¿Cómo ayuda el big data a las instituciones financieras bancarias a prevenir y controlar la opinión pública?
Tan Xingmin, director general adjunto del Departamento de Gestión de Riesgos del Banco de Construcción de China/Sede de Activos de Seguros de Activos, analizó en detalle cómo los big data pueden ayudar a los bancos a mejorar las calificaciones crediticias y las capacidades de gestión de riesgos:
En primer lugar, las plataformas integrales de informes crediticios pueden identificar a los clientes antes de desembolsar dinero. Actualmente, a los bancos les lleva mucho tiempo y trabajo comprobar el estado de los clientes, lo que también aumenta los gastos del banco. El uso de la plataforma integral de informes crediticios de la empresa puede ahorrar en gran medida mano de obra, recursos materiales y tiempo al banco y garantizar que los datos sean efectivos, oportunos y precisos.
En segundo lugar, la plataforma de cuantificación de riesgos puede ayudar con la gestión y el control del riesgo posterior al préstamo. La plataforma se basa en los datos comerciales diarios de la empresa, combinados con el modelo de datos de la plataforma, y utiliza tecnología de captura de datos en la nube dinámica y en tiempo real para analizar y evaluar el desarrollo de la empresa, dar una puntuación cuantitativa de los riesgos y detectar anomalías en la producción y operación de la empresa por primera vez. Se emiten alertas tempranas de 3 a 6 meses antes de que se desencadenen los riesgos, para que los bancos y otras instituciones financieras puedan tomar las medidas correspondientes de manera oportuna para prevenir y reducir las pérdidas.
Al mismo tiempo, el "espectro de emprendedores" se utiliza para consultar y controlar los préstamos morosos. Por ejemplo, algunas empresas transfieren ganancias a través de transacciones relacionadas para crear la ilusión de pérdidas y encontrar razones para no pagar los préstamos bancarios o crean resultados falsos a través de transacciones relacionadas para proporcionar una base para seguir obteniendo préstamos bancarios; Estas ilusiones pueden descubrirse rápidamente a través de transacciones con partes relacionadas, lo que permite a las empresas eliminar lo falso y conservar lo verdadero, revelando su verdadera apariencia, lo que puede evitar que los bancos sean engañados.
En comparación con el control de riesgos tradicional, los métodos de modelado y los principios del control de riesgos de big data son en realidad los mismos. Su núcleo se centra en utilizar más dimensiones de datos, más huellas en Internet y más datos que las finanzas tradicionales no han tocado. Por ejemplo, navegación web de comercio electrónico, comportamiento del cliente en la aplicación e incluso información de ubicación GPS, etc. Es posible que esta información no esté directamente relacionada con la probabilidad de que un cliente incumpla, pero de hecho, mediante la acumulación de grandes cantidades de datos, se puede producir una capacidad muy efectiva para identificar clientes.
En términos de lógica operativa, el control de riesgos de big data no enfatiza relaciones causales fuertes y enfatiza la correlación estadística. Esta es una característica típica que distingue el control de riesgos de big data del control de riesgos financieros tradicional. Las instituciones financieras tradicionales enfatizan la causalidad y enfatizan que debe haber una relación causal lógica entre dos variables.
En términos de dimensiones de datos, existen diferencias significativas entre el control de riesgos financieros tradicional y el control de riesgos de big data en la aplicación de datos financieros tradicionales y datos financieros no tradicionales. Los datos financieros tradicionales incluyen las características sociales personales mencionadas anteriormente, ingresos, préstamos, etc. El control de riesgos de big data de Jinmu Company utiliza una gran cantidad de datos financieros no tradicionales.
En comparación con las instituciones financieras tradicionales, Jinmu ha ampliado su acceso a datos no tradicionales, que complementan los datos de riesgo y se utilizan para valorar el riesgo para nuevos grupos de clientes. Por supuesto, queda por verificar cuán sólidos son los atributos financieros de estos datos.
Las evidentes ventajas de los gigantes no significan que el camino para las startups esté bloqueado. Es imposible que una gran empresa cubra todo y plantee varios escenarios. En áreas donde los gigantes de Internet aún no han entrado, se ha convertido en un camino para que las empresas de nueva creación como deus ex den pequeños pasos y tomen el camino antes que los gigantes, obtengan datos y optimicen las capacidades de aplicación de datos.