黄振华:中国大数据风控市场与美国差距不小 差距意味着机会

2018年04月09日 09:45  

本文4236字,约6分钟

“全球经济上坡时需要加大踩油门,下坡期时则更关注刹车的质量。而大数据风控与征信更像经济下坡期的刹车系统,近两年因为整个全球经济不明朗,才导致大数据风控行业的大发展。” 4月9日,东方银谷(北京)投资管理有限公司副总裁黄振华在参加博鳌亚洲论坛“《财经》早餐会:大数据风控与征信体系建设”上表示。

东方银谷(北京)投资管理有限公司副总裁 黄振华

黄振华称,今年数据泄露事件很多,比如引起全球震动的facebook数据泄露事件,使得大数据被推上了法律道德审判层面,这对于整个大数据征信行业也带来变化。

黄振华介绍,2017年美国大数据风控市场三家企业为主的总体产能已经突破了120亿美元,而我国则只有14亿人民币,我国的征信人口基数还是美国人口基数的4-5倍,因此中国的大数据风控市场与美国差距不小,但对行业从业者来说差距也意味着机会。

对于中国大数据征信行业,黄振华建议,除了金融宏观政策更重要的是操作规则,美国三家征信公司都有详细的操作规则,我国现在更多只是在宏观政策层面。此外,如何把基础设施优势转化为我们的产业优势还有一段路程要走。

大数据征信和大数据风控具体应用主要体现在数据平台、算法体系、机器智能学习三个层面,中国相对成熟的是数据,差距最大的则是机器智能学习领域,比如智能化计算、区块链技术的应用等,这都是未来大数据征信行业需要重点发展的方向。

以下为发言实录:

黄振华:尊敬的各位朋友、各位领导、各位嘉宾,我边讲大家边吃,这个当成大家的佐料了。

刚才王总讲了一下大数据这几年来的应用,其实征信和风控这两年比较热的话题,如果抛开的数据谈风控,抛开征信谈信用,我觉得大家可能比较感兴趣也是比较正能量的事情,可能这两年由于这种数据泄露事件比较多,尤其今年比较突出的facebook泄露事件,使得大数据推上了法律道德审判的背景下面,去年大学生信息泄露导致大学生跳楼的事件,今年的facebook保证区别的推出对于个人信息入刑,对于整个大数据行业,尤其大数据征信行业带来很多变化,今天我想在变化上面谈一些个人想法。

我从产业的角度两个层面第一宏观层面,大的产业数据方向,微观层面就是具体的应用上面来谈四个方面的想法抛砖引玉给大家提供初步的一个想法让大家讨论,看一下全球大数据风控与征信的新趋势,其实全球大数据征信还有整个全球经济的这两年爬坡或者不景气有关系,打一个不恰当的例子,就像大家开车一样如果上坡的时候可能更多用到油门,这两年经济不景气有一点像下坡,下坡的时候刹车质量怎么样可能更加重要一些,大数据风控跟征信有一点像经济刹车,这两年整个经济不明朗,导致整个行业大的发展,互联网社会学家来看解构传统的组织,整个大数据行业个人征信体现更加突出一点,王总财经杂志中美贸易战下谈美国有一点不合时宜,美国确实这个行业领先地位,我们要想超越它必须了解美国行业的情况。

17年美国大数据风控市场仅仅三家为主的已经突破了120亿美元的总体产能,咱们国家只有14亿人民币,这个差距大,这个数据差距还有人口的差距,咱们国家的人口还有整个经济总量尤其人口上面,因为征信更多的人口讲的是人口数很重要。

咱们国家的人口数在美国的四倍五倍的基础上,咱们市场却只有美国的六分之一、七分之一可以看到差距。对于个人原则化社会对于征信系统带来几个冲击,可以说三个一体三个方向。第一就是征信主题从公司为主变为个人为主,他的数据范围数据维度发生变化,过去公司法人客观的报告,更多看一些审计,个人突破了一些信贷还有经济的数据,更多的像一些社交平台还有个人的日常行为,个人征信上面分的越来越模糊,不像公司我纯粹的看你的经营数据,个人除了经济行为以外,个人的社交行为还有购买行为已经进入了这个行业。

同样,在面对范围跟维度的时候技术发生的变化,技术上面原来假如我通过会计手册报告通过后台整个银行的数据的提取,基本上就能够完成征信,现在由于主题的个人化,就是更多的从个人维度挖掘这个东西,就上了很多新的技术包括人脸识别包括这些咱们今天参加博鳌也是一样的,你看咱们走过安检的时候自动识别牌,包括住酒店自动识别跳出来基本信息。

西方也是一样的,会把很多个人的社交平台的信息抓取掉,facebook这次刚才财经也有了一个分析,facebook之所以泄露这么严重,就是因为它把很多个人的从社交平台抓的信息被英国这个公司拿走了。这个是信息技术方面第三个就是主题,原来美国之所以三家征信公司占了50%以上,因为征信这个原来专业公司就是干这个,现在大家发现征信不只是这些专业公司的事情,很多社交平台只要你有客户,只要你有流量基本上都可以。

所以征信的主体已经从前一段时间发了五张个人征信牌照大家很高兴说国家促进这个产业,其实征信主体已经不限为这个公司了。像前一段百度李彦宏总饱受争议的言论,随便扫一个码信息将来可能都会被征信公司取得,这个已经不限于传统意义上面的征信公司,这个是目前整个国际上面的形式。

咱们国内的差距实际上是如果说单纯数额来讲已经六七倍的差距,再加上咱们人口数量基数这样一算,实际上咱们中国能够跟西方尤其美国相比咱们的差距可能是十倍以上的差距,对于从业者来讲差距意味着机会,就意味着咱们有很多的市场去做。

