张良贵：P2P场景大数据应用的实践--积木盒子

主讲嘉宾：张良贵

主持人：中关村大数据产业联盟金融大数据专业委员会 副主任 李灵隐

承 办：中关村大数据产业联盟、金融大数据专业委员会

整 理：王维

嘉宾介绍：

张良贵，积木盒子大数据应用中心副总裁。吉林大学数量经济学博士，中国人民大学经济学博士后，中央财经大学数量经济研究中心研究员。10年金融从业经验，先后服务于投资公司、私募基金、期货公司、信用评级公司等，主要领域涉及固定收益、商品期货、有色金属、金融衍生品套利套保、结构化产品设计等量化模型的研究与开发；在目标数据挖掘、定量模型研究与设计方面拥有丰富经验。曾在穆迪-中诚信国际任总经理助理、高级分析师，负责信用评级、资产证券化、非标业务评级等业务开展；参与多项国家级、省部级课题研究，兼任GLG等国际公司的咨询顾问。

以下为分享实景全文：

大家晚上好！很高兴向各位业界朋友汇报下积木盒子在大数据应用方面的进展。同时，也感谢陈新河秘书长、李灵隐主任提供这样的平台，让业界人士深度交流。

积木盒子作为互联网金融成员，自2013年8月正式运营以来，一直秉承“真诚透明”。

下图是积木盒子2013年8月-2015年3月的成交数据。

下图是积木盒子发展中的大事件，很感谢投资人和融资人对积木盒子的信任和支持，取得了一定成绩：

下图是积木盒子保障方式、产品、融资期限和融资主体的分布情况：

下图是积木盒子融资金额的区域分布图：

下图是P2P行业发展趋势：

从图中可以看到，P2P行业发展迅速，被业界认为是对传统金融服务模式的有效补充。这种补充主要来自对金融效率的提高。

这张图可以看到，互联网金融火爆的内在机理，互联网金融本质是将体验、效率融入了金融业务，是“互联网+”的典型应用。

在对互联网金融发展规模、发展内在机理简单分析之后，回归到积木盒子的运作模式，如下图所示：

积木盒子的价值在于为融资人和投资人提供更好的服务，将体验达到极致。服务好这两大群体，产品设计、风险控制、渠道准入等方面需要做的工作很多，基于此，形成的内生数据和外生数据积累，也为大数据分析与应用提供了必备的基础。

如图所示，大数据的应用一定是与业务生态紧密绑定的，这样才能实现闭环的数据链，得到的分析模型与结论才能更好的指导业务实践。在后面的应用案例中，会看到大数据在运营监测中的具体应用。

大数据可以提高决策支持，要实现大数据的高效应用，需要构建基础设施平台，即大数据平台，积木盒子为构建高效的大数据平台一直在努力。

大数据平台应当有三大功能，即数据模块、工具模块和可视化模块。

如下图给出了积木盒子大数据平台基本架构。

在对大数据平台做了基本分析之后，回归大数据应用场景，应用场景是数据的灵魂，可以让数据更有生命感。

对互联网金融而言，场景的关键要素就是“互联网+金融”，互联网的本质就是极致体验，金融的本质就是风险控制。如上图所示。

在这一过程中，积木盒子积累了两大数据，即内生数据和外生数据，内生数据主要是交易场景数据，如投资记录、信审积累等。为了极致体验与服务提供了大量的数据样本。

对外生数据而言，主要是如何从过载的互联网信息中甄别出对传统数据的有效补充。大的思路就是要建立欺诈规则、违约预警和运营的监测。

组件库和规则库是未来大数据应用的主要产品。

在上图中，可以看到数据仓库和API应用接口能够保证积木盒子的数据应用更具有便利移植性、拓展性。

形成闭环的数据生态链是关键。

上图给出了大数据的基本思路。

在明确下大数据的基本思路，即“数据+工具+场景”，数据大集中，形成API可以规范调用的数据仓库，场景就是业务模式，是数据应用逻辑所在，工具就是为实现数据和场景的有效对接而存在，包括调度、展示与预警等。

