大数据精准营销降低获客成本?业内:说实话打击一片,说假话害人

qinzhiqiang 07-17 5:10 1,236次浏览

网贷之家小编根据舆情频道的相关数据,精心整理的关于《大数据精准营销降低获客成本?业内:说实话打击一片,说假话害人》的相关文章10篇,希望对您的投资理财能有帮助。

“2014年,拍拍贷完成一次成功放款,获客成本在五十元以下,而现在基本都是在100元左右,获客成本上升的非常快”,某信贷机构负责人眼神里充满了焦虑。

不断上升的获客成本,令信贷机构更加看重营销效费比,于是将目光投向到大数据营销。但是在“需求”当中,大数据营销却陷入迷局。

渠道垄断,价格上升,品牌投放到达千万

“2008年,我刚到宜信的时候,资产非常好找,而且质量非常优质”,某平台风控负责人A姐回忆起互金早期获客的黄金时代,“不用做太多推广,坏账又低,宜信业务发展非常快”。

但美好已逝,随着平台体量壮大,借款人争夺逐渐白热化。目前平台从贷款超市获客的成本在一百左右,像五万的大额借款,成本都在500+。

而省呗等平台为了控制成本,也会将不匹配的流量进行转卖,不过,在从业者看来,“转卖的用户很多都是多头借贷,高价,但用户质量不高”。

其实,目前获客的主流都来自互联网公司,“获客渠道集中在互联网厂商手中,应用市场、腾讯系、阿里系、百度系基本占了80%的流量”,卷积云相关负责人表示,“招联就是依靠支付宝入口支撑起来的”。

除了按CPA、CPS计费的效果类投放,品牌类投放逐渐成为平台争夺市场的新手法。“卡牛铺了很多渠道后,投放朋友圈,效果非常好”,卷积云负责人回忆道,“品牌类与效果类有联动,好的品牌投放能够引爆效果类投放”。

品牌类广告并非异军突起,互金企业曾在2015年出掀起一波品牌投放的小高潮,后因监管,品牌类营销跌入沉沦。随着监管态度开放,品牌类营销“死灰复燃”,信贷平台逐渐将其作为营销重点,其营销费用已超数千万。据相关人事透露,2017年,捷越联合品牌投放预算高达三千万。

倒卖风控数据,大数据营销身陷迷局

“如果要盈利,只能依靠高息和复投,高息并不能让平台持续经营”,互金分析师Z先生表示,“已有平台开始通过大数据做精准投放,来降低获客成本”。

大数据营销用于资产端获客,其实并不新鲜。早在2000年,益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司。而在2005年,现FICO中国总裁陈建,在其《信用评分技术与应用》一书中,曾详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型,帮助银行获取、维护信用卡用户。

将用户数据输入市场营销模型,得出评分结果,预判人群对产品接受的概率,如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等,对圈定的用户精准投放,降低投放成本。

美好的业务,总是叫人蠢蠢欲动。因此,国内数据公司、风控服务商开始加入“战局”,纷纷推出大数据营销服务,帮助平台获取借款人。“有了大数据,信贷平台投放将更加精准,给目标人群在相应的时间展示广告”,对于新武器,某周边服务商充满自信。

但对于大数据获客,部分信贷机构并不买账精准数据营销,认为噱头远大于实际效用。

在采访过程中,某位信贷公司负责人坦言,“说实话打击一片,说假话害人。”

“我们资产端的获客方式还是比较传统,主要是APP、应用市场、互联网广告”,某信贷机构战略总监言语间透露出对大数据获客的不信任,“大数据营销感觉特别不靠谱,模型怎么做?数据哪里来?这些都说不清楚”。

其实大数据营销获客遭受信贷机构质疑,并非无病呻吟。“很多风控服务商将信贷平台借款人的数据,卖给另一家平台做营销获客”,某行业从业者向清流消费金融表示,“之前百融金服倒卖风控数据,赚两份钱,目前它大数据营销业务也已经停了”。

百融仅是大数据营销迷途中的一个缩影,将信贷平台风控数据卖给其他信贷平台,是营销服务商普遍做法。数据变现快,但这已让大数据营销与信贷平台渐行渐远。

“2014年,拍拍贷完成一次成功放款,获客成本在五十元以下,而现在基本都是在100元左右,获客成本上升的非常快”,某信贷机构负责人眼神里充满了焦虑。

不断上升的获客成本,令信贷机构更加看重营销效费比,于是将目光投向到大数据营销。但是在“需求”当中,大数据营销却陷入迷局。

渠道垄断,价格上升,品牌投放到达千万

“2008年,我刚到宜信的时候,资产非常好找,而且质量非常优质”,某平台风控负责人A姐回忆起互金早期获客的黄金时代,“不用做太多推广,坏账又低,宜信业务发展非常快”。

