科技: 人物 企业 技术 IT业 TMT
科普: 自然 科学 科幻 宇宙 科学家
通信: 历史 技术 手机 词典 3G馆
索引: 分类 推荐 专题 热点 排行榜
互联网: 广告 营销 政务 游戏 google
新媒体: 社交 博客 学者 人物 传播学
新思想: 网站 新书 新知 新词 思想家
图书馆: 文化 商业 管理 经济 期刊
网络文化: 社会 红人 黑客 治理 亚文化
创业百科: VC 词典 指南 案例 创业史
前沿科技: 清洁 绿色 纳米 生物 环保
知识产权: 盗版 共享 学人 法规 著作
用户名: 密码: 注册 忘记密码?
    创建新词条
科技百科
  • 人气指数: 4515 次
  • 编辑次数: 1 次 历史版本
  • 更新时间: 2012-04-30
土土
土土
发短消息
相关词条
数字油田
数字油田
大数据颠覆银行信贷业
大数据颠覆银行信贷业
智慧城市
智慧城市
忍者方块
忍者方块
物联网十二五规划
物联网十二五规划
寂寞物联网
寂寞物联网
实体物联网
实体物联网
物联网成都样本
物联网成都样本
思科物联网信息图
思科物联网信息图
车联网
车联网
推荐词条
希拉里二度竞选
希拉里二度竞选
《互联网百科系列》
《互联网百科系列》
《黑客百科》
《黑客百科》
《网络舆情百科》
《网络舆情百科》
《网络治理百科》
《网络治理百科》
《硅谷百科》
《硅谷百科》
2017年特斯拉
2017年特斯拉
MIT黑客全纪录
MIT黑客全纪录
桑达尔·皮查伊
桑达尔·皮查伊
阿里双十一成交额
阿里双十一成交额
最新词条

热门标签

微博侠 数字营销2011年度总结 政务微博元年 2011微博十大事件 美国十大创业孵化器 盘点美国导师型创业孵化器 盘点导师型创业孵化器 TechStars 智能电视大战前夜 竞争型国企 公益型国企 2011央视经济年度人物 Rhianna Pratchett 莱恩娜·普莱契 Zynga与Facebook关系 Zynga盈利危机 2010年手机社交游戏行业分析报告 游戏奖励 主流手机游戏公司运营表现 主流手机游戏公司运营对比数据 创建游戏原型 正反馈现象 易用性设计增强游戏体验 易用性设计 《The Sims Social》社交亮 心理生理学与游戏 Kixeye Storm8 Storm8公司 女性玩家营销策略 休闲游戏的创新性 游戏运营的数据分析 社交游戏分析学常见术语 游戏运营数据解析 iPad风行美国校园 iPad终结传统教科书 游戏平衡性 成长类型及情感元素 鸿蒙国际 云骗钱 2011年政务微博报告 《2011年政务微博报告》 方正产业图谱 方正改制考 通信企业属公益型国企 善用玩家作弊行为 手机游戏传播 每用户平均收入 ARPU值 ARPU 游戏授权三面观 游戏设计所运用的化学原理 iOS应用人性化界面设计原则 硬核游戏 硬核社交游戏 生物测量法研究玩家 全球移动用户 用户研究三部曲 Tagged转型故事 Tagged Instagram火爆的3大原因 全球第四大社交网络Badoo Badoo 2011年最迅猛的20大创业公司 病毒式传播功能支持的游戏设计 病毒式传播功能 美国社交游戏虚拟商品收益 Flipboard改变阅读 盘点10大最难iPhone游戏 移动应用设计7大主流趋势 成功的设计文件十个要点 游戏设计文件 应用内置付费功能 内置付费功能 IAP功能 IAP IAP模式 游戏易用性测试 生理心理游戏评估 游戏化游戏 全美社交游戏规模 美国社交游戏市场 全球平板电脑出货量 Facebook虚拟商品收益 Facebook全球广告营收 Facebook广告营收 失败游戏设计的数宗罪名 休闲游戏设计要点 玩游戏可提高认知能力 玩游戏与认知能力 全球游戏广告 独立开发者提高工作效率的100个要点 Facebook亚洲用户 免费游戏的10种创收模式 人类大脑可下载 2012年最值得期待的20位硅谷企业家 做空中概股的幕后黑手 做空中概股幕后黑手 苹果2013营收 Playfish社交游戏架构

大数据颠覆银行信贷业 发表评论(0) 编辑词条

目录

大数据颠覆银行信贷业编辑本段回目录

 本文为Lightspeed(光速创投)美国投资总监Jeremy Liew关于i黑马之前介绍的大数据业务的进一步深入思考。此前,以Linkedin创始人Hoffman为代表的投资公司Greylock提出了Web3.0是基于真实关系的真实数据的概念,而投资公司Accel则直接进行了数笔针对大数据项目的有影响力的投资。而光速创投的这位哥们则直接指明了“大数据+机器智能学习”马上将破坏性的重塑银行信贷业格局的方向。

  初创公司其实是更想从银行贷款的,但这在之前看来往往并不现实,具体原因就不再赘述了。但现 在情况正在发生变化。现在企业成功获得贷款的概率正变得越来越高。各种类型的贷款的范围正在不断的扩大。很多面向小企业的借贷正在蓬勃兴起。这种被称为 “另类信贷”的信贷形式正在下列三个因素的推动下不断繁荣:

  1.在次贷危机之后,大银行都收紧了业务。他们都变得风声鹤唳起来。很多信用级别比较低的人基本很难找到银行和传统的贷款来源。

  2.利率的大幅降低正在拉低具有“资本成本”优势的大银行对于创业企业的吸引力。

  3.大量的数据来源和强大的大数据分析工具正催生出很多新的贷款数据模型。

  Wonga就是一家刚刚兴起的替代贷款的初创公司,《连线》杂志刚刚报道了他们在英国的成功经验。他们利用海量数据挖掘和算法来做一些贷款业务。而投资机构Accel的Sonali De Rycker,也是Wonga的董事会成员,他介绍说:“他们大量的使用了社交媒体和其他的网络工具,但这些都是绝对想不到的。而这正是他们的奇迹所在。”

  问题的关键在于算法,它怎么把你的邮政编码,你的车的颜色,你的按揭是多少,它怎么能将你这些碎片化的东西关联起来。 这些都是Wonga对于它过去客户的各种碎片化信息的数据堆积和整理,这非常关键。在Accel在2009年进入Wonga董事会的时候,Wonga已经 有了10万个贷款案例。这10万条数据信息不断集成和归类变成了一个日益增加的信息网络。其中每个贷款人都拥有6000到8000条数据。

  “你用大量的数据串成了一个故事。我们愿意为这些数据付费,因为我们需要它。我们可以通过上千种组合来判断做某件事是对的,还是错的。”

  这些大数据,机器的智能学习支撑着像Wonga这样的小额贷款公司发展的很顺畅。但它的一些重要特点值得关注:

  1.它的每笔贷款额度都很小。太多的资金额度需要更多次的检验。对于它而言,做一些单笔的100英镑的贷款比做一笔25万英镑的贷款来的更容易操作。

  2.不良贷款会迅速暴露。Wonga的平均贷款周期为几个星期。这能让它迅速的迭代它的贷款模型。如果你的抵押贷款都长达30年那你可能就只能忍受时间的煎熬了。那它对于你模型的反馈和改进时间也会拉的很长很长。

  3.违约率高。目前这种在发薪日贷款的产品形态还不是特别成熟。只要你走到一个发薪日贷款的店面前台提供一个工资证明和一个驾驶执照你就能获得一笔贷款。在这个市场上,它根本就不关心你的待遇高低工作好坏。

  4.利率很高。这也使得初创公司在获利的同时,也要付出很高的资金成本。这也使得大多数强调声誉风险的大银行和大的借贷机构都不愿意涉足这个领域。

  正因为上述因素,Wonga建立了一个更好的数据模型来帮助判断这些借贷者是一个好的借贷者还是坏的。这也意味着它可以比其他发薪日贷款厂商可以以

  更低的利率贷款。在这个市场上,价格最低自然会获得借贷者的青睐,这就让它迅速占领了大量的市场份额。但由于有良好的风险管控依据,它的利润率上丝毫不会

  降低。今年,也是它诞生以来的第五个年头,它获得了5亿美金的年利润。

  建立一个大数据和机器智能学习模型是很难的,也是昂贵的。你需要不断的根据你的不良贷款的出现情况更新你的模型,以免在未来派发出去类似的贷款。但是机器学习的依据就是不良贷款,所以失败的次数越多,你交的学费越多,同样的你的模型就会越完善。Wonga刚开始做发薪日贷款项目时甚至付出了50%的违约率的代价,但是现在它已经成功的证明这个问题是可以解决的。当然了,Wonga不是唯一一个解决了这个问题的公司。以下是一批类似的“大数据+智能学习”的公司列表。

  Wonga:次级贷款,无抵押,贷款给在英国的消费者们。目前正把业务扩展到更多国家。

  LendingStream:次级贷款,无抵押,分期付款贷款,主要面向英国消费者。

  Zestcash:次级贷款,无抵押,分期付款贷款,主要面向美国消费者。

  Klarna:无抵押,贷款给欧洲的消费者,在欧洲布了一些点。

  PawnGo:次级贷款,有抵押,贷款给美国消费者。

  如果大家还有兴趣,也可以关注下面这几家公司。

  Billfloat、Progreso Financiero、Capital Access Network、Kabbage、OnDeck。

  这里有几个关键要素:信用质量[subprime,near prime, prime, superprime, new to credit], 安全性[secured,unsecured], 贷款类型 [bullet, installment, line ofcredit], 贷款用途[bill pay, inventory purchase,general] 用户类型[consumer, small business, largebusiness] 以及地理因素等。

  这几家公司正在把这种复杂的商业模式变为可能。但他们只是抓住了表面。我认为我们在接下来的几年里在这个领域里将会看到更多的创新点。

  由于资本已经瞄上了借贷领域,所以这个领域里的初创公司们急需大的风险投资公司支持。数十万美金的种子基金已经不足以证实或证伪一个新的借贷公司数据模型的演算能力。这就是我会对这个领域的破坏性初创公司情有独钟的意义。

  好吧,光速创投的这位哥们很实在,最后一句话说的更实在。如果你想做一个“大数据”项目,那就“快速”的拿“尽可能多”的钱吧。这不单是“资金决定成败”的问题,也是一个“时间决定成败”的问题。没有疑问了?赶紧行动吧!i黑马也在这里温馨提示您,如果您觉得自己的“大数据”项目靠谱,那尽可能找这些对这个行业有感觉的VC吧,国内可能有兴趣的VC有光速创投、IDGVC等。也欢迎广大创业者和投资人在文章后留言进一步补充,我们也会实时更新。

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

标签: 大数据颠覆银行信贷业

收藏到: Favorites  

同义词: 暂无同义词

关于本词条的评论 (共0条)发表评论>>

对词条发表评论

评论长度最大为200个字符。