宣晓华：大数据对互联网金融风控的作用

因为风险跟征信有关系的，我今天跟大家交流下对风险的看法。

大家讲风险是金融的核心，信用是金融或者经济的基石，不管哪种说法，其实金融的一个重要方面就是做好风险管理。这个话题并不是在大数据时代才有的，早在美国上世纪五六十年代就已经开始了，最早是用数据做好信用卡有关的征信和风险控制。美国的一个公司开始基于个人年龄、收入、消费行为等信息制作评分卡，这个信用评分是后来被大量的信用卡公司和个人消费贷款公司所采用。

十年前我们就开始做大数据，那时候还是叫数据挖掘而不是大数据，当时大家觉得一方面中国没有数据，另一方面，即便有数据都不真实，那怎么通过数据挖掘提高营销精准度和风控准确性？实际上，和国外类似，通过行为记录，是可以去判断一个人的财富能力、兴趣偏好和信用的，也就是说，通过数据来提高风险管理，这种所谓的基本技术也好，基本策略也好，在国内国外都是被认同，而且是肯定有帮助的。

个人贷款相对比较容易做好风险控制和风险管理，因为消费者的样本比较多，所以信用比较好的一堆人和信用不太好的人，我都能有很多的记录，这两堆人一旦有足够的样本，就可以通过算法提取造成不同结果的影响因素。相比之下，企业贷款更难用大数据去做风控决策，因为相似企业非常少，做起来比较难。但即便是比较困难，企业贷款也可以通过大数据来改善风险决策。譬如像阿里，为什么可以做相对好一些？因为阿里有贷款企业所有的经营数据，这些数据产生了足够的样本和数据，就能相对做的比较好一些。再比如李总讲的核心企业供应链金融，里面很多的ERP数据相对比较完整，因此能相对提高风控质量。

刚才陈宇提到的宏观经济的问题，对于个人贷款的风控而言，宏观经济并不是核心要素，但它是企业贷款里非常重要的因素之一。怎么理解数据在所谓的风控中的作用？我认为，大家不要做极端判断：一种极端，是认为大数据可以解决P2P或者有些企业贷款所有的风控问题；另外一种极端，是认为大数据没用，因为很难预测黑天鹅事件。

我们讲建立数据模型的大部分方法，都是从历史看未来，基于以前积累的很多数据，从以前的现象和规律上抽出一些规则应用于将来，如果基本变量没有大的变化，这种应用是完全成立。但如果发生大的变化，比如经济形势变化了，或者是某一个地方出现地震，这种情况下，模型就会失效。某种意义上，对大数据的作用判定，主要看相对而言，看基于数据模型做出的决策判断是否好于没有数据模型做的。

互联网金融也好，现在叫大数据金融也好，无非是我们怎么模式做得更准。现在随着掌握数据量的攀升，运营商数据、电商数据、社交圈数据等都有助于改善风控质量。为什么传统银行也用社交数据？比如对公务员圈子的贷款者，银行放款会比较松，因为一般公务员很难为了一笔贷款放弃在公务员里的圈子或者职业，本身是基于数据的放贷决策。

现在总体来说，大数据对P2P等企业的风控是非常重要的，而且现在也有企业大量投资到这个领域，不期望这个能解决一切，我们现在有专门独立的团队，来帮助P2P企业也好，网贷企业也好，银行也好，去做好大数据，尤其是大数据中有关个人的信用，这是第一步。我们也有独立团队在做企业，主要帮助这个行业提高自身风控，这个过程不会很顺利，因为坏账不够多，有一定坏账以后才可以慢慢把模型调整好，这个事情肯定是可以做，而且会逐步提升。谢谢。