你的朋友圈決定了你能從銀行借到多少錢?

去年8月,Facebook在美國成功申請了一個專利,該專利主要是通過分析某個用戶的好友數據來做一些事情。其中一項內容如下:

 

當一個用戶申請貸款的時候,貸款方會審查該用戶社交網路好友的信用等級。只有這些好友的平均信用等級達到了最低的信用分要求,貸款方才會繼續處理貸款申請。否則的話,該申請即被拒絕。

 

這個專利在海外引起了巨大爭議,有人稱之為「貸款歧視」。拋開這些爭議不談,這其實符合一個有趣的社交經濟學理論:即你的收入是你經常聯繫的10個人的平均值。

 

人以類聚、物以群分,這在當今社會,確實是一個較為精準的結構性概括。

 

同樣的理論,其實也適用於騰訊以微信、QQ的用戶數據為基礎評價用戶的信用等級,這就是大數據時代構建用戶徵信系統的基本原理。不同的是,騰訊的基礎數據來自於對用戶有著強關係社交連接的微信,而阿里、京東的數據來自於用戶的交易行為。

 

大數據徵信將提升風控能力

 

被百度和京東同時看中的美國ZestFinance,成立於2009年,是一家通過機器學習和大數據技術進行個人信用評分的科技金融公司,它的崛起,一定程度上與美國2008年爆發並進而引發全球金融危機的次貸危機有關。

 

此前美國傳統金融機構針對用戶的信用評分,計算方法模型都來自FICO公司。但FICO信用評估模型僅使用不到50條變數,這導致了掌握評分套路的消費者可以進行刷分。此外,FICO所採用的信息維度較為單一,在大數據時代,這一傳統信用風險評估體系仍主要依賴消費者的信貸記錄去進行信用評估。特別是在2008年金融危機前後,FICO評分在美國人口中的分佈基本上沒有大的改變,而這與金融危機爆發之後出現大量壞賬、許多人的財務狀況發生極大改變的現實嚴重不符。因此,FICO預測風險的能力受到業界質疑。

 

而ZestFinance以大數據技術為基礎,其採集數據的來源更多樣,其中有大約30%的傳統信貸記錄,另外採納了更多可能影響用戶信用的信息,如社交網路信息、用戶申請信息甚至用戶的寫作習慣、閱讀習慣等非傳統數據信息,根據用戶借款行為背後的線索及線索間的關聯性,最終給出相對準確的消費者信用評分。

 

這套技術和信用評價模式,應該就是ZestFinance最值得投資的地方。以百度為例,它沒有微信或淘寶那樣基於數億人的社交或交易行為產生的基礎數據,但通過一些有效的數據採集和分析系統,用戶在百度的搜索行為,甚至貼吧註冊用戶的發言,都是可以產生大量線索的信息。當然,這種信息的有效性相比微信和支付寶無疑有較大差別,因此一套「精明」的識別和分析系統就顯得更加迫切。

 

在互聯網上,凡走過的,必留下痕迹。這句話同樣適用於徵信領域,尤其是在互聯網已經深入我們生活方方面面的時代,未來最了解你的信用情況的人,也許不是你的伴侶或你的父母,而是你的大數據。

 

是新大陸還是潘多拉盒子?

 

傳統金融機構的徵信方式雖然覆蓋面窄,但相對謹慎的方式可以避免將錢借給「不對」的人,而互聯網時代的大數據徵信,可以讓更多以前可能在傳統徵信體系下借不到錢的人也能得到更多融資。

 

在打開大門的同時,風險也如影隨形。

 

前兩年隨著互聯網金融迅速興起,許多在傳統金融機構借不到錢的個人或企業,通過互聯網金融平台可以很方便地借到錢,特別是以P2P為代表的平台,規模急速擴張。但在缺乏健全徵信體系的背景下,這種飛速發展的業態無異於聚沙而成的塔,稍一碰觸便會潰散。

 

互聯網金融的便利性與風險控制的難度,這是一枚硬幣的兩面。因此,當阿里、騰訊、百度、京東等巨頭紛紛將目光瞄向了金融領域時,徵信體系的建立,也就成了金融場景日益成熟后的必然選擇。

 

從手段上看,中國互聯網企業的大數據徵信更多類似於Zestfinance的模式,從用戶的消費行為、社交關係或其他互聯網上留下的信息去評價用戶的信貸評級。在這方面,擁有超級交易平台入口的芝麻信用和擁有超級社交入口的騰訊徵信佔有較大優勢,未來要比拼的,是誰擁有更多的第三方商業化場景。

 

這也符合央行「數據來源於第三方,使用於第三方」的要求。對企業來說,授信源越多,風控越完善。

 

以阿里、騰訊為代表的互聯網巨頭們,已經悄然在徵信這個領域燃起了戰火,如今需要等待的,也就是央行發放個人徵信牌照的「東風」了。

 

參考資料:

http://news.sina.com.tw/article/20160809/18193905.html