安卓用戶將要面臨貸款難，金融大數據的應用

「我個人十分尊敬Apple公司，但是我拒絕花將近一萬塊來買Iphone，相反，我超長待機的一兩千塊的安卓機已經滿足我的需求。不過，在這個與大數據融合的經濟里，我沒有想到的是以上的決定增加了很多難以預測的成本。」

近期由德國法蘭克福學校金融管理系的Tobias Berg發表一篇論文，證明一個人的數字足跡（網路上露面的情況）可以對金融活動的信用分數起到預測作用。他們發現：IPhone手機用戶和安卓手機用戶貸款違約率存在差距，明顯的是，IPhone手機用戶是可信賴的高收入和高信用的族群。

《大數據時代》的作者Sch?nberger對大數據的定義就是，「大數據，不是隨機樣本，而是所有數據；不是精確性，而是混雜性；不是因果關係，而是相關關係」。這裡強調的便是數據的多樣性。

有了大數據，自然就要有大數據技術，即從各種各樣類型的巨量數據中，快速獲取有價值信息的技術，強調快，這是大數據技術與傳統數據挖掘技術的重要區別。

Fintech Australia是澳大利亞的一個金融創新企業聯盟組織，該組織已經更依賴大數據方法而不是傳統方法來測試信用等級。金融行業也在增加從互聯網上追蹤到的微小的事情來判定一個人的信用等級。從追蹤的統計數據很可能讓演算法的決策出現錯誤，這就意味著，我們需要尋找更多類似Berg的研究來給予演算法更多的思考空間。

以美國主流的個人信用評分工具FICO信用分為例，FICO分的基本思路：

把借款人過去的信用歷史資料與資料庫中的全體借款人的信用習慣相比較，檢查借款人的發展趨勢和經常違約、隨意透支、甚至申請破產的各種陷入財務困境的借款人的發展趨勢是否相似。

FICO評分是傳統金融機構對大數據的運用，比較於典型機構ZestFinance對大數據的運用，ZestFinance的客群主要就是FICO評分難以覆蓋的人群，要麼是在FICO得分過低金融機構拒絕放貸的人，要麼是FICO得分適中，金融機構同意放貸但利率較高的人。

在Berg的論文中，還提到了從德國的一家家居電商的270,399次購買記錄中獲得由數據分析得出的其他重要的變數。（這一家電商採用家居先郵寄，再付款模式。所以是否違約、不付款變得非常容易觀察；每年的訂單違約率在3%左右）

得出的結論是：

用手機下訂單的用戶要比用電腦下訂單的客戶違約率高出3倍以上。

一個用戶從比價網站上跳轉到購物頁面要比從搜索引擎來的違約率少一半。

郵箱名稱中包含名字的違約率要比不包含的少?，如果不包含數字違約率會下降更多。

那些在中午12點到下午6點購物的人們違約率比午夜購物的下降一半。

這些發現非常直觀。有著規律的生活作息和良好自制力的人更加讓人信賴。及時付款的人相較違約的人也更加富裕。

其實，無論是金融還是其他領域。

大數據並不是一個充斥著運演算法則和機器的冰冷世界，其中仍需要人類扮演重要角色，人類獨有的弱點，錯覺錯誤都是十分必要的，因為這些特性的另一頭牽著的是人類的創造力、直覺和天賦。

偶爾也會帶來同樣混亂的大腦運作，也能帶來成功，或在偶然間促成我們的偉大。這提示我們應該樂於接受類似的不準確，因為不準確正是我們之所以為人的特徵之一。就好像我們學習處理混亂數據一樣，因為這些數據服務的是更加廣大的目標。畢竟混亂構成了世界的本質，也構成了人腦的本質而無論是世界的混亂還是人腦的混亂，學會接受和應用它們才能得益。

大數據是一種資源，也是一種工具，大數據提供的不是最終答案，只是參考答案，為我們提供暫時的幫助，以便等待更好的方法和答案的出現。

*參考資料來源：Own an Android Phone? You Might Not Get That Loan；Leonid Bershidsky

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！