銀行與互金，所講的大數(shù)據(jù)是一回事嗎？二者究竟有何區(qū)別呢？
差異始于自有數(shù)據(jù)的不同
對于任何一類機構(gòu)而言，其數(shù)據(jù)的構(gòu)成都是自有數(shù)據(jù)+外部數(shù)據(jù)，外部數(shù)據(jù)則包括既公開數(shù)據(jù)，也包括第三方購買數(shù)據(jù)和其他渠道獲得的數(shù)據(jù)，如下圖所示。照理來講，外部數(shù)據(jù)的獲取是可以做到大致相似的，自有數(shù)據(jù)便構(gòu)成了金融機構(gòu)數(shù)據(jù)差異化的基礎(chǔ)。
先來看看銀行業(yè)
本質(zhì)上，整個銀行業(yè)的一切活動和產(chǎn)品都是與數(shù)據(jù)有關(guān)的，甚至說銀行的所有產(chǎn)品都是數(shù)據(jù)也不為過，比如說你的存款、你的貸款、你的理財產(chǎn)品等，實際上就是在銀行系統(tǒng)內(nèi)記錄的一組數(shù)據(jù)而已。正是由于銀行產(chǎn)品和業(yè)務(wù)的天然數(shù)據(jù)屬性，所以銀行業(yè)在產(chǎn)生數(shù)據(jù)和應(yīng)用數(shù)據(jù)方面一直走在各行各業(yè)的前列。據(jù)悉，計算機由軍用轉(zhuǎn)為民用時，率先利用計算機技術(shù)來提升行業(yè)管理能力和發(fā)展能力的就是銀行業(yè)。
銀行的自有數(shù)據(jù)主要是各種業(yè)務(wù)數(shù)據(jù)，是對全行客戶業(yè)務(wù)活動過程和結(jié)果的記錄。同時，為了更好地開展業(yè)務(wù)，還會要求用戶提供諸如電話、職業(yè)、教育、住址等信息，如果有過貸款申請行為，還會包括收入、房產(chǎn)等強信用屬性數(shù)據(jù)。此外，所有人的工資都是銀行代發(fā)，公積金流水也在銀行，房貸和車貸也都在銀行，銀行在業(yè)務(wù)過程中還產(chǎn)生了大量的文檔、資訊、圖片、音像等非結(jié)構(gòu)化數(shù)據(jù)。
換個角度來看，銀行賬戶是經(jīng)濟社會所有活動的起點和重點，所有人的財富狀況和變動情況都會在銀行留有痕跡，所以，要判斷一個人有錢沒錢，找銀行就對了。為何保險產(chǎn)品、基金產(chǎn)品都喜歡交給銀行來銷售，一方面是銀行有著龐大的線下渠道，更重要的在于，銀行知道哪些用戶有錢，從而進行更好的產(chǎn)品匹配銷售。
本質(zhì)上講，若能精準地判斷一個人有錢沒錢、有多少錢，無論是進行精準營銷還是風險防控，基本也不太需要太多的其他數(shù)據(jù)了。但問題在于，銀行業(yè)的數(shù)據(jù)是割裂的，除了信貸類的關(guān)鍵信息會以征信的形式報送央行征信中心，實現(xiàn)一定程度上的共享外，其他的各類財富相關(guān)數(shù)據(jù)，都分別沉淀在各家銀行。比如張三，在中國銀行有1000塊存款，在建設(shè)銀行有20萬塊存款，在工商銀行沒有存款，那么，在建行看來，這是個有錢人；在中行看來，這是個再普通不過的用戶，在工行看來，這個人的財富狀況無法判斷。
再來看看互金平臺
如果是創(chuàng)業(yè)型互金平臺，其自有數(shù)據(jù)也主要是各類業(yè)務(wù)數(shù)據(jù)，這點與銀行相似，不過數(shù)據(jù)量要少得多，受單一的業(yè)務(wù)模式制約，數(shù)據(jù)維度也很單一，單靠其自有數(shù)據(jù)，是幾乎談不上什么大數(shù)據(jù)應(yīng)用的。而幾大互金巨頭就不同了，比如BAT，其本身就是互聯(lián)網(wǎng)時代的數(shù)據(jù)黑洞，沉淀了巨量的用戶數(shù)據(jù)，當其轉(zhuǎn)型做金融時，之前積累的電商數(shù)據(jù)、社交數(shù)據(jù)、行為數(shù)據(jù)等便成為其可用的自有數(shù)據(jù)。當然，互金巨頭對用戶財富數(shù)據(jù)的掌握程度遠遠比不上銀行，不過好在銀行最有價值的金融數(shù)據(jù)——信貸數(shù)據(jù)已經(jīng)在征信中心實現(xiàn)了共享。
金融數(shù)據(jù)的日月星辰之光
數(shù)據(jù)的多少或優(yōu)劣，只能通過其對業(yè)務(wù)的促進作用來進行比較，我們以信貸業(yè)務(wù)為例進行分析。不考慮房產(chǎn)抵押、存款質(zhì)押、理財質(zhì)押等抵質(zhì)押類貸款產(chǎn)品，從純信用類的消費貸款產(chǎn)品來看，排除欺詐風險的因素，大數(shù)據(jù)風控要解決的是核心問題是：一個人的還款意愿、還款能力、還款穩(wěn)定性等因素。判斷這些因素，這個人的信貸行為數(shù)據(jù)、歷史借款數(shù)據(jù)、歷史違約信息等征信類信息是最有效的數(shù)據(jù)，我們可以從FICO分的構(gòu)成進行驗證。
