Wecash闪银：开垦信用市场

文/本刊记者 冯珊珊

Wecash闪银：开垦信用市场

文/本刊记者 冯珊珊

沃顿商学院教授埃里克·布莱德劳(Eric Bradlow)曾经表示：“社交数据是一个很有价值的额外数据源，对某个人的信用行为具有很强的预测性。当一个人的资料非常稀少时，这样的数据尤具价值。”

人人都有信用

Wecash是一家提供信用评估服务的公司，从“大数据”角度出发，根据用户在社交媒体、SNS社区等公开平台上发布的信息，通过特殊数据分析方法进行信用额度以及偿还能力的评估，从而判断用户是否拥有一定额度的贷款资格。

用户通过Wecash的APP端或者微信端，在新进入的页面中输入个人基本信息，再授权一些社交网络账号等，提交资料后，系统便会将这些信息与海量抓取到的用户上网记录进行综合分析，给出一个可用资金额度。用户如果要提现，便可以输入额度和分期期限，系统自动通过后端服务商找到投资人进行拨款，整个过程最快20分钟，最慢一天；额度最低为0，最高50万。

Wecash定位的“2+5”人群，即本科毕业前的两年加上毕业后的五年，年龄在20到27岁之间。理由有三点：第一，这个人群的收入不高，获得银行体系信用评估的概率低；第二，这个人群互联网行为会比较多，更容易留下一些互联网足迹和信息；第三，这个人群正处在不断成长的阶段，一定时间以后，会需要更深层的信用服务。

根据Wecash闪银创始人支正春的说法，闪银的目标是“改变四亿信用白丁的生活”。中国有8亿人在银行开户，但目前为止央行的征信只覆盖了3亿多人，还有4亿多的空白用户存在。Wecash闪银所做的是给互联网的用户，特别是移动互联网的用户，提供信用评估服务。

Wecash所使用的大数据授信方式：通过申请人所授权的信息，抓取超过6000条原始信息进行数据分析。再经过自有的3R信用评分体系，交叉检验用户提交的信息真实性、综合评定用户信用等级，从而给出用户可用额度。

所谓贷款人信用评估数据“3R”模型：第一Rules，就是规定什么样的客户应该怎么处理。比如说赌博、彩票，如果发现客户干了这个事，会给客户贴上标签，认为他不是好客户。第二Rank，根据客户的性别、年龄、区域、行业、社交密度、社交信息、兴趣点、工作类型、教育背景进行排名，不同参数排序是不一样的。第三Regression，Wecash会挑一部分客户，以付费的方式获得他们的信用反馈，不断调整模型。

这与传统银行的征信方式有非常大的差异：第一，选取的资料不一样。银行更关注客户过往的信贷记录和收入水平；Wecash更关注用户的互联网行为和社交信息；第二，风控的实现方式不一样。传统银行信贷核心还是靠有经验的信贷员，这种方式注定随着业务规模的扩大，需要更多的有同等评判水准的业务员，而Wecash采用的是“machine论”模式，用机器做整个大数据的分析，从而最大程度地降低人工成本，随着规模扩大，边际成本会更低。

不足之处在于，Wecash所给的初始授信额度不高，如果客户提供的信息不足，授信额度就会更低。遇到一些素质偏低的客户，比如重复用同一个手机号码申请、身份证和名字对不上、工作虚假等一些黑名单客户，Wecash就会拒绝授信。

对于产生坏账的客户，Wecash定期会把这些名单公布在互联网上，并通过社交关系做催收，向他们了解情况；对于超过180天以上坏账的客户，Wecash会请服务商，集中诉讼。在每笔借款产生的同时，其实已经是用户与官方签订了一份电子合同，同样具备法律效力，Wecash闪银等互联网金融机构有诉诸法律解决的权利。

Wecash最终想实现的是：人人都有信用，人人的信用都可以转化成资产。“我们希望整个公司最终变成一家以数据搜集、数据分析、信用评估见长的公司。我们想在未来三年内覆盖一千万的用户，使自己逐步成为一个小领域的标准。”支正春说。

数据风控四绝招

但是，单纯利用移动互联网数据做信用评估，还是会存在一些实名的征信较差。为了解决这个难题，闪银做了四个结合：第一个是线上数据和线下数据的结合。线上的社交网络主要来自于微博和微信，线下的社交信息主要来自于通信记录，闪银将这两个社交网络结合，实现线下和线上的数据打通。

根据WeCash闪银联合创始人李昊的介绍：闪银一方面在跟一些线下的教育培训机构、旅游机构、零售机构等合作，使得线上和线下的数据进行交叉验证补充；另一方面通过用户授权之后的GPS的定位，还有基站，获得用户线下的位置信息，实现对用户画像更为精准的刻画。

第二个是主动数据和被动数据的结合。闪银通过网络爬虫去爬取的数据，大部分是用户主动发布的信息。比如业务销售人员、公司高管会有大量的互联网信息暴露度。

对于不主动发布信息的用户，闪银会采用一些被动的数据。一部分是运营商的流量的数据，一部分是来自于DSP和DNP厂商的数据。通过这些数据扩大覆盖面，缩小偏差，使得模型和策略有更好的预测和推广性。

“主动和被动还有另外一层含义，就是可不可以被用户感知到。”李昊说。在传统的业务上，用户在填一个申请表的时候，他会感觉到你在采集他的信息，有一些客户，他会刻意粉饰自己的数据。而在用户填写信息时，录入的时长、回删的次数，以及用户的一些设备ID、IP的信息等，相对不容易被感知和伪装，通过这些数据的分析，可以增强信用变量的有效周期，提高抗欺诈的能力。

第三个是个体数据和群体数据的结合。以前做小微金融，一个假设就是一个个体和另外一个个体，在违约行为上的概率，彼此之间是相互独立的。随着互联网社群的发展，个人的行为变得有传染性。闪银把用户划分为相应的群体，把一些基于社交网络的数据，结合在其中。

第四个是贷前数据和贷后数据的结合。银行做信用贷款，对于用户贷后的监控，一般是一个月进行一次访谈。随着移动互联网的出现，贷后的监控扩展到全天候24小时。目前闪银可以对用户的行为，第一时间做出预警和响应。

此外，传统线下做消费金融，一个比较常见的问题是用户失联。借助于移动互联网，失联的情况就相对容易解决。

目前，Wecash已经和北京资信以及多家P2P公司进行黑名单信息共享，提升整体用户的违约成本，构建良好的信用氛围。

在李昊看来，风控是在一个需要在开放空间解决的问题，不存在一个风控数据的封闭空间。大数据可以扩充信用评估数据的边界，对传统信用的评估是一个强有力的补充。

在风控方面，大数据的优势是覆盖面广、更新迅速，可以用来反欺诈和监控。同时，在用户缺少传统数据的时候，可以起到一定的替代作用。劣势主要在于有效数据的密度比较低，比如一些交易数据都是中性的，和客户之间的信用关联不强。

“所以在使用这些数据的时候，第一，需要沙里淘金。第二，要通过多维度的关联，把单一维度的数据进行组合，从而产生具有较强风控的数据。”

在提高效率和保护用户隐私之间，李昊认为一定要满足两个原则：一个是双向透明原则，当一个用户信息被采集、被分析的时候，他是知情的，而且也知道分析的结果。另一个是数据的保存和销毁的原则，在服务已经结束的情况下，把数据删掉。“在这种情况下，是没有风险的。”李昊说。