金融科技大數據風控挑戰:數據共享遭遇隱私保護
2021年03月29日12:16

原標題:金融科技大數據風控挑戰:數據共享遭遇隱私保護

在華爾街投資機構熱捧金融科技中概股之際,赴港上市的金融科技股仍處於估值低點。

近日,維信金科(2003.HK)公佈最新財報顯示,去年下半年公司實現總收入13.7億元,經調整淨利潤為2.5億元,同比增長40.9%。

與此形成反差的是,今年以來這家金融科技平台股價漲幅為33%,較信也科技、360數科、樂信等金融科技中概股逾100%漲幅低了不少。

一位香港私募基金經理向記者透露,相比華爾街投資機構追捧金融科技中概股輕資本模式轉型初見成效與新業務廣闊發展前景,港股機構投資者則顯得相對保守——他們更希望先看到金融科技平台新業務佈局取得不錯風控成效後再入場投資。比如不少香港投資機構正密切關注維信金科推進的客戶終身價值模型,能否帶來更高用戶複借率與更低客戶流失率。

記者從多位華爾街對衝基金經理瞭解到,在經曆此前的熱捧後,多數華爾街投資機構的目光同樣瞄向金融科技中概股新業務佈局的風控水準,這甚至影響著這些中概股未來估值能否更上一層樓。

值得注意的是,不少金融科技中概股在推進新業務佈局時,正在持續優化自身的大數據模型。比如360數科針對小微企業信貸業務推出了Argus風控引擎企業版,一方面將企業主、實際控制人、企業相關人、關聯企業、上下遊企業等信息交叉放置在整體關係圖譜進行智能風控,從而降低信息不對稱所帶來的信貸隱患,另一方面圍繞產業鏈上下遊企業的供應鏈關係、工商稅務情況、司法風險進行全面檢測,在毫秒間對多達數十種風險類型逐一掃瞄,最大限度規避企業之間的關聯擔保等風險。

一位維信金科人士表示,他們一方面與OPPO、小米、中國電信等場景方建立業務合作,以定製化產品獲取更多優質客戶,一方面則優化信用評分算法,以更多的維度細分不同類別的客戶,進一步提升客戶信用評估的效率及能力。

在一位金融科技平台運營總監看來,這都意味著金融科技平台需圍繞大數據風控加大科研投入,尤其在全面合規收集各類數據與優化大數據風控算法方面。當前他所在的金融科技平台遇到的最大煩惱,是在相關部門積極落實客戶隱私數據保護的情況下,他們既能以合規方式收集到儘可能全面的客戶數據,又能探索出更多維度更真實全面地還原貸款客戶真實畫像與還貸能力意願,從而為新業務佈局保駕護航。

他直言,基於新業務佈局的大數據風控持續優化,往往知易行難。當前不少投資機構對海外上市金融科技平台進行實地調研時,都特別關注平台能否通過大數據風控的優化,確保新業務的逾期壞賬率持續保持在極低水準,從而驅動新業務創造更高的業績。

新業務佈局下的大數據風控挑戰

記者注意到,隨著疫情防控措施見效令民眾消費需求持續回升,越來越多海外上市金融科技平台正加快新業務佈局以獲取更廣闊的業績成長空間。

比如樂信先後推出約惠、買鴨、消費號三款新產品,將潛在服務人群拓展到5億新消費人群,業務範圍也隨之延伸到更廣闊的新消費領域;360數科則加碼嵌入式金融,加深與金融機構、場景的合作範疇;維信金科則積極落實客群結構調整,通過一系列基於技術和數據驅動的產品、營銷、風控轉變,實施客群上浮戰略。

“由於這些新業務新戰略所對應的業務模式與客戶群體較以往有著較大區別,大數據風控都需要做出相應變革。”上述金融科技平台運營總監向記者直言。比如樂信推出的智能化契約消費產品“約惠”讓用戶無需預付充值,約定多次消費即可享折扣,由此避免預付式消費可能存在的陷阱;“買鴨”則主打“先享後付”模式,因此這些新業務都需要將大數據風控技術前置到獲客階段,通過精準營銷觸達更優質的貸款客戶,從而提高業務效益。

在他看來,這給大數據風控優化帶來一系列全新的挑戰,一方面金融科技平台需與場景方、提供助貸資金的金融機構開展密切數據合作,打通彼此的客群數據隔閡與業務閉環,從而形成一致性的獲客、風控、信貸產品定價、貸後跟蹤管理策略;另一方面大數據風控策略自身也需迭代升級,包括大幅提升反欺詐風控效率,比如當智能化風控系統發現眾多借款人在同一地點同一時間集中申請上述消費貸款時,就需要迅速向管理團隊自動發出警告,讓他們留神其中可能存在的集體欺詐騙貸風險等。

當前他所在的金融科技平台為了新業務佈局,也開展了大量大數據風控優化工作。比如針對與場景方加深嵌入式的獲客、風控與極速放貸合作,他們又增加了眾多維度的算法分析模型,爭取在有限的客戶信息數據使用環境下,將對用戶畫像與風險特徵甄別的準確性再提高逾30%。

