闪银：消费时代的数据“征途”.docVIP

闪银：消费时代的数据“征途” 　　依托技术用大数据消除信息不对称，提供更快、更精准的信用决策服务，这家“小而美”的互联网征信公司正在快速生长。 　　2015的金融科技百强榜单FinTech100上，众安保险、陆金所、Wecash闪银等7家中国企业上榜。而在上一年的金融科技榜单上，仅有Wecash闪银一家企业上榜，这家并不出名的公司成为中国唯一一家连续两年入选该榜单的企业。 　　北大物理系毕业的支正春相信“技术能够改变人们的生活”。他认为，物理重在探究一种整体配置是否有效，金融是跨时间、空间的交换，最终都会达到一种平衡，而这种平衡就推动着世界的发展，这与物理中的世界高度吻合。创立Wecash闪银可以算是支正春摸索如何能达到最优整体配置和商业平衡的实践。 　　当前，由央行主导的征信中心仍会是金融借贷场景中的核心机构，而大型数据拥有者结合其技术、资金与场景优势，将有望跻身行业主流。波士顿咨询公司（BCG）发布的《中国个人征信行业报告》认为，个人征信市场即将爆发，“小而美”的细分领域冠军也将生长。虽然缺乏自有的广泛数据基础，资金实力也相对有限，他们或依靠独特的数据资源和专业的分析技术退守产业链上游，或依靠深入的特定行业专长提供更具针对性的场景决策支持等增值服务在细分市场中精耕细作。Wecash闪银可以说是这个“小而美”的代表。 　　2013年被称为“互联网金融元年”。那一年，就有800多家P2P平台涌入互联网金融大潮。支正春认为，P2P服务的群体有限，他想服务更广泛的群体，并且在行业蜂拥网贷的时候，敏感的看到了另一个还未被重视的机会领地。2013年10月，Wecash闪银成立，借由技术手段开启互联网征信的“征途”。 　　数据生意 　　目前的信用数据主要来自央行征信体系，在8亿与身份证相关的信息中，3亿有信用记录，记录比较健全的只有1.8亿。而中国有超过7亿的网民，其中5.85亿是手机网民，也就是说至少有4亿网民没有健全的信用记录，但他们通过移动互联网产生了大量消费数据、社交数据、LBS数据，也有着不可忽略的征信价值，只是因为难以与商业银行的数据形成联动，无法纳入央行的征信体系。 　　根据BCG中国个人金融市场模型预测，尽管中国宏观经济增速将变缓，但未来5年个人信贷余额仍将以年均复合增长率14%左右的速度拓展至约55万亿元，为个人征信市场创造巨大发展空间。 　　闪银CEO支正春想做的是，在互联网海量信息中，通过技术提炼出有价值的信用数据，实现快速精准的信用评估；随后通过评估结果，撮合个人用户和金融机构快速完成交易，从而服务这4亿的“信用白丁”。 　　闪银依托数据挖掘分析和机器学习技术，对申请者提交的信息进行识别，并结合个人社交行为及海量互联网信息，对个人信用进行评估。其中用户授权数据包括个人的教育信息、金融信息、社交数据、运营商数据、电商数据等，网络标记数据包括通过搜索引擎挖掘的用户网上敏感信息，法律信息等。另外加上合作机构的信息，多达40多项7000余个数据点，经过数据部门的梳理清洗后，1000个数据维度进入到模型来甄别用户的信用情况。基于强大的数据点基础，3分钟即可完成评估并得到信用额度，这个额度可以用来提现、分期消费。 　　“用户能看到他可以借到多少钱，以及有哪些金融机构愿意借钱给他。”支正春说，“我们会筛选出利率最低、额度最高、贷款手续最简单的合作机构给到用户。”如果用户选择提现，闪银会将评估数据传给相应的合作机构，最快10分钟可以拿到贷款。 　　据支正春介绍，他们的评估模型也称为3R模型，第一个R是Rules，通过制定规则处理不同的客户。比如，客户平时在网上关注赌博、彩票，老做套现，信用卡买卖等行为，都会被闪银“贴上”信用不好的标签。第二个R是Rank，根据性别、年龄、区域、行业、社交密度、社交信息、兴趣点、工作类型、教育背景等对不同的客户进行排名，不同参数不一样的人他的排序也不同。第三个R是Regression，“当我们要对一百万的客户做分析的时候，一定100万客户都做，会先挑出10万个客户形成一个池子，通过他们的信用反馈重新调整我们的模型。”支正春直言，“因为我们也会错，错了以后只要有机器能学会什么样的客户数不该做，这就形成了宝贵的经验。 　　沃顿商学院教授埃里克?布菜德劳（Eric Bradlow）曾经表示：“社交数据是一个很有价值的额外数据源，对某个人的信用行为具有很强的预测性。当一个人的资料非常稀少时，这样的数据尤具价值。”基于闪银的模型上应用效果来看，社交数据贡献度占到20%。 　　走出去 　　消费金融的热潮和移动互联网时代的到来，让征信应用更加的场景化。闪银信用评估的应用场景已经拓展到包括资金借贷、汽车租赁、房屋出租、信用求职以及社交等领域，合作伙伴覆盖P2P、保险、银行、消