他2分钟输出借款人网络数据报告 借贷平台日查询20万次 撮合贷款日峰值3亿

文| 铅笔道 记者 薛婷

►导语

创业初期，做擅长的事儿比做感兴趣的事儿更重要些。这是首个创业项目带给罗皓的经验教训。

尽管拥有七年金融风控经验，曾就职于通用电器、渣打银行、Discover信用卡等大平台。由于个人对营销感兴趣，他于2011年毅然做了品牌舆情分析项目。

尽管项目拿到了天使融资，但罗皓意识到了模式的局限性：无法规模化。他顶住众人反对，中途转型，重拾老本行。罗皓身上有着湖南伢子的霸蛮劲。

这一次，他要用互联网数据为消费金融机构提供风控服务，如电商、公积金数据等。“金融风控就像做菜，现在菜谱有现成的（风控模型），但是缺少下锅的米。”

如今，聚信立已服务客户近400家，数据风控权重占比平均为20%，把客户的坏账率降低5%~10%。如果原来的坏账率为5%，在此基础降低10%的话，即降至4.5%。

报告输出时间平均为2分钟，客户单日查询量超过20万次，单日撮合贷款金额2.5~3亿元，累计查询人数1100万。

筹备18个月的产品是如何做到的呢？

注: 罗皓已确认文中数据真实无误，铅笔道愿与他一起为内容真实性背书。

2012年年底，罗皓有了业务转型的念头。那时距离他拿到天使轮融资不足半年，周遭齐刷刷抛来反对的声音。

经过几个月谋划，他的想法越发坚定。“天使期走到一半，做这个决定还是挺艰难的。”

当时聚信立的项目是为品牌做舆情分析，通过爬虫收集微博、电商等平台的数据，来帮品牌做用户群体分析，曾服务可口可乐、肯德基、路虎汽车等客户。

这本是他的兴趣所在。然而深入到行业中，罗皓感觉到各种不适。

首先，基于群体的数据分析，价值很难量化。“客户的高层用你的数据报告做了决策，最后产生了多少效益，我们不得而知。”

其次，此模式只能以做项目的方式服务客户，难以规模化。罗当时推出了几款产品，几乎卖不动。

转向何处？他联想起2009年时的一个想法：利用互联网数据去判断借款人的信用情况。“当时微博很火，记录了个人的照片，喜欢什么，吃什么，玩什么......我觉得这事有戏。”

这是罗皓的老本行。他是国内第一批SAS认证统计师，有七年的金融风控、风险建模、大数据分析等经验，先后就职过通用电器、渣打银行、Discover信用卡。

罗感觉到，这事儿已不再是自己多年前简单的一个创意，而是变成了一种趋势。“大家的数据正逐步从线下转移到线上，如运营商数据、电商数据等。”

10月，他了解到美国有家利用互联网数据做风控的公司 ZestFinance ，已获得5000万美元B轮融资。

他打算重拾老本行。“创业初期，做擅长的事儿比做感兴趣的事儿更重要些。”

2013年4月，聚信立正式转型。罗皓信心满满，他认为首先通过互联网数据判断个人能不能贷款，价值很直接。此外，经过上个项目，他们积累了数据收集、清洗等经验。

他把服务对象确立为消费金融公司，如P2P、银行等。“很多贷款的用户是缺乏传统信息记录的，互联网数据刚好能起到作用。”

然而第一步数据获取便着实让他为难。国内互联网平台的个人数据大多是封闭的，且定价模糊。“直接找电商、O2O公司等第三方要数据，基本不可能。”

罗皓另辟蹊径，找到对策。他转而从借款人切入，由个人授权，通过网页抓取技术收集信息。“借款人为了贷款，需要向平台出示证明或第三方信息，来证明自己的身份、还款能力等。”

数据有了，以怎样的产品形态提供风控服务？罗皓最初的想法是直接为客户提供互联网数据。

◆ 聚信立的小伙伴正在埋头工作

期间，他带着产品总监跑了成都、上海等城市的30多家小贷公司，拿着准备好的互联网数据逐家了解需求。结果放贷平台拿着这些数据不知如何使用。

一个现象让他转变了思路。他发现，银行覆盖不到的信贷市场，60%以上的损失来自于欺诈。“这些用户的目的不是借钱，而是骗钱。”

