這年頭，老賴沒得混了！大數據式追債，你見過嗎？

搜狐新聞?10-06?09:18

自從互聯網金融普及之后，貸款變得越來越容易。例如，螞蟻借唄、蘇寧任性貸等信用借貸類產品，用戶只需通過手機app進行注冊申請，無需抵押就能輕松獲得數萬元貸款額度。這也符合國務院普惠金融的發展規劃，降低準入門檻，讓金融產品惠及更多人。

然而，降低準入門檻也意味著金融機構面臨著更大的違約風險，需要建立更加完善的風險控制和貸后管理體系，而大數據是該體系中的重要一環。今天我們就來聊一聊如何通過大數據讓老賴無處遁形。

準入控制：

如何從茫茫人海辨別老賴？

這里有兩個識別老賴的通用辦法：

（1）黑名單

最簡單直接的方式是建立數據庫來記錄個人和企業的貸款還款信息，有不良記錄的個人或企業納入“黑名單”，將被拒絕授予信用額度或貸款。

當前，最權威的數據庫當然是人民銀行的征信系統，在辦理住房貸款的時候，銀行通常會要求貸款申請人提供個人征信報告，詳細記錄貸款記錄和名下信用卡信息。

然而，征信報告并不會反映所有的貸款信息，比如螞蟻花唄/借唄等互聯網小額貸款記錄就不會出現在征信報告中。如果你覺得可以利用這一點找各家機構貸款、隨意逾期，那就太天真了。機構之間通常會共享各自的數據，進入一家機構的黑名單也就意味著你很難在其他地方貸到款了。

另外，現在有一些互聯網公司正利用自己積累的運營數據提供類似“黑名單”的功能或服務。例如，騰訊手機管家支持號碼舉報，假設你的手機號被很多用戶舉報為詐騙電話，這必然會影響你的貸款成功率。

（2）風險模型

黑名單其實只對已知信息的個人或企業有效，金融機構每天都需要處理大量來自新用戶的貸款申請，其中不免會有已更換手機號或冒用他人身份的老賴。這時候就該數據挖掘發揮作用了。

通常存在逾期還款的用戶都會有比較共性的特征，比如年齡較小、學歷較低、手機在網時間短等特征。可以利用已有逾期還款記錄的用戶群建立一個逾期還款高風險人群的畫像，建立基于規則或機器學習的風險模型來識別老賴和還款能力較差的申請者。

失聯修復：

如何用大數據找到欠債人？

針對惡意貸款逾期，最大的痛點在于如何找到欠債人。老賴通常會更換工作單位、住址和電話，很難通過常規渠道聯系到欠債人。想要在欠債人老家門外蹲點守株待兔，那么只能祈禱奇跡出現了。

祈禱奇跡出現自然不靠譜。這時候大數據時代的一個強大工具——社交圖譜就可以發揮作用了。

雖說老賴可以更換手機和住址，但在社交圖譜中一定會留下一些蛛絲馬跡，可以讓人順藤摸瓜來找到欠債人。

這里通過一個簡單的圖例來說明社交圖譜的強大之處。

如上圖所示，假設用戶李小賴（化名）在蘇寧金融有一筆貸款逾期，蘇寧金融無法通過貸款賬號對應的手機號1聯系上李小賴，卻可以通過李小賴登記的身份證號找到他在蘇寧易購的賬號和購買記錄，將收貨地址和收貨手機號用于失聯修復。另外，還可以利用運營商數據識別頻繁聯系的手機號作為擴展聯系電話。

此外，社交圖譜還可以包括設備MAC地址、IP等許多節點和關系類型。想要在社交圖譜中完全隱形可是極其困難的。

如果真的有用戶能夠隱藏自己的行蹤，會在社交圖譜中形成孤立點或子圖，這也會說明一些問題，這樣的用戶在準入環節就有可能被風險模型拒絕了。

追債環節：

如何用大數據實現高效追債？

好了，假設我們已經知道老賴住哪、在哪上班，光靠電話提醒可能沒法獲得很好的追債效果。這時候，就需要追債人出馬去找老賴當面動之以情、曉之以理了。

可是，金融機構的貸款業務通常是面向全國的，很難在各地都安排專門的追債員工，而打飛的、高鐵千里迢迢去要債也是劃不來的。

針對這種需求，國內已經有了好幾個追債平臺，提供類似滴滴出行一樣的服務。金融機構將債務信息（如同滴滴出行的發布行程）發布到平臺，由平臺基于數據分析調度安排當地最匹配債務特點的追債公司（如同滴滴出行的快車）進行欠款追討，這解決了金融機構找不到合適追債公司、追債公司沒有足夠業務的痛點。

最后，友情提醒一句：普惠金融時代，雖然貸款很方便，但還是要理性消費，注意按時還款，維護良好的信用記錄。您可以在自己的手機上設定一列鬧鐘提醒各種還款日，這樣能最大化利用免息期，也不會造成逾期。

總結

以上是生活随笔為你收集整理的这年头，老赖没得混了！大数据式追债，你见过吗？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。