（重庆工商大学，重庆400060）
摘要：在互联网技术和信息技术的推动下，大数据在金融行业的风控中获得了引人注目的进展，但是在实际运用中其有效性还需进一步提高。当前大数据风控有效性不足既有数据质量的障碍，也有大数据风控的理论性障碍，还有数据保护的制度障碍。消除这些障碍、提高大数据风控的有效性，需要金融企业、金融研究部门和政府监管部门的共同努力。
关键词：互联网金融；大数据；风险控制
一、大数据风控的优势大数据风控即大数据风险控制，是指通过采集大量借款人或借款企业的各项指标进行大数据建模的方法对借款人进行风险控制和风险提示。传统的风险控制，主要是基于央行的征信数据以及银行体系内的生态数据，依靠人工审核完成。传统风控方式的最大缺陷便是无法对那些缺乏历史借贷数据的借款人进行信用风险评估。现如今互联网技术全面普及与发展，社会也在加速发展进步，传统的风控方式已逐渐支撑不了机构的业务扩展，而大数据对多维度、大量数据的智能处理，批量标准化的执行流程，更能满足信息发展时代风控业务的发展要求。在越来越激烈的行业竞争中，大数据风控成为各金融机构取胜的法宝之一。与传统风控相比，大数据风控在很多方面都更具优势：（1）大数据风控时间效率较高，会运用到更多更先进的技术手段，其批量数据清洗能力、聚类分析能力更强、更高效；（2）传统风控需要逐一审查贷款人的各种信息，审核成本较高。同时，大量使用线下审核人员，也面临着体系管理复杂、员工专业技术水平存在差异、道德风险控制难度较大等问题，实际上风控体系的综合成本更高。使用大数据风控节省了更多成本，具有明显的成本优势；（3）大数据风控考虑得更加全面，会考虑一个人更多的维度，会在传统风控的维度基础上考虑客户的行为数据、社交数据等，而传统风控对客户在不同互联网场景中的行为信息了解甚少；（4）大数据风控大多运用在客户量较多的情况下，会更偏向于个人方面和额度较小的风控度量，而传统风控则偏向于企业方面和额度较大的风控度量。
二、我国的互联网信贷的发展情况
随着我国经济社会发展水平的提高，在传统信用卡消费模式外，我国金融机构也在不断尝试相关金融服务产品的创新，针对信用卡消费存在的问题与弊端提供更加符合新阶段我国消费者实际需求的信用消费模式。近年来，随着我国相关制度的完善，我国各商业银行及相关具有经营资质的从业企业逐步将信用消费服务产品的研发重心转向了以互联网信贷为代表的新型服务产品体系上来，并在实践中得到了广大消费者的认可与支持。
1.我国互联网信贷业务快速发展的原因
我国互联网信贷业务发展主要得益于以下几方面原因。首先，互联网信贷业务的发展得益于互联网信息技术实力的增强。互联网信贷是基于互联网信息平台的网络信贷模式，相关业务发展要建立在拥有较为现代化的互联网服务平台的基础之上。近年来，我国互联网信息技术的飞速为互联网信贷的繁荣提供了有利契机，相关商业银行及金融机构能够通过互联网技术更加迅速地收集消费者个人信息，并较为科学全面的分析消费者资信情况及消费倾向，从而为互联网信贷的发展奠定了坚实基础。其次，互联网信贷业务的发展与居民消费观念的深度演变关系密切。随着我国经济社会发展国际化进程的加快，西方国家“超前消费”的个人财富管理理念已对我国居民消费观念产生了越来越深刻的影响，而互联网信贷作为支撑个人“超前消费”的捷径也因此迎来了发展机遇。再次，互联网信贷业务发展是个人信用消费多元化发展的必然结果。与传统信用卡消费等信用消费模式相比，互联网信贷是基于消费者个人实际消费需求而产生的信贷服务项目，因此更能适应当前形势下消费者多元化的信贷及消费需求。例如，在传统信用卡消费模式下，消费者个人所持有信用卡的消费额度实际上就是其贷款额度上限，且持卡人一旦持卡消费就必须根据发卡行规定的还款期按时还款，虽然随着我国信用卡消费服务水平的提升，大多数发卡行开设了分期还款业务，但对消费者而言信用卡的使用及还款仍有诸多不便。而互联网信贷业务的发展有效的弥补了这一不足，消费者各异根据个人意愿有选择的提出信贷额度申请，贷款机构也将根据消费者实际需求在贷款额度、还款方式、还款期限等方面进行个性化设计，因此互联网信贷这一新型信用消费模式得到了大多数消费者的认可。
