如何运用大数据进行信贷审批？

金融的核心是风控，风控的核心是数据+模型。没有数据，再牛逼的模型也没用。只有数据，没有牛逼的模型，那也就是一潭死水，只能冷冰冰的躺在服务器里，毫无价值。所谓模型从广义上说就是利用牛X技术把数据价值最大化（顺便说一下，现在的风控真心不是做几个策略就能搞定了）

言归正传，回答楼主的问题，以下为我个人见解：

大数据时代没有新用户：

大数据时代，我们打电话、上网 ，刷卡消费、穿戴设备、智能家居等等行为都会留痕，我们所有的行为都会以数据形式留存下来。随着大数据的发展，国家也越来越重视信息安全，且已经出台了相应的隐私数据保护法规。规定拥有公民隐私数据的企事业单位有责任保护用户的隐私数据不会被泄露。

数据就是资产 ：

金融数据在银行、互金，搜索数据在百度，电商数据在京东，社交数据在腾讯。现在各个行业都发现了大数据的重要性，都想获得更多的数据，同时开始对数据进行计价、赋值、交易，把自己的数据价值最大化。跟随市场的急切需求，于是乎产生了几种产业链。譬如，销售平台模式，数据平台以中间代理人形式提供给买卖双方一个撮合服务。如贵阳大数据交易所。另一种，以数据堂为例，该公司为主要数据提供方，自营为主。

无论任何形式的数据交易，目前数据涉猎范围还是有限。于是乎，我们期望有一个平台，可以打通数据壁垒，提供一个规范的数据共享和交易渠道。这个平台能解决数据标准化、数据整合、数据价值评估，数据归属等问题,还能保证数据的安全、保护隐私，保证合法、保证透明和公正。

数据开放和数据共享势在必行，而数据安全、隐私保护是发展数据开放的前提条件。

数据+技术驱动业务：

首先举一个例子，CapitalOne :美国第一资本金融银行，是全美最大的银行之一 ，业务范围涉及信用卡、汽车贷款、家庭贷款、储蓄、个人信贷、保险等。该公司演绎了如何从一家默默无名的小公司跃升为美国著名金融集团，而用信息技术驱动业务发展是该公司的制胜法宝。

CapitalOne之所以成功，主要取决其强大的模型分析能力和精益化运营方案。

通过数据分析找到最优质的客户：

最优质用户不是信用最好的用户，而是价值贡献最高的用户。CapitalOne通过数据分析，发现用户主要分为三类， 1 白领，有高额收入，有很强的还款能力，每个月能按时还款 2低风险群体，将欠款展期但能够归还 3过度借贷、违约率高的垃圾用户。通过分析，发现20%的低风险群体创造了80%的利润，于是他们把目标就定在低风险群体。

对用户进行分组管理，差异定价：

CapitalOne将个人信息、收入状况，用卡习惯、产品偏好等多维度对用户进行分组，同时对不同用户的风险特征标注出来。然后对竞争对手优质客户推出的产品年化利率最低达9.8%。事实证明，这招很快吸引了大量低风险客户。CapitalOne提出精益化运营方案，将”合适的产品在合适的时间以合适的价格投向合适的客户”。

我司则依靠强大的信息技术+精细的量化分析+精益的运营方案。拿我们的消费贷产品举例：

我们依托电商生态体系数据和外部数据，基于机器学习手段和业务经验，建设特征库，形成数万维的特征池。同时我们有上千维的用户画像，譬如通过用户的金融资产、实物资产分析他的还款能力，通过用户的购买行为和浏览行为等，洞察客户需求，发掘客户价值。在线上，我们把信用模型，还款能力模型、套现风险模型，盗号风险模型全部集成，当用户申请贷款时，快速得到一个信用评分，准确的对其贷款期限、授信金额、以及风险做出决策并发放。另外，基于我们庞大的用户画像，前期根据客户的特征，推理需求，给合适的人权推荐不同的贷款产品，采取不同的触达方式，降低边际成本。

在过去，银行要给一个客户贷款，首先要求客户提供他的资产证明、半年甚至一年的银行流水来证明他的还款能力，通过资产抵押、质押等形式来提供贷款。大数据时代，我们可以从多维的角度评估你的偿还能力、信用状况、还款能力，最终的流程就是你只要证明你是你就够了，这个时代已经萌芽。