La precisión del control de riesgos de big data de préstamos en línea es cuestionable.

Cómo controlar los riesgos del P2P siempre ha sido una preocupación. El periodista señaló que actualmente existen dos tipos de modelos de control de riesgos en la industria de préstamos en línea. Uno es un modelo de control de riesgos en línea dominado por el control de riesgos de big data, como el sistema espejo de Paipaidai y el modelo Yirendaishu. El otro es un modelo dominado por el tradicional control de riesgos fuera de línea. Los expertos de la industria señalan que aunque las finanzas de Internet combinan las finanzas con las redes en línea, si exageran ciegamente los big data, pueden convertirse en un "gran engaño".

China está estableciendo actualmente un sistema crediticio. Antes de que se establezca el sistema crediticio, los riesgos crediticios personales pueden identificarse efectivamente. Deng Wei, director ejecutivo de Golden Egg Financial, dijo con franqueza que no hay mejor manera que la revisión fuera de línea.

“Sólo los datos masivos pueden analizar ciertos patrones. Sin embargo, los patrones basados ​​únicamente en el análisis de datos no son exhaustivos. Si las auditorías de control de riesgos se realizan únicamente sobre esta base, inevitablemente se producirán omisiones o desviaciones. utilizarse como medio auxiliar y no como base para la toma de decisiones en el control de riesgos", añadió Deng Wei.

En cuanto a la situación actual del control de riesgos en la industria de préstamos en línea de China, el fundador de Jinxin.com, An Fontan, dijo a un periodista del Economic Information Daily que en la actualidad, el control de riesgos de big data sigue siendo un modelo ideal, en al menos en el corto plazo. Después de todo, el actual sistema nacional de informes crediticios no es perfecto y los datos acumulados en el país simplemente no son suficientes para respaldar el establecimiento de un modelo completo de big data. Además, big data, como colección de datos, solo proporciona datos de referencia para la plataforma.

Para el big data de China, es muy probable que se convierta en un “gran farol”. Fan, responsable del control de riesgos, analizó que dado que el sistema de informes crediticios del Banco Popular de China no se puede conectar a la plataforma de datos de finanzas de Internet y la información no se puede compartir, las plataformas de préstamos en línea tienen que investigar el crédito de los clientes fuera de línea y cobrar. informes de informes crediticios del banco central para formar su propio equipo de control de riesgo crediticio fuera de línea. El imperfecto sistema de informes crediticios también ha provocado dificultades para el P2P en China, que también se ha convertido en el mayor cuello de botella en el desarrollo de la industria financiera de Internet de China.

Pero para el P2P, tanto el control de riesgos en línea como fuera de línea tienen desventajas que no se pueden ignorar. Anfontein dijo con franqueza que las plataformas P2P fuera de línea adoptan principalmente el modelo de reserva de riesgo, pero después de que este modelo se separa de las funciones operativas de la plataforma, puede evolucionar fácilmente hacia un fondo común, con riesgos legales ocultos y problemas regulatorios sensibles debido a P2P puro en línea; datos, es difícil de controlar y el costo del recurso es alto; aunque el modelo O2O en línea y fuera de línea es el más adecuado para el país en esta etapa, sus costos de control de riesgos son altos debido a la revisión fuera de línea.

Lo anterior es el contenido relevante compartido por el editor sobre la precisión del control de riesgos de big data de préstamos en línea. Para obtener más información, puede seguir a Global Ivy para compartir más información detallada.