'互聯網貸款大數據風控能做到什麼程度？'
互聯網貸款（無論是P2P網貸、助貸、還是消費金融公司等）不同於傳統金融機構，在風控方面基本上是以大數據為主，通過多方面蒐集借款人信息，全面的描繪借款人畫像，從而儘可能地減少因信息不對稱導致的風險。那網貸平臺蒐集的大數據都包括哪些呢？這些數據又能反映出借款人哪些行為特質呢？
互聯網貸款（無論是P2P網貸、助貸、還是消費金融公司等）不同於傳統金融機構，在風控方面基本上是以大數據為主，通過多方面蒐集借款人信息，全面的描繪借款人畫像，從而儘可能地減少因信息不對稱導致的風險。那網貸平臺蒐集的大數據都包括哪些呢？這些數據又能反映出借款人哪些行為特質呢？
一、金融相關大數據
此類大數據包括借款人央行徵信報告、百行徵信信息、多頭借貸數據、網絡金融徵信系統（NFCS）數據、信用卡數據等。有一些大數據需要借款人同意之後才能獲取，比如說央行徵信報告，需要借款人自主查詢之後反饋或者提供相應的查詢信息，由平臺查詢獲取。而有一些是通過借款人在申請借款時提交的名字、手機號、身份證號等信息就可以同步查詢到的，比如說網絡金融徵信系統信息，是由上海資信有限公司（以下簡稱“上海資信”）建設的全國首個網貸領域的個人信用信息共享平臺，於2013年6月28日上線運行。目前，已經簽約接入的金融/類金融機構包括：網貸機構、小額貸款公司、消費金融公司、融資租賃公司、商業保理公司等。如果借款人之前有過網絡借款的行為，並且相關平臺也已經接入NFCS系統，那麼其借款的金額、期限、償還情況等信息都可以獲取到。通過多方面獲取借款人的金融數據可以在一定程度上了解借款人目前的負債情況及還款壓力。
二、個人行為數據信息
此類大數據就包含了借款人各種各樣的行為數據，比如說手機運營商信息、手機APP安裝信息、公積金繳存信息、法院執行信息、網絡負面信息、微信賬單、芝麻信用等。我們就簡單舉幾個例子來解釋這些大數據信息經過分析之後，能反映出借款人的哪些行為信息。
手機運營商信息，並不像我們以為的只是獲取通訊記錄那麼簡單。通過大數據分析、比對，可以瞭解借款手機號是否為實名認證手機號而非臨時小號；借款人所填寫的緊急聯繫人是否為實名認證的手機號，通過通話時長和次數來判定是否真的聯繫緊密，而非隨意糊弄填寫；通過對過往通訊記錄瞭解該手機號有無經常被敏感電話“打擾”，比如說110、法院、銀行催收等；通過其電話定位瞭解借款人的活動範圍等等。將以上數據反應出來的信息和借款人表述的情況做對比，借款是否存在說謊和隱瞞，一下子就清晰了。當然，手機號使用的時間越長，反應出來的信息越全面。
手機APP安裝信息，當一個人有借款需求的時候他會幹什麼？他會尋找多個途徑借款！所以，這個人大概率事件會下載多個相關APP申請借款！正所謂，廣泛撒網，重點捕撈！那麼，通過獲取該借款人手機APP安裝信息可以一定程度上了解他的借款迫切程度。
公積金繳存信息，正常情況下我們都知道公積金繳存基數是跟你的工資掛鉤的，所以在一定程度上，公積金繳存的越多，你的工資也越高，這可以是判定借款人收入水平的標準。另外，公積金連續繳存的年限、繳存的主體也可以反映借款人的工作穩定程度。
微信賬單，以前我們出門帶錢，後來我們帶卡，再到現在，隨著電子支付的發展，我們出門只帶手機，隨時隨地微信、支付寶付款。所以微信賬單記錄了你的消費習慣和水平，有利於網貸平臺側面瞭解借款人。
三、中小微企業大數據信息
如果是“純”的中小微企業其實大數據的來源非常少。你就想，平常在街面上看到的各種小公司，哪有什麼的大數據？!但是有一部分中小微企業是有的！比如說電商平臺、菸草企業、物流網點等。據瞭解，現在有一部分網貸平臺的資產端都比較傾向於這些可以獲取數據的中小微企業。以電商平臺為例，可以參考店鋪的評價、店鋪後臺的運營流水、資金流水等數據做風控依據。
互聯網貸款（無論是P2P網貸、助貸、還是消費金融公司等）不同於傳統金融機構，在風控方面基本上是以大數據為主，通過多方面蒐集借款人信息，全面的描繪借款人畫像，從而儘可能地減少因信息不對稱導致的風險。那網貸平臺蒐集的大數據都包括哪些呢？這些數據又能反映出借款人哪些行為特質呢？
一、金融相關大數據
