和產品方面正在就深入合作進行探討。”

作為金融垂直搜索服務，融360過去3年半積累了大量信貸用戶數據，幫助用戶成功獲取了超過3000億元貸款。在借款人訪問數據、用戶申請資質信息、網站行為數據、批貸信息和貸后信息方面也有優勢。

事實上，融360并非第一家在大數據風控系統上發力的互聯網金融企業。馬化騰的騰訊征信有限公司、馬明哲的中國平安旗下的前海征信大都是通過大數據來進行風險控制；而螞蟻金服旗下的芝麻信用、一些P2P網貸平臺都在陸續研發大數據信用評估模型。

目前，大數據風控最有條件的仍然是阿里和騰訊。阿里推出了面向社會的信用服務體系芝麻信用，除了接入阿里的電商數據和螞蟻金服的互聯網金融數據外，還與外部的公共機構、商業機構達成廣泛的合作。騰訊掌握著基于微信的社交信息數據，也即將推出自己的大數據征信。

顯而易見，大數據風控正在成為幾乎所有互聯網金融平臺爭相搶占的一個市場高地。

數據

大數據篩選用戶 逾期率低一半

多年來，金融機構很大程度上都依賴于央行征信報告來決定是否給個人客戶授信。但13億人中有10億人并沒有信貸記錄，加之個人客戶往往是貸款額度小、需求分散、個性化需求多，使得大多傳統銀行想做零售貸款而力不從心。

“因獲客、評估、審核和風控都靠人工，傳統銀行的運營成本過高，面對廣大個人消費者這一潛在客戶群，銀行只能望洋興嘆。”葉大清表示：“互聯網金融的核心競爭力并不是營銷獲客能力，而是大數據風控能力。即借助于大數據，讓那些在央行征信系統沒有信用記錄的個人消費者和小微企業主也有可能申請到貸款。”

葉大清告訴記者，事實上，追溯到十幾年前，在線貸款在美國等發達國家已開始普及，香港也早早實現類似的線上小額貸款業務。“直到近兩年，我國才有了P2P、微眾銀行這樣的在線貸款機構，但相比國外，已晚了近20年。為什么呢？主要是由于我們的大數據缺失，征信機構一直以來也只有央行一家，金融機構的風險控制能力和貸款定價能力也隨之降低。”

一方面，我國的征信機構少、大數據風控系統缺失，另一方面，信貸市場非常龐大。數據顯示，我國零售金融規模已達到百萬億，其中零售金融以房貸、車貸、消費金融、信用卡為主體，而互聯網金融只占零售金融的1%不到。

“中國的消費金融市場屬于萬億級別，互聯網金融只占零售金融的1%不到，想想這個空間有多大。”葉大清指出，“在線貸款的突破口，就是大數據風控。使用大數據風控模型后，不僅貸款審批速度實現了突破，貸款獲批率也得到了大幅提升。”

來自融360的數據顯示，同一類用戶，用抵押物、收入流水證明等粗放式的傳統風控方式，貸款獲批率在15%左右，而使用大數據模型結合人工后獲批率可以達到30%以上。至于貸款的逾期率，以12個月違約風險舉例，通過大數據風控模型篩選的用戶，逾期率比沒有經過篩選的低一半。

揭秘

用戶上網痕跡均納入信用評估

業內人士指出，大數據風控系統之所以成為可能，是因為每個人在網上留下的數據痕跡，通過大數據的智能化分析和預測技術，借此判斷一個人的信用風險。

不少人對李克強總理新年伊始來到深圳微眾銀行考察的場面印象深刻。當天，李克強總理在電腦鍵盤上敲擊了一下回車鍵，很快，終端機吐出了一張小小的“借據”，一筆3.5萬元的貸款發放完成。在這項貸款過程中，貸款人通過攝像頭對準臉部，軟件系統識別出身份，與公安部身份數據進行匹配，在“刷臉”認證的同時，通過社交媒體等大數據分析，軟件對貸款人的信用進行評定，從而計算出貸款金額。

業內人士指出，微眾銀行使用的“刷臉”認證，背后依靠的正是騰訊社交平臺積累的大數據風控模型，其應用的是快速場景歸類，通過建立不同的場景簡化繁瑣的流程，加快審批速度。

