大数据时代下我国消费金融行业的风险控制问题研究

摘 要：近年来我国消费金融行业发展迅猛，参与到消费金融行业内的金融机构或非金融机构主体越来越多，参与的模式和消费场景也越来越多样化。随着行业的蓬勃发展，其面临的风险控制问题日益突出，风险控制技术成为消费金融行业发展的支撑。大数据时代的来临对我国消费金融行业风险控制意义重大，大数据在促进消费金融行业风险控制水平提高的同时，也由于其自身特点对消费金融行业的风险控制造成了隐患，本文在分析了大数据对消费金融行业风险控制的促进作用和造成的隐患之后，对我国消费金融行业构建大数据风控体系提出了建議。

关键词：大数据；消费金融；风险控制

当前，消费已成为我国扩大内需，保证经济增长以及转变经济增长方式的关键所在。金融服务对拉动消费具有促进作用，消费金融应运而生。针对各类消费品消费提供信贷的消费金融，能够满足消费者日益多样化的消费需求从而释放社会消费潜力，更好地发挥消费对经济增长的拉动作用。政策的支持以及需求的拉动使得消费金融行业迎来巨大的发展机遇，而随着互联网企业的进入，“互联网+消费”模式将改变行业格局，带来新的机遇和挑战。互联网给消费金融带来了更大更难控制及预测的风险，也为运用大数据和信息技术管理风险和控制成本提供了可能，消费金融在结合“互联网+”的发展过程中如何进一步加强风险控制显得尤为重要，成为制约我国消费金融行业快速、健康发展的关键。

一、我国消费金融行业的发展现状

1.我国消费金融行业的发展

我国消费金融行业较国外起步晚，截止目前其发展已经历了三个阶段。第一阶段是行业启动阶段，自银监会2010年颁布消费金融行业管理办法批准成立首批四家消费金融公司开始，至2015年6月国务院常务会议决定将消费金融公司的试点项目扩大，在全国范围内成立了15家持牌消费金融公司，启动期的相关政策以鼓励业务发展为主。第二阶段是行业快速发展阶段，2016年3月，李克强总理在政府工作报告中提出，“要在全国范围内开展消费金融公司试点，鼓励金融机构创新消费信贷产品。”在行业创新、政策鼓励的共同作用下，消费金融进入快速增长期，各大电商平台、实体企业、P2P平台等与消费有关的信贷机构陆续进入，消费金融的介入越来越多，中国消费金融行业的商业模式也越来越成熟。第三阶段是行业整顿阶段，在行业的快速发展中，出现了过度的信用、暴力的收集和其他不合规的管理方法，2017年，政府出台了各项资质和业务监管政策，行业进入重组时期。

2.我国消费金融行业的参与主体

经过近几年的发展，越来越多的金融机构或非金融机构参与消费金融行业，参与和消费的模式也越来越多样化，主要包括银行系、消费金融公司系、电商系、产业系、P2P系。

（1）银行系

银行系消费金融公司是指银行为主要出资人成立的消费金融公司，财务实力雄厚，资金成本低，主要关注房地产消费情景，部分银行参与房地产家装消费阶段。可以吸收存款，但需要抵押担保；贷款分期可以持续30年。如中、农、工、建等商业银行。

（2）消费金融公司系

消费金融公司指经中国银监会核准的金融机构，发起机构多为银行、大中垄断性企业，资金实力较雄厚，可以直接放贷，不得吸收存款。其消费场景种类繁多且较综合，包括家电、教育、医疗、家装、旅游等消费场景，产品涉及领域较广；信用贷款，无需担保；消费分期贷款期限多在3到36期。如北银消费金融公司、捷信消费金融、中银消费金融等。

（3）电商系

电商系消费金融是指从主要消费电子商务平台衍生而来的金融产品，直接控制消费场景和终端客户。资金来源多元化，主要集中在中小消费品的分期付款上，初始分期付款金额较低，信用贷款不担保。如京东白条、蚂蚁花呗、百度有钱等。

（4）产业系

产业系消费金融公司的主要出资人都是有实体产业的企业，资金雄厚，这些企业涉足消费金融领域的主要原因在于寻求新的业绩增长点。以提供低息信贷的方式，刺激消费者消费意愿，降低公司及供销商的库存压力，提升营业利润，同时为获取消费者行为数据，分析消费需求，按需定产、产融结合提供途径。如马上消费金融、海尔消费金融、苏宁消费金融、华融消费金融等。