但美好已逝,随着平台体量壮大,借款人争夺逐渐白热化。目前平台从贷款超市获客的成本在一百左右,像五万的大额借款,成本都在500+。

而省呗等平台为了控制成本,也会将不匹配的流量进行转卖,不过,在从业者看来,“转卖的用户很多都是多头借贷,高价,但用户质量不高”。

其实,目前获客的主流都来自互联网公司,“获客渠道集中在互联网厂商手中,应用市场、腾讯系、阿里系、百度系基本占了80%的流量”,卷积云相关负责人表示,“招联就是依靠支付宝入口支撑起来的”。

除了按CPA、CPS计费的效果类投放,品牌类投放逐渐成为平台争夺市场的新手法。“卡牛铺了很多渠道后,投放朋友圈,效果非常好”,卷积云负责人回忆道,“品牌类与效果类有联动,好的品牌投放能够引爆效果类投放”。

品牌类广告并非异军突起,互金企业曾在2015年出掀起一波品牌投放的小高潮,后因监管,品牌类营销跌入沉沦。随着监管态度开放,品牌类营销“死灰复燃”,信贷平台逐渐将其作为营销重点,其营销费用已超数千万。据相关人事透露,2017年,捷越联合品牌投放预算高达三千万。

倒卖风控数据,大数据营销身陷迷局

“如果要盈利,只能依靠高息和复投,高息并不能让平台持续经营”,互金分析师Z先生表示,“已有平台开始通过大数据做精准投放,来降低获客成本”。

大数据营销用于资产端获客,其实并不新鲜。早在2000年,益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司。而在2005年,现FICO中国总裁陈建,在其《信用评分技术与应用》一书中,曾详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型,帮助银行获取、维护信用卡用户。

将用户数据输入市场营销模型,得出评分结果,预判人群对产品接受的概率,如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等,对圈定的用户精准投放,降低投放成本。

美好的业务,总是叫人蠢蠢欲动。因此,国内数据公司、风控服务商开始加入“战局”,纷纷推出大数据营销服务,帮助平台获取借款人。“有了大数据,信贷平台投放将更加精准,给目标人群在相应的时间展示广告”,对于新武器,某周边服务商充满自信。

但对于大数据获客,部分信贷机构并不买账,认为噱头远大于实际效用。

在采访过程中,某位信贷公司负责人坦言,“说实话打击一片,说假话害人。”

“我们资产端的获客方式还是比较传统,主要是APP、应用市场、互联网广告”,某信贷机构战略总监言语间透露出对大数据获客的不信任,“大数据营销感觉特别不靠谱,模型怎么做?数据哪里来?这些都说不清楚”。

其实大数据营销获客遭受信贷机构质疑,并非无病呻吟。“很多风控服务商将信贷平台借款人的数据,卖给另一家平台做营销获客”,某行业从业者向清流消费金融表示,“之前百融金服倒卖风控数据,赚两份钱,目前它大数据营销业务也已经停了”。

百融仅是大数据营销迷途中的一个缩影,将信贷平台风控数据卖给其他信贷平台,是营销服务商普遍做法。数据变现快,但这已让大数据营销与信贷平台渐行渐远。

“2014年,拍拍贷完成一次成功放款,获客成本在五十元以下,而现在基本都是在100元左右,获客成本上升的非常快”,某信贷机构负责人眼神里充满了焦虑。

不断上升的获客成本,令信贷机构更加看重营销效费比,于是将目光投向到大数据营销。但是在“需求”当中,大数据营销却陷入迷局。

渠道垄断,价格上升,品牌投放到达千万

“2008年,我刚到宜信的时候,资产非常好找,而且质量非常优质”,某平台风控负责人A姐回忆起互金早期获客的黄金时代,“不用做太多推广,坏账又低,宜信业务发展非常快”。

但美好已逝,随着平台体量壮大,借款人争夺逐渐白热化。目前平台从贷款超市获客的成本在一百左右,像五万的大额借款,成本都在500+。

而省呗等平台为了控制成本,也会将不匹配的流量进行转卖,不过,在从业者看来,“转卖的用户很多都是多头借贷,高价,但用户质量不高”。

其实,目前获客的主流都来自互联网公司,“获客渠道集中在互联网厂商手中,应用市场、腾讯系、阿里系、百度系基本占了80%的流量”,卷积云相关负责人表示,“招联就是依靠支付宝入口支撑起来的”。

