两会说要控制金融风险，问题是该怎么控？

两会互联网金融风控大数据

春夏 | 2017-03-20 11:45

【数据猿导读】互联网金融行业四年来发展如火如荼，有越来越多的互联网金融公司过于追逐公司规模和用户量，忽视了对风险的把控，产生了大量风险和隐患。在今年两会中，李克强总理着重强调了要控制金融风险，问题是该怎么控呢？

来源：数据猿记者：春夏

两会一向被认为是政策风向标。在今年两会中，互联网金融已是连续第四年被写入政府工作报告。与前几年“促进发展、规划发展”的口吻不同，今年李克强总理提出“累积的风险高度警惕”和“整顿规范金融秩序，筑牢金融风险防火墙”，着重强调了要控制金融风险。

为什么要控制风险呢？从中国互联网金融行业的发展现状来看，以前国家对互金行业抱开放包容态度，并且持鼓励发展原则，使得互金行业四年来从无到有，发展如火如荼。

此后，有越来越多的互联网金融公司过于追逐公司规模和用户量，忽视了对风险的把控，导致互金行业产生了大量风险和隐患。

知名财经金融评论家余丰慧告诉数据猿记者，总体上来说，互联网金融风险主要出现在P2P行业，各种跑路、欺诈案件非常多。从行业发展态势来看，仅仅在两年时间内就出现了4000多家P2P公司，但现有的监管制度并不能对其进行有效管控。若不及时改革，必然影响互联网金融行业发展前景。

那么问题来了，金融企业应该如何控制风险呢？央行行长周小川强调，中国普惠金融发展潜力巨大，要鼓励科技类企业利用数据技术推动普惠金融发展。有关专家解读为，科技将成为互联网金融企业下半场决胜的关键要素。

余丰慧告诉记者，互联网金融是以大数据为基础，通过搭建大数据风控系统，挖掘用户的借贷数据，可以判断用户信用情况，从而有效防范其金融风险。

在利用科技控制金融风险过程中，数据和技术将发挥巨大作用。

银联智慧联合创始人兼CTO龙凯接受数据猿记者采访时表示，在过去几十年甚至上百年中，金融从业者和数据分析师为用户设计了很多金融服务产品，比如有信用卡业务、个人贷款业务等，这些产品在迭代过程中形成了非常严谨的风险控制方案，但是其所使用的技术还不成熟，用户数据来源也很有限。

随着大数据解决方案的普及，我们可以搜集更多维度的数据来更精细的进行用户画像，包括行业数据、网上浏览行为数据、司法执行数据、第三方信用数据、出行数据、电商平台的交易数据、电话通讯数据和社交数据等。这些数据的覆盖人群会远远超过现有的金融行业所使用的数据。而大数据技术通过对这些数据进行组合，可以对金融风控实现管理作用。

举例来说，传统贷款业务可能需要2-3天完成审批，而基于大数据、人工智能模型的自动审批方案可能只需要几秒钟就能够完成。同时，有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。大数据技术要做的就是极大简化这个过程，提高服务效率，同时可以大大提高模型验证和迭代速度。

从整个金融产业链条来看，大数据风控已是互联网金融企业的生命线，在个人理财、借贷等多种金融服务领域，数据都起着核心作用。目前，包括BAT和初创公司在内的金融企业，都在纷纷布局大数据技术，且应用到了支付、征信、借款、理财、保险等多种金融消费场景。

其实，在如今的大数据领域，很多人对于数据的理解存在误区。

大数据从字面上来看需要多和大，但关键还是在于数据质量，说白了就是要有用的数据。同理，对于大数据金融来说，关键是金融数据质量的竞争。

想要高质量的金融数据，就要提供高质量的金融产品和技术，才能把数据收集起来。高质量的数据依赖高质量的业务，高质量的业务又依赖于高质量的产品，三者相辅相成。

此外，企业在构建大数据风控模型时还需要注意，数据整合是大数据金融存在的痛点。

搭建大数据风控模型，需要对行情资讯数据和业务数据进行全面整合。但是目前大多数金融机构都是各自为营，而且企业内部业务系统之间也相对独立，因此很难实现数据的互通和共享。即便排除万难，企业打通了数据孤岛，还需要对数据进行标准化处理，统一业务模型，才能整合到大数据平台。

因此，数据整合将是未来的重要工作。运用新的技术手段将金融业务数据进行整合，然后利用人工智能技术进行数据挖掘和分析，才能应用于金融风险管控。

随着大数据和人工智能技术的发展，未来会有更多技术应用于金融风险管理，比如机器学习、多层神经网络、GPU并行计算、智能算法等技术，可以让风控更加智能化。

笔者认为，数据金融将在互联网金融行业的下半场大放异彩。互联网金融企业以数据为底层支持，结合区块链、云计算、人工智能等技术，搭建完善的大数据风控体系，就可以嵌入到理财产品、信贷、保险等消费场景，解决和降低互联网金融企业现有的风险和问题，从而使互联网金融行业逐步走向稳健和规范化发展道路。（本文记者春夏微信：1101862984）

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。