数据猿报道，2017年10月25日，由 数据猿 联合《清华金融评论》共同主办的“2017金融科技价值峰会——数据驱动金融商业裂变”在北京隆重召开。本文为数据猿现场直播“包银消费金融总经理助理汤向军”的发言实录。
作者 | 汤向军
官网 | www.datayuan.cn
微信公众号ID | datayuancn
数据猿报道，2017年10月25日，由 数据猿 联合《清华金融评论》共同主办的“2017金融科技价值峰会——数据驱动金融商业裂变”在北京隆重召开。本届峰会主要从「消费金融」、「供应链金融」、以及「金融前沿科技探索」三个角度深入探索数据智能为金融领域带来哪些颠覆式的变革！
以下是数据猿现场直播“包银消费金融总经理助理汤向军”的发言实录：
大家好，今天我要分享的主题是《大数据在消费金融的应用》。
大数据在这两年是一个很火热的话题，被各家互联网金融公司、消费金融公司用于风控和反欺诈领域，特别是今年基于AI的风控和反欺诈是各家消费金融、信贷、银行等机构比较大的一块业务。
首先分享一下大数据的现状，对于大数据的定义，很多公司可能存在一个误区，觉得自己有数据就有大数据。
你公司的数据从哪里来？我们以消费金融为例，大量传统行业的信息是通过用户手工填写，但如今在网上就可以办理。用户在网上进行填写，不可能像传统银行那样需要填写几百个信息项。对于目前各家消费金融企业来说，追求的都是极致的客户体验和用户的忍受度，用户在几分钟内就能达到你贷款的结果。那么，如果用户填写这么少的数据，企业该如何积累你的数据呢？这就考验到了各家的消费金融公司。
其次，处理速度。一般情况下，用户在两三分钟内填写一个贷款申请，三到五分钟内完成整个申请，再过一分钟就能收到贷款，这就考验到你的处理速度。数据获取、数据处理、数据分析、数据处理速度，这方面代表了大数据，考验了各家公司的大数据处理能力和你是否是一家大数据公司。我认为大数据能力是衡量你公司的最重要的标志之一。
大数据的核心价值
首先，用户提供的大数据和你获取的大数据，能够详细地了解到风险识别情况。
其次，大数据的应用也比较多：
第一，精准营销。
如何影响到你的用户，你的用户在哪里，如何花最少资源找到你的用户，这才是大数据的威力之一。
第二，风控。
今年大数据被各家公司应用到风控，特别是反欺诈方面，其相应的还款能力也是处理能力的一个体现。
第三，风险。
金融行业其实就是金融风险，金融风险如何控制？现在很多公司都是靠数据去控制风险的，你的数据是否及时正确、是否及时得到了处理，这都考验到你的风险处理能力。
大数据的核心技术
第一，数据库采集，也就是比较格式化的数据；第二，网络数据的采集，还有文件采集，如何把你的数据采集过来、然后清晰、集成、转换、规约；还有就是算法；更重要的是你数据分析的能力，包括机器学习、深度学习、AI怎么样处理你的数据，最终你的算法，选用什么样的算法、模型，怎么分析客户、要什么结果，这是整个处理的过程。
详细介绍一下大数据在整个消费金融行业的应用，大数据虽然好，但怎么用，如何体现价值？它怎么推动你公司业务的发展，如何提高你公司的应用效率。
第一，统计分析。
很多人认为大数据就是分析，其实统计分析对大数据来说是最传统最基本的结果。大数据最终用来做什么？是用来预测的，大数据对客户的预测，对客户的精准营销，还有对客户的风险识别能力和客户的其它识别能力，这才是大数据的真正的价值，也是各家公司在大数据技术上投入的一个核心目标之一。
第二，用户的行为分析。
对一个公司来说，最重要的是用户。你获客成本是多少，客户的转化能力、转化比是多少，你公司的产品是什么，客户群体是什么样的，然后你的客户在哪里，你怎么营销，客户来了怎么转化，你转化率是多少，这就要靠用户行为分析。
第三，人物画像。
首先对用户打标签，用户标签就是用户行为的特征，把不同标签通过不同体系整合在一起，最后组合成不同的用户画像。经常使用的用户是什么样的用户？正常还款的是什么样的用户、逾期还款的是什么样的用户、不良用户画像，都要靠你分析。
第四，反欺诈。
今年整个消费金融和在线信贷蓬勃发展，也催生了一大批黑产，他们就是典型的欺诈团伙，作为在线信贷消费金融来说，最重要的一点是如何在线做反欺诈。反欺诈主要还是用大数据来解决。大数据如何通过这个人的社交关系，这个人申请的位置、时间点、申请过程中的哪些异常点来判断，大数据建模来建设反欺诈能力。
第五，机器学习。机器学习最重要是监督学习和非监督学习，这些算法，对你的用户，针对你的产品，选择不同的一个算法，然后再投入，对数据进行分类，慢慢提高你算法的精准能力。机器学习这块，首先你要采集数据，然后进行数据处理，这是两块最基本的工作；然后是特征，如何针对用户特性选择特征板，接着选择消费模型，对模型进行评估。
整个大数据在推动发展，也推动大数据越来越成熟，我认为大数据在整个金融的发展会越来越蓬勃，两边相互作用。谢谢大家。