除了按CPA、CPS计费的效果类投放,品牌类投放逐渐成为平台争夺市场的新手法。“卡牛铺了很多渠道后,投放朋友圈,效果非常好”,卷积云负责人回忆道,“品牌类与效果类有联动,好的品牌投放能够引爆效果类投放”。

品牌类广告并非异军突起,互金企业曾在2015年出掀起一波品牌投放的小高潮,后因监管,品牌类营销跌入沉沦。随着监管态度开放,品牌类营销“死灰复燃”,信贷平台逐渐将其作为营销重点,其营销费用已超数千万。据相关人事透露,2017年,捷越联合品牌投放预算高达三千万。

倒卖风控数据,大数据营销身陷迷局

“如果要盈利,只能依靠高息和复投,高息并不能让平台持续经营”,互金分析师Z先生表示,“已有平台开始通过大数据做精准投放,来降低获客成本”。

大数据营销用于资产端获客,其实并不新鲜。早在2000年,益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司。而在2005年,现FICO中国总裁陈建,在其《信用评分技术与应用》一书中,曾详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型,帮助银行获取、维护信用卡用户。

将用户数据输入市场营销模型,得出评分结果,预判人群对产品接受的概率,如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等,对圈定的用户精准投放,降低投放成本。

美好的业务,总是叫人蠢蠢欲动。因此,国内数据公司、风控服务商开始加入“战局”,纷纷推出大数据营销服务,帮助平台获取借款人。“有了大数据,信贷平台投放将更加精准,给目标人群在相应的时间展示广告”,对于新武器,某周边服务商充满自信。

但对于大数据获客,部分信贷机构并不买账,认为噱头远大于实际效用。

在采访过程中,某位信贷公司负责人坦言,“说实话打击一片,说假话害人。”

“我们资产端的获客方式还是比较传统,主要是APP、应用市场、互联网广告”,某信贷机构战略总监言语间透露出对大数据获客的不信任,“大数据营销感觉特别不靠谱,模型怎么做?数据哪里来?这些都说不清楚”。

其实大数据营销获客遭受信贷机构质疑,并非无病呻吟。“很多风控服务商将信贷平台借款人的数据,卖给另一家平台做营销获客”,某行业从业者向清流消费金融表示,“之前百融金服倒卖风控数据,赚两份钱,目前它大数据营销业务也已经停了”。

百融仅是大数据营销迷途中的一个缩影,将信贷平台风控数据卖给其他信贷平台,是营销服务商普遍做法。数据变现快,但这已让大数据营销与信贷平台渐行渐远。

初期6个人,启动资金百万,一个现金贷创业就开始了…

“我们经手的项目中,有些金融机构是为了追捧概念而做大数据,并没有考虑实际中要解决的问题”在某金融业分享会上,一位咨询公司合伙人无奈的耸耸肩,“大数据仅是一种解决问题的工具,它不是万能的”。

在金融本该最谨慎、最保守的风控领域,“得大数据者得天下”的论调同样颇有市场,大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落,FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类,随着借款客户下沉、体验感增强……面对变化,传统风控已经产生不适感:成本高、效率低、速度慢、维度单一……大数据风控破壳而出。

“像消费这种小额贷款,传统信贷员一天最多审核五十单,而大数据风控全程自动化,不受人力所累,审批数量无上限”在与IPC、信贷工厂等技术对比时,高效、人工低参与度是大数据风控留下的第一印象。据了解,目前马上消费金融、凡普金科等平台,其风控自动化水平已经达到80%,贷前的防欺诈、信用评估环节,已实现100%模型决策。

“风控流程中留给人工的部分已经很少了,更多的是基础、辅助工作,像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时,需要人工对用户信息重新审核”马上消费高级数据决策总监李届悦说。目前,李届悦手下数据团队约为50人,负责数据清洗、模型迭代等工作,共同支撑约400亿交易量。

“IPC依靠人工经验,要信审员一个一个去查,更适合大额度的对公业务”,91征信CEO薛本川表示:“国内很多信贷机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同,以FICO为代表的评分卡模型,占领高净值人群市场,但由于国内缺乏征信土壤,FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身,已是公开的秘密。“FICO评分模型精确度确实比较高,但看中还款记录,维度相对单一,无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说。

2016年,FICO中国区副总裁王世今,曾多次公开表示,“针对中国互联网金融市场情况,FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露,“FICO总部曾考虑出售FICO中国,一家类信贷金融集团考虑接手,后来因为一些原因,没有交易下去”。

