金融科技如何賦能P2P？這份報告給出了答案
來源丨網貸之家
作者丨王春影
根據金融穩定理事會（FSB）定義，金融科技是指技術帶來的創新。技術手段包括「A」（人工智慧，ArtificialIntelligence）「B」（區塊鏈，Blockchain）「C」（雲計算，CloudComputing）「D」（大數據，BigData）。得益於科技水平提升，金融服務的效率和質量不斷提升。而技術創新在金融領域場景的應用，主要包括業務發展和風險管理。
目前，金融科技公司與金融機構的合作不斷加強，並向縱深化發展。近兩年，傳統金融機構與金融科技公司合作動作頻頻，主要通過服務提供與購買，或鞏固合作夥伴關係方式，打通合作雙方在用戶獲取、產品迭代、智能風控及流程優化等業務渠道。
與傳統金融機構紛紛成立金融科技實驗室不同的是，P2P網貸領域的應用主要從業務層面著手，滲透到獲客、風控及催收環節，實現P2P網貸平台運營優化。比如大數據精準獲客帶來成本下降及效率提升，大數據風控帶來風控質量改進，智能催收帶來貸後管理新模式。
科技技術手段在P2P網貸行業運用已涉及多個環節，主要體現在：
1.大數據精準獲客
P2P網貸平台獲客方式從無固定範式，對於資金實力雄厚的平台，創意中插、彈幕壓屏都為平台賺來了不少流量，但付出的代價是高昂的成本。另外也面臨營銷媒介熱度過後如何保持流量穩定增長、如何提高轉化率的挑戰。
同樣，擴圍借款端實現優質資產增長，也屬於金融科技在獲客領域的應用。金融科技根據海量數據獲客，精準觸達用戶；而且業務增長帶來的系統邊際成本遞減。
金融科技在精準獲客的運用模式中關鍵步驟主要包括：
（1）多維數據採集
金融科技獲取用戶信息源非常廣泛，包括運營商、銀行、公共事業、電商、社交及出行服務等各方面數據。其中，最為重要的是運營商數據，也是P2P網貸平台在獲客中最為青睞的數據源。用戶的通話記錄和簡訊記錄是相對低頻、高效的數據，根據這些數據可以初步構建用戶畫像，比如用戶與4S店的通話記錄可以預判用戶是否具有購車需求，而不同品牌4S店也反映出用戶的財力差異；根據用戶與保險公司的通話或簡訊往來，識別用戶險種需求及理賠情況，進而判斷用戶的保障層次需求等。
實際業務中，平台也可以做到對用戶數據的保護，防止侵犯用戶隱私。數據採集中，平台並不直接提提取用戶初始數據，而是基於平台建模、與運營商等的合作關係，平台向運營商輸入平台搭建好了的數據分析模型，由數據運營商根據平台的數據填寫規則輸入用戶初始數據，形成用戶數據標籤及打分，由運營商向平台輸出模型預測結果，而初始數據僅保留在運營商等層面。
（2）構建用戶畫像
為用戶打標籤是形成用戶畫像的核心工作。首先需要將描述用戶信息的非結構化數據標準化，形成結構化數據。不同P2P網貸平台根據自身業務模式，定製適用自身平台的用戶標籤，比如體量大的平台定義的「高凈值」用戶門檻可能更高，有購車、購房記錄的用戶可能更容易成為抵質押業務平台的目標用戶等。
（3）精準獲客觸發
通過用戶標籤分層，可獲得P2P網貸平台目標用戶人群；另外，用戶數據實時更新中，用戶標籤也隨之變動，當用戶數據觸及目標用戶條件時，用戶也將由非目標人群演化成潛在用戶。配合其他標籤數據，可實現對用戶的精準營銷。
2.智能風控
目前科技技術手段在P2P網貸行業應用相對普遍的是在風控環節。各項技術在風控環節的應用深度及側重有所不同，但存在一些交叉。
（1）大數據風控
大數據技術除了運用在精準獲客外，在智能風控的前期階段可進行有效的欺詐識別，打破信息不對稱。機制原理基本可以概括為，通過搜集多維數據、對多維數據交叉比對，識別借款人是否為惡意借款人；對於初步通過信息交叉驗證的借款人進行信用評分，評分依據可以參考借款用戶的其他經濟行為數據，比如賬單數據、電商交易記錄等。
（2）人工智慧
人工智慧在大數據基礎上，解決風控模型優化難題。目前人工智慧和大數據結合是風控的核心技術，基本原理是通過深度學習和數據挖掘，實現模型構建和訓練、性能監控與自迭代，進而實現數據降維，提高風險把控的規律和準確性。比如，通過知識圖譜、自然語言處理、機器學習等人工智慧技術，利用關係網路發現不同借款人是否存在關聯，識別異常的團伙欺詐；通過對借款人多方數據交叉比對，識別偽造虛假信息，防範專業欺詐。