骗钱的手段无非是造假贷款申请信息，如姓名、年龄、工作、学历、住址、紧急联络人等。“拿用户的申请信息与事实信息做对比，如果二者有出入的话，很大程度上说明他在行骗。”

比如，一用户申请贷款时填写了住址，而电商数据显示其从未向该地址送过货，“此时有理由怀疑此人地址信息可能不真实”。

由此他确定了产品形态：用互联网信息去验证贷款人的申请信息。“对于这种形式，调研用户的接受度大幅提升。”

这给技术实现增加了难度。他们需要把互联网数据转化为信贷平台能看得懂的数据，可简单快速与申请信息做对比。

罗皓将这项程序称为“数据翻译”，例如通过电商数据，判断贷款人的住址、有无信用卡、紧急联系人等。

“信贷平台此前没有使用过互联网数据做风控，大多还是传统的收入、身份证等信息。对于信用缺失的贷款人，便没有认证、判断依据。”

此外罗坦言，除了最后一步“数据翻译”外，技术上的挑战无处不在。

第一步数据抓取工作量繁杂。“国内互联网数据的特点是分散，较为典型的是全国有四万多个公积金网站，每个省、市都有差异。”他无奈地说道，“各类网站的登录方式也有差异，模板很多，都要单独处理抓取信息。”

第二步数据格式不一，难以清洗。数据有的是数字，有的是文字，格式多种多样，技术团队需把非标化数据转化为标准化数据。

第三步将不同类型数据整合。“电商、公积金、出行数据等表达的内容不一样，需要把这些数据统一化处理，然后再翻译。”

以上系列程序需要底层系统的支撑，为此罗皓带着团队展开了长达一年多的研发之旅。“当时国内国外都没有类似系统，买都买不到，只能自己做。”

直到2015年年初，内测版产品才上线。同期，聚信立获得京东金融2800万A轮融资。

内测前6个月，罗皓推出免费试用。前后有60余家消费金融平台参与内测，如维信理财、么么贷等。

信贷平台提交缺乏征信记录的借款人申请信息，聚立信通过授权抓取信息，最终核实信息是否相符，以数据报告的形式反馈给信贷平台。“顾及到用户体验，一般让借款人授权2个数据源。”

起初，报告输出时间为十几分钟，单个借款人的数据考核维度约为100~200个。

半年下来，两份成绩令罗皓格外兴奋。

一、内测平台反映，聚信立的数据占到他们风控权重的20%以上。

二、通过过滤欺诈人群，把客户的坏账率降低5%~10%。如果原来的坏账率为5%，在此基础降低10%的话，即降至4.5%。

去年6月，标准报告产品正式上线，平台向信贷机构按查询次数收费。

一年间，罗皓不断扩张技术团队，优化底层IT系统，并加大硬件投入。“我们配置了几百台独立服务器。”

由此，聚信立的数据源接口共有200多个，覆盖网站1200多个。个人数据判断维度增加至1000个左右，“最高可达5000个”。

报告输出时间缩短至平均2分钟，最快为1分钟左右。“连续四个季度的查询量月增速度为130%。”

目前，聚信立已有客户近400家，数据风控权重占比平均为20%，最低为20%，最高为60%。“60%客户是自己找上门的。”

客户单日查询量超过20万次，单日撮合贷款金额2.5~3亿元。累计查询量1.2亿次，累计查询人数1100万。

在罗皓的规划中，聚信立正由工具型公司向数据型公司迈进。“400家客户每次查询都会留下借款人的申请信息，我们正在用查询历史的数据来解决多重借贷问题。此外还抓取其它消费金融借贷平台的注册信息来加强此项风控。”

另一层面，他打算挖掘、重构借款人之间的社交关系。“国内消费金融市场的借款人不足四千万，我们已经服务了四分之一以上。”

生态公司是罗皓更为长远的目标。“不仅仅是出售数据风控服务，还可以帮客户制定风险政策、做风险评分机制等。”

读完文章，有报道需求的创业者请加Pencil-news，可享受铅笔道可爱萌妹纸的热情服务，加好友请注明“求报道”字样；

如需转载、市场合作，请加微信号xinchao0618。