大数据风控的定义和产业发展状况

大数据风控属于一种新型风险控制模式，与传统风控模式在本质上并没有太多区别，二者目的都在于利用已有的数据进行风险评估。但大数据风控的特点在于，其通过对海量数据和用户行为数据的量化分析和模型化，实现对风险的科学高效分析，例如对借款人的还款能力、逾期几率及欺诈风险的预测。

在数字经济时代，大数据风控产业的发展在世界各国受到了极大的重视。在欧美发达国家，大数据风控在信用经济、消费经济、普惠金融等领域扮演着不可替代的角色。根据业内专家提供的数据，2017年美国的大数据风控市场的总体产能已突破了120亿美元，并催生了庞大的数据平台、算法和人工智能产业的发展。

从数据风控导入行业的分布情况来看，金融业作为现代经济的核心，实体经济的血液，承载宏观经济稳定的支柱，其对大数据、云计算以及人工智能等技术的融合，让银行等金融机构与客户的交易信息成为可以利用的有效资源，对客户信息的分析更加全面、科学、便捷、有效。可以说，当下大数据分析的技术进步，已不单单是提升金融效率的工具，而是以业务重构和产品创新的方式，推动金融业的转型和客户体验的提升。以大数据分析和智能风控为代表的金融科技将是中国弯道超车重建国际金融秩序的重要手段。不仅如此，大数据风控所提供的数据分析服务还可以帮助包括大零售、医疗、物流、工业制造等行业的任何有数据处理分析需要的企业、甚至是政府部门来实现风险控制、提高运作效率的目标。

大数据风控的先天优势和内在风险

毋庸置疑，大数据风控技术的发展极大地提高了各个细分行业的效率，普通民众的生活更加便利，企业和政府部门的运作也因此受益。相对于传统的风控模式，大数据风控的特点在于利用数据进行科学风控。在大数据风控模型中，其数据不仅包括传统的金融数据，例如年龄、收入、负债等资信数据，还纳入了许多对风险评估具有较大参考价值的个人行为数据，例如该用户是否在多家借贷平台借款，其手机上安装的借贷APP数量和活跃程度，通讯录是否为空，日常消费习惯等。在某些具体条件下，以上用户个人行为都具有与用户信用风险高度相关的信息，这些因素会成为评估信用风险的强相关数据，可作为重要因子录入大数据风控系统，影响用户的信用评估结果。

但在传统的风控模式下，碍于数据来源、挖掘和分析技术的限制，其模型设置一般只采用单一的线性回归模型，变量一般不超过百个。相比之下，大型大数据风控科技公司提供的变量可高达数万个，其算法模型数量之多，足以支撑从多个角度对申请人进行衡量的需求。在数据的广度、深度和鲜活度上，传统风控模式均远逊于大数据风控模式，且在后者的情况下，借助AI自主学习还可以在后期实现模型的不断优化、输入数据的丰富化以及颗粒度的细化，其评估的时效性和准确性要明显优于单纯依赖传统风控做出的风险评估。

实际上，大数据风控技术已经在传统商业银行、现金贷公司等各类企业上获得广泛运用，美国知名的大数据风控公司ZestFinance为超过15%的美国客户提供高效、准确的信用评估服务，其模型接入到多家传统金融机构，而且大数据模型技术则依托于Google公司的信息技术支持。同时，凭借自身AI深度学习技术的发展，大数据风控公司得以快速更新风控模型，在对抗网络欺诈、打击黑产上发挥了重要的作用。

当然，大数据风控自身存在一些不容忽视的运营和信息安全风险。例如数据本身的匹配程度、覆盖率、相关度和鲜活度等因素都将严重影响到风控评估结果；大数据风控本身的定位也限于对决策提供辅助作用，虽然大数据可以从多维度展现和说明问题，但是最终决策仍需决策层在结合其他信息的基础上综合判定后作出；此外，数据的收集和使用，尤其在涉及个人信息和隐私保护的问题上，大数据风控始终面临着不小的挑战。

因大数据风控的内在的风险，加之行业发展的初期，缺乏行业标准缺失、法律法规不完善，以及行业内各企业技术管理水平良莠不齐的原因，大数据风控行业也乱象迭生，在涉及个人信息加工处理等敏感问题受到公众热议的同时，也引发了监管方面的注意。在2019年，公安部在全国范围内开展打击“套路贷”犯罪活动，不仅冲击了大量P2P平台及其上下游产业链条，提供数据分析技术服务的大数据风控公司也因此涉嫌滥用个人信息，部分业务因受严重冲击而停摆。

大数据风控合规化整改的展开

有鉴于此，当下我国正着手加强对大数据风控行业的监管，尤其是对数据形成及隐私保护的问题。强调对该行业发展的合规化整改，对于行业的长期健康发展的必要性无需赘言。在笔者看来，在合规化整改过程中，把握安全和发展的平衡，至关重要。

首先，应当坚持安全是发展的刹车器。对于侵害组织和个人合法权益的违法行为，监管机关应当综合运用行政和刑事的手段开展综合治理。在这个过程中，应避免对所有的历史问题，对行业中普遍存在的不够规范的问题，在行政监管等长期缺失的前提下，直接一刀切地直接认定为刑事犯罪。对于处在行业领先的头部和技术领先企业，需要充分考量其对行业、对科技、对经济所做的贡献，用发展的眼光去看待企业和行业发展中的问题。

其次，应当注重制度和规则的创新。大数据分析和风控在各个细分行业的应用是未来行业发展的大趋势，理想的监管方向应该要致力于形成一个监管、行业以及用户良性互动的态势，在鼓励科技向善的理念下，推动行业创新与监管规制的螺旋式上升发展。这需要充分考虑数据保护和数据流动的平衡，应当着眼于构建健康的行业生态，搭建好法律、监管和行业自律的完整治理框架，充分考虑行政和刑事的衔接问题。

监管方面对大数据发展和利用的正规化引导目标，实际上应让行业向上发展的同时，也更好地保护普通用户的个人信息和隐私安全。这也促使行业各个公司愈发重视对个人信息收集、处理和使用的合法性，而专注于数据风控业务的合规化。毫无疑问，随着监管整肃力度的升级和法律法规的不断完善，大数据风控行业的发展必然会受到一定程度的影响，相关资质、牌照、监管审批的合规要求也将逐步建立健全，企业在技术开发和输出上甚至可能因合规风险而限于保守，合规化成本攀升亦不可避免。但对于真正致力于深耕大数据风控领域的企业而言，这既是一场大的挑战，也是一次难得的机遇，野蛮生长的时代已经过去，将技术创新和合规发展作为核心考量的大数据风控企业将更有可能在未来赢得市场的青睐。

总而言之，在数字经济飞速发展的时代，我国对大数据风控行业的监管不仅要考虑到个人信息和隐私的保护，也应该用长远发展的眼光看待大数据风控行业和业内的企业。大数据风控行业自身则更需要做好应对不断完善的监管机制的准备，在合规化的基础上积极推动大数据领域的技术开拓，促进我国大数据全行业有序地发展。而如何更进一步将我国数字经济做大做强，则如前所述，将有赖于监管者、行业自身和用户的互动形态。这对每一位参与者而言，都将是一次重大的考验。