大蜂数据,匠心精耕大数据风控
互联网金融火了,大数据风控也火了。于是,不断地有公司跳出来说自己要做大数据,为互联网金融企业提供大数据风控。大数据风控谁想做就能做好吗?
风控大数据挖掘,需专业,更需要工匠精神
做大数据风控,绕不开的首要问题,就是大数据源问题,即大数据的获取、存储、管理、分析等。在国内,目前公共征信机构尚待建设,征信数据无法完全以公共服务的形式获取,而且国内的民众、企业信用评级没有历史传统,信用社会建设处于初始阶段。因此,对信贷风控数据源进行多渠道、多样化、动态实时的大数据挖掘工作,是大数据风控必经之路。大数据风控真的是仅仅有数据抓取技术就能做好的吗?
“风控大数据挖掘,需专业,更需要工匠精神。通过技术手段,在网上抓取数据,对于很多专业技术人员来说,并不难,而真正困难的是,如何识别、过滤、分析出真正对风控有价值的信息,而这,如果没有金融风控领域的深厚经验和专注并结合行业顶尖数据挖掘的技术,是不大可能做到的。最终可能从大数据获得的只是更多错误的信号和噪音。”深圳大蜂数据运营总监Chris说。据了解,大蜂数据团队沁淫于金融风控行业已多年,一直专注于金融领域的数据分析、企业CRM及风控体系建设,服务过的客户遍及澳大利亚、东南亚、香港以及中国大陆的各大银行、保险机构及政府机构。如香港汇丰银行、穆迪亚太区总部、中国银行、招商银行、中信银行、广东发展银行、中国平安、中国海关、中国移动,中国联通、鹏元征信、渣打银行、大新银行、永亨银行、新加坡发展银行、泰国大城银行等。如同几年前的华为公司一样,大蜂团队多年默默地坚守着“匠人”的本分,在幕后精耕细作,推动着行业的发展。
“大蜂团队很多项目经理及研发负责人在汇丰银行、大通银行、IBM、SAP、SAS(美国赛仕)、华为、鹏元征信等知名机构有多年从业经验。对于大数据风控,有着深刻的技术理解和行业认知。针对互联网金融风控,最高效、最便捷的方式,应该是大数据风控,这正是整个公司目前正在聚力精耕的核心业务。”对于大数据源挖掘问题,Chris沉着且有信心,他说:“大数据风控目前还处于行业探索阶段,但这么多年,大蜂团队引以自豪的不仅是海量数据搜集及处理分析技术,并且拥有金融行业多维度非常核心的大数据资源,也可以通过技术快速精准获取其它相关数据。当然,做大数据,对数据的挖掘永无止境,目前,在大数据挖掘方面,我们需要做的,是持续丰富大数据源,并与行业一道,探索大数据应用的开放性和有效性等问题。”对于行业普遍关注的大数据风控数据源问题,Chris炮制任正非的话说,“在大数据信贷风控领域,大蜂是有‘工匠’精神的,我们够专业,我们更专注,持续拓展我们跨行业的经验和资源。大蜂数据最有可能真正做到大数据技术与风控应用的完美结合。”
信贷风控体系,比技术本身更让人着迷
据了解,大蜂数据创始人Dick Cheung是一位著名的数据分析和金融风控专家。身为英国皇家统计学会特许统计师的他,早期在欧洲、澳大利亚等知名机构从事数据分析及金融风控研究,回国后创立华策公司,专业为知名银行、保险、政府机构做风控体系建设,深谙国外金融风控体系建设,并熟知国内信贷风控行情。他个人坚信,金融风控,一定是一项体系性工程。宏观环境除外,信贷机构内部的风控,都绝不是仅仅有大数据源、有征信数据、有BAT某些特定维度的信息支撑就可以做好的。要真正做好信贷风控,特别是互金风控,需要从风控流程、风控人员管理、风控效率、风控质量、风控成本等多维度考量。有效的、高效的信贷风控体系建设,突破大数据技术障碍是基础,更重要的是要对金融风控领域以及互金行业有足够深刻的理解和研究。