在P2P網貸行業風險集中爆發的背景下，及時有效預警惡意借款人對降低借款人違約風險具有重要意義。而無監督機器學習，基於觀察到的交易特徵和案例數據，發現借款人變數異常；即使是未形成借款人標籤的情況下，也可對登錄和交易場景運用無監督機器學習，識別行為異常的欺詐借款人。
（3）區塊鏈
區塊鏈技術在資產端的應用相對較為突出，其完全透明的數據管理體系提供了可信任的數據溯源途徑。比如利用智能合約，對借款合同進行跟蹤，防止借貸合同被篡改；而票據業務潛藏人工操作風險，區塊鏈技術同樣可實現背書信息追蹤，防範票據多次流轉背書不同步、一票多賣等問題。
目前金融科技在智能風控的應用，已經形成數據多源搜集、數據結構化處理、建模、反欺詐識別、信用評分、額度管理、貸後管理等業務流程閉環，根據授信定價模型授予不同的額度及借款利率，根據不同的借貸效果對風控體系的模塊、參數、評分標準等進行驗證及修復，不斷提高風控精準度及模型的有效性。
3.催收
目前，金融科技已經極大地優化了催收流程，提高了催收工作效率，降低了人工成本。首先，金融科技可以首先批量外呼，提高了通話接通率；其次，基於語音識別，金融科技可識別不同類型的逾期借款人，並提供差異性的解決方案。
對於遺忘型借款人，金融科技可以識別出借款人是因為錯過了還款日期造成的逾期，此時金融科技可以給出一定的免罰息還款日，提醒借款人儘快還款；對於資金流緊張的借款人，金融科技可識別出借款人的還款意願強、但還款能力出現偏差，進而提供分期還款解決方案，這兩類的逾期情況均可通過類似智能催收機器人的技術完成催收。
而對於惡意逾期借款人，金融科技可以根據情緒識別技術等判斷這部分借款人還款意願較差，會轉接人工催收客服進行深度催收，比如申請法務介入等。而根據不同逾期處理類型，金融科技也會進行統計分析並形成相應的統計報告，以完善信息統計，並督促後續借款方案調整。由此看，金融科技實現了催收的人工佔用大幅下降，提高了催收效率。
總體而言，多數平台的科技技術運用合作層次尚有待加深，目前也存在一定問題。比如由於信用體制不健全，精準獲客環節還無法全面獲取用戶的歷史信用記錄及數據，僅能依靠用戶其他行為數據進行交叉驗證，對驗證用戶行為習慣連續性帶來了不便；區塊鏈技術的應用不足也導致平台較難核實借款人是否涉及多頭借貸；而智能催收也多發生在借款人已有違約事實後。如何發揮各項技術在借貸全流程的交叉應用，精準預警借款人違約是各大平檯面臨的重大考驗。
同時，金融科技作為基礎設施，本身具有一定的發展潛力：
一是，金融科技解決了企業發展效率低、創新不足等多處痛點，未來將會發展為機構競爭的核心競爭力。並且，金融科技基於雲計算技術，打破了業務發展的地理限制，未來服務對象將覆蓋三四線或更多偏遠地區的企業。同時，金融科技實現了金融和技術的融合，各類型銀行、支付機構及互金平台都會納入金融科技技術服務對象的範疇。隨著長尾客戶也可享受金融科技服務，金融科技將真正實現普惠金融。
二是，金融業務鏈條的打通會刺激各個環節技術水平優化，進而引發金融科技更傾向追求科技水準的進步。而金融科技服務對象擴圍，並優化了銀行及其他平台的貸後管理，降低服務成本，可以緩解企業融資難、融資貴難題。所以金融科技除了促進技術創新外，也引導金融科技回歸服務實體經濟軌道。
三是，P2P網貸業務投資、借款、還款等操作均發生在線上，數據相對線下較易獲取。數據的持續豐富無疑利好P2P網貸行業技術水準大幅提升。而P2P網貸行業員工是年輕化群體，也有利於技術快速習得及創新。同樣，對於其他行業，隨著各行業信息交叉度提升，數據規模將以驚人的速度增長，而這有利於金融科技閉環系統的高效優化。
目前P2P網貸平台合規檢查正在有條不紊開展，平台備案後，能激發差異化競爭優勢的平台應該是可以提供更高效率、更高服務質量的平台。無疑，金融科技將是拉開平台差距的核心要素。雖然目前金融科技也僅是在風控環節小試牛角，但金融科技探索從未停止，未來金融科技將持續深入滲透到獲客、催收等全鏈條業務環節。隨著越來越多的P2P網貸平台提高科技水平，相信未來，P2P網貸行業將大力推動普惠金融發展。
來源 | 網貸之家 作者丨王春影
聲明 | 登載文章內容僅供傳遞信息，不構成投資建議，轉載請註明來源網貸之家。
精彩爆文
點亮網貸之家「星標」，就差你了！
TAG:網貸之家 |