“隨著催收流程越來越合規(guī)，風控壓力一下子向貸前環(huán)節(jié)傾斜不少。”一家金融科技平臺負責人向記者感慨說。
但他遇到的最大挑戰(zhàn)，卻是數(shù)據(jù)孤島問題遲遲得不到解決，嚴重制約了借款人信用評估準確。
所謂數(shù)據(jù)孤島，主要分成兩個方面，一是不同機構(gòu)自主存儲維護海量數(shù)據(jù)卻沒有共享，造成數(shù)據(jù)資源大量浪費;二是即便部分機構(gòu)平臺擁有大量數(shù)據(jù)，但不同來源數(shù)據(jù)在邏輯上相對孤立，造成溝通成本極高且影響信用評估效率。
為了破解數(shù)據(jù)孤島問題，這位金融科技平臺負責人曾尋找多家電商平臺開展數(shù)據(jù)合作，用于完善借款人信用評估準確性。但他發(fā)現(xiàn)，數(shù)據(jù)的“跨島合作”操作繁瑣緩慢，且不少共享信息數(shù)據(jù)缺乏實時性。
“這也是金融科技平臺貸款利率居高不下的原因之一，由于無法全面準確評估借款人實際信用狀況，不少平臺只能抬高貸款利率轉(zhuǎn)嫁潛在的壞賬風險。”他指出，這既增加了借款人財務(wù)成本，又使得金融科技平臺業(yè)務(wù)競爭力削弱不少。
記者多方了解到，相關(guān)部門注意到這個問題。除了發(fā)起百行征信匯聚各家金融科技平臺數(shù)據(jù)，完善個人金融信用評估準確性全面性之外，近年來地方政府正嘗試設(shè)立信息數(shù)據(jù)共享平臺，連接打通不同行業(yè)數(shù)據(jù)，通過金融科技等最新技術(shù)實現(xiàn)這些數(shù)據(jù)的互聯(lián)互通，從而為金融機構(gòu)與企業(yè)提供更全面的個人企業(yè)信用評估信息，完善整個社會信用體系建設(shè)。
在多位金融科技平臺業(yè)內(nèi)人士看來，不同于以往百行征信主要收集個人金融信用數(shù)據(jù)，平臺與電商平臺開展數(shù)據(jù)合作——連接打通單個行業(yè)與個人金融信用數(shù)據(jù)等操作模式，這些新的信息數(shù)據(jù)共享平臺最大特點就是整合不同行業(yè)數(shù)據(jù)，從而為個人信用狀況準確評估提供更廣泛的參考維度。
“不過，要讓各個行業(yè)留存的海量數(shù)據(jù)在社會信用體系建設(shè)方面發(fā)揮巨大作用，首先得解決數(shù)據(jù)流通和交換問題，其中除了技術(shù)問題，還會涉及不少法律問題，比如用戶隱私保護，數(shù)據(jù)授權(quán)等，這也是當前這些地方政府主導型信息數(shù)據(jù)共享平臺面臨的一大操作難題。”一位熟悉相關(guān)信息數(shù)據(jù)共享平臺運作模式的知情人士向記者透露。
在上海市社會信用促進中心主任傅春看來，當前金融科技可以有效解決上述問題。以區(qū)塊鏈技術(shù)為例，它具有不可篡改性與可溯源兩大特點，因此每個人可以通過區(qū)塊鏈技術(shù)看到自己的信用數(shù)據(jù)被哪些機構(gòu)使用，主要使用在哪些領(lǐng)域，是否征得自己同意。
傅春指出，在社會信用推進過程里，這類信息數(shù)據(jù)共享平臺要發(fā)揮巨大作用，迫切需要建立的，是一個中間橋梁，即信用指導手冊，它相當于信用行業(yè)的交規(guī)，讓各個市場主體能以合乎規(guī)范的方式分享使用不同行業(yè)數(shù)據(jù)，只要這個問題得到妥善解決，未來金融機構(gòu)將更快地開展一系列基于場景化、定制化、個性化的信用服務(wù)和信用產(chǎn)品，進一步完善社會信用體系建設(shè)。他指出。
數(shù)據(jù)孤島待解
多位金融科技平臺人士透露，面對數(shù)據(jù)孤島問題，多數(shù)金融科技平臺主要采取兩種方式嘗試解決：一是通過百行征信獲取更多黑名單數(shù)據(jù)完善自身反欺詐數(shù)據(jù)庫，從而提升對借款人信用狀況評估的準確性;二是與更多電商等場景服務(wù)平臺開展數(shù)據(jù)合作，獲取第三方數(shù)據(jù)完善自身智能風控模型建設(shè)。
