不只是大数据,银谷要把最基础的事情做实
要找银行借钱,得讲信用,而信用需要时间的考验。没有信用,有抵押物或担保人也行。银行家不做无保障的贷款。融资最大的障碍就是抵押物。国企央企找银行借钱的终极抵押物,就是国家信用。国家信用的价值无限大,所以,国企央企总能轻松地以低利率借到钱。
小微企业主、个体工商户和工薪阶层之所以融资难,是因为它们没有可靠的抵押物和担保人。
巴菲特说:“我越来越看重的,是那些无形的东西。”巴菲特做投资判断,越来越看重企业的商誉。银行做贷款也是这样。
可口可乐的老板有一句名言:全世界的可乐工厂一夜之间都烧掉了,但是,第二天照样有人来给我们供货,银行照样来给我们贷款,客户还照样来订单。能烧的都烧掉之后,剩下的那个烧不掉的东西——品牌价值,就是商誉。
抵押物、担保人和商誉可用于争取银行贷款,而这些却又是实现“普惠金融”的门槛。
中国人往往更看重人情和熟人(熟客)间的信任关系。地产界大佬冯仑曾说过:“你有多少钱,不是看你银行账上有多少钱,而是你需要用钱的时候,这世界上有多少人愿意借多少钱给你?”
银行融资是“借”的逻辑,冯仑的融资逻辑是“信用变现”,后者更具有“普惠性质”,冯仑的话无意中已接近互联网金融的核心精神。
银行信用记录的形成过程非常单调,就是你贷过款才有信用记录,否则没有。在美国人的消费开支中有80%以上是用信用卡支付的,这大多是出于累积信用的考虑。哪怕你是企业主,需要更多借款,比如一次借个30万50万,银行家也希望你是从一个小的金额累积信用,这样银行可以通过信用累积过程,观察你这个人的各种行为数据。
互联网金融(以P2P为主)逐渐兴起之后,欧美金融领域一些“新思维”开始对中国同行产生影响。很多P2P平台相信“用数据说话”,认为“在大数据的监视下,人们在互联网上的一切行为、身份甚至个性都无处遁形。”比如,你登录网站的时间总是在半夜,说明你白天可能是个无业游民;你在P2P平台借款填写表格的时间过长且总是删删改改,你就可能有编造信息的嫌疑……
《中国P2P借贷服务行业白皮书》认为,大数据征信使用的数据涵盖传统的征信数据、消费/财务数据、身份数据、社交/经营数据,乃至日常活动数据、特定/不特定场景下的行为数据,“一切数据皆为信用数据”。
可是,这样“数据大杂烩+逻辑判断”是否真的有效?不同来源的数据之间有冲突和矛盾如何处理?
就算这种“大数据”逻辑真的有效,更多是在否定一个人的信用。真正好的P2P平台,更关注如何帮助借款人建立信用。
比如,银谷P2P平台就是一个积累了海量用户数据的大型平台,能够运用人脸识别技术和大数据挖掘技术,减少繁琐而昂贵的尽职调查,将信用风险确定为几个指标,然而批量化、专业化操作,业务速度得以加快。
可是,在银谷看来,技术、数据与效率对于P2P平台固然重要,但并非其核心竞争力。服务才是这个世界上最昂贵的产品。银谷平台真正努力的方向是做一家服务一流、有情有义的P2P平台,银谷要帮助真正有信用的人“信用变现”。
银谷创立8年来,做的最重要的一件事就是建立了自己的信用管理系统。这个过程是煎熬的,银谷需要投入大量的时间和资金,对用户数据进行科学积累和反复修正,为了弥补“大数据”技术的不足,银谷还会用最辛苦、最传统的信用评估方式来做补充,力求把最基础的事情做实。
银谷平台的服务对象主要是小微企业主、个体工商户、公务员、事业单位高收入人员等,不做50万元以上的“大额”借款,不做“二八法则”里20%的头部客户,而是以互联网+的方式,服务“长尾”客户。基于广泛的信用和信赖,银谷平台的“熟人用户”规模不断扩大,成本的优势会逐渐显现。
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