隨著大數(shù)據(jù)時(shí)代的快速發(fā)展，到目前為止，在大數(shù)據(jù)領(lǐng)域當(dāng)中的投資已經(jīng)越來越熱，而且做得公司越來越多。有多少公司到底真正使用的是大數(shù)據(jù)？我相信幾乎沒有太多。

大數(shù)據(jù)在美國(guó)金融當(dāng)中最直接的場(chǎng)景，就是所謂的信用評(píng)估體系。美國(guó)的信用體系評(píng)估很簡(jiǎn)單，就幾樣?xùn)|西：債務(wù)歷史、債務(wù)、信用歷史時(shí)間、相關(guān)的其他因素。這些東西全部加起來形成了美國(guó)現(xiàn)有的評(píng)分體系。

一般來說，如果變量放得太多了，模型處理起來就會(huì)比較麻煩。最主要一點(diǎn)它的深度比廣度要重要。所以，過去20年的記錄，和最近一年當(dāng)中才有記錄，二者之間是不一樣的。

另外，關(guān)注用戶的歷史遠(yuǎn)遠(yuǎn)多于現(xiàn)在，也許這個(gè)人一開始是個(gè)屌絲，最近突然發(fā)財(cái)了，可能他的償還能力就會(huì)有巨大的改變，但是這樣的因素有沒有體現(xiàn)在這個(gè)里面？很多人不知道。怎樣把縱向和橫向廣度上的東西都放進(jìn)來，這個(gè)就會(huì)顯得相對(duì)來說比較重要一點(diǎn)。

大數(shù)據(jù)到底在金融當(dāng)中有什么用處？同樣一個(gè)人在不同的應(yīng)用和領(lǐng)域當(dāng)中也不一樣。比如今天在這個(gè)公司當(dāng)中呆了20年，不一定說明他是個(gè)好員工，很有可能是他沒有能力跳槽。如果你用另外一個(gè)角度評(píng)判這個(gè)人的話，你的評(píng)判標(biāo)準(zhǔn)和應(yīng)用變量應(yīng)該完全改變。但是非常可惜，沒有人從這個(gè)角度上衡量一個(gè)人。

為什么最終會(huì)把風(fēng)控放到一個(gè)這么重要的角度上來？像在中國(guó)的P2P公司，6個(gè)月或者一年之后，能剩下四分之一都是一個(gè)奇跡，很多P2P公司一定會(huì)死掉，或者被并購(gòu)掉。在所有的熱潮慢慢退去的時(shí)候，風(fēng)控就會(huì)放到最顯著的地位上來。

直接征詢用戶的答案也是很重要的。你可以在一個(gè)地方撒謊，你可以在兩個(gè)地方撒謊，但是如果我大數(shù)據(jù)采了千千萬(wàn)萬(wàn)的點(diǎn)，很難把千千萬(wàn)萬(wàn)的點(diǎn)在互相不矛盾的情況之下，把它給偽裝起來，如果真的能偽裝成這樣，那就不是一個(gè)欺騙的過程，所以很難通過大數(shù)據(jù)的方法讓一個(gè)人還能夠完全的編造一個(gè)不被識(shí)破的謊言，很難。

大數(shù)據(jù)模型理念，一切數(shù)據(jù)皆為信用數(shù)據(jù)。所有的那些關(guān)鍵變量，如果單獨(dú)知道提出來一個(gè)，沒有太大的用處能夠判斷出來這個(gè)人怎么樣，但是如果把所有的這些細(xì)小的因素全部結(jié)合在一起，就會(huì)發(fā)現(xiàn)最后是非常強(qiáng)的指向，可以很準(zhǔn)確的判斷出來這個(gè)人到底在做什么。只看關(guān)聯(lián)不看因果，這是一個(gè)非常重要的觀點(diǎn)。

同樣名字聽起來很好，機(jī)器學(xué)習(xí)，咱們都會(huì)深刻的體會(huì)到，實(shí)際上是我們很悲催的學(xué)習(xí)機(jī)器，根本不是機(jī)器在學(xué)習(xí)我們。如何能夠更好的跟機(jī)器進(jìn)行溝通，我們給他一個(gè)方法，或者給他一個(gè)事實(shí)，他能夠更快的從當(dāng)中提取出來，更多的是一種互動(dòng)。

大數(shù)據(jù)的模型之二，我們認(rèn)為是數(shù)據(jù)的來源。即使錯(cuò)誤信息也是信息，也體現(xiàn)了一個(gè)人的素質(zhì)。

第三點(diǎn)就是所謂的建模，總而言之，大數(shù)據(jù)當(dāng)中對(duì)所謂特征的變化，特征的提取和最后所謂獨(dú)立模型細(xì)節(jié)的建立，最后模型的整合都跟以前傳統(tǒng)統(tǒng)計(jì)上的理論有很大的區(qū)別。

最后這個(gè)是比較有意思的事情，這件事情在中國(guó)基本上不存在，但是在美國(guó)相對(duì)比較麻煩，大數(shù)據(jù)和相關(guān)立法之間的關(guān)系。相信中國(guó)在今后立法越來越完善也會(huì)碰到這樣的問題，信用評(píng)估上有些禁區(qū)，這些禁區(qū)不能碰的。第一性別絕對(duì)不可以用的，來決定這個(gè)人到底信用值怎么樣，這是絕對(duì)不可以的。第二年齡，年齡沒有性別那么嚴(yán)重，但是年齡有要求，只能作為一個(gè)加分因素，而不能作為減分因素，年齡大家現(xiàn)在很多人也是不用的。第三種族，絕對(duì)不能觸碰的紅線，絕對(duì)不能根據(jù)是亞洲人、黑人、白人還是拉丁裔，判定你的信用是好是壞。比如在中國(guó)你在街上開車或者在美國(guó)，墻上寫著字告訴你這個(gè)地方不能原地掉頭，就是因?yàn)樘嗳嗽谶@個(gè)地方原地掉頭了，所以才會(huì)樹個(gè)牌子，如果這個(gè)地方窄，你不用寫，也不會(huì)有人原地掉頭。禁止使用的這些東西，其實(shí)真正最能體現(xiàn)一個(gè)人的本質(zhì)。實(shí)際上從我們模型當(dāng)中能看得出來，這些不準(zhǔn)用的東西，如果用的話，比千千萬(wàn)萬(wàn)的信息加在一起都有用。

D1Net評(píng)論：

此外，大數(shù)據(jù)另外一個(gè)比較奇怪的應(yīng)用，就是它可以幫助你繞過一些法律上的紅線，這并不是打法律的擦邊球，而是因?yàn)槭挛锏谋举|(zhì)就是由這幾個(gè)因素來決定的，A可以突出C，B又可以突出C，A和B之間必然有相關(guān)的。