根据乐信他们自己讲说,风控有7000多个数据维度。我看互金公司提的比较多的,普遍是地理位置数据和用户行为数据,比如大半夜3点到处借钱的行为不正常,比如某一个区域欺诈和逾期率比较高就不借这一区域的人之类,我听上去感觉他们的风控主要是排查欺诈风险,尤其是欺诈团伙作案。这几家都是小额短周期,借个几百块,2000块钱,正常人,为这么点钱踩法律风险实在是不值得。
但是还是我第一部分说的那个问题,这批互金公司现在也在找盈利模式的方向,考虑是继续赚利差,还是专门对接机构给他们提供技术和流量服务,后者的利润率低,但是发展空间大,如果要彻底转型的话,确实需要很大决心。这个问题决定着未来和银行的关系是竞争多还是合作多。
根据乐信他们自己讲说,风控有7000多个数据维度。我看互金公司提的比较多的,普遍是地理位置数据和用户行为数据,比如大半夜3点到处借钱的行为不正常,比如某一个区域欺诈和逾期率比较高就不借这一区域的人之类,我听上去感觉他们的风控主要是排查欺诈风险,尤其是欺诈团伙作案。这几家都是小额短周期,借个几百块,2000块钱,正常人,为这么点钱踩法律风险实在是不值得。
这里提到的下沉市场的数据包括哪些呢? 除了个人消费数据,储蓄等数据,还有那些互金公司能方便获取的吗? 最近面试了一些互金公司做算法风控的,感觉所谓的数据风控和信用评估都是撑门面的,没几个有实质性踏踏实实在做这块的,名字就不说了,也都是叫的上名字的知名互金公司。
还是后面一个存活可能性更大,前面一种模式有来自银行的竞争,更有来自监管的政策风险,长期做下去感觉看不到啥希望。选择与银行共生应该是一种稳妥的办法,不过这样也会导致天花板低…
廉价资金来源也就是低成本负债端任何时候都是金融机构的核心竞争力,银行最终在整个金融链条里的其中一个核心竞争力就在这里。到最后普惠金融或者房地产,任何依赖源源不断资金的行业,都需要和银行合作,大概唯一例外是保险。
同意你的说法,主要是我觉得选择后者这种模式是必然的,选择前者必然死亡,所以也没有对比两者的天花板。目前我个人还是觉得就算是给银行提供下沉市场的信用数据可能天花板也很低…