此類大數據包括借款人央行徵信報告、百行徵信信息、多頭借貸數據、網絡金融徵信系統（NFCS）數據、信用卡數據等。有一些大數據需要借款人同意之後才能獲取，比如說央行徵信報告，需要借款人自主查詢之後反饋或者提供相應的查詢信息，由平臺查詢獲取。而有一些是通過借款人在申請借款時提交的名字、手機號、身份證號等信息就可以同步查詢到的，比如說網絡金融徵信系統信息，是由上海資信有限公司（以下簡稱“上海資信”）建設的全國首個網貸領域的個人信用信息共享平臺，於2013年6月28日上線運行。目前，已經簽約接入的金融/類金融機構包括：網貸機構、小額貸款公司、消費金融公司、融資租賃公司、商業保理公司等。如果借款人之前有過網絡借款的行為，並且相關平臺也已經接入NFCS系統，那麼其借款的金額、期限、償還情況等信息都可以獲取到。通過多方面獲取借款人的金融數據可以在一定程度上了解借款人目前的負債情況及還款壓力。
二、個人行為數據信息
此類大數據就包含了借款人各種各樣的行為數據，比如說手機運營商信息、手機APP安裝信息、公積金繳存信息、法院執行信息、網絡負面信息、微信賬單、芝麻信用等。我們就簡單舉幾個例子來解釋這些大數據信息經過分析之後，能反映出借款人的哪些行為信息。
手機運營商信息，並不像我們以為的只是獲取通訊記錄那麼簡單。通過大數據分析、比對，可以瞭解借款手機號是否為實名認證手機號而非臨時小號；借款人所填寫的緊急聯繫人是否為實名認證的手機號，通過通話時長和次數來判定是否真的聯繫緊密，而非隨意糊弄填寫；通過對過往通訊記錄瞭解該手機號有無經常被敏感電話“打擾”，比如說110、法院、銀行催收等；通過其電話定位瞭解借款人的活動範圍等等。將以上數據反應出來的信息和借款人表述的情況做對比，借款是否存在說謊和隱瞞，一下子就清晰了。當然，手機號使用的時間越長，反應出來的信息越全面。
手機APP安裝信息，當一個人有借款需求的時候他會幹什麼？他會尋找多個途徑借款！所以，這個人大概率事件會下載多個相關APP申請借款！正所謂，廣泛撒網，重點捕撈！那麼，通過獲取該借款人手機APP安裝信息可以一定程度上了解他的借款迫切程度。
公積金繳存信息，正常情況下我們都知道公積金繳存基數是跟你的工資掛鉤的，所以在一定程度上，公積金繳存的越多，你的工資也越高，這可以是判定借款人收入水平的標準。另外，公積金連續繳存的年限、繳存的主體也可以反映借款人的工作穩定程度。
微信賬單，以前我們出門帶錢，後來我們帶卡，再到現在，隨著電子支付的發展，我們出門只帶手機，隨時隨地微信、支付寶付款。所以微信賬單記錄了你的消費習慣和水平，有利於網貸平臺側面瞭解借款人。
三、中小微企業大數據信息
如果是“純”的中小微企業其實大數據的來源非常少。你就想，平常在街面上看到的各種小公司，哪有什麼的大數據？!但是有一部分中小微企業是有的！比如說電商平臺、菸草企業、物流網點等。據瞭解，現在有一部分網貸平臺的資產端都比較傾向於這些可以獲取數據的中小微企業。以電商平臺為例，可以參考店鋪的評價、店鋪後臺的運營流水、資金流水等數據做風控依據。
當然以上我們所說的基本上都是貸前審核過程中的大數據蒐集來源，除此之外，對於有實力的網貸平臺會在此基礎上搭建自己的大數據模型，常見的有反欺詐模型、評分模型等，進而篩選出具有還款能力和還款意願的借款人。更為重要的是，可以對已經完成借款的借款人進行貸中的跟進和數據監測，如果發現借款人數據出現異常，及時進行修復並聯系借款人瞭解情況，將風險處理環節前置，而非非要等到借款人發生實質性的逾期行為再進行處理和催收。
獲取借款人大數據信息合法麼？
我們需要明白的是，第一借款人通過互聯網進行純信用借款是存在信息不對稱風險的，我們目前沒有完善的徵信記錄去降低這種風險，所以大數據才會被相關企業應用。第二借款人需要去證明他有還款能力和還款意願才能獲得平臺和出借人的認可，才有可能獲得借款，那麼“付出”大數據信息就是一種有效的證明。第三大部分大數據信息的獲取都需要取得借款人的同意、授權之後才能獲取到。
互聯網貸款（無論是P2P網貸、助貸、還是消費金融公司等）不同於傳統金融機構，在風控方面基本上是以大數據為主，通過多方面蒐集借款人信息，全面的描繪借款人畫像，從而儘可能地減少因信息不對稱導致的風險。那網貸平臺蒐集的大數據都包括哪些呢？這些數據又能反映出借款人哪些行為特質呢？
一、金融相關大數據
