大数据很花又急用钱怎么贷款 大数据严重花了,还有没有哪可以贷款

文 丨 大数据陈工

大数据与人工智能的飞速发展，重新塑造了金融行业，曾今企业，个人融资难，成本高的冰山也如共工之于天地，由混沌变得分明。

现如今，随手打开支付宝，微信，很多人都能轻轻松松获得金额大小不一的授信透支金额，而这并不需要任何抵押物，尤其不用看银行审核员那怀疑而又高傲的眼神。

大数据技术下，借呗与微粒贷显然给我们带来了新的惊喜。然而很多人不得其道，因为白名单邀请制的原因，也让很多人特别想开通两个平台的贷款服务，下边就由潮钱网的大数据工程师陈工来给大家分开讲解下其中的部分原理。

1微粒贷

每个人都知道微粒贷的好处，额度高，利息低(年化低于10%），还款方便，但是采取白名单机制的微粒贷，不是每个人都能被邀请的，其实，开通也不是很难，主要是了解到腾讯的风险评估模型。

经过我们为期三个月的初步测试，目前能总结出一些腾讯风控模型的规则其中有五个关键核心：

财务结构，生活消费，人际脉络，性格风险，个人征信（目前各项目比例分值尚不清晰，缺乏长期大量数据的收集触碰，这是目前我们实力财力不足，且付出回报不成对比的决定性因素）

①财务结构

就是个人单纯的收支数据以及财务来源和支出路径三项关键数据；腾讯大数据以覆盖面广为称道，现在腾讯系的产品从游戏，到生活社交，到消费出行到支付路径已经全面覆盖，主要判断思路是：收入是否是企业工资或其它来源（以判断个人的财务身份及日常稳定性和财务风险）；个人日常支出（支出习惯倾向以及消费水平）；不确定该项在整体的分值情况，从经验来看，应该是次高的。

②生活消费

展开全文

简单说就是日常家庭开支的情况和支出场景，通过大数据交叉收集及反复印证，目的是分析家庭结构以判断反向确定个人的身份属性，生活轨迹习惯和二次印证财务能力和财务后盾能力（即使个人还不了，还有家庭承担风险），目前可以确定的是该项是以分值存在的，根据行业风控经验反向分析，应该存在优，良，差三个档次，对应的是不等的分值。

③人际脉络

人际脉络，是指社交身份属性的周围人脉网络交叉认证及社会交往财务收支，目前能触碰并得到反馈确定的是：大数据交叉收集，会给每个人打上对应标签，比如：职员，管理，个体商户等；并通过社交软件所进行的人脉财务来往再次印证个人财务情况。

④性格风险

通过上网习惯及个人爱好习惯多渠道收集个人信息，以确定个人在人生所处阶段标签：生育，晋升，失落，毕业，入职，恋爱，单身等；和个人的性格社会学指向标签：极端，热爱社交，诈骗，好色等；从目前的技术手段反向分析，算法应该做不到贴合本人情况，只是收集，通过反复印证打上标签，对应分值而已。不排除以后腾讯的AI系统不断自我学习加上更多个人大数据收集，自动筛选+自动排列分析，从而印证出来完全贴合本人的分析属性（要知道腾讯的智能AI研究目前在国内是顶尖的）；该项分值应该不会太高。

⑤个人征信：

该项是核心，个人的逾期及负债率是决定个人属性的关键，腾讯微众银行在给额度及提额度和放款后隔一段时间都会看你的征信，以确定你的负债率及信用是能符合开通或者提升额度；该项应该有分值，至少分两个档次：通过收支判断负债率是否符合标准；通过借贷情况及征信记录加上大数据库印证个人目前处境是否值得给予额度开通和未来风险。（具体分几档和分值不详）

现在我们明白了腾讯风控大数据库要核心规则，可以自己研究下后针对性的采取策略，通常包装的好的话，三到六个月就可以开通额度，不用下太大成本去做，毕竟通常都是小额贷款，根据经验来分析，分值处于中等偏下的，都会开通额度，主要区别在于开通后的额度大小，不排除随着民间网络小贷的竞争，腾讯放开批量低额度账户，但是未来即使腾讯采取这个策略，想要高额度，依旧离不开本核心。

2蚂蚁借呗

很多有花呗的人不一定有借呗，看着芝麻分600多，700多，一只纳闷，天天用咋还不开通呢，着急用点钱都不行，老马的钱不好拿啊，可是为啥还有人分明从财力，身份，背景，人脉，工作，都不如自己，偏偏就是有花呗，借呗，火大。

实际上借呗跟芝麻分的不是一个风控系统，准确来说应该是芝麻分的数据计算等级低于借呗的风控系统。所以芝麻分只能作为一个借鉴，并不是有很高芝麻分就给开借呗，这点请一定不要搞错了。

根据目前各方面数据显示，阿里系产品已经覆盖：支付宝，网商系统（淘宝，天猫），短租，酒店，公共事业群服务体系，信用卡及短线社交系列产品，大数据交叉收集的能力实际上跟腾讯系的能联合组合成一个较为完美的个人信息数据库，可是两家是对头，在大数据人工智能未来有一战，这是为什么一个非要做自己不熟悉的社交，一个非要做自己并不占优势支付工具的根源。

没有强社交系统背后的数据，很多交叉印证的数据得不到最终确定性的结论，也就无法为一个人的风险全面做评估，单纯的电商数据实际上是偏弱的，可以造假的，只有强社交属性，全方位的交叉印证，才是效果极佳的（抱歉，跑题了）