上述金融科技平臺負責人對此指出，在實際操作過程中，上述做法效果未必理想。比如并不是所有金融科技平臺都向百行征信提供自身所有的黑名單數(shù)據(jù)，導致個人金融信用數(shù)據(jù)不全，影響平臺的風控效率;此外不少電商平臺所提供的數(shù)據(jù)存在較強的局限性，只有在特定消費場景下，這些數(shù)據(jù)才能發(fā)揮提升個人信用狀況評估準確性的作用，一旦脫離這些場景，相關(guān)數(shù)據(jù)的“價值”大打折扣。
一家國內(nèi)大型金融科技平臺產(chǎn)品總監(jiān)也坦言，他們曾針對不同消費場景搭建了不同消費信貸產(chǎn)品運營模型，如今這些產(chǎn)品落地遇到的最大短板，就是數(shù)據(jù)孤島問題，導致很多有價值的產(chǎn)品研發(fā)變成空中樓閣。因為這些產(chǎn)品運營模型背后的數(shù)據(jù)支撐都是模擬出來的，一旦投入實際使用未必“有效”。
在傅春看來，這也是相關(guān)部門推動不同行業(yè)數(shù)據(jù)分享交換，助力社會信用體系建設(shè)的主要原因之一。
“其實，不同行業(yè)之間的數(shù)據(jù)是存在交叉與互補的。通過將旅游行業(yè)、房產(chǎn)行業(yè)、金融行業(yè)、教育行業(yè)等數(shù)據(jù)進行流通交換，可以更準確全面地描繪個人、企業(yè)當前的信用狀況、經(jīng)濟實力與未來消費需求等，從而助力各行業(yè)機構(gòu)提升精準營銷與風險管理水準。”傅春指出。
記者多方了解到，在相關(guān)部門支持下，上海社會信用促進中心采取“政府+市場”的雙輪驅(qū)動模式，已聯(lián)合銀聯(lián)，螞蟻金服、萬達征信等不同行業(yè)平臺，匯聚眾多行業(yè)的數(shù)據(jù)。
在信用算力董事長兼CEO張建梁看來，要將不同行業(yè)數(shù)據(jù)連接打通并打破數(shù)據(jù)孤島問題，一個關(guān)鍵問題是能否找到合適的技術(shù)讓這些數(shù)據(jù)“物盡其用”。
“比如人工智能技術(shù)的核心在于海量豐富的數(shù)據(jù)，若數(shù)據(jù)孤島依然存在，將會很大程度限制人工智能技術(shù)使用效果。”他認為，整合不同行業(yè)數(shù)據(jù)的好處是盡早洞察到個人、小微企業(yè)資金運作風險的某些規(guī)律，幫助平臺提前做好風險防范。比如，德國中小企業(yè)在出現(xiàn)破產(chǎn)風波前兩年，企業(yè)經(jīng)營現(xiàn)金流會迅速下滑，但中國中小企業(yè)在出現(xiàn)經(jīng)營風險前兩年，其現(xiàn)金流反而不會很差，原因是中國中小企業(yè)很難從銀行拿到貸款，只能從民間或親戚朋友處借款，因此這類隱性借款很難在經(jīng)營性現(xiàn)金流體現(xiàn)。但金融科技平臺若能匯總大量中小企業(yè)破產(chǎn)前發(fā)生的狀況，通過AI深度學習與大數(shù)據(jù)分析技術(shù)可以找出不少企業(yè)經(jīng)營惡化跡象，從而及時做好貸后風險管理措施。
此外，不少個人借款額不高，導致還款違約的主要因素不是還款能力，而是還款意愿。因此金融科技平臺可以“交換分享”借款人在餐飲、旅游、購物消費、房貸等不同領(lǐng)域信用消費記錄，有效識別這類風險。
但記者多方了解到，要實現(xiàn)不同行業(yè)數(shù)據(jù)的交換流通，并非易事。當前整個信用行業(yè)依然缺乏不同行業(yè)數(shù)據(jù)交換流通的操作準則，導致平臺之間基于自身利益，不愿拿出所有數(shù)據(jù)進行“分享”，影響整個數(shù)據(jù)交換流通的“公平”效率。
