沒有信用卡、沒有貸款記錄、沒有央行個人征信系統里的任何相關信息，只要把自己的網上消費記錄、話費詳單等信息上傳到一款手機APP上，你就有可能在10分鐘之內獲得幾萬元的貸款。看似天方夜譚的生活場景，金融大數據就能幫你實現。
網購記錄助“草根”貸款
“對不起，您的情況，沒有辦法辦理貸款。”想要貸款2萬元做點小生意時，“85后”男孩崔浩遭到了銀行的拒絕。
崔浩每月都有四五千元的固定收入。可他卻沒有信用卡、沒有工資卡，在工地上打零工的他，所有工資都是以現金形式拿到手。
除了平日里吃飯、交房租，他所有的開銷幾乎都在網購中完成。惟一能夠證明他手中有穩定現金流動的痕跡，就是一份穩定的網購消費記錄。但這樣的記錄，銀行現在還沒法承認。
近日，通過一個名叫“信用錢包”的APP，崔浩卻成功地從一家網貸平臺拿到了貸款。
“人們的信用可以通過很多方式評估，我們的作用就是通過大數據分析和機器學習等技術，幫用戶把這些零碎的信息數據收集和分析，讓過去沒法‘量化’的信用受到重視，為用戶增信。”“信用錢包”研發企業、量化派創始人周灝說。
在“信用錢包”注冊登錄進入主頁后，用戶可以把淘寶消費賬號、話費詳單查詢賬號、教育信息查詢賬號等信息輸入，并隨即進入貸款申請頁面。填入申請貸款額度、用途、時間等需求信息，系統就會在幾分鐘內自動生成一份用戶風險分析報告。
是否為黑白名單用戶、是否屬于高風險人群……根據報告提供的這些信息，原本在銀行、網貸平臺、融資租賃公司眼中“信用不足”的人，也有可能獲得貸款。
2012年,在美國留學并工作6年的周灝回國發展，當時沒有戶口、沒有本地社保、沒有身份證，即便他收入狀況不錯，擁有多張國外信用卡并且記錄良好，但想要得到一張國內銀行的信用卡卻十分困難。
“評價‘信用’的標準其實可以很豐富，除了車房抵押、銀行流水，消費記錄、手機號碼使用記錄都應該成為一個人是否應該獲得貸款的評價因素。”周灝說。
今年1月上線以來，量化派已經幫用戶累計成功申請數千萬元貸款，注冊用戶超過十萬人。
10萬個角度繪出“信用畫像”
銀行專業人員無法判別的信息，一家大數據企業憑什么就能從中看出風險高低？
在量化派位于中關村互聯網金融中心11層的辦公室里，周灝向記者解釋了數據“識人”背后的秘密。
首先，數據分析人員需要用計算機建立一個數據模型。為了便于理解，人們可以把這個數據模型當作一個“黑盒子”。“黑盒子”會通過一項名叫“機器學習”的技術進行自我完善和調整。
舉例來說，當既有數據顯示，1萬個信用良好的人全部都有兩年穩定淘寶購物記錄的話，“黑盒子”會“學”到一個小知識—有兩年穩定淘寶購物記錄的人信用風險可能比較小。
什么樣的細節，“黑盒子”會判斷它為“高風險”呢？“假設申請人填寫的工作地、常住地為北京，他的手機通訊數據卻顯示他常年在邊遠地區活躍，那么有很大的可能是他說謊了。”周灝說。
通過與銀行、征信機構合作，周灝的公司拿到了不少可供“黑盒子”自我學習的基礎數據。當模型積累了成千上萬個小知識，這個“黑盒子”逐漸成熟，便可以用來檢驗、篩選貸款人了。
當一名貸款申請人把自己的信息查詢渠道授權給“信用錢包”，所有與他相關的信息會迅速進入這個“黑盒子”，接受檢驗。除了用戶主動提交的信息，“信用錢包”還與征信機構等第三方機構合作共享信息。
“分析一名用戶的信用情況，我們最多已經有十萬個特征信息可供參考了。”周灝說。也就是說，為一位貸款人繪制一幅信用畫像前，“黑盒子”最多已經有了十萬個觀察角度。
大數據下埋“金礦”
在國外從事信用模型分析工作時，一些有趣的現象讓周灝被大數據的“聰明才智”所震撼。
根據數據分析結果，一天只刷一次牙和不刷牙的人，比每天刷兩次牙的借款人，貸款風險較大。在美國的加油站，一天刷三次以上信用卡的人，貸款風險較大。工作人員探究后發現，一天刷兩次牙的人，比較注意保護自己的健康，而他們通常也更加注意保護自己的信用健康，不會輕易借錢不還、損傷自己的名譽和信用。而一天內多次在加油站刷卡的人，可能存在刷卡套現的不良行為。
火眼金睛般捕捉人們不經意間留下的“痕跡”，大數據真能“識人”。
其實，除了幫助金融機構識別貸款人的信用度，大數據在本市的電商、文化創意、城市管理等領域都已經開始挖掘“金礦”。
在商業中，大數據被京東用來預測用戶購買行為—注重生活質量的年輕女性在購買加濕器時，往往會順便購買花生豆等零食，因此加濕器和花生豆擺放在相鄰的貨架能夠提高物流效率；在文化創意領域，大數據被新影數訊公司用來預測票房—演員、題材內容、檔期、首映口碑，都會成為影響一部電影賣座率的因素；在城市管理領域，大數據被用來提供決策參考—整個城市的地鐵閘機刷卡數據被收集、分析后，能夠直觀地看出人流流向和擁堵情況。
京公網安備 11010502049343號