行为数据如何帮助出借人评估用户信用?

[[142027]]

以往，出借人凭借信用报告来评估用户的信用度。良好的信用记录往往意味着借款人值得信赖；而糟糕的信用记录或者较低的信用值往往表示借款人风险较高。但是，单凭信用记录很难做出全面的评估。

一个一直比较值得信赖的人，可能忽然身患重病。然后，为了偿还庞大的医疗债务而不得不拖欠贷款。他也可能因离婚遭受巨大的财政压力而无法按期还款。传统的信用报告没有充分考虑这些外部因素。还有数以百万计的”信用隐形人”： 他们没有足够的信用记录来设置信用额度。这就像”第二十二条军规”：如果你没有信用记录，你就没法建立信用额度。

这就是问题的根源：信用记录可以提供关于借款人的有用的信息，但是单凭这一点，不能准确地评估借款人的信用度。

金融技术革命

为了打破这一循环，越来越多的金融科技公司开始使用行为数据，对信用报告作补充，提供关于借款人的更全面的信息。行为数据通过借款人的其他支付和交易数据中获取信息，来分析其金融理财习惯，以对其偿还或拖欠贷款做出更有力的预测。这些数据包括公共记录，社交媒体账户或银行理财组合等，甚至可以预测外部冲击何时可能发生等。

传统过度依赖信用报告的借贷方法，让信用值较低的人（信用活动很少以至于信用值很低的借款人）选择空间变少。我们的公司对使用信贷的人积极开放，但是我们的申请用户中有15%没有信用评分。

这不是一个哲学问题，而是一个实实在在、亟待解决的问题。信用卡消费拉动了美国的消费经济：在2014年，单单Visa信用卡购买额就达到1.2万亿美元。如果仅凭信用评分来决定借贷行为，那就等于在购房购车方面将信用评分少的人排挤在外。并且，这使得金融公司对有借贷记录的人做出精确地评估。

这就是金融科技公司试图让更多的消费者享受到借贷的原因，以多个元素，而不是单一的指标来对贷款和信贷进行评估。例如，Upstart公司将个人教育背景和工作记录纳入信用评估体系。从银行账户记录到”信用学校”，这些组织正在创造一个更具活力，更加多元化的借贷行业。

新的机会

不适用替代数据或者行为数据的公司，正在将生意拒之门外。我们对将行为数据和替代数据纳入承销算法做了追溯分析，结果令人震惊：我们把数以千计的客户拒之门外，他们也许并不像他们的信用评分显示的那样欠款风险高。每拒绝一个客户，就是错失一个机会。

通过将行为数据和替代数据纳入我们的批准和定价算法中，大大降低了我们的预期损失率。我们可以更好地识别那些比他们的信用评分显示的风险更高的用户，以及值得信赖的用户-即使我们增加了批准数量。传统公司的高管一时间仍不愿意使用这些数据进行评估，因此，他们将对部分用户提供过多数量的借贷，而不向他们收取与他们的借贷风险相匹配的利息。他们的竞争者最终将利用这一点，获取更大的利益。

改变核保体系是一个巨大的工程。首先要对当前的体系进行评估，然后为公司选择合适的新体系。一旦决定进行更改，以下步骤将帮助您使用新数据：

一、 重新配置基础设施。

一个最简单的使用行为数据的方法就是采用心得评分产品，例如环联的L2C，或者益百利公司的扩展视图等。像Mint和Yodlee等公司，直接从用户的银行账户中获取信息，为评估借款人的理财习惯和可信赖成都提供了更深入的信息。然而，对于传统的公司来说，新的数据和分析系统意味着增添心得基础设施，这对它们来说是个挑战。美国富国银行和花旗银行不愿意彻底整改它们的传统算法，因为这是一个巨大的工程，也不符合它们的传统经验。当硅谷中的金融科技公司开始采取更加多元化的方法进行用户信用度评估时，创新的大幕已经拉开。

二 、对信用评分较少的客户进行评估。

除了信用报告之外，还可以使用银行转账，公司支付，零售活动和社交媒体对借款人进行评估。例如，信用评分很高的人，也可能用风险较高的行为模式。信用评分较低的人可能会定期偿还账单和定期存款，因此即使他们的信用评分较低，但反而更值得信赖。 在采取新的借贷标准之前，要对当前的理财组合中各个数据点之间的关系进行评估。明确用户之前理财行为的原因，写入新的算法中，建立一个更加全面的评估方法。

三、 进行后续监测。

一旦决定进行新的信用评价方法，行为数据就变得非常重要，因此要选择坚实的技术支撑。分析每个用户的付款频率和方式。使用K均值算法来分析普遍特点，来分析信贷的模式和特点。 使用这样的方法，可以在用户要求增加信贷额度或新的贷款时，做出更加全面的评估和决定。可以将现有的数据点与原有的影响信贷评估的因素结合起来，对未来的信贷行为进行评估。

科技使得借款人可以对用户做出更加明智的信贷决定，使用更加全面的数据分析。通过一定时间的行为数据分析，可以分析出用户的行为趋势，根据这样的行为模式进行信贷条款和额度的调整。只使用信贷评分不能做到这一点，而替代数据可以。