但他發現,不少前來調研的境內外投資機構特別關心大數據風控是否“貨真價實”。近日他通過遠程視頻接待了多家華爾街對衝基金分析師,發現他們特別想瞭解三方面經營數據,一是新業務快速推進下的新客戶畫像特徵,以此判斷他們潛在的逾期壞賬發生率,二是大數據風控模型目前能將新業務逾期壞賬率控制在多少水準,在極端情況下逾期壞賬率能否會快速反彈;三是大數據風控模型通過優化,較以往能填補哪些風控漏洞,是否有足夠數據印證。

“其中有一家大型對衝基金分析師還特別關注新業務新場景下的平均信貸存續期有多長,從而評估我們是不是在拉長信貸週期,可以延長逾期壞賬暴露期。”他告訴記者。

記者多方瞭解到,目前不少海外上市的金融科技平台對此早已胸有成竹。

“通常情況下,我們會按季披露業務的首期逾期率,從而讓機構投資者能感受到每個季度平台大數據風控模型優化所帶來的實際成效。”一位維信金科人士向記者表示。去年1-4季度平台首期逾期率分別為2.0%、0.8%、0.6%、0.4%,呈現按季持續下滑趨勢,且年末M1-M3逾期率為2.5%,M3+逾期率為2.9%,資產質量均優於疫情前水平。

一位華爾街對衝基金經理坦言,目前多數華爾街投資機構不僅會關注財務數據,更會通過對助貸銀行、場景合作方的走訪調研,瞭解金融科技平台的大數據風控是否優於行業平均水準,新業務佈局過程還有哪些風控盲點隱患尚未解決。

“我們不會放過任何一個風控盲點隱患。因為它都會導致金融科技平台逾期壞賬率在某個時刻突然飆漲,導致新業務佈局的風險滯後性徹底爆發。”他指出。

客戶隱私保護與大數據風控的“平衡術”

隨著相關部門持續加強客戶隱私數據的保護與合規使用,令金融科技平台在佈局新業務新戰略過程,感受到越來越多的大數據風控挑戰。

“以往,我們可以通過向第三方數據機構購買大量用戶數據,圍繞新業務新戰略佈局持續完善優化大數據風控模型。但隨著相關部門加強客戶隱私數據保護,這條捷徑顯然走不通了。”前述金融科技平台運營總監向記者感慨說。這讓他們與場景合作方的客群數據共享分析操作模式,回歸到大數據風控興起的最初階段。

具體而言,場景方與他們各自帶著“脫敏”的客群數據進行共享,通過多個維度進行清洗梳理,從而找到彼此需要的客戶畫像特徵,形成一致性的獲客、風控前置策略。一旦這些數據共享分析工作結束,他們就會將上述脫敏數據刪除,以滿足合規要求。

但他坦言,這種數據共享分析的風控優化操作,往往存在不少缺陷,一方面是彼此對原始客群數據的清洗梳理測重點不同,導致涉及風控優化的關鍵數據往往無從查詢,另一方面部分機構對客群數據有所“保留”,也導致整個大數據風控建模效果差強人意。

記者多方瞭解到,隨著人工智能技術的持續推進,不少海外上市的金融科技平台正在研發隱私保護機器學習平台,支援擁有數據的各方在不傳遞原始數據的情況下,開展數據交換、特徵處理、模型訓練、評估等全流程合作建模。

它最大的好處,就是金融科技平台先給自己客群數據做好標籤,當它拿到場景合作方的脫敏數據,發現其中一些數據標籤與自身部分客戶數據標籤高度相似,再通過更多維度進行交叉驗證以確定脫敏數據背後的客群真實身份,如此不存在客戶隱私數據交易行為,從而在合規操作下實現對客戶畫像特徵的最精準洞察。

“目前,這種隱私保護機器學習平台在不少金融科技平台中概股新業務新戰略推進過程扮演著重要角色。”這位金融科技平台運營總監直言。比如在先享後付型、契約消費型貸款產品里,通過對客戶畫像與風險特徵的精準描述,金融科技中概股可以提供更精準的貸款風險定價,以及將大數據風控前置到獲客環節,從而提升優質客戶獲取準確性;此外部分金融科技中概股在深化與金融機構的嵌入式金融合作時,這套技術能有效提升金融機構助貸審批決策的準確性,從而擴大基於利潤分成、風險共擔的輕資本模式助貸業務規模。

記者多方瞭解到,為了進一步提升大數據風控在新業務佈局過程的成效,不少海外上市金融科技平台正對數據算法模型進行持續強化訓練——不定期會投入少部分資金,向不同風險特徵客群發放貸款,從而得到更豐富的大數據風控結果,進而精準判斷各個風險特徵對新業務逾期壞賬率的不同影響,從而及時填補潛在的風控漏洞。

“不少華爾街對衝基金與香港機構投資者對此特別感興趣,有時我們圍繞不同風險特徵客群對新業務壞賬逾期率的截然不同衝擊,可以討論大半天。”一家金融科技中概股高層向記者透露。他發現,若平台對這類大數據風控壓力測試的研究越全面透徹,這些機構投資者越對平台新業務佈局下的大數據風控能力有信心。

(作者:陳植 編輯:曾芳)

關注我們Facebook專頁
    相關新聞
      更多瀏覽