一般来说，现金贷的主要特点是额度小、周期短、无抵押、流程快、利率高，由于现金贷无需抵押、流程快，最快几分钟钱就能到账，在为许多贷款无门、急需用钱的用户带来到便利的同时，现金贷平台自身也面临着比传统金融机构更高的风控管理要求，因为传统的风控模式多以经验控制为中心，数据处理能力有限，且程序较长，已经越来越难以适应互联网时代的现金贷这种性质的业务的风控管理需求。一方面，现金贷平台的目标客户主要是一些收入和学历较低的人群，这些人通常没有信用记录，难以应用传统的数据对其进行如实的信用刻画，因而逾期率较高；另一方面，现金贷在线申请周期只有几天的时间，有的甚至仅有几分钟，传统的信用审批流程远远难以满足放贷时间需要。因此，引入大数据和人工智能进行风险控制已经成为大势所趋。

 

从概念来说，目前对二者并没有明确的界定。一般认为，大数据风控指的是运用大数据构建模型的方法对借款人进行风险控制和风险提示。通过对多维度、大量数据的智能处理，批量标准化的执行流程，更能贴合信息时代风控业务的发展要求，这正是现今大数据风控发展火热的重要原因之一。而人工智能风控则指的是利用智能化的学习来进行风险预测和控制，以简化风控过程，提高效率。人工智能多以数据为基础，关注的是用户的弱特征，比如用户在互联网上各个平台的行为特征、消费习惯等，同时通过深度学习和数据挖掘，实现不停的自我更新、自我调整和自我迭代，以期从更多维度的大数据中把握规律，分析和发现潜在风险。

 

目前，将大数据和人工智能技术应用于现金贷风险管理领域，已经有了一系列的应用实践和解决方案。比如评估现金贷用户的授信在传统风控领域中显得非常棘手，因为往往没有任何一般意义上的授信资料，应该给予这个人什么额度通常非常困难。而大数据风控使得我们可以搜集多维度的数据来更精细的进行用户画像，包括利用一些行业数据，用户的互联网浏览数据，司法执行数据，第三方信用数据，出行数据，电商平台的交易数据，电话通讯数据和社交数据等。而应用人工智能不仅可以对以上数据进行深入的数据挖掘和和学习，正确区分用户“好坏”，进行正确的风险预测外；还能基于自身的主动学习能力，实现风控模型的自我更新、自我调整和自我迭代，以便对更海量、更多维度的数据进行深度分析和处理。

 

所以，无论是大数据风控还是人工智能风控均是以数据为基础，数据是进行风险控制的原料，整个风控的起点从获取数据开始。二者均可以看做是对应用数据、模型和机器学习进行风险控制行为的描述。但相比于大数据风控，人工智能风控更强调人工智能算法的优化和升级，特别是基于自我学习能力进行的迭代升级。目前，越来越多的金融机构开始综合利用大数据和人工智能技术进行风险控制，且效果正在日益凸显。据报道，现在通过大数据和人工智能风控审核一笔在线贷款只需要几秒钟，贷款通过率是传统金融渠道的二倍，坏账率比传统金融低40%左右。

 

目前一些出现风险的现金贷，恰恰绝大部分是缺乏专业的风险管理能力，往往不仅没有运用上述这些大数据和智能学习的技术，甚至连一般意义上的风控能力都不具备，所以就必然出现一些风险的隐患。

 

文章载于“悟空问答”（2017年12月19日）