传统机构自我革新,大数据风控全产业链渗透

精准数据营销_微信精准数字营销_精准数据营销优势

大数据风控是将多维度、海量数据输入模型,由机器自动判别借款资信状况,随着对机器学习算法的不断优化迭代,模型精准度将会越来越高。“通过测试对比,大数据风控在部分领域,尤其是小额信贷方面,确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示,一贯保守、正统印象的中诚信也在加码大数据。

在美国,益博睿CEOBrian Cassin曾对大数据持观望态度,认为大数据并不成熟,但数据人员编制出卖了其意图。益博睿2015年财务报告显示:目前已有数据科学家400余人。

“大数据风控核心在于模型本身,尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量,用于交叉检验,好比一个人说谎,他需要不断地编织谎言来去圆第一个谎,当信息足够大时,谎言就很容易被识别出来。

获取海量数据成为机构的重点,多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据,没有垃圾数据,所有的数据都是有用的,关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分,也在向风控全产业链衍生,如营销获客、贷后催收等,富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验:“我们会制作催收模型,预判违约者受压程度,能够电话催收的,直接由在菲律宾的电催中心打电话,降低催收成本。”目前大数据风控服务、征信公司、数据公司,如百融金服、诚安聚立等,也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点,其实并不轻松

“热点都是被蹭的”,大数据风控被金融平台强上。国内某家互金平台,宣称其依靠大数据来做风控,但是其风控负责人A姐向清流消费金融透露,“我们公司是由线下起家,主要还是靠人审,跟大数据什么的毫不沾边”据了解,该平台风控部门约130人,目前还在扩招。

“大家都在宣传大数据风控,已经成为互金平台获取投资人信任的一种手段,但究竟多大的数据才算是大数据”,看着众人哄捧的大数据风控,有着将近两年互金行业分析师经验的Z先生,眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据,但忽视了数据的价值”,某咨询公司合伙人指出,“你倒是想把地球上所有数据都装起起来,但是数据是有成本的,关键是要解决什么问题,而不能盲目”。

据了解,大数据风控成本为数据获取、风控模型搭建、IT系统,风控模型搭建、IT系统为固定成本,后期迭代、维护费用相对较少,而数据获取则是增量支出,目前信贷平台数据成本范围较大,根据客户资质不同,几块到一百多块钱不等。

“数据本身是资源垄断性的,但随着征信逐步健全,数据未来将没有壁垒,数据将是脱敏,且能够公开交易买卖的”吴宇建对诚安聚立的定位,并没有放在数据本身,而是算法模型。感受到行业乱象的并非吴宇建一人,凡普金科相关负责人也对清流消费金融表示:“大数据征信的基础是数据结构化处理,只有经过结构化处理的风控模型,才能在机器中越跑越准,但目前很多机构都没有这道工序”。

除此之外,许多传统金融机构也在求变,“部分机构找我们做项目,但在项目之初根本没有想好我要通过大数据来解决什么问题,只因领导一句话,领导说要大数据那就要大数据”,某咨询公司合伙人说。

热捧之下,定有泡沫,待到破裂之时,“真用功”还是“假作作”,便能一眼看穿。

“我们经手的项目中,有些金融机构是为了追捧概念而做大数据,并没有考虑实际中要解决的问题”在某金融业分享会上,一位咨询公司合伙人无奈的耸耸肩,“大数据仅是一种解决问题的工具,它不是万能的”。

在金融本该最谨慎、最保守的风控领域,“得大数据者得天下”的论调同样颇有市场,大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落,FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类,随着借款客户下沉、体验感增强……面对变化,传统风控已经产生不适感:成本高、效率低、速度慢、维度单一……大数据风控破壳而出。

“像消费这种小额贷款,传统信贷员一天最多审核五十单,而大数据风控全程自动化,不受人力所累,审批数量无上限”在与IPC、信贷工厂等技术对比时,高效、人工低参与度是大数据风控留下的第一印象。据了解,目前马上消费金融、凡普金科等平台,其风控自动化水平已经达到80%,贷前的防欺诈、信用评估环节,已实现100%模型决策。

“风控流程中留给人工的部分已经很少了,更多的是基础、辅助工作,像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时,需要人工对用户信息重新审核”,马上消费高级数据决策总监李届悦说。目前,李届悦手下数据团队约为50人,负责数据清洗、模型迭代等工作,共同支撑约400亿交易量。

“IPC依靠人工经验,要信审员一个一个去查,更适合大额度的对公业务”,91征信CEO薛本川表示:“国内很多信贷机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同,以FICO为代表的评分卡模型,占领高净值人群市场,但由于国内缺乏征信土壤,FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身,已是公开的秘密。“FICO评分模型精确度确实比较高,但看中还款记录,维度相对单一,无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说。

2016年,FICO中国区副总裁王世今,曾多次公开表示,“针对中国互联网金融市场情况,FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露,“FICO总部曾考虑出售FICO中国,一家类信贷金融集团考虑接手,后来因为一些原因,没有交易下去”。

传统机构自我革新,大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型,由机器自动判别借款资信状况,随着对机器学习算法的不断优化迭代,模型精准度将会越来越高。“通过测试对比,大数据风控在部分领域,尤其是小额信贷方面,确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示,一贯保守、正统印象的中诚信也在加码大数据。

在美国,益博睿CEOBrian Cassin曾对大数据持观望态度,认为大数据并不成熟,但数据人员编制出卖了其意图。益博睿2015年财务报告显示:目前已有数据科学家400余人。

“大数据风控核心在于模型本身,尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量,用于交叉检验,好比一个人说谎,他需要不断地编织谎言来去圆第一个谎,当信息足够大时,谎言就很容易被识别出来。

获取海量数据成为机构的重点,多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据,没有垃圾数据,所有的数据都是有用的,关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分,也在向风控全产业链衍生,如营销获客、贷后催收等,富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验:“我们会制作催收模型,预判违约者受压程度,能够电话催收的,直接由在菲律宾的电催中心打电话,降低催收成本。”目前大数据风控服务、征信公司、数据公司,如百融金服、诚安聚立等,也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点,其实并不轻松

“热点都是被蹭的”,大数据风控被金融平台强上。国内某家互金平台,宣称其依靠大数据来做风控,但是其风控负责人A姐向清流消费金融透露,“我们公司是由线下起家,主要还是靠人审,跟大数据什么的毫不沾边”据了解,该平台风控部门约130人,目前还在扩招。

“大家都在宣传大数据风控,已经成为互金平台获取投资人信任的一种手段,但究竟多大的数据才算是大数据”,看着众人哄捧的大数据风控,有着将近两年互金行业分析师经验的Z先生,眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据,但忽视了数据的价值”,某咨询公司合伙人指出,“你倒是想把地球上所有数据都装起起来,但是数据是有成本的,关键是要解决什么问题,而不能盲目”。

据了解,大数据风控成本为数据获取、风控模型搭建、IT系统,风控模型搭建、IT系统为固定成本,后期迭代、维护费用相对较少,而数据获取则是增量支出,目前信贷平台数据成本范围较大,根据客户资质不同,几块到一百多块钱不等。

“数据本身是资源垄断性的,但随着征信逐步健全,数据未来将没有壁垒,数据将是脱敏,且能够公开交易买卖的”吴宇建对诚安聚立的定位,并没有放在数据本身,而是算法模型。感受到行业乱象的并非吴宇建一人,凡普金科相关负责人也对清流消费金融表示:“大数据征信的基础是数据结构化处理,只有经过结构化处理的风控模型,才能在机器中越跑越准,但目前很多机构都没有这道工序”。

除此之外,许多传统金融机构也在求变,“部分机构找我们做项目,但在项目之初根本没有想好我要通过大数据来解决什么问题,只因领导一句话,领导说要大数据那就要大数据”,某咨询公司合伙人说。

微信精准数字营销_精准数据营销优势_精准数据营销

热捧之下,定有泡沫,待到破裂之时,“真用功”还是“假作作”,便能一眼看穿。

“我们经手的项目中,有些金融机构是为了追捧概念而做大数据,并没有考虑实际中要解决的问题”在某金融业分享会上,一位咨询公司合伙人无奈的耸耸肩,“大数据仅是一种解决问题的工具,它不是万能的”。

在金融本该最谨慎、最保守的风控领域,“得大数据者得天下”的论调同样颇有市场,大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落,FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类,随着借款客户下沉、体验感增强……面对变化,传统风控已经产生不适感:成本高、效率低、速度慢、维度单一……大数据风控破壳而出。

“像消费这种小额贷款,传统信贷员一天最多审核五十单,而大数据风控全程自动化,不受人力所累,审批数量无上限”在与IPC、信贷工厂等技术对比时,高效、人工低参与度是大数据风控留下的第一印象。

“风控流程中留给人工的部分已经很少了,更多的是基础、辅助工作,像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时,需要人工对用户信息重新审核”马上消费高级数据决策总监李届悦说。目前,李届悦手下数据团队约为50人,负责数据清洗、模型迭代等工作,共同支撑约400亿交易量。

“IPC依靠人工经验,要信审员一个一个去查,更适合大额度的对公业务”,91征信CEO薛本川表示:“国内很多信贷机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同,以FICO为代表的评分卡模型,占领高净值人群市场,但由于国内缺乏征信土壤,FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身,已是公开的秘密。“FICO评分模型精确度确实比较高,但看中还款记录,维度相对单一,无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说。

2016年,FICO中国区副总裁王世今,曾多次公开表示,“针对中国互联网金融市场情况,FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露,“FICO总部曾考虑出售FICO中国,一家类信贷金融集团考虑接手,后来因为一些原因,没有交易下去”。

传统机构自我革新,大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型,由机器自动判别借款资信状况,随着对机器学习算法的不断优化迭代,模型精准度将会越来越高。“通过测试对比,大数据风控在部分领域,尤其是小额信贷方面,确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示,一贯保守、正统印象的中诚信也在加码大数据。

在美国,益博睿CEOBrian Cassin曾对大数据持观望态度,认为大数据并不成熟,但数据人员编制出卖了其意图。益博睿2015年财务报告显示:目前已有数据科学家400余人。

“大数据风控核心在于模型本身,尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量,用于交叉检验,好比一个人说谎,他需要不断地编织谎言来去圆第一个谎,当信息足够大时,谎言就很容易被识别出来。

获取海量数据成为机构的重点,多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据,没有垃圾数据,所有的数据都是有用的,关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分,也在向风控全产业链衍生,如营销获客、贷后催收等,富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验:“我们会制作催收模型,预判违约者受压程度,能够电话催收的,直接由在菲律宾的电催中心打电话,降低催收成本。”目前大数据风控服务、征信公司、数据公司,如百融金服、诚安聚立等,也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点,其实并不轻松

“热点都是被蹭的”,大数据风控被金融平台强上。国内某家互金平台,宣称其依靠大数据来做风控,但是其风控负责人A姐向清流消费金融透露,“我们公司是由线下起家,主要还是靠人审,跟大数据什么的毫不沾边”据了解,该平台风控部门约130人,目前还在扩招。

“大家都在宣传大数据风控,已经成为互金平台获取投资人信任的一种手段,但究竟多大的数据才算是大数据”,看着众人哄捧的大数据风控,有着将近两年互金行业分析师经验的Z先生,眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据,但忽视了数据的价值”,某咨询公司合伙人指出,“你倒是想把地球上所有数据都装起起来,但是数据是有成本的,关键是要解决什么问题,而不能盲目”。

据了解,大数据风控成本为数据获取、风控模型搭建、IT系统,风控模型搭建、IT系统为固定成本,后期迭代、维护费用相对较少,而数据获取则是增量支出,目前信贷平台数据成本范围较大,根据客户资质不同,几块到一百多块钱不等。

“数据本身是资源垄断性的,但随着征信逐步健全,数据未来将没有壁垒,数据将是脱敏,且能够公开交易买卖的”吴宇建对诚安聚立的定位,并没有放在数据本身,而是算法模型。感受到行业乱象的并非吴宇建一人,凡普金科相关负责人也对清流消费金融表示:“大数据征信的基础是数据结构化处理,只有经过结构化处理的风控模型,才能在机器中越跑越准,但目前很多机构都没有这道工序”。

除此之外,许多传统金融机构也在求变,“部分机构找我们做项目,但在项目之初根本没有想好我要通过大数据来解决什么问题,只因领导一句话,领导说要大数据那就要大数据”,某咨询公司合伙人说。

热捧之下,定有泡沫,待到破裂之时,“真用功”还是“假作作”,便能一眼看穿。

来源:清流消费金融

“我们经手的项目中,有些金融机构是为了追捧概念而做大数据,并没有考虑实际中要解决的问题”在某金融业分享会上,一位咨询公司合伙人无奈的耸耸肩,“大数据仅是一种解决问题的工具,它不是万能的”。

在金融本该最谨慎、最保守的风控领域,“得大数据者得天下”的论调同样颇有市场,大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落,FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类,随着借款客户下沉、体验感增强……面对变化,传统风控已经产生不适感:成本高、效率低、速度慢、维度单一……大数据风控破壳而出。

“像消费这种小额贷款,传统信贷员一天最多审核五十单,而大数据风控全程自动化,不受人力所累,审批数量无上限”在与IPC、信贷工厂等技术对比时,高效、人工低参与度是大数据风控留下的第一印象。据了解,目前马上消费金融、凡普金科等平台,其风控自动化水平已经达到80%,贷前的防欺诈、信用评估环节,已实现100%模型决策。

