解疑：大數(shù)據(jù)是怎樣幫互金平臺(tái)留住你的？

大數(shù)據(jù) 互金平臺(tái)

大數(shù)據(jù)觀察 | 2017-07-24 15:16

【數(shù)據(jù)猿導(dǎo)讀】進(jìn)入互金監(jiān)管整頓年之后，曾有專家預(yù)言，現(xiàn)有的數(shù)千家互金平臺(tái)，最后可能僅有三分之一能夠穩(wěn)步發(fā)展下來。于是，越來越多的網(wǎng)貸企業(yè)開始將提高風(fēng)控、降低壞賬、提高運(yùn)營(yíng)效率放在企業(yè)發(fā)展的首位，而這最后的救命稻草都需要依靠大數(shù)據(jù)技術(shù)。

提起互聯(lián)網(wǎng)金融，人們當(dāng)下的態(tài)度可謂又愛又恨，因?yàn)榭诳谙鄠鞯?ldquo;致富”和“跑路”都不絕于耳。在問題平臺(tái)的數(shù)量(3795)已經(jīng)快達(dá)到正常平臺(tái)數(shù)量(2114)兩倍之多、且盈利平臺(tái)尚不足百分之一的現(xiàn)狀下，撐到今天的互金平臺(tái)都不容易，同時(shí)，監(jiān)管機(jī)構(gòu)仍在不斷完善整改機(jī)制，若不主動(dòng)退出就必須嘗試破壁。

進(jìn)入互金監(jiān)管整頓年之后，曾有專家預(yù)言，現(xiàn)有的數(shù)千家互金平臺(tái)，最后可能僅有三分之一能夠穩(wěn)步發(fā)展下來。于是，越來越多的網(wǎng)貸企業(yè)開始將提高風(fēng)控、降低壞賬、提高運(yùn)營(yíng)效率放在企業(yè)發(fā)展的首位，而這最后的救命稻草都需要依靠大數(shù)據(jù)技術(shù)。

大數(shù)據(jù)風(fēng)控：降低風(fēng)險(xiǎn)=提高效益

對(duì)于消費(fèi)金融、和企業(yè)借貸來說，風(fēng)控能力直接影響著企業(yè)的成敗。我們并不是在過分強(qiáng)調(diào)風(fēng)控，但是當(dāng)風(fēng)控開始變?yōu)槠髽I(yè)重心的時(shí)候，一定也是企業(yè)做大或轉(zhuǎn)型的重要時(shí)刻。在這個(gè)節(jié)點(diǎn)上，避免發(fā)生風(fēng)險(xiǎn)這種小概率事件，安全且不冒險(xiǎn)地穩(wěn)步發(fā)展起來就已經(jīng)是成功。

那么舉足輕重的風(fēng)控又是如何借助大數(shù)據(jù)的呢

一個(gè)成熟的風(fēng)控系統(tǒng)，應(yīng)該包含充足的信源、完善的分析模型、豐富的維度，可靠的分析指標(biāo)等。

看看大家都是怎么做的：

身份驗(yàn)證：以我們火車采集器團(tuán)隊(duì)曾經(jīng)服務(wù)過的一個(gè)大數(shù)據(jù)項(xiàng)目為例，合作方是金服企業(yè)，所需的身份驗(yàn)證是基于企業(yè)信息的大數(shù)據(jù)，也就是說需要全國(guó)企業(yè)的多維度信息。我們團(tuán)隊(duì)最終集合的數(shù)據(jù)包括：企業(yè)工商資料;企業(yè)股東、高管;企業(yè)變更信息;潛在風(fēng)險(xiǎn)(失信被執(zhí)行人、法院裁判文書、經(jīng)營(yíng)異常記錄);知識(shí)產(chǎn)權(quán)(商標(biāo)、著作、專利、域名);自媒體(微信、微博);對(duì)外投資;企業(yè)年報(bào);經(jīng)營(yíng)信息(產(chǎn)品、網(wǎng)店、招投標(biāo)記錄、招聘);媒體報(bào)道等。

大數(shù)據(jù)_互金_平臺(tái)-1

幾十余個(gè)維度的數(shù)據(jù)整合后，我們其實(shí)已經(jīng)可以看到一個(gè)完整的企業(yè)畫像。所以即使貸款人是我們不熟悉或者從未聽聞的公司，也可以在短時(shí)間內(nèi)對(duì)其了如指掌，個(gè)人貸款也同樣如此。

