大数据风控的现状及优化对策

在当前社会发展中，大数据随处可见，不管是科技、医疗，还是经济、教育等，都有着大数据的身影。早在20世纪，人们就已经意识到大数据对社会未来发展的影响，并且在2013年，将大数据的发展提升至一个新的高度。对于金融而言，其核心内容就是对风险的控制，将风控和大数据进行联系，对其风控体系内容不断优化，这对于互联网金融的发展有着非常重要的影响。

1 大数据风控的相关概述

对于大数据风控而言，在应用过程中，其金融企业已经利用大数据风控取得一定的效果。比如，阿里就以大数据为基础推出芝麻信用，这一体系就是通过对用户网络交易行为的分析，然后对用户的信用进行有效评估，通过这一方法就能够很好地帮助用户明确自身所能够承受的金额，为用户提供准确的金融服务[1]。又比如，腾讯就曾推广微粒贷产品，这一产品的核心就在于通过大数据和央行的征信进行结合，对用户社交圈、交易和行为等多个方面进行评估，利用大量的数据来建立模型，进而快速地了解到用户的信用风险。

当前，我国的大数据风控理论研究依然处于初级阶段，虽然在现实生活中已经有所实践，但是自身的有效性还有待研究。比如，以大数据风控为基础的P2P平台就常常出现各种问题。对于P2P平台而言，因为并不涉及线下操作，所以只有保证大数据风控的有效性，才能让其顺利发展，如果在这其中大数据风控有效性存在问题，就会导致P2P平台交易出现问题，严重地影响到平台的正常运行。

2 大数据风控的现状分析

2.1 现状

从大数据相关理念和技术应用的角度来讲，金融行业已经逐步开始使用大数据进行风险控制。在国际上，美国ZestFinance公司构建了一套十分先进的分析模型，由该模型对信贷客户的相关信息进行分析，进而建立了相应的行为测量指标。这些指标对公司更好评估信贷人信用风险有重要作用，随着相关技术的不断成熟，该分析模型能够在5秒之内完成大批量信息的分析。另外，Kabbage公司针对主要的电商用户平台，对其信用记录、客户流量、商品价格以及货物流动信息等进行采集和分析，将相关电商平台划分为不同的风险等级，进而进行针对性地信贷服务策略，进一步控制风险。在国内市场，阿里推出了面向全社会名为“芝麻信用”的信用服务体系，依托阿里旗下淘宝、支付宝平台对用户网络交易及消费行为数据的分析，设定相应的信用评分。该评分反映的是用户的还款能力以及还款意愿，阿里芝麻信用平台再根据该评分为用户提供相应的信贷、经济服务。另外，腾讯旗下的“微粒贷”则是通过对央行信用大数据以及用户社交大数据进行分析，建立五位一体的综合评级体系，快速识别用户信用风险。

2.2 问题

相关人员通过对大数据风控有效性进行研究发现，当前个人数据征信问题，无法在这其中保证其数据的真实，而且也受到相应制度的影响，很容易在其中出现坏账问题[2]。还有一些研究人员认为，大数据风控是没有效果的，总之，当前大数据风控有效性不足的原因主要有以下几方面。

(1)数据质量问题。当前大数据风控的有效性存在一定的问题，其主要原因就是因为数据不够准确，而数据中又包含社交和交易两个方面。第一，社交方面的数据能够从我国某些行为中看出，在收集借款人的社交数据过程中，其真实性较差，最终的数据根本无法使用，而且很多的大型企业所收集到借款人的数据其错误率在50%以上，这样就无法保证数据的准确。第二，交易方面的数据。当前，从我国网络购物的角度上就能够看出，存在着很多的刷单行为，这样就导致其交易数据不真实。对于刷单有两种方法，一种是商家来寻找消费者进行刷单，在这其中双方的信息并不一致。另一种是快递公司发空包，并不配送，只是帮助商家完成网上的物流信息更新。

