注一：系列文章作者侯少开，系中国移动通信联合会教考中心 金融科技研究所所长、。转载务必注明出处和来源。
注二：本文系金融科技之家Fintechhome.com大数据风控系列文章。该系列为金融科技三大应用技术基础介绍，分别为大数据风控、智能投顾和区块链。
5.4.1风控管理中的应用
互联网金融机构
前面已经提到，大数据信息服务的兴起，源于互联网金融的快速发展。而正是通过大数据信息服务的支撑，互联网金融得以向人行征信缺失，各大银行不覆盖人群提供普惠金融服务，获得了错位发展的机会。截至目前，互联网金融仍然是使用大数据信息服务最活跃的机构，而大数据服务已经贯穿到互联网金融客户的全生命周期，如下图同盾科技所提供的信贷全流程服务。
图3-59同盾科技风控策略
大量的网络借贷、消费分期、支付公司、网络众筹根据自己的业务场景、风控能力、风险偏好等选择不同的数据核验、反欺诈、风险审核、决策引擎、信用评估、信用评分、失联修复、催收管理、共享黑名单等数据服务，实用性和成本是这些机构重点考虑的问题。
传统金融机构
互联网金融的迅猛发展以及经济环境的变化，倒逼传统金融机构转型，而首当其冲的当属银行机构，而作为信息化建设基础较好的银行从条件上拥有发展大数据有先天的优势。首先金融的大数据资源是很丰富的，另外多年的信息化积累，使得银行机构拥有较好的技术实力和人才储备。但是根据自身条件的差异，大型银行与中小银行对于大数据服务应用的需求也有所不同。
l 大型银行
大型银行大数据应用主要在以下四个方面：
信用风险：通过大数据技术建立健全对企业及个人的断面的信用评估，改变以往的信贷模式，降低信贷成本，降低系统风险，并进一步打开小微信贷与消费信贷市场。
客户服务：基于大数据技术对用户的画像，实现对客户的智能管理，为不同的客户提供个性化服务，深入细分市场。
智能运营：对金融企业运营数据进行全面分析，从而帮助企业进行运营决策，同时改善企业运营方式，降低运营成本。
产品创新：使用大数据技术进行新产品设计或原有产品改进，结合用户数据、交易数据、外部数据等，产生创新产品，如市场预测产品、交易风控产品等。
可以看出，大型银行的数据应用首先是解决内部海量数据的清理、归集、修复等问题，虽然会在某些环节引入外部数据作为补充，但要求也比较严格，现阶段大型银行使用外部数据也主要是在信用卡发卡核验、二类户开卡等环节，虽然单一但数据调用量比较大，外部数据也逐步扩展至零售各业务条线。
下图为招商银行信用卡中在发卡审核中使用的外部数据：
图3-60招商银行案例
大型银行对合作机构的要求较高，即使意识到需要进一步加深与外部大数据、金融科技公司的合作，也只会寻找行业巨头，比如前段时间的四大行分别与互联网巨头BATJ的牵手，其重点内容很大一部分是数据合作。
l 中小银行机构
与大型银行机构不同，中小银行大数据相关技术实力和人才储备
不够强大，而且业务受互联网金融冲击影响更大，内外原因促使其更有发展互联网金融、消费金融的动力。而政策上的相对灵活性，使得布局较快的此类银行会选择与大数据公司、金融科技公司紧密合作，完全采用互联网金融的方式开展业务，这给了大数据信息服务机构很好的切入点，而相对落后的小型城商行、农商行、信用社等金融机构更是值得各服务机构深度挖掘的客户。
下图是恒丰银行与卡盟钱包的战略合作，内容包含数据导流、获客、二类户开卡、支付通道、风控数据、审贷流程等诸多环节。
图3-61卡盟服务模式
l 保险公司
随着互联网和大数据的发展，保险公司也正在谋求转型，在业务模式、定价和风控手段、理赔机制、产品服务创新等方面寻求与大数据的结合。下图是某保险公司使用外部数据的框架图，现阶段国内一些大数据信息服务机构开始尝试在互联网保险的营销、认证审核、信用保证险和理赔反欺诈等方面寻找切入点。
图3-62保险公司服务案例
5.4.2精准营销中的应用
统计分析
大数据在精准营销中的应用可以分为两大方面，一方面是通过海量数据分析出统计特征，划定营销范围，制定营销策略。例如下图是中国银行杭州分行利用有数金服提供的大数据服务筛选符合条件的优质客户，做定向营销。
客户画像及通信触达
更直接的精准营销是通过客户画像后的通信触达实现的。客户画像是指通过内部沉淀数据与外部数据相结合，分析出客户的人口属性、社交交往、行为偏好等主要信息，将用户所有的标签综合期考，勾勒出该用户的整体特征和轮廓，然后进行营销投放。
图3-63用户画像
简单来讲客户画像就是对线上客户进行贴标签，首先通过权威数据、设备指纹等技术确认信息主体基本属性，比如手机三要素是否匹配，性别、学历等，然后通过多维度的数据进行填充，主要数据及来源如下：
l 通过电信运营商及DNS设备商、Wifi覆盖商等获取通话记录、上网行为、位置信息等。
l 通过传统SP与新型SP获得电商交易数据、物流配送信息等。
l 通过银联商务18亿张卡的用户刷卡支付数据。
l 通过基本属性+上网+交易+支付等行为信息预测客户的消费爱好，进而做到“千人千面”的营销效果，而对于无客户联系方式的请求，可以通过脱敏外呼、短信/彩信等方式快速触达。
