FICO（Fair Isaac Company）信用分是由美國個人消費信用評估公司開發(fā)出的一種個人信用評級法，其分值在300-850之間，已經(jīng)得到社會廣泛接受。據(jù)一項統(tǒng)計顯示，信用分低于600分，借款人違約的比例是1/8，信用分介于700～800分，違約率為1/123，信用分高于800分，違約率為1/1292。一般認(rèn)為，F(xiàn)ICO分高于680分，就屬于信用卓著的用戶了；而若低于620分，則很可能被拒貸，或被要求增加擔(dān)保或抵質(zhì)押。
而FICO評分模型主要就是圍繞個人的歷史借貸行為等征信類信息展開的，包括付款歷史（占比35%左右，包括各類信用/貸款賬戶的還款記錄，公開記錄即支票存款記錄，逾期償還情況等）、未嘗債務(wù)（占比約30%，包括仍需償還的信用賬戶總數(shù)，信用賬戶余額，總額度使用率等）、信貸時長（占比約15%，信貸賬戶的賬齡）、新開立信用賬戶（占比10%，包括新開立信用賬戶數(shù)，新開里賬戶賬齡，正在申請的信用賬戶數(shù)量，查詢查詢記錄等），正在使用的信貸組合（占比10%左右，包括信用卡賬戶、零售賬戶、分期付款賬戶、抵押貸款賬戶等混合使用情況）。
從效用等級來看，記錄歷史借款數(shù)據(jù)的征信數(shù)據(jù)有效性最強(qiáng)，可看作是太陽之光；消費、社交等數(shù)據(jù)的有效性次之，可看作月亮之光；興趣愛好及其他行為數(shù)據(jù)的有效性再次之，可看作星辰之光。在評價一個人的信用時，如果這個人有征信數(shù)據(jù)，那么基本可以不用再看消費、社交、興趣等等其他數(shù)據(jù)就可以進(jìn)行判斷，就像太陽一出，月亮和星辰之光便黯淡無色了。
問題在于，大多數(shù)的人都缺乏有效的征信數(shù)據(jù)，中國13億人口中，有信貸征信記錄的僅有3.5億。對于沒有征信記錄的人，只能用月亮星辰之光進(jìn)行信用判斷，雖然效用差一些，但很多情況下也勉強(qiáng)可用，這是互聯(lián)網(wǎng)大數(shù)據(jù)風(fēng)控模型崛起的內(nèi)在邏輯。
銀行與互金大數(shù)據(jù)風(fēng)控的差別所在
最后再來看二者的差別，我們從客群的角度來對比。
對于具有征信記錄的優(yōu)質(zhì)客群，這部分客戶的信貸記錄多來自于銀行體系，意味著銀行不僅掌握其更細(xì)維度的借款歷史數(shù)據(jù)，還掌握了其存款、理財?shù)蓉敻粩?shù)據(jù)，在這部分用戶的大數(shù)據(jù)信用評判上，銀行是占據(jù)先機(jī)的，有其獨到的優(yōu)勢。
對于征信記錄較少或沒有征信記錄的客群，沒有了日光照射，對銀行而言，可能意味著徹底的黑暗，難以判斷用戶的信用情況；而掌握了用戶消費數(shù)據(jù)、社交數(shù)據(jù)的互聯(lián)網(wǎng)巨頭，掌握了月亮星辰之光，反倒可以大致看清用戶的輪廓，具備了差異化的優(yōu)勢。
問題來了，銀行為何不去掌握這些月亮星辰之光呢，因為有價值的行為數(shù)據(jù)多數(shù)都掌握在互聯(lián)網(wǎng)巨頭手中，這些巨頭像數(shù)據(jù)黑洞一樣，數(shù)據(jù)進(jìn)得去、出不來，誰也拿不走，而正是這些數(shù)據(jù)，構(gòu)成了其在次級用戶信用評級上的核心優(yōu)勢。
反過來再問，怎么去對抗這些數(shù)據(jù)黑洞呢？唯一的出路就是增加太陽光的照射范圍，即推動可以全社會共享的征信體系的發(fā)展，屆時，月亮星辰之光的影響也就越來越小了。
最后簡單總結(jié)下結(jié)論吧。
如果從大數(shù)據(jù)信用風(fēng)控的角度看，銀行與互金的主要差別就是因數(shù)據(jù)源的不同導(dǎo)致的客群有效性的差異，整體上，銀行的大數(shù)據(jù)風(fēng)控模型針對有征信記錄的用戶更為準(zhǔn)確；互金巨頭的大數(shù)據(jù)風(fēng)控針對缺乏征信記錄的用戶更為有效，當(dāng)然，因為征信記錄是開放的，所以對于有征信記錄的用戶而言，互金巨頭的模型也可覆蓋，只是與銀行相比缺乏優(yōu)勢罷了。
如果從大數(shù)據(jù)欺詐風(fēng)控的角度看，銀行與互金則各有千秋，因為欺詐風(fēng)險更多地與業(yè)務(wù)模式和流程有關(guān)，業(yè)務(wù)模式的不同決定了銀行和互金面臨的欺詐風(fēng)險很多情況下是不同的，所以缺乏可比性，應(yīng)該是各有各的特長。
如果從大數(shù)據(jù)在智能營銷上的應(yīng)用看，互金巨頭掌握了用戶的消費、社交等行為數(shù)據(jù)，可以更好地了解用戶的行為偏好，從而可以更好地將金融產(chǎn)品融入場景打包推薦給用戶。相比之下，銀行掌握的更多是用戶有錢沒錢，在智能營銷上其應(yīng)用范圍就窄得多，在銷售基金和理財產(chǎn)品上精準(zhǔn)度比較高，但在場景化金融上就要遜色很多。
如果從大數(shù)據(jù)在內(nèi)部管理上的應(yīng)用看，銀行業(yè)已經(jīng)進(jìn)行了長達(dá)十幾年的探索，在很多方面是要領(lǐng)先的，而絕大多數(shù)的互聯(lián)網(wǎng)金融企業(yè)，在這方面還需要補(bǔ)課。