還款意愿和能力分析：主要是對(duì)貸款方財(cái)務(wù)方面的細(xì)致分析。還是以企業(yè)為例，比如財(cái)務(wù)報(bào)表分析(第一還款來源、現(xiàn)金流、質(zhì)押擔(dān)保的價(jià)值及變現(xiàn)難易程度等);是否有知名且固定的商業(yè)合作伙伴;違約成本(企業(yè)經(jīng)營(yíng)負(fù)擔(dān)、社會(huì)聲譽(yù)等);政府或銀行留存的記錄等。

數(shù)據(jù)建模：積累數(shù)據(jù)打下基礎(chǔ)，下一步要做的是構(gòu)建模型。建模的技術(shù)主要包括logistic回歸、決策樹、普通線性回歸、分層分析、聚類分析、時(shí)間序列等各種機(jī)器學(xué)習(xí)算法。而我們之前整合的每一個(gè)數(shù)據(jù)帶入模型中都會(huì)是特征的向量，其實(shí)許多細(xì)微的特征都會(huì)是模型元素，細(xì)微到半夜發(fā)朋友圈、社交評(píng)分高低、郵件打開時(shí)間、購(gòu)買咖啡頻率等這些我們可能意想不到的特征。但這些數(shù)據(jù)從哪里來別忘了，還有BATJ啊。

大數(shù)據(jù)挖掘客戶

互金領(lǐng)域同樣遵守二八定律，那么對(duì)于互金平臺(tái)來說，能夠帶來80%存款的這20%的客戶才是真正的目標(biāo)客戶，他們有什么樣的行為習(xí)慣呢根據(jù)職業(yè)、年齡、學(xué)歷等一系列客戶定位數(shù)據(jù)來決定平臺(tái)的營(yíng)銷思路才能更加有效的挖掘客戶。

而怎樣才能留住他們呢某平臺(tái)通過現(xiàn)有客戶的大數(shù)據(jù)分析發(fā)現(xiàn)，真正的目標(biāo)客戶往往是在充值5次之后達(dá)到一個(gè)額度然后穩(wěn)定留存。就像已經(jīng)火了好一陣子的共享單車，會(huì)制定免費(fèi)騎5/6次后才開始收費(fèi)一樣，互金平臺(tái)往往會(huì)贈(zèng)送5次優(yōu)惠券或紅包來吸引客戶持續(xù)進(jìn)入，如果預(yù)測(cè)某個(gè)客戶已經(jīng)快要結(jié)束業(yè)務(wù)且留存率不高的情況下，就提前發(fā)個(gè)紅包留住他，挖掘與留住客戶都是需要數(shù)據(jù)作支撐的。

大數(shù)據(jù)優(yōu)化體驗(yàn)

我們經(jīng)常會(huì)發(fā)現(xiàn)，在信用卡或互金賬戶的透支額度快要用完時(shí)總會(huì)收到漲額度的提示信息，這就是基于大數(shù)據(jù)對(duì)我們使用體驗(yàn)進(jìn)行的優(yōu)化。如果該客戶信用值較高，平臺(tái)卻不作調(diào)整的話，可能該客戶就會(huì)因?yàn)樾枰^續(xù)借貸而嘗試其他平臺(tái)。且額度的提升也是根據(jù)消費(fèi)場(chǎng)景返回的數(shù)據(jù)而定，并非毫無根據(jù)的調(diào)整。

除了會(huì)實(shí)時(shí)調(diào)整的額度之外，秒級(jí)放貸也是基于大數(shù)據(jù)的一大優(yōu)化。過去很多貸款機(jī)構(gòu)的放貸審核都是通過信審員，近來小采看到一篇信審員的離職自述，放不放款，何時(shí)放款、利率多少這些全憑信審員做主的時(shí)代早已不復(fù)存在，即使在小公司也大多如此，很少再有塞紅包求放貸的現(xiàn)象，取而代之的是系統(tǒng)的大數(shù)據(jù)審核，不足一分鐘出具審核結(jié)果是互金平臺(tái)的業(yè)務(wù)常態(tài)，秒級(jí)放貸讓客戶的體驗(yàn)更佳也幫助平臺(tái)自身提高效率。

大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)、區(qū)塊鏈等技術(shù)，已逐漸從概念走向落地。線上紅利消失和監(jiān)管嚴(yán)格下的互聯(lián)網(wǎng)金融企業(yè)，轉(zhuǎn)而寄望于通過技術(shù)在激烈競(jìng)爭(zhēng)中生存下來，利用積累的數(shù)據(jù)，建立模型支持風(fēng)控和經(jīng)營(yíng)決策，或許在不久之后，我們會(huì)看到互金領(lǐng)域展現(xiàn)出健康、蓬勃的發(fā)展?fàn)顟B(tài)。

來源：大數(shù)據(jù)觀察

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。