还在苦苦敲代码开发APP?你out啦! 试试积木搭建APP吧~

大数据不是万能的

来源:陆家嘴     2015-08-18 09:08:32    人气:     我有话说( 0 人参与)

大数据来了,大数据的技术在发展,大数据的应用可以在某一些领域应用得非常好。但是大数据不是万能的,取决于你的业务模式,取决于你对技术发展趋势的把握,以及在这个大的趋势来临的时候,定义你自己的业务模式。

目前中国的整个人口有13亿多,在人民银行征信局里面数据大概是8亿。这8亿代表中国经济的活跃人群,他们有各种各样的银行交易记录,其中有信贷记录的有3亿人。有了这个信贷交易数据,他可以从金融体系当中获得资金。也就是说,有融资的服务。其他的5亿人经济活跃,但是他们没有办法和银行说话。这个基本的现实清楚地拉开了中国的金融市场跟国际上(包括美国在内的各种市场)的差距。

我们先来分析中国信贷行为特别是小额领域里面的信贷行为,因为目前P2P总体来说是以小额信贷为主。

人民银行跟银监会发布的小额贷款报告提出,中国今天一万多家小额贷款公司当中,平均放款额度在十万块钱以下,不到1%。也就是说,99%从事相对大额的十万块钱以上的贷款。把这个拿到今天的互联网金融或者是P2P领域来说,事实基本上也差不多。换句话说,绝大多数机构,哪怕是一些从事小额贷款的机构,他们主要的基本额度还是覆盖了十万块钱以上。十万块钱以上的信贷靠资产负债评估,要求抵押担保。在这个领域当中,如果讨论大数据、互联网也许有一些作用,但是非常有限。因为在这个领域当中,传统的风险控制手段已经足够,这是它们发挥作用的地方。我们认为,大数据其实面对的不是99%的机构面对的问题,这个说法跟市场上很多的说法不大一样。

我们看一下,把这个额度分配到一万到十万区域。在这个领域从事信贷服务的,大家马上想到的是信用卡,也可能想到某些P2P机构。在这个领域当中,你要解决的最基本的三个问题是,借款人的还款意愿、能力和稳定性。如果可以用大数据解决这三个问题,你就可以成功地从事这个业务。

在美国,Lengding Club是非常大的公司,在P2P领域当中,有很大的影响力。它就是靠数据解决这三个问题。如果把这个放到中国,按照美国公司的方式来做,那是不可能的。因为我们知道,今天中国有五亿人群经济活跃,但是他们没有征信记录,所以通过征信局的数据回答这三个问题不容易。对于P2P来说,他们就要自己采集数据,所以今天的中国P2P有线上线下的说法。P2P行业居高不下的成本就是这个原因,因为采集数据的成本太高。由于数据成本被转移到借款人身上去,使得今天P2P行业不是信贷优化。在美国,P2P解决的是信贷优化。降低成本提高效率是中国P2P面临主要的问题。

这里的问题是:一方面我们讲大数据,但是大数据没有全面覆盖征信行为;一方面我们说有很多的客户需要贷款,但是他们又不能承受很高的融资成本。所以我们认为,在今天的中国,在几万块钱的领域当中,并没有形成一个众望所归、大家一致推崇的业务模式。

互联网金融,大家谈得非常火热,中国也有很多的P2P机构。如果把这些P2P所有的借款客户加在一起,我们认为这个量是在百万级。今天中国经济活跃人群是5亿,而借款用户是百万级人群。在这样的情况下,我们认为中国P2P怎么为这个领域提供服务,还没有破题。

我们认为大数据可以解决的问题是非常小额的领域。为什么这么说?在非常小额的,比如说在500到5000元这个领域,前面说的几万块钱的三个问题可以大大简化:还款能力不再是一个问题,稳定性也不再是一个问题,稳定性只有对分期付款才有这个问题。如果把这个问题打开之后,这个就简化了。简化之后大数据就可以发挥作用。大数据在这里产生新的产品算法,效率足以支撑一个相当低的成本。

大数据可以发挥作用的地方在非常小的额度一端。今天中国在这个领域当中,提供大数据的机构有很多。有了这些手段,我们就能够通过现代的技术手段,面向最广大的人群,帮助他们起步,帮助他们通过普惠金融方式不断提高信用。这种业务模式是真正的应用大数据的算法。

如果按照这样的思路理解,我们对于这个业务模式做了一个探索。中国有12亿的手机客户,手机运营商毫无疑问有很多的数据。6.5亿的网民,任何对于网络数据具有控制力的机构,不管是BAT,还是在垂直领域有影响力的机构都可以发挥作用。目前中国的大数据当中,真正有征信记录的人群就是20%,剩余80%的人群可以通过这些方面的数据,解决一个非常低的额度准入的问题。

我们服务的对象可能是这样的:他们年龄是在18到25岁,生活来源就是打工的薪水,可能是没有大学毕业,喜欢网游,一定是用智能手机,很可能是苹果。对于这样的人群,我们看一下,银行信用卡不会跟他们说话的,因为不符合稳定收入要求。这些人未必有社保,小额贷款不跟他们说话,大部分的P2P不为他们服务。他们不认为能在他们身上挣钱。就拿陆金所来说,他们最多的借款额是在6万,第二大是3万。

对我们来说,他们是典型的客户,在中国有好几亿这样的人,都被这些机构拒之门外。我们探讨的一种可行的模式,就是采取一些整合的数据,预先批准他们,不需要他们申请。我们认为通过这样的数据预先批准的方式,可以形成一个低成本的客户获取渠道。这里面依据的一是大数据源,第二是先进的算法,第三是一个高效的运营机制。这是我们的一个核心战略。 进入这样的领域,才可以帮助我们形成一个面向五亿人群的战略。在我们的体系当中,帮助这些客户建立他们的信用历史。这种地位使得我们可以跟数据服务商、数据提供机构建立合作。然后通过预先核准的客户,让他们得到前所未有的借款体验。在我们平台上借款从开始进入到完成时间大概在90秒到1分钟之间,这可以帮助弱势群体获得人生第一次贷款。这里面还需要一个强大的后端系统,实现快速的处理和整合。

我们在美国建立了一个大数据实验室,希望能够引入在国际上最先进的数据决策技术,帮助我们培养在中国本土应用中国数据源加工数据的能力。在这些大数据环境当中,我们所进行的新一代的算法,相对中国银行业,甚至于整个金融领域目前采用的传统数据方法而言,确实已经提前了不少。

大数据来了,大数据的技术在发展,大数据的应用可以在某一些领域应用得非常好。但是大数据不是万能的,取决于你的业务模式,取决于你对技术发展趋势的把握,以及在这个大的趋势来临的时候,定义你自己的业务模式。

大数据

本文源自互联网,采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可,
版权归原作者,如有问题请联系service@tsingfun.com (编辑:admin)
分享到: