数据科学和金融科技那些事儿

Candice
Candice
Candice
96
文章
0
评论
2020-04-1709:05:00 评论 1,139 2227字
摘要

互联网科技在从前是一个行业,与金融,房地产,能源,医疗,健康,教育等等传统行业并驾齐驱,然而随着科技发展,如今的互联网已经不是一个行业了,而是一个逐渐渗透到各行各业的基础设施。

金融科技(互联网金融)就是典型的利用互联网相关技术去改造提升传统金融服务的新兴市场。

金融科技,按照Wikipedia的定义:

"金融科技(Financial technology,也称为FinTech),是指一群企业运用科技手段使得金融服务变得更有效率,因而形成的一种经济产业。这些金融科技公司通常在新创立时的目标就是想要瓦解眼前那些不够科技化的大型金融企业和体系。

金融业务本身,可以分成以下方向:

1. 借贷,这个估计占了现在金融科技公司的半壁江山,主要是无法被传统银行满足的长尾市场实在是巨大

2. 财富管理,一种是理财规划,一种是投资组合模式。典型的如Motif Investing这家公司,采用集体智慧来进行投资组合

3. 保险,保险也是金融的一种,借助互联网进行销售的居多,但是也逐渐有了很多借助大数据来进行差异化定价的互联网公司出现了,最大的如蚂蚁金服和腾讯共同投资的众安保险

4. 支付,我们每天都用微信支付,支付宝支付吧,不用说了,这个是我们最能感受的金融科技,没有之一

5. 众筹,为初创公司提供融资服务,如京东众筹

6. 货币、外汇等,这类模式致力于提高跨境交易的效率和降低成本

7. 零售银行,纯线上的数字银行,无柜台

8. 银行科技,为传统银行核心业务提供技术支持,如线上销售,反欺诈,信贷风控等

有人专门分析了成功的金融科技公司的商业模式,大致可归纳成四条策略:

1. 通过与 B 端合作的模式批量获取有效 C 端客户;

2. 利用互联网和移动设备为客户提供纯线上服务,简化业务流程,优化产品界面,改善用户体验;

3. 运用大数据和云计算提供基础信息支持,实现金融服务个性化;

4. 以细分市场作为切入点,专注服务特定类型客户,并提供相关增值服务。

本文就先关注一下其中第3条,看看数据科学(人工智能、机器学习、数据挖掘等)可以怎么带领金融科技飞。

数据科学与金融科技

毫无疑问,金融是一个极其讲究量化的行业,随着数据源的极大丰富,可以将数据科学越来越多地应用在金融行业中。

目前,金融科技公司中,数据科学已经在发光发热的领域有以下几个:

一、信用评级

从前每个人都是一个信用孤岛,有过信用卡的,可以在人行查到信用报告,但是很多人其实都没有信用卡,无法估计其信用等级。现如今,随着互联网的发展,每个人的互联网行为,社交数据,网购消费等等数据都多多少少暴露了其信用等级和消费能力。

信用评级是现在广泛存在于各种互联网借贷创业公司中。大概模式都是:

1. 从各种渠道收集数据,多多益善,因为数据越多,评级越准;

2. 量化信用指标

3. 迭代优化,更新数据,更新算法

国外典型的公司

Credit Sesame

Faircent

OnDeck

Kabbage

LendingClub

Prosper

ZestFinance

Vouch Financial

这个最典型的两个例子就是:芝麻信用分和微粒贷的额度。

二、市场营销

市场营销主要有两个方向:获客和留客。金融业务最终也是要面向消费者的,所以获取精准的目标用户(客户),以及强化原有客户的忠诚度,都需要用到数据科学来投其所好。

现在的金融业务基本上都是全渠道覆盖,数字渠道给精准获客提供了便利。数据科学的应用大致就是:

1. 分析的数据远远不止交易数据,包含各种上网行为

2. 构建高度精准和多维度的用户画像

3. 为其提供个性化的业务

举个例子,比如现在全国的商业银行都是有手机银行和网上银行的,大多数业务也能通过线上办理,那么通常的理财产品销售方式就需要着重从线上着手,而不是仅仅依赖线下柜台。

国外典型的公司

Cartera Commerce

Cardlytics

Truaxis( MasterCard在2012年收购了)

Segmint

Personetics

三、风险管理

风险管理主要在两方面:借贷风控和在线支付反欺诈。

现在的小额信贷日益发达,只要风控做得好,传说是稳赚不赔的生意,然而一个坏账出现就有可能让整个业务翻船,所以对于小额信贷的金融科技公司,对数据科学的需求主要就集中在这里,就是如何高概率预测出一个人会出现赖账,从而终止放贷。

信贷的风控依然是广集数据,据宜信的同学说,他们还会抓取全国各地法院的判决书,如果贷款人涉及到经济案件的话,会被告警。另外,社交网络数据,尤其是最传统的社交网络:手机通话记录,也会帮助在识别骗贷上收效良好。

在线支付的反欺诈通常会用到用户的使用行为、生物信息、设备信息,综合之下建模识别各种欺诈行为。在线支付的反欺诈,这个场景可能跟普通消费者息息相关,如支付宝可以识别出当前操作是不是本人。

国外典型的公司

BillGuard

Centrifuge

Feedzai

Klarna

四、投资管理

数据科学在投资管理上的应用包括:

1. 利用集体智慧自动构建各种投资组合。

2. 根据用户的投资目标和风险偏好进行自动的组合。

3. 结合社交网站、搜索引擎、国家经济数据,制定决策模型,用于投资的风险预测和自动调整投资权重配置

国外典型的公司

Wealthfront

EidoSearch

SigFig

Betterment

LearnVest

Personal Capital

Jemstep

五、结语

本文简单地对数据科学在金融科技的应用场景做了分析,后续我们数据森林团队会持续深入地对每一个场景进行详细描述。

数据科学对金融的重要性持续地增加,不仅有产业界的持续业务创新来驱动,还有学术界的深入关注。比如FDSA是一个专门关注数据科学在金融科技中应用的学术会议,国内如统计之都也有很多金融科技行业的数据科学家。

End.

来源:数据森林

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: