【独家】消费金融大数据分析方法与金融大数据分析师养成

总结来说，金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

Q&A

提问1：第一个问题是，我发现数据要预测时面临的最大的困难是未来变化特别快，数据无法描述未来，比如英国脱欧和负利率等，场景非常难以描述。我是做推特分析的，语言变化特别快，怎么样去处理这样的问题。第二个是，在具体使用技术的时候，刚开始我们就是做大数据加加减减而已，然后我们可能再去做模型，甚至做知识图谱，您怎么来评价这些技术本身对整个金融大数据的推动也好，它的局限性。

杨子君：大数据领域最重要的不是寻找正确的答案，而是寻找正确的问题，就是大数据到底能帮我们做什么。像你说的推特，第一个问题是，是不是大数据能解决的，也许肯定是，你是最有权利有答案的。如果确实是大数据能解决的，现在的大数据是不是足够我解决这个问题，如果不能足够解决这个问题，很可能的情况下是我的认知不够，也可能是我的数据不够。所以我觉得，在大数据领域，对于数据工程师或者设计师来说特别重要的是，要会问正确的问题。

第二个问题是，是不是现在大数据的环境能解决。我现在觉得这是最重要的，我们的数据分析师、数据工程师和产品方向，都是想解决“正确的问题”。金融有一个好处，就是提供一种服务时，有数据不对称或者有道岔的情况，我可以通过提供这个服务去采集，这个过程是比较有意义的。就是说我可能不知道，但是我可以通过这种金融服务去采集。所以我觉得消费金融公司也好，银行也好，它一定要把这个理念灌输出去才能不断提升。

?

提问2：未来哪一种社交数据会起到越来越大的作用呢？

杨子君：从信用风险的角度上来说，社交数据的权重不高。也就是说这个人去拿贷款，还不还钱，其实受周围的影响是蛮弱的，这是他核心的本质的问题。如果这个人的信用受周围影响很大的话，可以说这种信用是很不稳定的。实际上他并不是因为社交数据，他信用才不稳定的，而是因为实际上他本身与社交圈子里有一种共性他才会去社交。而我不想找这种共性，因为这种共性不是核心的，我要找的是核心规律，核心的这些人可能才会有帮助。但是在市场营销上，同样是社交数据，体现的价值不一样。一个人的购买行为，比较受圈子人的影响，因此这时社交数据很重要。回到信用风险这块，社交数据不是完全没有用，如果对你来说获取的非常容易，你可以做一些筛选。但是如果你说，我拿社交数据去放贷，那这个风险谁来承担？如果这个数据全都是非量化的，这就造成了很多操作风险，因为说不清楚是谁的风险、由谁来负责。

?

提问3：中国的征信基本上是空白，而且是比较乱。你认为中国的征信什么时候能赶上美国的成熟征信体系的水平？

杨子君：其实现在中国的征信不是一个空白，中国人民银行征信中心是2004年就开始建的。现在中国有征信报告的，而且信息挺丰富的，差不多有3亿多人。我们发现这3亿多人，债务已经很高了，而且信用卡都有很多张。这些人更多是集中在北上广深，还有一些沿海城市，以及一些内陆城市。因此我国的征信有构架、有很多数据，只是在金融领域的应用还不是特别充分。这个征信中心每年新增的有征信的人，差不多是1个亿。可能征信在对公众的推广和教育还是不够。

?

编辑：袁明嘉、陈龙

校对：辛洪录 ?编辑：张梦