（5）网络分期系

网络分期系消费金融公司是指分期购物平台，消费场景分散，客群和消费场景更细分，通常，业务定位在消费场景中的一些垂直细分区域，以特定的消费场景或特定的消费群体为主要目标。例如，针对特定消费场景的消费金融包括婚嫁、旅游、装修、教育等；针对特定消费群体的互联网消费金融包括大学生和普通蓝领工作者。此类平台资金成本较高，经营风险较高，行业监管困难。

二、我国消费金融行业的风险控制现状

1.银行系消费金融机构的风险控制

商业银行消费金融业务实现了全程在线管理，风险控制模式由传统的线下手工管理向线上线下联合管理模式转变，同时商业银行也在建立自己的大型数据库，丰富用户的数据维度，开展大数据风险控制，逐步提升了风险控制的效率。但目前商业银行系统的数据维度比较单一，在风险控制技术和风险控制模型上还存在不足，对于商业银行部门来说，已经从引入第三方大数据方式开始，丰富自身的风险控制平台数据维度，构建更有效的风险控制模型，提升其消费金融业务风险控制能力。例如，建设银行、光大银行、民生银行等商业银行与第三方大数据风险控制平台进行了合作。

2.消费金融公司系的风险控制

消费金融公司是中国银监会批准的非银行业金融机构，按照不吸收公共存款、小额发放的原则，向国内居民提供消费贷款。作为消费金融公司的发起人，银行、大中型垄断企业的财务实力雄厚，因此多数消费金融公司或者选择开发自有的大数据平台进行风险控制，或者通过与国外消费金融公司和大数据公司合作，引进国外先进的科学管理技术降低风险，都在积极建立大数据的风险控制体系。

3.电商系消费金融机构的风险控制

电商平台覆盖范围广，但用户情况不同，既有稳定的收入信用良好的用户，也有经济收入不稳定，没有央行征信记录的信用较差的用户，用户信用状况的不确定性对电商系消费金融公司开展消费金融业务提出了更高的风险控制要求。

电商系消费金融公司开展消费金融业务具有天然的优势，主要原因是消费场景的无缝对接以及大数据风险控制数据的应用。大数据风险控制的应用体现在经过多年的数据积累后，电子商务平台建立了用户的基本信息、用户浏览足迹及购物偏好、支付与转账信息、线下物理信息等多維度的大数据库。

下文以目前依托大型电商平台的两家企业蚂蚁金服和京东金融为例介绍电商平台基于大数据的风险控制的机制。首先两家公司都有自己成熟的信用评分系统，都基于自身积累的多维数据，通过云计算、人工智能和深度机器学习等技术可以对用户的信用状况进行全方位的综合分析，形成最终的信用评分，如蚂蚁金服的“芝麻信用分”和京东金融的“小白信用分”。其次以信用评分为基础，两家公司都建立起了大数据的风险控制系统，蚂蚁金服以“CTU”为核心的风险控制系统和京东金融的“天网”风险控制系统。

蚂蚁金服控制风险的秘密武器是蚁盾风险大脑，通过AI RAY（监控预警）、AI Decision（识别决策）、AI Insight（分析洞察）和AI Optimize智能优化）四个环节的协同，覆盖风险数据的产生、识别、决策、离线分析、模型优化和实时监控与预警等全链路，构成一套闭环、立体的风控体系。目前蚁盾风险大脑已经对外赋能，它借助蚂蚁金服在大数据、实时流计算、人工智能等领域的技术优势，结合银行合作伙伴的自身数据和业务场景，通过大数据采集、建模、分析与应用等技术手段，利用机器学习为核心的风控技术，从多个维度、多个层次分析客户风险特征，智能风险决策引擎与人工审核校验互补运用，有效控制合作伙伴的潜在业务风险。

京东风控部门打造“天网”系统，经过多年沉淀，“天网”现已全面覆盖京东商城数十个节点，有效支持京东母子公司及京东集团海外收购的风控相关业务，有效保障用户利益和京东的业务流程。“天网”作为京东风险控制的核心工具，建立了一个基于spark的风险控制图计算平台，主要分析维度包括：用户画像、用户社交网络、交易风险行为特征模型。其内部系统包含两个面向业务的交易订单的风险控制系统，爆炸物品的风险控制系统，商家反刷单系统，识别引擎和存储用户风险背后的信用信息和规则（RCS）系统风险信贷中心，专注于开发的用户风险评级体系的风险。