回归正文:

芝麻分的数据评估分为：信用历史（征信+财务历史），履约能力（财务属性），身份特征（财务属性辅助印证），人脉关系（社交交叉印证）四部分，表面上看跟腾讯的数据评估模型很类似，但只是表面的。

而借呗及高额花呗在芝麻分的基础上做了两个增量数据统计：支付历史及负债率历史，请看清楚，强调的是历史，在我们前期的统计摸查中，不少于10个高负债率的同学都在过去的几年陆续开通了借呗，花呗（含房，车，信用卡，银行贷等），所以这两个数据在多次印证中我们做了更多的统计和触碰实验。

以下是详细：

①信用历史：

一个是个人央行的征信，其次是通过大数据系统收集的个人财务情况：收入流转方向，大数据收集到的负面：黄赌毒及关联此类内容的社交，都是降低分值以及被打上某个阶段有风险标签的，如果财务流转在此方向上，比如：招嫖支付宝支付，赌博平台支付宝支付，大额资金流转对象的属性等，互相交叉印证后会对个人信用历史做分值评估，该分值评估应该有两个数值，第一个是征信数值，第二个应该是浮动数值，用来根据个人资质不断浮动升高或者降低。第一个数值是决定性因素，第二个行为是控制性因素（决定你在关键时刻能不能获得帮助，比如急用钱，确被降低额度或者停封了）

②履约能力：

个人的财务属性，即收入来源与多段性的收入渠道，实际上阿里系在这个数据上能力较弱，只是单凭支付宝，打车，酒店，团购，电商类缺乏更多场景对履约能力的最终评判，因为无法确切获得个人收入情况，只能是利用以上数据相互印证获得个人财力评估，该模型不详，无法侦探，根据风控经验来看，应该是属于多数据收集后的分级评估：消费力高历史多即为财力好，如果触动身份，人脉的相互印证就获得高分；反之低分或者中等评价。该品类是否有身份标签，尚不确定。

③身份特征：

辅助印证数据：从工作，个人电商消费历史，住址等数据，到个人行为历史：人生阶段判断（生育，入职，晋升，创业等）；到个人社交风险判断：个人性格，社交群组属性（倾向于某些群落，比如户外，赌博，色情等）；并不是说这些数据越正面越好，行业经验通常以此类数据来做个人风险评估，即使你是色情狂，只要财力雄厚，商家有钱赚，依旧给你开通对应服务，所以说，没必要伪装自己正面形象，不会加分，道德上的负面（赌博，色情啦）并不会减分（但是应该会打标签，加强持续数据阶段性风险判断）；纯粹的负面（违法等，但是根据目前的阿里系操作风格来判断，这些因素情况下的资金流他们也敢放行，反正算法是他们自己的，数据肯定能收集到，但是做怎样的风险评估以及分值考量，暂时不确定）

④人脉关系：

这个就跟腾讯的人脉关系交叉印证是一样的了，通过对大数据收集，多人物关系交叉印证及多人物财务数据相互交叉做智能分析从而再次印证个人的财务，履约及稳定性的能力。

⑤支付历史：

过往很多人开通了借呗，花呗，是因为早些为抢市场，现在强调大数据风控系统来控制过多放贷风险，所以未来资质不好的人不太好开通，除非精心了解规则养资质，最早使用淘宝的那一波用户应该是八零后为主，他们的支付历史决定了他们的身份属性及稳定性和财务能力，筛选出高消费力辅助社交做精准用户，是目前人工智能的二次目标，包括部分九零后，依靠家庭的后盾也是目标用户，支付历史从目前来评判应该是一个很重要的分值，确定的是个人消费习惯以此做个人身份的辅助判断（老板跟吊丝的消费习惯是有差异的），所以贴合生活的真实消费越多越好，理财买不买都行，不要听忽悠，买几千的理财就能开通，搞笑不是~风控系统关注的是整体数据，而且浮动计算的，绝不是你买几个理财产品就可搞掂的（不买不减分，买了也加不了什么分，不是决定性因素，除非你大额度，长期买或者坚持规律性储蓄模式的购买）。

⑥负债率历史：

在过去的某些阶段的负债率，第一次听到这个说法来源于行业的风控大拿，阿里风控团队据说有从欧美过来的成员，在欧美业界，负债率历史一直是一个很关键的数据，不断浮动评估个人人生阶段的进阶及状况和未来风险（辅助个人性格，社交，财务情况），作为社交短板的阿里，通过负债率历史来弥补这个短板，通过社群内常年使用网贷产品的社员沟通，也印证了这个条目，目前分值不详，负债率历史目前只能通过个人征信，NFCS，同盾，金融协会内部数据库等多平台积累下来的业态数据库来征集。

个人如果开通借呗，高额花呗，可以吸收以上资料，仔细过滤自己的行为及精养自己的资历，通常三个月就可以让大数据风控系统获得一个阶段性的评估分值从而自动开通。

亲们要明白：大数据风控未来是极其厉害的，任何人在大数据风控面前是裸体的，减少使用科技网络产品，有目的的释放信息来包装自己，才是最终的出路，不过智能AI也在不断深度学习进步中，这个技术问题，还稍微有点点远，目前给大众包装自己的时间纵深还有，需要珍惜。

更多金融大数据知识，敬请关注潮钱网