“风控流程中留给人工的部分已经很少了,更多的是基础、辅助工作,像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时,需要人工对用户信息重新审核”马上消费高级数据决策总监李届悦说。目前,李届悦手下数据团队约为50人,负责数据清洗、模型迭代等工作,共同支撑约400亿交易量。

“IPC依靠人工经验,要信审员一个一个去查,更适合大额度的对公业务”,91征信CEO薛本川表示:“国内很多信贷机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同,以FICO为代表的评分卡模型,占领高净值人群市场,但由于国内缺乏征信土壤,FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身,已是公开的秘密。“FICO评分模型精确度确实比较高,但看中还款记录,维度相对单一,无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说。

2016年精准数据营销,FICO中国区副总裁王世今,曾多次公开表示,“针对中国互联网金融市场情况,FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露,“FICO总部曾考虑出售FICO中国,一家类信贷金融集团考虑接手,后来因为一些原因,没有交易下去”。

传统机构自我革新,大数据风控全产业链渗透

微信精准数字营销_精准数据营销_精准数据营销优势

大数据风控是将多维度、海量数据输入模型,由机器自动判别借款资信状况,随着对机器学习算法的不断优化迭代,模型精准度将会越来越高。“通过测试对比,大数据风控在部分领域,尤其是小额信贷方面,确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示,一贯保守、正统印象的中诚信也在加码大数据。

在美国,益博睿CEOBrian Cassin曾对大数据持观望态度,认为大数据并不成熟,但数据人员编制出卖了其意图。益博睿2015年财务报告显示:目前已有数据科学家400余人。

“大数据风控核心在于模型本身,尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量,用于交叉检验,好比一个人说谎,他需要不断地编织谎言来去圆第一个谎,当信息足够大时,谎言就很容易被识别出来。

获取海量数据成为机构的重点,多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据,没有垃圾数据,所有的数据都是有用的,关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分,也在向风控全产业链衍生,如营销获客、贷后催收等,富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验:“我们会制作催收模型,预判违约者受压程度,能够电话催收的,直接由在菲律宾的电催中心打电话,降低催收成本。”目前大数据风控服务、征信公司、数据公司,如百融金服、诚安聚立等,也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点,其实并不轻松

“热点都是被蹭的”,大数据风控被金融平台强上。国内某家互金平台,宣称其依靠大数据来做风控,但是其风控负责人A姐向清流消费金融透露,“我们公司是由线下起家,主要还是靠人审,跟大数据什么的毫不沾边”据了解,该平台风控部门约130人,目前还在扩招。

“大家都在宣传大数据风控,已经成为互金平台获取投资人信任的一种手段,但究竟多大的数据才算是大数据”,看着众人哄捧的大数据风控,有着将近两年互金行业分析师经验的Z先生,眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据,但忽视了数据的价值”,某咨询公司合伙人指出,“你倒是想把地球上所有数据都装起起来,但是数据是有成本的,关键是要解决什么问题,而不能盲目”。

据了解,大数据风控成本为数据获取、风控模型搭建、IT系统,风控模型搭建、IT系统为固定成本,后期迭代、维护费用相对较少,而数据获取则是增量支出,目前信贷平台数据成本范围较大,根据客户资质不同,几块到一百多块钱不等。

“数据本身是资源垄断性的,但随着征信逐步健全,数据未来将没有壁垒,数据将是脱敏,且能够公开交易买卖的”吴宇建对诚安聚立的定位,并没有放在数据本身,而是算法模型。感受到行业乱象的并非吴宇建一人,凡普金科相关负责人也对清流消费金融表示:“大数据征信的基础是数据结构化处理,只有经过结构化处理的风控模型,才能在机器中越跑越准,但目前很多机构都没有这道工序”。

除此之外,许多传统金融机构也在求变,“部分机构找我们做项目,但在项目之初根本没有想好我要通过大数据来解决什么问题,只因领导一句话,领导说要大数据那就要大数据”,某咨询公司合伙人说。

热捧之下,定有泡沫,待到破裂之时,“真用功”还是“假作作”,便能一眼看穿。

占领在线旅游40%分期业务后,读秒再度瞄准中小电商分期市场

“我们经手的项目中,有些金融机构是为了追捧概念而做大数据,并没有考虑实际中要解决的问题”在某金融业分享会上,一位咨询公司合伙人无奈的耸耸肩,“大数据仅是一种解决问题的工具,它不是万能的”。