5.5政策环境
现阶段，大数据信息服务行业面临着国家政策推动的利好和信息主体权益保护的挑战。
5
5.5.1政策推动方面
图3-64信息主体权益保护立法
自2015年国务院发布《促进大数据发展行动纲要》以来，将大数据发展定位于国家战略层面，要求不断加强大数据基础设施建设、加速政府政务信息公开等工作的同时，积极推动包括互联网金融、数据服务为代表的新兴产业大数据，加强财政支持，加大对政府部门和企业合作开发大数据的支持力度，鼓励大数据企业进入资本市场融资，引导创业投资基金投向大数据产业，鼓励设立一批投资于大数据产业领域的创投基金等。
为加速推动大数据发展，工信部与2017年1月份发布《大数据产业发展规划》，同时各地政府也在积极落实推动发展大数据相关政策，成立产业基金，建设产业园，加强自身大数据平台建设、信息共享互通的同时，鼓励和扶植从事大数据相关企业发展。
5.5.2信息主体权益保护
可以说国家引导和市场需求促使了大数据信息服务行业的发展，但发展大数据并不是数据的滥采滥用，应该通过各项法规、措施、技术保护个人隐私信息，但目前国内相关制度滞后严重。《征信业管理条例》虽然对征信信息的采集、整理、保存、加工做了相关要求，但也仅是局限于征信行业的法规条款，大数据行业在信息主体权益保护方面长期处于真空地带，可以说已经肆无忌惮，导致大数据时代没有个人隐私，人人都在“裸奔”的乱象。
也许是由于去年电信精准诈骗“徐玉玉案”引起的社会强烈不满，也许是各类信息泄露事件的频发，2017年国家同时出台《网络安全法》和《最高人民法院、最高人民检察院关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》，对《刑法修正案》第253条作出解释。《网络安全法》规范了网络信息使用的要求，包括明确披露信息用途、适用范围、时效等，而“两高”司法解释更是明晰了侵犯公民个人信息行为的定罪量刑标准，大幅降低入罪门槛，并明确犯罪行为责任主体，不仅仅是公司，公司高管及直接业务负责人也要承担相应责任。需要注意的是司法解释中指出并不只是直接参侵犯个人隐私信息的行为，以下情况也将被纳入量刑范围：
l 不经信息主体同意，提供合法搜集的信息属于违法，但是经过处理无法识别特定个人且不能复原的除外。
l 在合法应用场景，使用不合规的信息属于违法。
l 向特定人提供公民个人信息,以及通过信息网络或者其他途径发布公民个人信息的。司法解释的发布一时间令大数据信息服务市场风声鹤唳，先期15家大数据公司被列入公安部门调查名单，包括数据堂，其因涉嫌对理财公司提供大量隐私用户隐私数据被调查，也包括亚信数据这样的大公司以及聚合数据等，后来公安部又成立专项治理方案，将调查名单扩大至30多家。可以说，“两高”司法解释给了处于发展初期的大数据信息服务行业警示作用，加强规范市场，肃清违规行为，有利于去除乱象，保证行业健康持续发展。可以说严格按照“两高”司法解释的要求，国内无一家数据公司完全合规，但是此次行对主要打击的黑客盗取或直接倒卖个人信息的行为，以及与其关系密切的各数据交易平台，而对于大数据信息服务行业提供各种验证类服务并无影响。此次市场清理体现出权威数据源合规采集和终端用户使用授权的重要性，不仅提供服务的各家机构开始自查自纠自有数据服务的合规性，对于金融机构等使用方也提高了警惕，不再是只考虑价格低廉的产品，不在对数据维度提出太苛刻的要求，合规是前提，倒卖数据库、违规爬取信息、低品质数据交易平台等模式逐步被淘汰。
5.6总结
6
5.6.1市场前景广阔
现阶段大数据信息服务行业的市场需求主要是金融风控和营销服务，其中金融风控为主。
大数据信息服务在金融风控的应用已经成为互联网金融机构的必备，只不过各机构根据应用场景的不同选择的服务不同，随着业务场景的不断深化会不断产生新型的模式，互联网金融也会有更多的加入者。
大型银行零售、小微业务急需转型做普惠业务，对大数据信息服务存在需求，但准入门槛较高，大型银行的转型更加速推进互联网金融市场发展，并带动中小银行、其他金融机构的迫切需求，规模效益巨大。
随着互联网保险、信用保证保险以及各种与互联网金融相关险种的推出，保险公司也需要通过外部数据服务提高风控、分析能力。
大数据营销服务的需求越来越普遍。
5.6.2混合模式占优势：
初期阶段，信息服务将是主要的营收手段，因为数据是行业基础，信息决策服务存在市场需求，但是需要循序渐进，两者必须有效结合才能形成核心竞争力。
5.6.3数据能力是基础
大数据市场充斥着各类数据提供商，数据渠道繁多混杂，无论从监管要求还是产品质量要求都需要通过各种手段加强与各类合规数据供应商的合作关系，努力发掘有潜力的价值数据，体现整合能力，借助数据上游比较忌讳宣传、共享或加工服务的机会快速发展客户。
5.6.4技术门槛不断提高
虽然并不需要高端的大数据技术，但技术能力要足以支撑为客户提供高效信息服务，包括客户体验、系统稳定性、响应速度，随着数据积累及客户服务量的增多，系统需要不断升级。