FICO（Fair Isaac Company）信用分是由美國個人消費信用評估公司開發(fā)出的一種個人信用評級法，其分值在300-850之間，已經(jīng)得到社會廣泛接受。據(jù)一項統(tǒng)計顯示，信用分低于600分，借款人違約的比例是1/8，信用分介于700～800分，違約率為1/123，信用分高于800分，違約率為1/1292。一般認為，F(xiàn)ICO分高于680分，就屬于信用卓著的用戶了；而若低于620分，則很可能被拒貸，或被要求增加擔?；虻仲|(zhì)押。
而FICO評分模型主要就是圍繞個人的歷史借貸行為等征信類信息展開的，包括付款歷史（占比35%左右，包括各類信用/貸款賬戶的還款記錄，公開記錄即支票存款記錄，逾期償還情況等）、未嘗債務(wù)（占比約30%，包括仍需償還的信用賬戶總數(shù)，信用賬戶余額，總額度使用率等）、信貸時長（占比約15%，信貸賬戶的賬齡）、新開立信用賬戶（占比10%，包括新開立信用賬戶數(shù)，新開里賬戶賬齡，正在申請的信用賬戶數(shù)量，查詢查詢記錄等），正在使用的信貸組合（占比10%左右，包括信用卡賬戶、零售賬戶、分期付款賬戶、抵押貸款賬戶等混合使用情況）。
從效用等級來看，記錄歷史借款數(shù)據(jù)的征信數(shù)據(jù)有效性最強，可看作是太陽之光；消費、社交等數(shù)據(jù)的有效性次之，可看作月亮之光；興趣愛好及其他行為數(shù)據(jù)的有效性再次之，可看作星辰之光。在評價一個人的信用時，如果這個人有征信數(shù)據(jù)，那么基本可以不用再看消費、社交、興趣等等其他數(shù)據(jù)就可以進行判斷，就像太陽一出，月亮和星辰之光便黯淡無色了。
問題在于，大多數(shù)的人都缺乏有效的征信數(shù)據(jù)，中國13億人口中，有信貸征信記錄的僅有3.5億。對于沒有征信記錄的人，只能用月亮星辰之光進行信用判斷，雖然效用差一些，但很多情況下也勉強可用，這是互聯(lián)網(wǎng)大數(shù)據(jù)風控模型崛起的內(nèi)在邏輯。
銀行與互金大數(shù)據(jù)風控的差別所在
最后再來看二者的差別，我們從客群的角度來對比。
對于具有征信記錄的優(yōu)質(zhì)客群，這部分客戶的信貸記錄多來自于銀行體系，意味著銀行不僅掌握其更細維度的借款歷史數(shù)據(jù)，還掌握了其存款、理財?shù)蓉敻粩?shù)據(jù)，在這部分用戶的大數(shù)據(jù)信用評判上，銀行是占據(jù)先機的，有其獨到的優(yōu)勢。
對于征信記錄較少或沒有征信記錄的客群，沒有了日光照射，對銀行而言，可能意味著徹底的黑暗，難以判斷用戶的信用情況；而掌握了用戶消費數(shù)據(jù)、社交數(shù)據(jù)的互聯(lián)網(wǎng)巨頭，掌握了月亮星辰之光，反倒可以大致看清用戶的輪廓，具備了差異化的優(yōu)勢。
問題來了，銀行為何不去掌握這些月亮星辰之光呢，因為有價值的行為數(shù)據(jù)多數(shù)都掌握在互聯(lián)網(wǎng)巨頭手中，這些巨頭像數(shù)據(jù)黑洞一樣，數(shù)據(jù)進得去、出不來，誰也拿不走，而正是這些數(shù)據(jù)，構(gòu)成了其在次級用戶信用評級上的核心優(yōu)勢。
反過來再問，怎么去對抗這些數(shù)據(jù)黑洞呢？唯一的出路就是增加太陽光的照射范圍，即推動可以全社會共享的征信體系的發(fā)展，屆時，月亮星辰之光的影響也就越來越小了。
最后簡單總結(jié)下結(jié)論吧。
如果從大數(shù)據(jù)信用風控的角度看，銀行與互金的主要差別就是因數(shù)據(jù)源的不同導(dǎo)致的客群有效性的差異，整體上，銀行的大數(shù)據(jù)風控模型針對有征信記錄的用戶更為準確；互金巨頭的大數(shù)據(jù)風控針對缺乏征信記錄的用戶更為有效，當然，因為征信記錄是開放的，所以對于有征信記錄的用戶而言，互金巨頭的模型也可覆蓋，只是與銀行相比缺乏優(yōu)勢罷了。
如果從大數(shù)據(jù)欺詐風控的角度看，銀行與互金則各有千秋，因為欺詐風險更多地與業(yè)務(wù)模式和流程有關(guān)，業(yè)務(wù)模式的不同決定了銀行和互金面臨的欺詐風險很多情況下是不同的，所以缺乏可比性，應(yīng)該是各有各的特長。
如果從大數(shù)據(jù)在智能營銷上的應(yīng)用看，互金巨頭掌握了用戶的消費、社交等行為數(shù)據(jù)，可以更好地了解用戶的行為偏好，從而可以更好地將金融產(chǎn)品融入場景打包推薦給用戶。相比之下，銀行掌握的更多是用戶有錢沒錢，在智能營銷上其應(yīng)用范圍就窄得多，在銷售基金和理財產(chǎn)品上精準度比較高，但在場景化金融上就要遜色很多。
如果從大數(shù)據(jù)在內(nèi)部管理上的應(yīng)用看，銀行業(yè)已經(jīng)進行了長達十幾年的探索，在很多方面是要領(lǐng)先的，而絕大多數(shù)的互聯(lián)網(wǎng)金融企業(yè)，在這方面還需要補課。
搶沙發(fā)
