原创《夸克金融大数据获取小分子》：这是一篇与夸克论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
2015年的最佳商业模式峰会上,夸客金融给我们留下最深的印象,是终于有一家“靠技术吃饭”的互联网金融公司了.公司通过线下团队搜集数据,用“信贷工场”打造出一条金融流水线,夸客金融希望通过将风险“量化”,以流水线的方式“生产”贷款,摊薄每笔贷款的成本,惠及更多受众.
瞄准高增长小分子人群
夸客金融聚焦在个人消费金融和小微企业主的融资需求,这是被商业银行冷落的一块地带.相对于大额贷款来说,面向小微企业和个人的信贷,贷款数额小,信贷风险高,传统商业银行不喜欢.面向大多数人群,单个用户的贷款数额可能并不高,但是如果聚沙成塔,就会形成一个长尾市场.
移动互联网时代的一个进步之处,是点对点连接变得更加高效.这使得市场中需要融资的“点”和有能力借款的“点”能够更加高效地匹配.纯粹进行信息匹配的互联网金融平台,在这样的形式下也应运而生.然而这种模式,在眼下依然有很长的路需要走,尤其是中国市场还缺少一个风险定价环境.
换言之,平台在其中扮演的角色,不能仅仅是一个“融资媒介”,还需要对风险进行评估、定价、把控,这也是金融行业的门槛之一.
随着国内中产阶级群体的崛起,橄榄的中段在膨胀,加之消费升级的大环境,夸客金融瞄准的正是这样一个高增长人群.截至2014年,个人消费贷款余额大约是7.7万亿元人民币,这一数字将于2018年增长至17.5万亿元人民币左右.高增长的另一面,是这个群体信用脸谱不清晰,与银行的关系弱,国内征信系统不完善,用户的信息存在缺失、不全面,这些都直接给融资中的风险管理提高了难度.
线上线下补齐用户风险样貌
要进行风险管理,第一步就是要有能够管理的数据.夸客选择了线上线下两个方向,进行信息搜集.
线下来说,夸客在上海和武汉打造信贷工场,客户人员通过电话和客户互动,收集数据,信贷工场人员规模高达4 000人.同时,夸客的地面部队覆盖了30多个城市,业务人员面对面和客户接触,这也是在收集数据,并且是原始且有效的数据.
除了地面部队自己搜集的数据,夸客同时也打通了几个信息渠道,与中智诚、深圳平安前海征信、鹏元征信等8家个人征信公司达成合作,多维度地获取数据.
在线上,夸客与其他金融平台、消费平台打通,抓取其他平台数据,以描绘出用户的风险样貌.
“我们把所有这些线上线下的、第三方的、地面业务人员、信贷工场的作业人员等任何可能和客户接触到的点,都是非常有价值的数据收集点,将它们集合之后,通过数据挖掘技术来做征信.”郭震洲说.
信贷工场：金融的流水线
在大量的信息汇聚之后,如何甄别风险,就到了下一个环节：信贷工场.
两百多年前英国人乔赛亚·韦奇伍德在他的陶器工厂里,第一次用流水线替代工人,提高了生产效率,降低了成本.其中一个重要的变动因素,就是人在生产中发挥的作用被减少,尽可能的依靠机器.机器的好处是工作时间长,同时错误率低.如果能将小额贷款放入到如车间流水线一样的“贷款生产环节”中,通过教育系统,降低人在其中的作用,而提高机器的比重,就能降低每笔贷款的成本.在美国,通过运用FICO信用评分,金融机构根据分数段定价,客户分层实现了精细化、个性化,平均能够给每个客户省下1 000美元的成本.
而在夸客的上海信贷工场,一笔融资从进入流程到结束流程,已经做到像工厂流水线一样的操作.
一笔贷款在信贷工场被“生产”出来,要经过3个环节——初审、终审和贷后管理.
初审：人机交互测绘风险信息
信贷工场中的员工在处理申请的时候,实际上只会接触到90%的贷款申请,有10%的申请可能会因为申请额度小（意味着风险低）且符合规范,就由系统自动批准通过,不用进入人工环节.
每个申请人信息包括数千个数据点,工资收入、银行流水、手机通讯记录、直系亲属电话、工作地址、家庭住址等.这些数据点会被分到400多个维度下面,进行分类评估.如此大量的信息,会由人工和系统共同进行处理,需要人工处理的环节占到约40%,需要机器处理的则占到60%.
系统处理的60%,通常是相对明确的信息,比如征信报告中提到的数据,公开来源获得的数据.这种简单的是非判断,就会由系统进行自动判别.
人工处理的40%,则是系统已经识别为异常,但系统无法进行判别的信息.比如21岁的申请人的月收入超过万元,这在系统眼中属于“逻辑异常”,系统会在后台标红提醒初审人员.初审人员会通过其他方式,比如电话联系申请人,或者与地面同事了解情况,求证系统标红的信息是否存在异常,再进行处理.
在“系统+人工”的合力下,一个申请的处理时间需要大约30分钟.通过初审的申请,初审人员会推送到下一个环节——终审.
终审：给风险定价
简单来说,初审是判断“能不能贷”,终审的任务则是判断“能贷多少”.
目前,夸客开发的牛盾风控系统已经可以通过风控模型,对每一笔借款给出一个相应的风险评级,最后系统再依据风险评级形成风险定价,给出客户的借款额度范围.
举例来说,夸客自建金融的终审人员接到初审提交的信息之后,一个重要工作是对风险进行定价.终审人员首先会对关键性数据进行复审抽查,然后在系统的辅助下,给出可以放款的区间,也就是风险定价.举例来说,如果贷款申请在12万元,但是根据系统评估,安全放款区间应当在5～8万元,终审人员最多会放出8万元贷款,如此降低贷款风险.同样是12万元的申请,系统在终审环节可能会给出8～14万元的放款区间,在这样的情况下,终审人员也只会批准12万元的贷款.
夸克论文参考资料：
结论：夸克金融大数据获取小分子为适合夸克论文写作的大学硕士及相关本科毕业论文，相关quark浏览器开题报告范文和学术职称论文参考文献下载。
