自2007年被引入中國，P2P行業在國內已經走過了八個年頭。2013年，P2P行業正式進入爆發式發展階段。與此同時，行業開始出現大面積的風險事件。據網貸之家數據顯示，截止2015年9月24日，P2P行業問題平臺數量累計已達653家。另外，有數據披露當前P2P行業的壞賬率正持續走高，一度達到了5%。風險事件的屢見不鮮使得P2P行業在發展的同時也飽受批評，而最為核心的風控更是成為整個行業懸而未解的難題。

中國P2P行業的風控現狀

P2P網絡借貸起源于英美，是一種基于互聯網的陌生人借貸模式，后被引入中國。最原始的P2P模式被稱為純線上模式，貸前、貸中、貸后及相關過程中的一切盡調、審核等都在線上完成。但這種模式得以成功的前提是擁有一套完善的征信體系作為社會基礎。眾所周知，英美國家的民間征信體系非常健全，民間更是不乏成熟的信用評級機構，為其P2P行業提供了發展的沃土。但是國內不論是社會信用環境還是民間征信體系的建設都與英美天差地別，因而P2P被引入中國之后，為了適應國內市場，便由原始的純線上模式演變為線上線下相結合的模式。由于線上+線下模式的特殊性，導致國內P2P行業難以效仿西方國家以數據分析來建立風險模型，而是開發出了線上融資、線下風控的風控方式。

當前國內的P2P行業風險控制主要在貸前及貸后兩個階段上強化。

1、貸前：信用審核

貸前的信用審核主要依靠線下完成，需要線下的風控人員或信貸員進行實地走訪，對借款人的實際生活、經營環境進行調查，清晰掌握其收入、負債等資產情況，以此預測出借款人的還款意愿及還款能力。P2P雖然基于互聯網，但就目前來看，貸前盡調上使用的方法與傳統的小貸公司無異。這種模式在中國不完善的征信環境中得以發展成熟，盡調數據也具備一定參考價值。但其劣勢也顯而易見，一是增加了P2P平臺的人力和財力成本；二是對借款人的評估和預判往往依賴于風控人員的主觀判斷，因此從某種意義上來說，該借款項目風險是否把控得當與工作人員的經驗多少有一定關系。

2、貸后：擔保增信

對于P2P平臺而言，一方面由于自身技術能力有限；另一方面則受限于嚴重的信息壁壘，因此在批復放款之后，難以監控借款人的真實經營狀況及借款款項的具體流向，導致項目不良率居高不下。為了最大程度地降低風險，99%的P2P平臺都會強化貸后風險管理手段，亦即在最后階段引入擔保機構進行風險共擔。擔保機構會承諾對該筆借款項目進行全額本息擔保，一旦極端風險事件爆發，將由擔保機構對投資人進行本息償付，隨后再進行逾期、壞賬項目的追償及催收等后續工作。

由于當前P2P行業普遍采用的風控模式均來源于傳統手段，過于依賴人工，難以有效規避從業人員在信審過程中可能出現的道德風險和詐騙風險。因此，P2P平臺雖然在高呼創新風控，但實際上并沒有解決核心問題。換言之，風控難題依然是當前行業發展過程中一道難以跨越的坎。

什么是大數據風控

隨著行業的發展，風險積聚問題的嚴峻愈發突出，越來越多的人開始呼吁行業摒棄以個人經驗進行預判的傳統風控模式，而是應該深入挖掘數據建模的可行性，通過完善數據征信來解決風控難題。

根據百度的詞條解釋：大數據風控即大數據風險控制，是指通過運用大數據構建模型的方法對借款人進行風險控制和風險提示。迄今為止，大數據風控在互聯網金融領域的經典案例非阿里小貸莫屬，依托于阿里巴巴龐大的數據庫，阿里小貸通過云計算來對用戶數據進行分析處理，最終產生用戶的信用數據。阿里數據庫的數據種類之多、容量之大，使得阿里小貸能夠通過現有數據來對用戶違約概率進行較為精準的預測，迅速確定用戶授信，真正實現信貸扁平化。

P2P能不能實現大數據風控

互聯網金融領域赫赫有名的“校長”曾經明確提出“大數據風控對P2P行業無效”的觀點，原因簡要概括如下：一是經濟形勢的不可預測性，一旦經濟形勢下行壓力過大，金融機構也無完卵，那么風險管理在系統性風險面前毫無意義。二是P2P行業還難以達到大數據的邏輯標準——足夠大的樣本量，換言之，覆蓋的人群遠遠達不到樣本容量要求的P2P行業拿什么來做大數據？因此，很長一段時間內大數據雖然概念火熱，基本上很少有P2P平臺能夠真正運用。近日果樹財富高調宣布引進云風控技術來進行借款人資信審核的新聞，將大數據風控的話題再一次擺到了臺面上，而關于大數據風控在P2P行業到底可不可行的討論又甚囂塵上了。

筆者的觀點是：P2P做大數據風控，雖然無法照搬電商模式，但在適當范圍內可以嘗試。假設P2P平臺能夠采集到一定基數的真實用戶數據，將可以建立一定容量的數據庫，以此為核心建立數據模型。第一，信用評分模型。平臺可以通過評估用戶的歷史收入、資產、職業、年齡等信息，來估算出借款用戶的信用風險分數，以此預測其違約風險。但這種模型的局限性在于歷史數據的時效性及參考性十分有限，因而需要平臺對用戶數據變量進行定期監測及更新。第二，違約概率模型。與傳統的人工經驗預判概率相比，P2P平臺可以通過積累用戶的歷史數據，從中提煉出借款用戶的違約概率。

綜上，不可否認，大數據在P2P行業風控中的應用不僅前景可期，同時也是具備一定可行意義的。一方面，大數據能夠幫助P2P平臺擺脫高成本的人工信審現狀；另一方面，數據模型的統一化、標準化能夠改善當前憑個人經驗預判項目風險的風控現狀。從這個角度來看，短期之內大數據風控對于P2P平臺的意義在于提高風控水平、降低風控成本、建立高效風控機制。這也是前文提到的果樹財富引入云風控技術的原因之一，無非是為了低成本引入用戶數據報告，輔助平臺核驗用戶資信和違約風險。