4.产业系消费金融公司风险控制

产业系消费金融公司的主要出资人都是有实体产业的企业，资金雄厚，与持牌消费金融公司相似，产业系消费金融公司不具备大数据的优势，这些企业涉足消费金融领域的主要原因在于寻求新的业绩增长点。因此自行开发自有的大数据平台的并不多见，多通过与国外大数公司合作来进行大数据的风险控制。

5.网络分期系消费金融公司风险控制

网络分期系消费金融公司以央行无征信记录的高信用风险人群为主要服务对象的，如在校大学生、蓝领阶层以及广大农村用户等，采用了“线上大数据风险控制+线下人力监控”的“双引擎”风险控制体系，推出了各自具有创新性的风险控制手段。

综上所述，银行系统、消费金融公司、电子商务系统、工业系统和网络系统的风险控制系统都有各自的优缺点和特点。银行系消费金融机构风险控制的优势是接入了央行的征信体系，但其线上线下相结合的风险控制模式刚刚形成，风险控制效果有待提高；持牌消费金融公司系资金实力较雄厚，或者自行开发或者通过与第三方机构合作，引进先进的大数据技术控制风险；电商系消费金融机构具有场景无缝对接的优势，经过多年的数据积累，具有大数据风险控制体系建设的天然优势；产业系消费金融机构，不具备大数据的优势，自行开发自有大数据平台的并不多见，多通过与第三方机构合作来进行大数据的风险控制；但无论哪类消费金融机构都已认识到大数据的重要性，基于大数据的风险控制技术已成为各消费金融机构进行风险控制的大势所趋。

三、大数据对我国消费金融行业风险控制的影响

1.大数据对我国消费金融行业风险控制的促进作用

（1）大数据的应用为我国消费金融行业风险控制提供数据来源

我国消费金融行业的参与主体众多，服务对象广泛，既有纳入央行征信范围的信用良好的用户，也有未纳入央行征信范围的信用较差或者信用难以评价的用户，大数据技术能采集到用户网购、物流、运营商、电商、银联、央行征信、社交等上万维度的数据，实现对更多传统金融所忽略用户的多维度信用评价，如大学生、蓝领阶层及广大农村等低收入者，为我国消费金融行业风险控制提供数据来源。

（2）大数据的应用为我国消费金融行业风险控制提供技术手段

目前大数据风控模型的研究是行业热点，各大消费金融主体都积极投身大数据风控体系的构建，这是因为大数据技术能够采集、存储、处理和分析海量的用户数据，并运用爬虫技术、Hadoop大数据平台技术和机器学习等算法来构建风险控制模型，更准确的预测用户的违约概率。基于大数据的风险控制模型将更为科学有效，正逐步深入到新兴消费金融机构等风险控制体系中。

2.大数据时代下我国消费金融行业风险控制的隐患

毫无疑问，大数据技术有效地促进了我国消费金融行业风险控制的发展，与此同时由于大数据其自身的特质也给消费金融行业的风险控制带来了不可避免的隐患。

（1）大数据时代下我国消费金融行业的风险加大

传统的信用数据来源较单一，主要都来自金融机构和央行征信系统。大数据技术的数据来源广泛，除上述金融性质的数据以外，用户的信用卡还款、电商、社交、转账记录、社保记录、身份信息等都能够成为大数据征信的数据基础。不同于传统的消费金融行业，公司与用户的沟通几乎是离线的，公司可以直接通过一系列的线下确认机制来确定用户的还款能力，公司与用户的沟通联系几乎在线下进行，公司可以直接通过一系列的线下确认机制来确定用户的还款能力，评估风险。大数据时代消费金融公司的业务开展逐渐从线下转移到线上，线上交易是其主要交易形式，这就使得验证用户身份信息及其还款能力的难度加大，增加了行业的风险。

（2）大数据时代下我国消费金融行业的风险传递的路径倍增

虽然传统消费金融的效率较低，但在大数据时代，其信息的真实性高于消费金融，即使是在发生危机的情况下，它的危机方式也更容易追踪和预防。大数据时代下我国消费金融行业的消费信贷业务多采用“互联网+”的模式，这种模式使其业务信息呈现出网状传递的特性，加快了消费金融业务的运行效率，同时也增加了其风险管理的难度，风险一旦发生，其传播的路径将呈几何数级增长。