傅春告訴記者，目前上海市社會信用促進中心已成立信用大數(shù)據(jù)聯(lián)合實驗室，實驗室主要從業(yè)務(wù)場景、社會應(yīng)用、制度建設(shè)、產(chǎn)業(yè)發(fā)展等四個方面開展工作，對信用大數(shù)據(jù)應(yīng)用產(chǎn)品建模、交易規(guī)則和定價等一系列相關(guān)問題進行探索、促進信用大數(shù)據(jù)新產(chǎn)品、新服務(wù)和新技術(shù)的研發(fā)。同時，實驗室也著手專門研究跨行業(yè)和領(lǐng)域的信用信息共享的相關(guān)標準。
銀行的努力
為了打破數(shù)據(jù)孤島對個人企業(yè)信用狀況評估準確性的制約，傳統(tǒng)銀行也在嘗試融合不同領(lǐng)域數(shù)據(jù)。
一位國有大型銀行零售業(yè)務(wù)部門主管向記者表示，當前銀行在研發(fā)針對小微企業(yè)與個人的消費貸款產(chǎn)品方面也遇到數(shù)據(jù)瓶頸。究其原因，銀行內(nèi)部主要匯聚個人或企業(yè)的金融信息，對他們公共事業(yè)繳費、社交網(wǎng)站行為等數(shù)據(jù)缺乏了解，難以全面了解他們生活行為特征，導致消費信貸產(chǎn)品風險定價未必精準。
因此這些年他所在的銀行開始嘗試引入第三方數(shù)據(jù)，比如通過與第三方機構(gòu)合作“獲取”企業(yè)納稅信息與公共事業(yè)繳費，從而判斷企業(yè)在貸款存續(xù)期間的經(jīng)營狀況;近日他們還開展與政府相關(guān)部門合作，通過獲取企業(yè)員工的社保基金繳費數(shù)據(jù)，側(cè)面了解企業(yè)員工薪資水平漲跌，進而判斷企業(yè)的業(yè)務(wù)發(fā)展狀況好壞。
記者多方了解到，為了持續(xù)提升個人企業(yè)信用狀況評估準確性，部分銀行正與當?shù)胤ㄔ号c公安機關(guān)展數(shù)據(jù)合作，將失信個人與企業(yè)等公開資料信息納入貸款風險評估模型，一旦貸款企業(yè)與這些失信人(或企業(yè))存在業(yè)務(wù)往來，銀行風控模型將迅速提示潛在的貸款風險。
這位國有大型銀行零售業(yè)務(wù)部門主管坦言，盡管銀行積極嘗試引入不同領(lǐng)域行業(yè)數(shù)據(jù)，但當前被銀行采納的數(shù)據(jù)占比并不高。究其原因，一是銀行擔心數(shù)據(jù)來源的合規(guī)性，比如部分金融科技平臺利用爬蟲技術(shù)“采集”借款人大量個人隱私信息。但這些隱私信息需要個人授權(quán)才能使用，因此銀行擔心一旦個人問責，銀行也會受到牽連;二是數(shù)據(jù)局限性比較強，比如不少場景服務(wù)方所提供的數(shù)據(jù)僅限于特定的消費場景，一旦離開特定消費場景，其使用效果就大打折扣。
“這背后，也折射出銀行自身風控模型開發(fā)不足的短板。”他指出。要解決這個瓶頸，還需要銀行加大引入不同領(lǐng)域行業(yè)數(shù)據(jù)，在加大風控模型研發(fā)投入同時采取系統(tǒng)化操作方式持續(xù)壓低運營成本，從而塑造自身消費貸款業(yè)務(wù)核心競爭力。
“不過，即便融合大量不同行業(yè)領(lǐng)域數(shù)據(jù)，銀行風控模型能否見效，仍是未知數(shù)。”多位業(yè)內(nèi)人士透露，這考驗著數(shù)據(jù)采集的質(zhì)量。事實上，相比個人消費者的數(shù)據(jù)與用戶畫像相對容易獲取，不少小微企業(yè)數(shù)據(jù)往往難以連續(xù)有效，且無法通過現(xiàn)場調(diào)查了解企業(yè)真實的經(jīng)營狀況，因此銀行要健全小微企業(yè)的大數(shù)據(jù)風控模型，除了引入員工社?；鹄U費、企業(yè)水電費與企業(yè)繳稅等數(shù)據(jù)，還需要結(jié)合各個行業(yè)最新數(shù)據(jù)對行業(yè)發(fā)展前景進行研判，從而提前洞察不同地域不同行業(yè)潛在的經(jīng)營風險，才能最大限度提升相關(guān)企業(yè)信用評估的準確性全面性。
