“互联网和大数据正在倒逼消费金融领域的发展。”—在【WOT2015"互联网+"时代大数据技术峰会】的专访间，马上消费金融CDO刘志军向51CTO记者分享了上述观点。刘志军曾在美国第一资本银行工作10年，在这之前曾供职于美国Equifax征信局。专注于数据模型建构技术。2014年底才回到中国，与前京东董事长赵国庆共同创办马上消费金融。之所以做出这样的决定，是因为刘志军在中国看到了互联网消费金融发展的前所未有的机会。

　　刘志军说，互联网和大数据在倒逼我国消费金融领域的发展。在以美国为代表的西方经济发达国家里，征信和数据个人消费已经历过几十年甚至上面年的历史，长期的数据积累使征信系统相当成熟发达。反观我国，互联网金融市场发展尚不完善，虽然央行已建立了征信中心，但是征信数据的提供速度和覆盖量依然处于较低的水平。不过至少，我们已开认认识到个人征信对互联网消费金融服务(如阿里云服务)发展的重要性。快速崛起的互联网和大数据技术，让我们加快了向前赶超的速度和可能。

　　对于从业者来讲，互联网消费金融行业仍有许多问题亟待解决，困难也比较多。对于数据处理、模型建立等基础工作，消费金融公司都需要从头打地基。

　　消费金融的特性适合用大数据行为预测模型

　　刘志军认为，消费金融呈现出大量、分散、小额、短期四大特性，这四点决定着消费金融模式具有很强的统计规律。借助大数据技术，我们可利用构建数据分析型的方式，使在国内征信服务尚不完善的情况下提升互联网金融风控水平。

　　分散 – 独立性

　　大量– 适用统计规律

　　短期 – 数据时效性

　　小额 – 个案不重要，统计规律重要

　　谈到数据模型刘志军介绍到，宏观上可分为两种：

　　一种聚焦于某一个特别领域，但是不能扩展到别的领域。模型的种类和适用的范围是非常多的。在选择模型的过程中，没有绝对唯一的方案，是通过模型的组合，针对某一个领域做定制化的模型，还是做一般性的模型，取决企业业务需求和发展策略。

　　一种是在通用于美国市场的标准模型FICO模型，这是一种市场普适性的模型，对任何领域都具有指导意义，但不具针对性。

　　模型不需要最好，而需要利用到最好

　　数据整理好后建一个模型其实是很容易的，前提你并非要建最好的模型。刘志军坦言，建最好的数据模型当然也不重要，把模型充分利用好很重要的。目前大家还是一丰在些观念上的问题。比如对于风险比较这种观点，刘志军认为实际意义并不大。这是因为风险本身就有差异，风险也成本、盈利间并没有必然的联第。这完全取决于企业的定价策略。

　　在这个过程中，一旦建立好一个模型，我们就可以把客户的风险进行分类，更好的应用下来。客观模型的验证也很重要。一个信用风险的高低和人品有问题，但不是绝对，不应把个人信用的高低与做坏事、犯罪行为的可能性划等号。业界应该将信用评级要和欺诈严格区分开。

　　建模数据才是最根本的问题

　　目前，存在于互联网金融中数据模型的建立，真正困难的不是建模，而是在于数据。在刘志军看来，数据的碎片化、数据的壁垒既是挑战，更是创新的机会。我们要做的是，想办法把数据找到、拼起来。这个“拼”的过程离不开大数据的发展。数据分析模型建的优劣，与大数据密不可分 。怎样我们摸准了大数据的技术发展方向，建模方法很快就可以处于先进地位。

　　(WOT2015大数据技术峰会总结专题)