此類大數據包括借款人央行徵信報告、百行徵信信息、多頭借貸數據、網絡金融徵信系統（NFCS）數據、信用卡數據等。有一些大數據需要借款人同意之後才能獲取，比如說央行徵信報告，需要借款人自主查詢之後反饋或者提供相應的查詢信息，由平臺查詢獲取。而有一些是通過借款人在申請借款時提交的名字、手機號、身份證號等信息就可以同步查詢到的，比如說網絡金融徵信系統信息，是由上海資信有限公司（以下簡稱“上海資信”）建設的全國首個網貸領域的個人信用信息共享平臺，於2013年6月28日上線運行。目前，已經簽約接入的金融/類金融機構包括：網貸機構、小額貸款公司、消費金融公司、融資租賃公司、商業保理公司等。如果借款人之前有過網絡借款的行為，並且相關平臺也已經接入NFCS系統，那麼其借款的金額、期限、償還情況等信息都可以獲取到。通過多方面獲取借款人的金融數據可以在一定程度上了解借款人目前的負債情況及還款壓力。
二、個人行為數據信息
此類大數據就包含了借款人各種各樣的行為數據，比如說手機運營商信息、手機APP安裝信息、公積金繳存信息、法院執行信息、網絡負面信息、微信賬單、芝麻信用等。我們就簡單舉幾個例子來解釋這些大數據信息經過分析之後，能反映出借款人的哪些行為信息。
手機運營商信息，並不像我們以為的只是獲取通訊記錄那麼簡單。通過大數據分析、比對，可以瞭解借款手機號是否為實名認證手機號而非臨時小號；借款人所填寫的緊急聯繫人是否為實名認證的手機號，通過通話時長和次數來判定是否真的聯繫緊密，而非隨意糊弄填寫；通過對過往通訊記錄瞭解該手機號有無經常被敏感電話“打擾”，比如說110、法院、銀行催收等；通過其電話定位瞭解借款人的活動範圍等等。將以上數據反應出來的信息和借款人表述的情況做對比，借款是否存在說謊和隱瞞，一下子就清晰了。當然，手機號使用的時間越長，反應出來的信息越全面。
手機APP安裝信息，當一個人有借款需求的時候他會幹什麼？他會尋找多個途徑借款！所以，這個人大概率事件會下載多個相關APP申請借款！正所謂，廣泛撒網，重點捕撈！那麼，通過獲取該借款人手機APP安裝信息可以一定程度上了解他的借款迫切程度。
公積金繳存信息，正常情況下我們都知道公積金繳存基數是跟你的工資掛鉤的，所以在一定程度上，公積金繳存的越多，你的工資也越高，這可以是判定借款人收入水平的標準。另外，公積金連續繳存的年限、繳存的主體也可以反映借款人的工作穩定程度。
微信賬單，以前我們出門帶錢，後來我們帶卡，再到現在，隨著電子支付的發展，我們出門只帶手機，隨時隨地微信、支付寶付款。所以微信賬單記錄了你的消費習慣和水平，有利於網貸平臺側面瞭解借款人。
三、中小微企業大數據信息
如果是“純”的中小微企業其實大數據的來源非常少。你就想，平常在街面上看到的各種小公司，哪有什麼的大數據？!但是有一部分中小微企業是有的！比如說電商平臺、菸草企業、物流網點等。據瞭解，現在有一部分網貸平臺的資產端都比較傾向於這些可以獲取數據的中小微企業。以電商平臺為例，可以參考店鋪的評價、店鋪後臺的運營流水、資金流水等數據做風控依據。
當然以上我們所說的基本上都是貸前審核過程中的大數據蒐集來源，除此之外，對於有實力的網貸平臺會在此基礎上搭建自己的大數據模型，常見的有反欺詐模型、評分模型等，進而篩選出具有還款能力和還款意願的借款人。更為重要的是，可以對已經完成借款的借款人進行貸中的跟進和數據監測，如果發現借款人數據出現異常，及時進行修復並聯系借款人瞭解情況，將風險處理環節前置，而非非要等到借款人發生實質性的逾期行為再進行處理和催收。
獲取借款人大數據信息合法麼？
我們需要明白的是，第一借款人通過互聯網進行純信用借款是存在信息不對稱風險的，我們目前沒有完善的徵信記錄去降低這種風險，所以大數據才會被相關企業應用。第二借款人需要去證明他有還款能力和還款意願才能獲得平臺和出借人的認可，才有可能獲得借款，那麼“付出”大數據信息就是一種有效的證明。第三大部分大數據信息的獲取都需要取得借款人的同意、授權之後才能獲取到。
寫在最後
我們的生活因為互聯網越來越便捷、越來越高效，衣食住行統統可以通過互聯網搞定。但與此同時，我們所有的數據都因此被一一記錄。隨著這些數據積累得越來越多，我們也在不知不覺中被“描繪”得越來越具象。你原本以為通過互聯網可以輕而易舉的“詐騙”，誰也不知道你是誰？你是什麼樣的人？殊不知這種信息不對稱的風險因為大數據的應用而被越來越降低。所以，有人說，互聯網時代的我們其實是在裸奔真的一點也不誇張！但是趨勢不可逆，我們已回不到“線下”生活，唯有別再忽視自己的一言一行，珍惜自己良好的徵信方為上策。