执于这样的信念,大蜂团队从2013年投入研发大数据风控业务伊始,就着眼于建设贯穿信贷生命周期的大数据风控解决方案,从信贷高质量获客,到贷前审查、贷中决策,再到贷后监控,为信贷机构提供信贷全周期风控咨询和辅助决策服务。通过深入开展互金风控业务梳理、数据统计及分析建模,大蜂团队将复杂的大数据风控解决方案集成到几个智能简洁的操作系统中,即目前大量用户正在使用以及即将应用的“业务申请信息调查系统”、“业务审核欺诈识别系统”、“大数据评分系统”,以及“贷后监控系统”。后期,大蜂还计划将这些系统集成到一个统一的平台“蜂控在线”上。届时,通过该平台,所有的小额贷款公司、P2P平台、银行个贷部门、个人信用卡中心、贷款中介等机构的普通业务人员,都可以轻松搞定以前需要多个流程部门、很多专业人员才能完成的风控业务。
每每想着团队们正在从事的事业,看到系统给行业带来的风控变化,Chris都甚是激动,他说,“利用技术手段,打通风控流程,推进行业的发展,一直是我的梦想,也是公司的梦想,更是这个团队执着多年的梦想。信贷风控体系建设,比技术本身更让人着迷。”
降本增效提质,实现从“0”到“1”的改变
我们知道,目前的互联网金融领域,主战场在小微信贷以及P2P平台方面。一般来说,小微信贷及P2P平台,信贷业务显著特点是客户多、数目小、放款快,这就决定了互金行业无法向银行一样,通过传统的资产抵押或线下调查去开展风控,因此,很多小微型互金机构几乎没有风控部门,或者风控工作零散不成体系。即使成立专门风控部门,大多不大可能组建系统研发团队,而多数采取的是人海战术、人工审核,其风控效率总是有限,风控成本必定高企,风控流程及人员管理也会出现各种各样的问题。
从技术与应用的发展趋势来看,大数据风控,其网络化、平台化、智能化、全维度等特点,将能够很好的切合互金信贷风控的大规模、高效率、低成本、高质量的风控需求,能够从调查维度、信用评级、流程管理、风控成本等方面,全方位解决这些问题。
当然,新的技术与应用,总是不断迭代的过程,需要系统环境的推进,需要整个行业的不断试错、证伪、演进。对于很多互金机构的风控“空白”或“混乱”来说,大数据信贷风控,能够实现整个行业从“0”到“1”的改变,进而实现“1”的决定性价值。
从大蜂数据目前推向市场的几款大数据风控产品(系统)应用效果,对大数据风控价值可见一斑。从大蜂的部分合作客户捷信、证大速贷、安盛、盛进等互金小贷机构获悉,针对信贷审核业务的大数据风控平台——“业务申请信息调查系统”,他们已全面合作应用。在省时增效方面,至少比传统的人工信贷审核提升300%以上;在信审质量方面,可以灵活快速获取更为宽泛的数据维度,能够更加精准的对网贷申请人进行自动化大数据调查与核实,快速生成调查报告,辅助贷前准入决策。同时,他们正在洽谈接入大蜂数据的“业务审核欺诈识别系统”,这是一套智能大数据动态题库及交互式测试评分系统,能够有效解决贷款人伪造个人申请信息、冒用他人身份信息、“征信黑名单”不可查以及不良中介诱骗他人间接实施信贷欺诈等反欺诈难题,让传统的申请表“动”了起来,对于那些有准备、有预谋的欺诈行为,起到了很好的识别防范作用。据悉,一大批较有影响力的信贷机构正在与大蜂数据洽谈更深层次的风控合作事宜,包括大蜂数据正在公测的用于贷中决策的大数据评分系统、用于贷后的大数据监控系统等。
信贷风控,一个历久弥新的领域。古代的典当抵押、近代的钱庄银号信用抵押放款、现当代的银行信用贷,每个时期的借贷行为,都伴随着相应的风控模式。信贷的历史有多久,信贷风控的历史就有多远,信贷方式与风控模式相伴相生。我们相信,伴随着互联网金融的世界范围发展,互联网金融信贷也必将会迎来她全新的风控模式——大数据信贷风控模式。而大蜂数据的历史使命,首先是要做好一个“工匠”、当好一个“卫士”。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22