三、我国互联网金融的风控模式
我国互联网消费金融的兴起，主要是填补了传统银行在消费金融领域服务覆盖面的不足，为以往无法从银行机构获得消费信贷的广大长尾客户服务。长尾客户不同于银行重视的优质客户，人数众多，需求量大但单笔额度却较小，且资产净值较低，消费者分层不易。最为关键的是由于缺乏消费信贷经历，导致征信数据极度缺乏。互联网消费金融的发展，则一定程度上突破了这一瓶颈，利用金融科技、基础大数据和风控模式的创新，为长尾客户群体提供了消费金融服务。目前，互联网消费金融机构的风控模式创新，体现在贷前、贷中、贷后等各个环节。
1.贷前风控
贷前风控是互联网消费金融的关键一环，各互联网消费金融机构的风控措施大都集中在这个环节，其目的主要是搜集、清洗、核实数据的真伪，并通过智能化模型初步识别风险，自动完成资金匹配和对客户的授信。目前来看，各机构进行贷前风控的模式主要两种：线上模式、场景迁延式。
2.贷中风控
相比程序复杂的贷前风控，贷中风控显得简单明了。因为目前的互联网消费金融机构普遍采用了人工智能的方式，在前期风控的基础上，通过构建风控模型，针对客户画像，进行风险定价，审核并发放消费信贷，帮助客户完成支付。虽然计算过程较为复杂，海量数据处理繁琐，但这些工作并不需要过多的人工介入。通常，智能风控模型会从多维度搭建智能风控体系，实现分层决策。首先根据贷前风控体系对客户风险程度的初步识别、资金匹配和授信状况，补充当前交易数据，完成最终风险评估与风险定价，然后对用户实际的资金用途、资金流变动情况、实际消费状况进行监控，最终完成信贷资金发放和支付。
3.贷后风控
贷后风控主要是通过对客户贷后消费行为、资金流的变化、债务余额等、其他消费记录、逾期天数等数据予以监控，设立风险预警模型和指标，开发催收系统。对于未逾期但触发预警系统的用户，进入提前催收阶段；对于逾期用户，采取电话、短信等催收方式及时催缴；对于在平台内尚有账户余额的，触发自动扣款。电商平台开办的消费金融业务具有一定的基础数据搜集优势，贷后风控预警机制容易发挥作用，同时也有触发自动扣款的可能性，但对于恶意欠款者的跨平台交易行为依然缺乏有效手段。场景迁延式消费金融机构则可以通过地推人员和合作店员搜集贷后数据，特别是用户高频消费场景数据对于贷后风控机制发挥作用具有较高价值，但缺点是数据获取成本高昂，催收效果并不确定。
参考文献
[1]RiccardoComposto.3DigitalTrendsDrivingImprovedCustomerExperience.2018，3.
[2]Kaondigital.3DAugmentedRealityScenes-theNextFrontierofARfortheEnterprise.2018，2.
[3]王伟凯.IDC：2020年AR/VR市场营收[J].南方周报，2016,4.
[4]网易态度营销.尼尔森：数字广告投资回报率.2016,3.
[5]中国人民银行.中国金融稳定报告2017
[6]齐越，马红妹.增强现实:特点、关键技术和应用.2004,12.
作者简介：刘国平，身份证号：5002281998****1795，男，重庆梁平人，学历本科，重庆工商大学金融学本科三年级学生，研究方向大数据风控；
邱雄，身份证号：5002341997****2732，男，重庆开州人，学历本科，重庆工商大学金融学本科三年级学生，研究方向金融学。