迷航的大数据风控谁来拯救？
互联网IDC圈1月29日报道：技术与商业永远是一对不可分割的话题。出于市场竞争的需要，参与竞争的企业渴求技术对其竞争力的提高：更低的经营成本、更有效的用户体验、更快捷实时的用户响应……依靠新技术所带来的品质提升击败竞争对手，从而获得市场的主导权。
商业竞争催生新技术的产生，而新技术应用也在推动商业的革新。当传统的业务模式不足以满足日益“挑剔”的用户需求时，掌握新技术的初创企业能够借助其所带来的优势，在看似坚不可摧的传统市场格局中获取一席之地。
大数据风控催生新金融
在互联网诞生的历史中，技术推动商业变革的经验从未间断：从零售到地产，从婚恋到餐饮……而在最为“保守”、最为“古板”、最为“冰冷”的金融行业，人们似乎也看到了相似的曙光：在大数据风控、人脸识别等新技术的推动下，不仅互联网金融业态在蓬勃发展，而且保守的传统金融机构也在互联网化。
与传统金融机构相比，互联网金融平台之所以能够为客群空间分散、单笔金额较小的长尾用户提供金融服务，除了互联网跨越时空的特性为其资金端和资产端所带来规模效应之外，很重要的原因在于其风控手段的革新：收集分析借款人的海量数据并据此对其进行行为画像，从而在评定还款能力与还款意愿的同时，为其进行风险评估、风险定价。
相较以往传统金融机构风控时依靠线下物理网点面签，大数据风控不但能够节省高昂的人工成本，而且由于其利用风控模型和借款人的历史信用数据，使得快速、准确的线上信审成为了可能。因此借助大数据风控低成本、快速、跨越时空的特性，所以互联网金融平台才能够抢占传统金融所不愿意服务的长尾客群。
新金融的迷航
基于较低的风控成本、实时快速的用户体验，所以不论是传统金融机构还是新兴的互联网金融平台都在布局、发力大数据风控技术。虽然有着诸多令人垂涎的天然优势，但是从目前的使用范围和深度来看，国内大数据风控的进展并不乐观。以P2P平台为例，目前国内多数的平台在线下依旧保持并扩大其下线物理网点的铺设规模、范围，且其线下门店设置的数量与其整体交易量呈现高关联度的正相关关系。
国内大数据风控技术并未推动风控线上化的原因在于多方面，除了风控模型并未受到完整经济周期检验、借款用户数据厚度维度不足之外，更重要的原因在于恶意欺诈。据了解，欺诈类风险占到平台坏账损失的50%以上，因此如何确保“借款用户提交信息与借款人是同一人”就成为互联网金融平台风控完全线上化的必要条件。
市场难题催生新技术
从互联网金融平台预防欺诈的措施来看，除了通过金融服务场景化植入之外，也在采用人脸识别等新的身份识别技术。据了解，目前人脸识别技术在精确度上已经达到99%，远超肉眼识别97.52%的精确度，而在识别速度上该技术更是肉眼识别速度的2到3倍，因此不论是从精确度还是识别速度上，人脸识别都优于传统的肉眼识别。
目前该技术除了在世纪佳缘、美图秀秀、手机厂商“人脸解锁”等生活场景中应用外，在金融服务中也开始了初步的尝试，招商银行、上海银行应经开始试水，这些银行的用户可以在不带银行卡的情况下，通过刷脸从ATM机上取款。商业价值的体现促使人脸识别技术市场规模的扩大。有数据显示：中国人脸识别市场从2012年的16.7亿元上升到2015年的75亿元。另据相关专家估计，随着人脸识别技术在各个领域的应用，未来潜在的市场规模将会达到千亿级别。
有肉的地方必有狼群出没，这点在市场经济中也不例外。随着人脸识别技术商业价值获得市场的肯定，人脸识别市场的竞争者开始纷纷出现，商汤科技、linkface、一图、face++等相关公司纷纷推出其人脸识别产品。因此对这些公司来说，在做好技术功底的同时也要加快对于业务场景的切入，毕竟在互联网时代下，不论是消费者市场还是企业市场，都呈现出赢者通吃的马太效应。
新金融牵手人脸识别 趋势下的无奈
在金融企业因技术层面而无法有效识别欺诈类风险的情况下，互联网金融等新兴金融业态对于人脸识别的技术需求开始凸显，毕竟对于金融企业来说，大数据风控的实现不但能够降低整体经营成本，而且还能够真正去进入竞争者无法服务的长尾客群。而对于人脸识别的技术厂商来说，虽然过硬的技术实力是科技企业的内生基础，但商业化的市场应用才是技术类企业做大做强的必要手段，而与金融厂商合作是其市场应用的重要一步。
在新兴金融企业需要技术补充，而人脸识别厂商渴求其技术场景化应用的背景下，两者之间的合作就变得水到渠成。据了解，目前除了招商银行引入人脸识别技术之外，支付宝、微众银行、融360等新金融企业也在通过该项技术完善自身风控系统，从而规避欺诈类风险，而对于商汤科技这样的人脸识别提供商来说，与新金融企业的合作不但能够通过市场检验、完善其算法，而且通过具体业务的切入扩大市场份额。总体来说，两种不同业态的合作其基础在于双方技术、市场优势的相互弥补。
名称栏目：迷航的大数据风控谁来拯救？
网站网址：http://hbruida.cn/article/chgppp.html