作為一家定位為專業征信機構的第三方征信平臺，中國平安旗下的前海征信同樣非常重視數據分析。據悉，擔綱前海征信總經理的邱寒，曾先后在GE、麥肯錫、新加坡淡馬錫等公司擔任重要管理職務，是一位擁有多年數據分析、風險管理經驗的綜合性國際化金融人才。對她的任命，體現了前海征信重視大數據分析的基因。

記者了解到，目前，前海征信建立最多的是借貸場景。邱寒表示，從風控的角度來說，無論是來自于傳統金融行業的信貸、償付能力等信用算法，抑或是互聯網時代的購買行為、社交行為等大數據算法，前海征信都會嘗試。

據葉大清介紹，融360正在廣泛收集數據、并深入挖掘數據中衍生的特征，這些特征會被分類成多個維度，如風險特征、用戶偏好、用戶意愿、用戶屬性等。通過豐富的用戶特征，融360綜合應用傳統金融模型和機器學習模型，搭建整體大數據風控系統的架構，并通過模型構建貸款推薦、風險預測、實時定價等一系列應用服務產品。

用戶在互聯網上留下的足跡有社交媒體上的動態、電商消費行為、網站瀏覽痕跡。李英浩告訴記者，通過風控模型的梳理和分析，就能得出有關貸款行為的需求、申請什么類型貸款、申請金額，逾期及違約的可能性等結論，這構成了對個人用戶進行信用風險評估。“但用戶看不到自己的信用分值，只能看到最終獲批的額度、利率和期限。”

難點

大數據未實現互聯互通是瓶頸

央行在新年上班后的第二天就宣布8家機構獲準開展個人征信業務，此舉被看作是央行個人征信市場化的放開。

記者采訪了解到，對征信公司而言，大數據是重要的工作模塊，通過大數據建立不同的模型場景，最終構建起獨具特色的風險管理能力和風險建模能力。

各家互聯網金融機構都在構建自己的大數據風控系統，一些互聯網金融企業還形成了鮮明的大數據風控特色。以微眾銀行為例，該銀行的大數據系統，依托騰訊在社交數據方面的強大優勢，匯集了40萬億條數據信息，因此銀行不需要調查信用、上門擔保，整個服務完全依托于互聯網。

分析人士指出，基于現代通信技術和大數據的互聯網金融產品可能更加個性化、更有針對性，能夠通過大數據風控系統精準判斷和選擇客戶，為客戶提供更多的選擇機會。

不過，對于大數據征信的可靠性，目前市場各方存在廣泛爭議。有銀行業風控方面人士表示，通過社交網絡等渠道形成的征信方法和數據未必能全部符合傳統商業銀行的監管要求。相比綁定真實交易以及個人金融服務業務的傳統金融機構而言，互聯網企業數據部分可能存在失真，不少社交或金融交易數據可以通過各類渠道修改或造假。因此，如何防范金融詐騙等風險問題，也將是微眾銀行需要考慮的重要問題。

同樣，銀行的網絡貸款也存在造假風險。雖然POS機積累的商戶流水量、反映的商戶經營狀況等為銀行信貸提供了依據，不過同樣也存在流水造假等風險。

針對這些問題，葉大清分析認為，大數據風控系統是互聯網金融最核心的競爭力已毋庸置疑，但在現實層面的操作中，也存在一些瓶頸：一是門檻高，大數據風控系統的構建需要專業的人才、技術和時間的積累；其二，目前我國的大數據風控系統還沒有實現互通互聯，阿里、銀聯、平安、騰訊以及眾多的P2P公司，都是各自為政，P2P公司拿不到央行的數據，幾家大的互聯網平臺在相關大數據的分享上彼此也未通有無。

“應該說，各家的大數據都各有優劣，如何實現優勢互補，讓大數據能全面、真實、客觀地反映出個人或企業的真實征信水平？如何更精準的控制風險達到反欺詐的目的？大數據很重要，但更重要的是能夠分享，封閉的平臺一定會有問題。”葉大清指出：“做大數據風控模型一定有開放的心態，如果騰訊、阿里和平安的征信數據都打通，大家能共享大數據，一定可以把征信風險降到最低。”