你可曾想到，一個手機號，或許能成為判斷信用水平的依據之一。
“我們發現，借款人手機號使用年限越長的，違約率就越低；反之，使用年限越短，比如不到一年，違約率越高。有些新注冊的手機號其實就是用于騙貸的。這是基于大數據運用的一個例子，不是傳統意義上的風控手段。”談及大數據風控的應用，百融云創創始人張韶峰告訴《金融時報》記者。
如今，不僅是手機號，人們的日常衣食住行，消費記錄、信用記錄、出行記錄等，都被一些互聯網企業記錄并可能成為大數據風控的參考因素。有網友戲言，這是在互聯網上“裸奔”的時代。然而，數據就在我們身邊，而且每天都在產生，并對各行業發展產生影響。如何合法、合規采集并使用好數據這一生產要素，如何正視大數據風控的價值與弊端，值得各方關注。
眾多數據資源分散在不同行業、不同機構，形成一個個數據孤島。于是，出現了一些專門挖掘數據潛力，并為金融機構風控提供支撐的公司。《金融時報》記者梳理發現，大數據概念興起于2005年左右，在此之前，基礎技術不夠，思維也未轉換；隨著大數據技術興起以及相關處理能力提升，行業逐漸開拓了思維，2010年左右進入爆發期；2013年以后，大數據基礎技術的使用日趨普遍，很多互聯網企業進入了大數據風控領域。百融云創即是其一。
“我們所做的是讓不同體系中數據的沉睡價值被喚醒，有效解決普惠金融因結構性數據缺乏或不足而風控難度高的問題。”張韶峰說。
張韶峰仍認為，大數據風控是傳統風控的補充。“對于借貸記錄豐富或者有抵制押物的客戶，傳統風控夠用；對于服務信用‘白戶’，擴大普惠金融的覆蓋范圍，大數據風控發揮了積極作用。”
“大數據風控與傳統風控二者不能分開，傳統風控需要借助大數據等技術手段進行提升，跟傳統風控相比，大數據風控增加了更多的數據維度。”中央財經大學教授黃震告訴《金融時報》記者。
在神州信息首席風控專家辛園看來，信息時代、數字經濟的發展帶來了大量和多維度的數據，金融機構基于對各種數據的分析建模，能夠利用數據挖掘技術來預測客戶的違約概率和還款能力。
實踐中，云服務器租用，除了金融機構之外，掌握大數據風控技術的公司大致分為兩類，一類是一些大數據或科技公司，它們尋求與金融機構合作，通過技術輸出達到共贏；另一類互聯網企業，主要依靠其商業生態來獲客和收集信息，并依靠其對電商平臺和客戶信用評分的獨特控制力來管控風險。
簡單而言，大數據風控大體流程是借款用戶申請，然后進入反欺詐識別，再和第三方數據源以及自己掌握的數據進行比對，給出信用評級，再授信。那么，大數據風控是否會顛覆傳統風險管控體系？
黃震認為，流程基本上各家企業都差不多，但實際風控水平和效果得具體分析。“大數據風控主要是商業機構在做，最終或許會轉嫁到借款人身上，從而增加借款成本；而有些互聯網企業將其商業生態中的交易、行為和社交數據等用于信貸決策，這些是否可靠有效也有待檢驗。”
近日，就有一則利用大數據風控“薅信用貸羊毛”的案例。據媒體報道，眉山市公安局查處了一個上百人的騙貸團伙，該團伙利用為一些從未有過貸款記錄的“白戶”繳納公積金，并用公積金繳納記錄，通過線上渠道向全國多家銀行申請貸款約10億元。
當地警方介紹，公積金的繳存記錄，只要推送給銀行后，有的銀行就會直接認定，有公積金的借款人擁有穩定工作和收入符合貸款條件，就能獲得額度不低的信用貸款，App線上申請，幾分鐘就可以到賬。
專家表示，當前的數據資源條件與技術實現能力可能會制約大數據風控的效果。比如，現實中數據缺失、不全、不準的情況較為嚴重，一些數據真實性也難以核實，建模與調參也是一個長期復雜的過程，且需要根據環境不斷修正。從邏輯上說，大數據風控也包含著一些意外的風險，包括難以預測統計規則以外的事件，發生問題時人工難以修復；還有“復貸”“騙貸”等事件發生；在極端經濟環境下，大數據風控體系可能會失靈。
針對大數據風控的利與弊，辛園認為：“利端體現在提高了審批的效率和有效性，部分客群沒有人行征信數據和數據不足，大數據風控較好地解決和滿足了這類客群的借貸需求。弊端則體現在，一是批量系統風險，經驗不足或經濟下滑周期，數據更新不及時，易導致批量客戶違約風險；二是個人隱私獲取和泄露風險，大數據風控采集了用戶的信息數據，易導致隱私安全問題。”