由此可见，大数据的应用是一把双刃剑，对我国消费金融行业的风险控制既有促进的作用，也有存在隐患，需要采取科学谨慎的管理措施，扬长避短，充分利用大数据为我国消费金融带来的益处，规避大数据带来的负面影响。

四、大数据风险控制体系的构建

大数据风险控制模式是大势所趋，需要融合用户身份数据、社交数据、互联网行为数据、消费数据、信用数据、履约能力数据，利用机器学习、知识图谱、决策树等大数据技术进行分析处理，难度在于其对数据和技术的要求很高，并不是单一互联网金融机构可以做到的，需要专业、中立的第三方大数据风险控制公司进行长期的业务积累。目前普遍做法是将来自于众多渠道的数据进行整合、清理，再利用大数据挖掘分析技术帮助金融机构筛选出有还款意愿和还款能力的客群，提前识别有欺诈行为或高概率不良的客户，构建层层深入的大数据风险控制系统。

1.全面信用评价。

消费金融机构面临很多无银行征信记录的“次级客户”，如大学生、城市蓝领等，如何对其进行全面信用评价是一个难题，应用大数据风险控制技术数据技术能采集和分析用户网购、物流、运营商、电商、银联、央行征信、社交等上万维度的数据，可以实现对更多传统金融所忽略的用户的多维度信用评价。但是要想融合多方面的数据需要消费金融机构付出多方面的努力，如从2013年阿里巴巴开始入股新浪微博用四年时间买下新浪微博31%接近三分之一的股份，才使得旗下的蚂蚁金服和“蚁盾”风险控制技术拥有了新浪微博这一社交大数据。

2.安全防范

大数据风险控制体系安全风险防范主既包括防止黑客、欺诈团伙攻击等行为发生，也包括識别高风险用户。经大数据的分析发现，在日常各类行为中有不诚信表现的人，其贷款逾期概率会大幅增加。因此，公检法数据、运营商数据、生活缴费记录等的不良信息都可引入作为识别高风险用户的依据。还可以组建机构反欺诈联盟，共享各类金融机构中的不良信贷记录，防范多头共债、骗贷等行为的发生。另外，安全防范还可以通过对IP和设备进行监控，将用户信息与公安系统信息进行比对，通过建立欺诈高风险用户特征识别系统，在客户第一次信贷申请中就识别出高危客户，还可以通过用户身份识别标签、通话记录、邮件往来记录等，构建起用户社交关系网络。

3.便捷的信用评分。

大数据风险控制体系的开发需要很高的技术要求，并非所有消费金融机构都具备条件，对很多自身风险控制能力尚不完善的中小金融机构来说，若想获得更加直观的风险评价依据，依靠第三方的信用评分就是较好的选择。此时就需要像百融评分、芝麻信用分等有能力进行大数据风险控制的企业将自己的风险控制体系以信用评分的形式进行输出，中小金融机构利用信用评分即可做出是否放贷的决策。这种信用评分输出的形式既可以帮助中小金融机构实现风险控制，也可以帮助输出企业扩大业务量、积累更多的数据。

参考文献：

[1]刘洋.互联网消费金[M].北京：北京大学出版社，2016.

[2]赵萍.消费经济学理论溯源[M].北京：社会科学文献出版社，2011.

[3]张韶峰.数字普惠金融下的信贷风险控制系统构建[J].清华金融评论.2017（1）.

[4]严圣阳.我国互联网消费金融风控模式及优化路径[J].现代商业，2017（11）.

[5]郑联盛.中国互联网金融：模式、影响、本质与风险[J].国际经济评论，2014（05）.

[6]刘新海，丁伟.大数据征信应用与启示--以美国互联网金融公司Zest Finance为例[J].清华金融评论，2014（10）.

[7]黄子健，王龑.大数据、互联网金融与信用资本：破解小微企业融资悖论[J].金融经济学研究，2015（01）.

[8]魏强.大数据征信在互联网金融中的应用分析[J].金融经济，2015（08）.

[9]郭锐.T公司大数据风控平台的研究[D].南京大学，2017年.

[10]艾瑞咨询系列研究报告《中国互联网消费金融行业报告2017年》.

作者简介：张燕（1985- ）女，汉族，山西人，会计学硕士，南京旅游职业学院，研究方向：企业财务管理