借钱难吗？看互联网金融如何通过大数据超越银行？(3)

三是数据分析与画像。在数据初筛与分类整理的基础上，机构可以借助数据对客户进行数据画像，什么叫数据画像呢？就是原先客户到底是怎么样的？对于金融机构而言非常难以判断，仅凭客户填写的资料是非常不清晰的，但是通过大量的数据辅助，金融机构就可以根据一条条数据对于要借款的用户进行特征化处理，对用户进行标签化建设，通过标签体系将用户的特征完全描述出来，从而让用户的特征在金融机构面前变得清晰可见，利于下一步的业务推进和风险控制。

四是数据应用。经历了数据收集、数据分类整理、数据分析画像之后，根据大数据可以开始进行正式的数据应用与分析。在互联网金融领域已经完成的大数据应用主要有以下几个方面：

大数据反羊毛：近些年来，由于互联网金融的飞速发展，在网络上形成了一整套针对互联网金融的“薅羊毛”黑色产业链，这些羊毛党们往往手上搜集着几百张甚至上千张电话卡、身份证等关键信息，只要看到有做活动的互联网金融平台就一拥而上，借助平台吸引新用户的优惠，大发横财。针对这个人群，大数据就有了用武之地，通过大数据羊毛防火墙，恒昌会记录每个用户的投放渠道，针对投放的转化率、复投率等指标进行综合分析，再判断用户有没有反复更换数据卡，更换手机来注册用户，从而避免羊毛党对于平台的伤害。

大数据风险控制：通过对于每个人的大数据分析，借助大数据建模构建起了用户身份的关联属性，从而提升了对于风险的防控能力。举例来说，假设某天小A进入恒昌平台注册了账户，在注册的时候填了很多的信息，如银行卡账户、手机号、身份证号、工作信息等等，从而构建了小A的数据画像体系，几天后小B也进入系统之后，再构建了小B的数据画像，通过数据画像的分析发现A与B之间是同事关系，所以就通过同事链将两个人构建起了关系体系。通过这一个个关联体系构建起了借款人之间的人脉关系网，当一个人脉关系网中的人经常违约的话，系统将会自动降低对此关系网中人的信用评级，甚至直接拒绝贷款。

大数据反欺诈：现阶段，金融欺诈事件频发，很重要的原因就是现在一个个银行所存储的账户信息是相互孤立的，难以进行有效地分析，基于大数据分析的反欺诈，应用难点就在于如何把不同来源的结构化或非结构化的数据整合在一起，并构建反欺诈引擎，从而有效地识别出身份造假、团体欺诈、代办包装等欺诈行为。知识图谱作为关系的整合、联通以及表达解析方式，可以很好地解决这些问题。举例来说，系统发现在数据库中经常出现一些比较奇葩的现象，比如说五个用户竟然在系统里面使用同一个邮箱或者电话号码进行账户注册。而建立在海量大数据基础上、便捷添加数据源的知识图谱就可以通过视图的方式直观清晰地显示出各种关系和关联点，从而帮助我们迅速有效地分析和发现这些复杂关系中存在的潜在风险。让金融欺诈的惯用伎俩无处藏身，从而实现大数据的反欺诈。

大数据在互联网金融领域的应用十分广泛，除了我们上面论述的反羊毛、风险控制、反欺诈等领域之外，在互联网金融的失联修复、账款催收、身份识别等等领域,大数据同样发挥着不可替代的作用。

在大数据时代，困扰互联网金融的问题正在被大数据一点点解决掉，如何用好大数据的武器将会成为互联网金融发展的重要核心，相信在大数据的帮助下，互联网金融将会向着更好地方向发展。

作者：财经专栏作家，经济观察员，财经评论员。

作者微信公众号：江瀚视野观察（jianghanview)