现在我来分析就是咱们现在还处于一个相当于临界点之前,咱们现在参与公司越多,整个市场越大整个征信效果越好。而过了临界点之后才会出现参与市场主体越多出现竞争现象现在还是叠加优势。

咱们除了整个数据的数额对比以外,咱们下面还有具体的政策,咱们四个方面还是有相对来说的差距,首先政策上面来讲,咱们现在是促进征信,但是具体的咱们搞金融大政策不是决定性,真正的操作规则才是最重要的,美国这三家征信公司关于征信都有详细的操作规则,咱们现在更多的种政策宏观层面的

技术跟数据应该是咱们国家最有优势的,也是一直想实现弯道超车,包括咱们国家在贵州建立大数据中心,包括整个现在的基础设施,无论智能手机的持有量还有4G包括5G网络的应用这个已经走在了世界前列这个很大的优势。

但是怎么样把基础设施的优势转化为我们产业的优势还有一段路程要走,市场不用说了,咱们与美国的差距就是咱们的市场这是目前这个行业面临的机遇或者是需要去做的地方。

我们企业一直做这个东西,刚才曹总跟叶总跟我们差不多,我们做这个行业核心就是风控,你作为一个平台你的质量或者你可以给客户提供什么样的服务核心的东西就是你的风控能力,这是我们的基本。

宏观层面降到微观层面看看,国内到底在大数据征信还有大数据风控征信上面具体的应用现在有哪些。第一就是数据平台,很多现在也开始做产业化,原来银联跟我们做支付通道,去年不再做支付通道了,专门把大家刷卡的数据,咱们这边刷卡留下的信息整合之后做成一个产品,应该是大概八百多个维度,提供专业的数据公司评判一个人消费跟征信行为,他下一步出现信贷或者出现一个金融产品的时候他的下一步行为预期是什么。

第二就是算法体系,算法体系可能听起来比较绕口的,如果保险的说法大家可能比较好理解一些,算法体系实际上就是征信行业的一个精算,就是一个数据跟数据之间的搭配,国外比较多了,有些核心就是算法体系,包括澳大利亚的一些企业这些国际比较知名,咱们国家有但是整个国家算法体系先进度确实跟国际还是有差距的。

下面就是实时检测,咱们国家现在号称可以领先世界的,一个是声维、指维的技术,现在贷中贷后已经脱离了审完不管的状况,前期把基本的风控做好了之后重点实时跟踪你的情况,你的征信状况是否有变化,你的消费行为是否变化,你的经济行为是否变化通过实时跟踪真正把实现风险控制住,这个实时检测技术应用很多。现在大家可能不注意大家的APP基本上向后台保送你的实时数据,包括位置电话大家看到是否授权你的位置电话,是否授权发送通知,是否授权采用你的无线数据,你点是的时候等于把你通过这个手机至于整个风控体系之内的。

最后一个机器学习算法。现在比较热的,也是现在正处在起步阶段的,就是人的行为因为现在的个人征信我为主,人的行为是不断的变化,你怎么样来根上这个行为,只是跟踪可能是事后的,你等他进行预测就是咱们讲的智能化机器学习智能人,你不能说仅靠出现了一个风险事故我来改我的算法跟征信结构,改我的模型,我要通过新的变量出现可以让机器自动改自动评分跟评价体系。

但是这四个相对来讲咱们国家比较成熟的是数据,因为咱们对于数据管理不是那么严格大家积累了大量数据,差距最大的可能学习智能的机器人,未来咱们三个方向可能是我认为比较重点的方向

第一,就是咱们讲的智能机器人就是自动学习风控的。因为人的判断包括人的总结经验总有一个过程,就像阿尔法狗和李世石下棋他有一个反应时间,机器可以利用计算优势实现比人更快更全面的反应,第一就是智能化的计算

这种可能重点发展的,现在人的行为越来越难以预期,越来越需要大算法支持计算,我们有一个测谎仪,测谎仪现在的表层的数据,你去什么酒店刷过什么卡哪里消费多少哪里贷过款这些都是表面的,测谎仪很多问题已经问了你的心理去了,就像西方法庭上面的交叉询问一样已经不限于表面的一些浅层的数据,真正的洞察动机里面去了本原性数据。

第三,就是现在极具争议区块链技术,区块链技术主要的就是防篡改跟虚假,现在我们自己也在做研究曾经专门的研究机构,可以说应用最不成熟的,虽然区块链从比特币的集成技术已经发展很多年,但是我们的征信行业风控行业应用非常不成熟,这个也是未来很大的发展方向。

这个就是我对这个行业粗浅的想法,希望大家可以提出更好的建议。谢谢大家!

主持人:感谢黄总对大数据风控征信,我想具体一点问一点问题,你们这个公司大数据征信你能不能具体一点你告诉我们,你们是做什么你们的商业模式什么?

黄振华:我们就是信息中介信息租借平台核心就是给大家提供风险防控,再具体一点给大家提供三个模型,评分模型、贷中行为模型,贷后的管理模型,我们把投资人出借人借款人撮合之前,首先撮合之前怎么样替出借人目前筛选借款人我们一个评分模型。

主持人:你的客户是什么人?

黄振华:我们的客户传统的金融行业没有覆盖的。

主持人:你举一个例子?

黄振华:咱们现在国家有60%的征信白户,就是重来没有征信记录,没有征信记录去银行也罢小贷公司也罢现在的贷款体系下,因为你没有征信肯定借不了款,这个时候就是我们的服务,现在讲小的企业主,像小的从业者,我们认为这个可以,我们认为负担,有没有出借人愿意把钱借你。