在金融本该最谨慎、最保守的风控领域,“得大数据者得天下”的论调同样颇有市场,大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落,FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类,随着借款客户下沉、体验感增强……面对变化,传统风控已经产生不适感:成本高、效率低、速度慢、维度单一……大数据风控破壳而出。

“像消费这种小额贷款,传统信贷员一天最多审核五十单,而大数据风控全程自动化,不受人力所累,审批数量无上限”在与IPC、信贷工厂等技术对比时,高效、人工低参与度是大数据风控留下的第一印象。据了解,目前马上消费金融、凡普金科等平台,其风控自动化水平已经达到80%,贷前的防欺诈、信用评估环节,已实现100%模型决策。

“风控流程中留给人工的部分已经很少了,更多的是基础、辅助工作,像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时,需要人工对用户信息重新审核”,马上消费高级数据决策总监李届悦说。目前,李届悦手下数据团队约为50人,负责数据清洗、模型迭代等工作,共同支撑约400亿交易量。

“IPC依靠人工经验,要信审员一个一个去查,更适合大额度的对公业务”,91征信CEO薛本川表示:“国内很多信贷机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同,以FICO为代表的评分卡模型,占领高净值人群市场,但由于国内缺乏征信土壤,FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身,已是公开的秘密。“FICO评分模型精确度确实比较高,但看中还款记录,维度相对单一,无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说。

2016年,FICO中国区副总裁王世今,曾多次公开表示,“针对中国互联网金融市场情况,FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露,“FICO总部曾考虑出售FICO中国,一家类信贷金融集团考虑接手,后来因为一些原因,没有交易下去”。

传统机构自我革新,大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型,由机器自动判别借款资信状况,随着对机器学习算法的不断优化迭代,模型精准度将会越来越高。“通过测试对比,大数据风控在部分领域,尤其是小额信贷方面,确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示,一贯保守、正统印象的中诚信也在加码大数据。

在美国,益博睿CEOBrian Cassin曾对大数据持观望态度,认为大数据并不成熟,但数据人员编制出卖了其意图。益博睿2015年财务报告显示:目前已有数据科学家400余人。

“大数据风控核心在于模型本身,尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量,用于交叉检验,好比一个人说谎,他需要不断地编织谎言来去圆第一个谎,当信息足够大时,谎言就很容易被识别出来。

获取海量数据成为机构的重点,多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据,没有垃圾数据,所有的数据都是有用的,关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分,也在向风控全产业链衍生,如营销获客、贷后催收等,富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验:“我们会制作催收模型,预判违约者受压程度,能够电话催收的,直接由在菲律宾的电催中心打电话,降低催收成本。”目前大数据风控服务、征信公司、数据公司,如百融金服、诚安聚立等,也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点,其实并不轻松

“热点都是被蹭的”,大数据风控被金融平台强上。国内某家互金平台,宣称其依靠大数据来做风控,但是其风控负责人A姐向清流消费金融透露,“我们公司是由线下起家,主要还是靠人审,跟大数据什么的毫不沾边”据了解,该平台风控部门约130人,目前还在扩招。

“大家都在宣传大数据风控,已经成为互金平台获取投资人信任的一种手段,但究竟多大的数据才算是大数据”,看着众人哄捧的大数据风控,有着将近两年互金行业分析师经验的Z先生,眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据,但忽视了数据的价值”,某咨询公司合伙人指出,“你倒是想把地球上所有数据都装起起来,但是数据是有成本的,关键是要解决什么问题,而不能盲目”。

据了解,大数据风控成本为数据获取、风控模型搭建、IT系统,风控模型搭建、IT系统为固定成本,后期迭代、维护费用相对较少,而数据获取则是增量支出,目前信贷平台数据成本范围较大,根据客户资质不同,几块到一百多块钱不等。

“数据本身是资源垄断性的,但随着征信逐步健全,数据未来将没有壁垒,数据将是脱敏,且能够公开交易买卖的”吴宇建对诚安聚立的定位,并没有放在数据本身,而是算法模型。感受到行业乱象的并非吴宇建一人,凡普金科相关负责人也对清流消费金融表示:“大数据征信的基础是数据结构化处理,只有经过结构化处理的风控模型,才能在机器中越跑越准,但目前很多机构都没有这道工序”。

除此之外,许多传统金融机构也在求变,“部分机构找我们做项目,但在项目之初根本没有想好我要通过大数据来解决什么问题,只因领导一句话,领导说要大数据那就要大数据”,某咨询公司合伙人说。

热捧之下,定有泡沫,待到破裂之时,“真用功”还是“假作作”,便能一眼看穿。