易日升总裁史建伟：大数据风控模型在消费金融场景下的六大应用

15年年底随着P2P平台风险事件，导致了整个行业发展过程中的波折动荡，也导致国家监管机构今年4月开始进行为期一年的整顿。今年8月份的时候国家也出台了网贷管理办法。在整个整顿的过程中，我们也可以看到像P2P是整顿重点，第三方支付也受到了很多的波及。

作者 | 史建伟

官网 | www.datayuan.cn

微信公众号ID | datayuancn

本文为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分；感谢 易日升总裁史建伟 先生的投稿

首先感谢数据猿给易日升金融这样一个机会，来分享下我们对于金融科技以及大数据风控的一些事情的总结和看法。我今天分享的话题是：大数据风控模型在消费金融场景下的应用。

主要包括如下几个方面：

一、消费金融行业目前状况

二、不同场景下消费金融的需求及匹配的服务模式

三、消费金融在实操中的两个侧重点

四、场景消费和非标场景消费的区别

五、大数据在消费金融场景下的应用

六、易日升构建大数据风控模型的逻辑

消费金融行业目前状况

互联网金融的概念从13年提出以来，在14、15年非常火热。15年年底P2P平台风险事件导致了整个行业发展过程中的波折动荡，在供给侧改革的大背景下，意味着原先拉动GDP的三驾马车——投资、消费和贸易中投资和贸易都处于转型过程，消费被赋予补短板的角色。

那么如何来补呢？大家都是有消费需求的，但消费能力够不够，敢不敢消费，就成了重要判断依据。在这个过程中金融是个非常好的工具。一方面可以提升居民的消费能力，另一方面随着居民消费能力提升，可以随之提升企业经营主的经营业绩。

除了政策正确以外，中国市场留给消费金融的空间非常巨大，中国家庭消费市场规模从2010年的7.5万亿，增长到了2014年的15.4万亿。预测从14-19年，年复合增长在20%，种种数据说明消费金融有着巨大的增长潜力。

不同场景下消费金融的需求及匹配的服务模式

整个市场的从业者分为几类，第一类是传统金融机构，主要是银行系发起设立，这类从业群体又细分为两类，一个是银行发起、持牌的金融公司，另外一个是各家的信用卡中心，通过信用卡分期经营消费金融业务；第二类是电商行业的巨头，这类群体拥有一个消费场景，拥有海量用户；第三类是互联网金融的P2P平台。

消费金融在实操中的两个侧重点

在实际操过程中可以发现，消费金融客户有消费意愿，但消费能力不足，但他们有非常强烈的意愿通过分期付款的方式（替换）来提升生活水平。在这个模式下，金融服务的对象，更多的是个体。第二个侧重点是拉升销售。当消费者在犹豫不决的时候，商家、企业经营者会通过金融工具促进消费的发生，提升销售规模。

场景消费和非标场景消费的区别

在基于场景的消费金融形态下，我们可以进一步区分它是标准化还是非标准化的产品和服务，因为标准化的产品和服务基于对个人，非标准化的产品和服务几乎完全不一样。

为什么叫非标呢？因为它每一个这个交易产生都是一个不停的沟通、不停的设计的过程，比如像家装业务的达成，须是业主和设计师的沟通方案。再比如线下教育培训，一定是现场商量到底是需要什么样的课程。在这种非标准场景下，金融服务效率要求会非常高。

这才是我们要把大数据这个手段和工具应用在消费过程当中的原因。因为我们完全没有可能通过原先的方式把材料和数据传过来以后，再隔一天两天，通过人工的方式制定额度。再举些例子，(删除)家装分期的场景下，我们必须在半小时内让客户知道他的放款情况。

大数据在消费金融场景下的应用

在传统的风控审批流程设计中，更多的是客户的静态信息，包括他属于什么类型的群体？他的声誉状况怎样？他原先的信用档案怎样？他目前所拥有的资产怎样？这种方式下勾勒出人的人物画像是比较呆板的，他不是一个鲜活信用描述，如果遇到原先没有贷款记录的用户，那么整个体验会变得很差。第二，消费金融对于时效性要求十分高。基于这样一些情况，对于传统的一些风控而言，对于非标的实际消费过程的支持是不够的。

在基于大数据的风控模型下，对于个人画像的勾勒，除了原先的一些静态数据外，会把所有数据全部导出来，包括用户的喜好、消费习惯、行为偏好、社会关系等等。这些数据都会通过大数据手段全部汇总起来并勾勒出该用户的情况，包括他所在的家庭关系情况，个人发展的趋势，并应用在贷前、贷后和催收的各个环节。

除了传统的数据源，我们会在客户授权的情况下去看他的一些社交、通讯的数据，包括电商的消费数据，从而辨别该他是不是长期存在的有效个体。因为欺诈往往会通过编造一个虚假的个体来进行，所以如果他的行为是比较正常的话，欺诈的概率相对就会小一点。另外这些数据可以反映用户是否有一个正常的社交圈子，是否有一个正常的家庭圈子。如果他的圈子是比较正常，这个个体基本也属于一个正常的社会人，一个正常的社会人再结合真实的消费场景，那么欺诈风险就会相对比较小。

以上所有的这些基于数据的比对、核实，完全不可能通过人的方式去实现，它必须依赖于反欺诈风险的数据库，基于数据挖掘和交叉比对、验证的方式，才能够实时地输出结果，给到我们信审做参考。

大数据在贷后监控怎么去运用？重点也是看几个方面，第一基于非标场景，我们会实时跟进合作伙伴的经营状况是否会有异常波动。同时我们会实时对个体进行跟踪，例如他原先的几个月可能有一个相对比较固定的行为，突然之间行为中断了一段时间，系统就会把它筛出来重点关注。

最后在整个催收环节，最坏的催收情况就是失联。所以大数据在催收这个领域的运用就是修复失联的状况。通过我们原先收集的众多的数据，通过我们在市场中能接触到的众多的数据，通过他周围的关系圈、社交圈，一步步修复失联对象的信息，最终找到他。

易日升构建大数据风控模型的逻辑

易日升金融就是通过这样的数据系统将我们的业务紧密结合，构建了一套基于家庭关系的业务模式。在整个作业的过程中，也是基于大数据的分析，进行自动化的决策和风控模型的设计，最终完成整个流程。

易日升在实际操作过程中，以家庭装修作为切入点，同时围绕家庭生活的整个过程种种的金融需求提供金融配套。

上海易日升金融服务有限公司于2015年2月成立，总部位于上海，是一家专注以家居为入口，提供家装、家居、婚庆、旅游、教育等领域的生活金融服务商。以“成为中国最有影响力的生活金融服务商”为愿景，以“生活金融，让生活飞翔”为使命，为崇尚高品质生活和积极生活态度的年轻群体服务。凭借股东的优势，易日升金融对中国家居行业有着敏锐洞察力，对消费者生活金融的需求有着深刻理解，且拥有为消费者提供金融服务的卓越经验。

- 关于作者 -

史建伟，上海易日升金融服务有限公司总裁。汇付天下创始团队成员之一。中国民主建国会成员，上海市科委专家，上海交通大学高级金融学院EMBA、MBA导师，复旦大学学士，注册金融分析师CFA。

作为整体活动的第二部分，2017年10月25日，数据猿还将在北京举办千人规模的“2017金融科技价值——数据驱动金融商业裂变”峰会并将在现场举行文章、案例、产品的颁奖典礼。

相关阅读：

来源：数据猿