(2)大数据风控理论有效性问题。第一，金融信用和社会信用之间没有明确关系[3]。当前的大数据大多都来源于互联网，而人们在这其中所表现出来的内容并不能够保证真实。不同人们在不同场合下的表现各不相同，特别是在当前线上和线下分裂状态下，其行为往往不能和现实统一。比如，一些人在线下不喜欢与人交流，但是却喜欢在网上发表自己的言论。再比如，一些美食博主实际上线下社交圈十分薄弱，仅仅是喜爱美食，通过线上平台发表美食制作视频而获得了更多关注。所以，网络并不能真实地体现一个人的具体情况，这样也说明网络数据很难与现实数据相同。第二，大数据对于一些事件并不能够第一时间体现。在人们的生活中总会出现一些不能够预测的事情，这些事情一旦出现就会影响大数据的走向，进而导致大数据的有效性不能够得以保证。从一定程度上来看，大数据风控无法得以预测，但是这些事件的出现，对于社会的发展有着非常大的影响。例如，在2008年，美国社会就曾出现过一次策略性违约行为，其主要内容是贷款人自身具备偿还贷款的能力，但是却在房价低于贷款数额的时候购买房子，进而通过这样的方法来获取利益。虽然这类人员其信用上有着一定的记录，但是并不能够对这类人员有过多的影响，而大数据对于此类行为并不能准确地判断和明确。

(3)大数据收集和使用制度问题。在收集和使用大数据过程中，也面临着合法使用的问题，如果能够有效地利用其大数据，不仅是技术方面，更是社会方面，这些没有得以保护的数据流入到社会中，就会对用户自身信息安全造成影响，严重的甚至会影响国家的发展[4]。而且在收集和使用数据过程中，也没有争取数据主体自身的同意，这样就导致数据的泄漏。近年来，数据的泄漏问题经常发生，因为个人信息泄漏而导致损失的事件也经常出现，这样就严重影响大数据风控的有效性。

3 大数据风控的基本原则

3.1 多元性原则

随着社会经济的进一步发展，各大互联网平台乃至其他领域的社会企业越来越重视大数据的挖掘和应用，大数据已经渗透到多个行业。就大数据风险控制的角度来讲，无论是大数据信息的挖掘，还是使用机制，都应坚持多元性原则。具体来讲，就是要从多渠道获取数据，并根据实际需求将数据类型进行细化，便于相关单位从大数据中挖掘更多的价值。

3.2 长效性和持续性原则

从时代发展的趋势来讲，大数据将会成为未来经济与社会发展的主要内容。任何平台、单位建立大数据分析和风控体系，都应秉承长效性和持续性的原则。长效性是指大数据体系应能够满足未来行业及社会发展的需求，无论是数据来源、分析模式，都要充分保证数据有效性。持续性是指相关平台能够持续获取有用的数据信息，并从中挖掘有价值的内容，这种数据价值的持续性至关重要，可有效降低后期体系改造产生的额外成本，同时避免信息价值浪费。

3.3 安全性原则

安全性是指大数据信息自身的安全，涉及相关平台的资产安全、用户隐私安全、国家信息安全。在互联网时代，信息数据已成为各个平台重要的资产，同时也是社会民众重要的隐私。而计算机病毒、不法黑客是大数据风控体系中潜藏的威胁。一旦企业、用户数据泄露或遭到窃取，就容易产生严重的后果。所以，在大数据风控体系构建以及应用的过程中，要从技术、工作、管理等多个角度，做好数据安全防护，提高大数据防泄漏、防窃取能力。

4 大数据风控的优化对策

虽然在运用大数据风控过程中还存在着很多的问题，但是这并不能从侧面说明其大数据风控无效果。因为对于数据的分析与应用还处于初级阶段，需要在不断解决问题中有效提高大数据风控效果，而解决问题需要各方的努力才能实现，包括企业、政府和金融部门的研究。

