互联网金融风控模型，需要多大的数据？

正文

请到「今天看啥」查看全文

。比如，法律，旅游，水电，社保，娱乐，消费 …… 等等维度的增加，也体现了大数据的“大”。

在互联网金融领域现阶段，分析这些数据产生个人信用的评分，和 P2P 公司实际业务所需要的评分模型，还有一定差距。

单纯基于大数据的模型

效用有限

互联网金融的风险控制模型经常用到评分卡，例如：个人信用等级评分卡。然而要做评分卡，要计算相应的违约率，首先应该 根据业务，定义目标变量，即输出变量 ：什么样的客户算好客户，什么样的客户是坏客户。根据这个目标变量，我们再选择相关的其它变量来考察各输入变量对输出变量的贡献。

目前，很多企业在做单纯基于大数据的评分模型， 并没有把违约与否的情况和网上的行为数据拼接起来 ，貌似有了一个评分，那也不过是按照自己的理解，对网上行为做了一个初步的整理，从模型的角度，已经有了偏差，即模型偏差。所以在应用上，要做到对风险进行准确定价， 实用价值有限 。

然而我并不是说所有的主要基于大数据的模型都不能用，我们要分开来看这个问题， 对于像淘宝，京东等形成自己的业务闭环的商业模式中，尽可以使用各种方法对自己业务中产生大数据进行分析，因为他们的目标变量和所谓大数据变量是可以拼接到一起的。 但是对于 P2P 机构来说，由于并不是所有的贷款申请人都有淘宝账户，京东账户，所以这里的所谓大数据，大数据模型要落地还是比较困难的。

回归到互联网金融领域，对于申请人，如果拉一个央行的征信报告，那还算方便，其实征信报告的数据也比较规范，只不过是维度增加了；如果要拼接在网上的行为，各方面难度就比较大了。

同时由于 ” 大数据 ” 的收集，整理，存储，预处理，分析等的投入都比较大，所以我在这里说，有个所谓的费效比的 8/2 效应。即对大数据分析投入的精力与其产出实际效应的比例约为8：2。由此可见，单纯基于大数据构建的互联网金融风控模型意义是有限的。

如果为P2P公司构建风控模型的工作中，使用的大多数是脱敏数据（不包含姓名等个人信息），这就使与大数据拼接十分困难。 目前大数据对于互联网金融领域的贡献，我们认为主要在 反欺诈领域 ， 我们为P2P公司风险控制设计的反欺诈模型就利用了很多互联网的数据源。

请到「今天看啥」查看全文