一個最暴利的行業(yè)走向滅亡，它就是現金貸。
以前，現金貸的核心是風控與催收，風控的命門是數據?，F在，談之色變。信貸本沒有錯，錯在這個發(fā)展過程中變味了，變得像過街老鼠。信貸行業(yè)如何給自己洗心革面，這需要從信貸風控說起。
風控的本質是數據
支撐風控的大數據市場發(fā)生了變化，這個變化似乎是不可逆的，所謂風雨之后見彩虹。過去很長時間，放貸的場景是這樣子的（這也是美國流入中國的所謂的Fintech模式、零售模式、小貸模式、發(fā)薪貸模式……）：
某放貸機構在新聞瀏覽器投放一支廣告——“……只要身份證就能領取8000元急用金……”，小明因為急用錢點擊進入，注冊領取，這個過程非常簡易，包括注冊、下載APP、填寫信息與綁卡、申請等待、授信通過領款等幾個線上操作。
機構是如何對借款用戶進行風控呢？上一輩人肯定無法理解，因為他們獲得貸款都需要抵押或者擔保。互聯網金融強調零售業(yè)務的效率，這個風控過程被完全搬到了互聯網這個虛擬空間。風控的命門變成了數據，從小明注冊開始，這一系列的動作，都被放貸機構掌握了他的數據。
放貸機構獲得了小明的姓名、身份證、手機號等要素，獲得了手機APP底層的行為數據，獲得了銀行卡信息數據，通過用戶ID信息，風控引擎會自動去第三方數據查詢更多的標簽，比如是否在其他借貸平臺有過借款、有過逾期，是否是信貸黑名單，是否經常瀏覽博彩類網站，填寫的家庭地址是否是一個偽造的地址，甚至是小明的通訊錄和聯系人是否有老賴或者貸款中介……
打一個比喻，一旦申請網貸，借款人相當于被脫光了放在櫥窗里，供人審閱！
缺人文道德的金融科技走不遠
不傻的人都能看明白，這個所謂的“科技賦能”在過去的互聯網信貸模式一定是罪孽的幫兇。心地善良的我們，本應該享受這種快捷的方式借到自己急需的錢，享受科技帶來的普惠，卻變成了被完全監(jiān)控、騷擾。你的信息變成暴利商的無成本交易品，你的手機號被無數次倒賣，你一天可能接到十個營銷電話、二十條營銷短信。這一切都會讓本來安安靜靜的生活變得無序、變得可怕。
金融無奸不商，股市吸血、貸款要命?；ソ疬@些年，因為缺乏完整的監(jiān)管體系，所有的傳統(tǒng)金融都試圖加持所謂金融科技，大張旗鼓。在科技賦能的過程，脫離了社會人文本質，更嚴重的是脫離了道德與倫理。這話并不嚴重，可能是古代的人太笨，不懂得說你脫了拍點裸照就可以得到貸款，這已經是上升到社會道德層面的問題了。
我很想說，缺人文道德的金融科技走不遠，也必須不可以走遠。缺人文道德，我們美麗文明的國度會失去原本的美好，人心惶惶、膽戰(zhàn)心驚，那種生活在新科技時代的不安，會讓我們看身邊所有事物都感覺是一個陷阱。
金融科技要健康，首先解決隱私問題
過去大多數金融科技案件，都因用戶隱私問題引發(fā)。非法采集數據、非法販賣數據的歸因其實還是數據行業(yè)生態(tài)的不完善性，讓一大部分奸商有機可乘。金融科技從業(yè)者都有這樣的感覺，自去年開始，似乎所有的業(yè)務都停滯了。迫于法律法規(guī)的約束與要求，風控變得一數難求。
金融科技是絕對依賴用戶數據的——精準營銷要達到精準，必須使用個人用戶數據，比如一個做信用卡推廣的銀行，如果閉著眼睛去投放信息流或者發(fā)短信，roi如果能達到0．3已是萬幸。一般的渠道都會進行用戶刻畫，比如采購消費標簽等，甚至是運營商的DPI數據（近期是否瀏覽過辦信用卡的頁面），這樣的經驗標簽或者瀏覽日志可能可以讓roi提高到1以上。
風控評分要達到效果，更須依賴于個人用戶數據，比如一個銀行做個人貸款，如果只用央行征信數據，很有可能借款人不在其中，即使在其中但是數據維度單一。高效的方式是采購第三方的信用數據進行評估，比如某嘛分（當然今天已經不直接輸出）、運營商的話費信息、手機設備SDK廠商的APP安裝和使用信息、地圖廠商的LBS位置數據等等，通過多維度的數據進行聯合建模，最終得到借款人的信用評估值。
這些金融業(yè)務本質上不是想“買賣”用戶數據，作為業(yè)務甲乙方本質上只期望得到數據背后的知識和價值。所以，金融科技本沒有錯，錯的是金融科技過程留下的禍根很深。金融科技要正名自己，必須解決科賦能過程中對用戶數據隱私的絕對保護和安全。
數據應用范式必須重構
解決用戶隱私問題，我們曾經熟悉的API調用與建模方式存在著千瘡百孔的漏洞——保險公司去查數據源，保險客戶ID就被緩存、被惡意再營銷、被迫流失；銀行要對信用卡建模，就必須把Y樣本（信用卡逾期表現）給到數據源，或者數據源把標簽庫完整地放到銀行端，用戶數據的大批量遷移出庫往往引起惡劣后果。
風控是支撐金融業(yè)務的核心，要持續(xù)健康地運轉，必須重構數據應用的范式——數據廠商與金融機構用安全計算的方式合作數據，用人工智能保證數據的絕對安全。一個簡單的安全計算（舉例聯邦學習）為例：
Role A表示銀行端，Role B表示數據源，用聯邦學習的方式使用數據進行聯合建模，整個過程數據本身只在本地私域進行計算，過程中交互的是加密的模型參數，最終得到加密的分布式模型。
12下一頁>（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