下面将是大数据在积木盒子业务场景中的应用。

构建筹资能力指数、融资压力指数和痛苦指数的初衷就是能够迅速找到资源的平衡点，互联网金融在投资人收益、融资人成本之间做着平衡，所以痛苦指数是心情的表达。

投资端运营监测，主要监测投资人结构（价值型、投机型）、投资人粘度、投资人偏好，基于实证结果为激励政策、产品服务提供决策支持。

项目端运营监测，主要监测项目满标时间、项目还款行为、项目分布等，满标时间可以直接引导项目定价、上线时间、上线额度及项目上线计划。

下图给出项目满标时间

下图给出了计划项目上线与实际项目上线趋势图。

下图给出了项目满标的热度。

风险端运营监测，是重中之重，对系统风险和个体风险要有更精准的研判，为实现这一目标，数据层、工具层和逻辑层要达到高度配合。

分散度是风险管理的重要指标，我们构建了时间、项目、融资人、渠道等不同层级下的分散度指数，可以对风险决策提供直观支持。如下图所示。

最后给出了积木盒子风控总体结构，基于这样的结构，去建模，去分析，为决策支持提供实时指导，如下图：

我的汇报到此结束，谢谢各位在百忙中不断的触摸屏幕，看着内容，再次感谢~

以下为交流问答环节：

韩笑：感谢@积木盒子张良贵的精彩分享关于外生数据中提到了三类，网购，浏览和社交。是否验证过这三类数据的有效性，相比传统数据和内生数据，这类数据的使用效果如何呢？此外，这三类的有效性从高到低是什么样的呢？

张良贵：@韩笑网购等行为数据我们更多倾向是对欺诈和违约成本分析，数据清洗程度对结果影响很大

豫章文：就昨天话题普级一个知识点，劝告大家表以企业评级高于所在国主权评级而去笑话大公，希腊还被三大公认为垃圾级呢?岂不是希腊企业信用全垃圾级?有评级牌的超码对企业信用评级是有两把刷子的，技能要尊敬，动机另议。

戴星：从运营角度谈风控，很有意义。@积木盒子张良贵担保公司在积木盒子有风险保证金吗？

张良贵：@戴老我们会根据不同的风险特征，会要求渠道在授信敞口期缴纳担保金。

张良贵：国有担保没有，需要出具保函。

梁军成：@豫章文豫总是实战派的，传统的经验再加上技术和大数据分析的预判，或许会有不一样的模式出现。

王恺：@积木盒子张良贵谢谢分享，数据脱敏ppt有提到，具体如何实现？

张良贵：@耐特，数据脱敏是个重要课题，既不能影响数据深度挖掘又不能牺牲隐私安全，积木盒子还在摸索中

高莉：@积木盒子张良贵谢谢；非常精彩；全面翔实；请教对投资和项目两端单独做信用评估及与征信有关内容吗？

张良贵：@高莉，项目端是有信用评级的。

豫章文：保证金仅是加大点违约成本和为平台支撑点时间催收，在次级债中风控意义不大，实际在于推高利率。

戴星：@豫章文在依赖担保公司的风控放款下，代偿及时性就依赖保证金额度了。

豫章文：平台变相蓄了点资金池贝，但那是純负债。

王恺：@积木盒子张良贵谢谢，共同关注，请问自有，线下数据之外，第三方和互联网获取的数据主要指？如何获取？互联网数据是指网购、浏览和社交网络信息吗？

张良贵：@耐特现在各类数据公司很多，大家都在为数据大集中做着贡献，满足特定场景的数据获取还是有方法的。

戴星：@积木盒子张良贵对担保公司的评级，有几家都做了，但现在结果也不算很理想，特别是被国资坑了的情况下，有苦只能自己咽，你们风控在这时有何好招？

张良贵：@戴老风控是艺术也是科学，细节可以咨询积木盒子的首席风险官

陈锋：@积木盒子张良贵，言简意赅，逻辑封闭。谢谢分享。请教两个问题：1、从图上看，指标的分布时间间隔单位是天？这是积木系统内最低的还是中位数的还是标准的数据时间刻度？2、采集系统面向需要脱敏的数据源和公开数据源，它们的最小采集间隔一样吗？分别常规是多少？

张良贵：@陈峰，问题很专业，第一个问题，时间刻度根据运营监管需求来定，对P2P而言，天的粒度可以满足需要了，毕竟不是高频交易。第二个问题，采集要根据资源限制和需求密度，最高频到天的粒度。在大数据上我们一直在追求对欺诈和违约成本上的研判。

吴昊：@积木盒子张良贵积木盒子如何利用大数据判别违约成本？

张良贵：@吴昊违约成本将是大数据下最有价值的突破口，积木还在摸索。

李灵隐：非常感谢良贵的精彩分享！金融大数据专题月精彩更多，敬请期待！

您只需在中关村大数据产业联盟500人微信群中分享一次大数据思想、案例，即可进入500人微信群，与众多大数据朋友沟通、交流、合作！（入500人微信群，点击下方“阅读原文”链接，填写报名表，并把代表您能力和水平的PPT及姓名、单位、职务、联系方式发至bigdata@adyolo.com）