4.1 政府部门的策略

对于政府部门而言，要能在这其中积极地完善相应的法律制度，必须采取以下策略。

第一，通过建设相应的法律制度，进而来对其数据进行保护。我国对于数据保护方面的相应制度常见于我国各类法律中，但是在这其中多数都是对个人隐私的保护，并没有专门针对数据保护的法律，这样就导致其数据的保护存在一定的问题，无法有效地落实相应的保护制度，也不能应用准确的数据保护机制，这样就使数据收集和运用受到阻碍[5]。所以，就应该针对这一情况及时地出台相应政策，针对数据来制定法律内容，在完善对个人信息保护基础上，出台个人信息保护法，明确各角色，比如商家、法人等相应信息的边界，以及自身使用信息的范围。相关研究人员认为，应该构建数据保护方面的法律。在2014年我国颁布相应的制度，其中就明确个人信息保护的具体范围。第二，随着数据越来越重要，未来有可能将其列入企业资产负债表中，让其和劳动力、土地等具有等同价值，越来越多的研究人员已经开始明确数据的角色，将数据作为个人财产。2014年，某学者就曾说明自己的观点，认为对于个人的信息而言就是个人财产的一部分，如果没有经过个人同意，不应该随意使用。所以，政府应该及时制定相应的会计制度，进而有效地明确其数据价值。

4.2 企业方面的策略

对于企业而言，应该为其构建多样化的基础数据。

第一，应该先从多个角度来收集数据，进而让数据之间能够有很好地联系。通过构建多渠道、多元化的数据体系，结合多领域、多平台合作，建立一套适用于整个行业乃至全社会的大数据体系，避免出现数据孤岛。比如，美国征信系统的完善就是因为相关部门对于大数据资源的深入分析[6]。我国当前大数据风控系统还不够完善，没有实现相关企业的互相联系，很多大型互联网企业也没有分享彼此的数据。所以，应该让金融企业在这其中能够建立互通制度，打破原有数据的独立性，进而从多个角度来收集数据，实现数据的有效应用。第二，如果想要更好地获取相应数据，就应该从交易的环节入手，要保证其交易的稳定。一方面，通过当前社会的不断努力，社会中的供应链已经有一套完整的体系，所以就应该在这其中保证数据质量，这样才能为金融企业发展提供相应帮助；另一方面，这些数据对于企业的评价具有可靠性，金融企业在这过程中就应以此为基础，结合自身的实际情况，来制定完整的数据信用评价体系。第三，应该合理布置物联网。当前的物联网其覆盖范围较广，而且从整体上来看，互联网只不过是物联网的一部分，在这样的情况下，就应该保证及时获取交易环节的数据，最主要的是生产和使用两个环节的数据[7]。所以，金融企业在此过程中就应该对其物联网进行合理布置，进而更好地获取全方面的数据。比如，企业在运行过程中，就可以收集客户的喜好，这是大数据风控中非常重要的内容。

4.3 金融部门的策略

对于金融部门而言，在构建大数据风控模型过程中，大多都是以技术的角度来进行研究。但是，从经济和金融的角度来看，还有很多欠缺的部分，其不同的经济研究内容所能够产生的结果各不相同[8]。所以，应该从经济、金融等方面来对大数据风控的有效性进行研究。比如，大数据风控应该如何按照经济发展的规律来进行，如何从统计方面来明确未来的发展方向等。

5 结语

总之，通过大数据风控能够推动金融企业的向前发展，但是在这其中应该明确大数据并非万能，只能够帮助人们解决一些问题，通过对相应信息的整合，进而来规范人们的行为，但是依然需要及时解决在这其中所存在的问题。金融企业、政府和相关部门也应该积极地采取相应对策，让其大数据风控能够更好地发挥自身的作用，努力保证其数据的准确，为我国社会的稳定发展提供相应帮助。