將傳統的風控體系單純地電子化移植到線上，并不能解決互聯網金融對于風控解決方案的需求。在“互聯網+”時代，為了將不良率控制在更低水平，技術團隊需要結合失信人員名單、征信數據庫、商業征信數據等多個維度，在大數據遴選上下足功夫，用數據挖掘構筑起真正強大的風控體系。

我國征信體系不太完善，公民個人信用信息也相對比較分散。人民銀行的個人征信報告只能看到部分基礎信息，其他有關金融行為表現的數據分散在不同政府部門和商業公司手里。若想控制風險，就必須充分整合不同來源的數據，在貸款發放前做多維比較，從而將信用不良的客戶攔截在外。哪些數據是有效數據？這是一個很痛苦的遴選過程。就外部數據而言，分為兩類：支撐性數據和補充性數據。支撐性（或稱權威性數據）主要指以人民銀行征信中心數據為代表的官方金融數據，用于記錄一個公民的基本特征。盡管我國這部分數據比較單薄，僅用此類數據來判斷公民信用狀況有些片面，但若在后期數據處理時用其他數據做補充，往往能夠錦上添花。用來補充的數據主要是客戶進行貸款申請時提供的住所、教育程度、婚姻狀況等信息，再就是商業化數據，我國征信向民營機構開放，這些征信系統的數據正在迅速積累。

互聯網時代，即便是相對封閉的央行征信系統，事實上也正逐漸開放，原來只有商業銀行才可以報送，現在擔保公司、小貸公司也在向央行報送數據。當一個人的行為數據會越來越多地被分享，行為就越來越容易被識別。尤其是一人多貸，只要申請者同時向多個平臺申請，很快就會被發現。當然，對于“一人多貸”，也需要加以分析，不排除“供給不平衡”情況的存在。審核過程中，主要需要考察借款人的歷史還款表現并通過模型預測未來的違約概率。像芝麻分一類的電商數據也可以用，但用之前必須搞清楚——數據跟客戶的金融屬性有多大關系。筆者曾做過一個很有意思的調查，身邊的女同事一般都比男同事芝麻分高，因為其中不少人是“剁手黨”。

值得一提的是，強化對互聯網大數據的分析并非意味著線上能夠解決一切風控問題，尤其貸款發放后。一旦客戶出現逾期超過30天以上的狀況，必須依賴嚴格挑選的線下外部機構供應商合作，進行催收。供應商的挑選標準包括：管理流程是否規范，有沒有很好的保密措施及機制、是否也是大型銀行的供應商等等。

特別需要注意，大多數中國式P2P在風控和產品方面，未有創新突破，他們募集的資金沒有有效流向需求端—-中小企業，不僅不能再平衡信貸供給，反而容易引發一系列問題。有鑒于此，網貸企業應首先與國內大型的銀行、證券、保險和信托進行合作，引入它們龐大的資金流，再充分利用移動互聯網技術，實現風控和產品創新。▲（作者是飛貸金融總裁。本文整理自作者在“2016GMIC全球金融創新峰會”后的采訪）