票选好银行：由新浪网主办的“2015(第三届)银行业发展论坛”定于7月9日在北京举行。作为年度盛会的重头戏，“第三届银行综合评选”正火热进行中。欢迎投票！

　　本报记者 黄锴 上海报道

　　P2P平台“信而富”，今日披露了和腾讯合作推出的基于QQ平台的小额信贷产品“现金贷”的最新数据。该产品于2014年11月11日开始小规模市场投放，到今年2月14日时开始大规模推广。截至目前，现金贷已经放出了150多万笔贷款。

　　当用户打开手机QQ客户端，点击“联系人”，在右上方“生活服务”中搜索 “现金贷”，添加关注“现金贷”后即可申请贷款。贷款的额度为100-500元，还款期限为1-14天，借款申请在几分钟内就可以完成审批，借款1小时左右可以到帐。

　　据了解，现金贷除了在借款3天内还款不收取利息，其他情况下需要在还款时支付手续费与利息，日利息为借款金额的万分之六，逾期还款5天后会产生滞纳金，借款500元的滞纳金为每天1元。为1元/天，逾期超过15天，信而富表示会酌情将借款人相关信息提供给人民银行[微博]，影响借款人的征信情况。

　　信而富CFO沈筠卿向记者介绍称，腾讯和信而富的合作模式是，腾讯向信而富提供少量的用户数据样本，这些数据大多是一些“脱敏”的字段，譬如用户的浏览时长、上网时段、社交信息等，信而富根据这些字段建立大数据算法。之后，腾讯将信而富提供的算法结合自己的征信技术手段后套用到QQ用户的数据库中，从中筛选出一个特定群体，这个群体就是信而富眼中的优质客户。这一筛选过程被称为“预先批准”。信而富向这些客户放款时，会使用腾讯的数据和评分并支付对价，双方是业务合作关系。

　　接下来，只要这些优质客户提出申请，信而富就会向其发放贷款。贷款周期结束后，信而富再将用户的还款数据反馈给腾讯。

　　腾讯2014年第四季度财报显示，QQ智能终端月活跃账户达到5.76亿。海量的用户社交数据，给网络征信业务带来了巨大的优势。据悉，信而富的模型在全国预先批准了5000万用户，在这些用户申请贷款时，信而富只是确认一下是否是本人，就会批准贷款。整个过程大概只需1-2分钟。

　　在现金贷试水的几个月中，信而富则根据用户的还款情况，不断调整与优化征信模型。沈筠卿称，当借款笔数达到1000万时，征信模型或许会更加精准。

　　据悉，2001年成立的信而富，在2010年时推出P2P业务。和其他P2P平台不同的是，信而富的借款端完全是个人。过去五年，信而富的一项重要任务便是尽可能地搜集全面的数据，在此基础上建好模。“我们会找各种各样的人，男女老少都有，放贷给他们，观察他们的还款情况。目前，信而富已经搜集了20万个用户的数据，以每人至少200个数据维度计算，公司眼下共有4000万条数据。”沈筠卿表示。

　　在对模型不断的测试中，信而富试图回答三个问题：借款人的还款意愿、还款能力以及稳定性。

　　一直以来，信而富的自动化授信决策引擎，所依据的主要是三个维度：首先，借款人在给定的一段时间内，还款的可能性是多少。第二，这个申请从根本上来说，有多大可能性是假的。换句话说，也许申请人提交的数据很漂亮，但却运用了别人的名义或采用了假的数据。第三，这笔借款预测风险调整后的收益是多少。通俗来讲，就是借款人借到钱后，可以为出借人贡献多少收入。

　　在分析数据时，信而富会从借款人的基本信息，以及大量的“细枝末节”中寻找线索。除了借款人的性别、年龄、地域、学历、户籍、地址等信息外，信而富还会关注用户的手机号码最近是否变更·关联的信用卡张数是否变化，最近3个月、6个月的信用卡消费总额、交易类别与交易次数是否出现异常等。通过这些维度，信而富不断模拟研究数据与信用行为之间的关系。在频繁的试错中，信而富不断地优化并调整征信模型。

　　同时，信而富的客户主要集中在三四线城市、边远地区及农村，很多地方甚至连网络都不具备，因此，公司之前采取了100%亲核亲访，来复核数据与控制风险。

　　尽管这么做大大降低了申请者作假的可能，但线下征信也造成了P2P平台成本的高企。这种情况下，信而富开始变换思路，将业务定位延伸到100-500元的贷款额度，在这个范围内，基于大数据的纯线上征信才有“用武之地”，也只有大数据能帮助实现用户的大规模拓展，及风控成本的大幅降低。

　　在信而富CEO王征宇看来，对于10万以内的贷款，平台仍需要解决借款人还款意愿、还款能力及还款稳定性的问题。而对于几百元的小额微额网上借贷，所需要考察的关键点将不再是征信数据，也不是还款能力，而是还款意愿。沈筠卿同样认为，不同的借款金额，所需的征信数据和征信模型都是不同的，小额短期借贷并不需要实现线下征信。

　　值得一提的是，腾讯掌握的大多是用户的社交数据，有业内人士称，这些用户信息在网络营销推广方面会比较有效，但对金融信用的验证则不那么有用。相比之下，阿里掌握的大量交易信息，对个人信用还有一定价值。而那些浏览行为、在线时长、活跃度等，似乎都是非主流的数据。

　　对此，沈筠卿坦言，社交数据和金融是弱相关性，利用社交数据做征信的难度确实较大。但和单一的交易数据比，这些社交数据的丰富度更高，所能挖掘的潜力也大。“试想一下，假设有人建了一个QQ群，我能验证这个群中有一个人的信用非常良好，那么群中那些经常和他互动的人，我也能大致推测出对方的信用水平。”(编辑 卢爱芳)