为什么网上借不到钱（为什么你借不到钱？大数据早已出卖了你！）

黑名单-规则-打分卡

这里我们稍稍露个底，传统信贷风控模式就是建立一个黑名单-规则-打分卡的审批机制。

①黑名单

建立黑名单主要是作为反欺诈的一种手段，由于国内现在逾期违约成本较低，凡是有过逾期不还款、作弊交易、欺诈行为或者有过公检法不良记录的个人信息都会被公布到网上，而平台可以通过自行抓取这些数据建立黑名单库，或者通过第三方征信机构查借款人是否在征信机构黑名单库内。

②规则

风控业务规则主要是信贷专家根据多年在行业领域的经验，提供给审贷领域的一些指导性建议，譬如：禁入行业“两高一剩”、企业年限小于一年，从业年限小于三年等，对于符合这些条件的项目，信贷公司不贷或少贷，从而帮助信贷公司规避风险。

③打分卡

将用来衡量征信风险的事件或行为量化的一种手段，譬如将过往信用记录、人口统计信息、收入和家庭情况等信息以数学评分的方式表现出来，根据得分的取值来预测客户未来的表现，譬如项目逾期的概率，以此作为评估信用等级的一种衡量标准，成为帮助信贷公司发放贷款的决策引擎。

这套审批机制正是传统信贷风控流程。理想环境下，信贷公司在筛选客户时：首先排除出现在黑名单的个人申请，有过不良信用记录的个人逾期风险非常高；其次排除在规则范围内符合条件的客户，因为这类客户具有逾期率高的普遍性会增加风险；最后根据评分系统对符合条件的客户打分，给出贷款额度及贷款利率的建议。

大数据如何戳穿你

相较于传统信贷风控流程，近年来，大数据技术的发展为征信领域带来了新的突破。

在打分卡的模型里，传统征信使用参考变量数量少且固定，以FICO为例，FICO信用评分参考的数据变量只有不到50个，主要围绕客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型和新开立的信用账户这五大方面变量作为参考标准。

大数据打分卡的参考变量可以多达上万个，主要信息来源：1）通过手机获得的位置信息；2）通过电商获得的购买信息；3）通过社交网络获得的社交信息。譬如：手机付费记录、微博粉丝数、网页浏览历史、网站购物习惯都可以成为重要参考依据。

那么这些信息在评估风险时如何发挥作用呢？举个例子，对于爱发朋友圈的用户，大数据可以通过他的朋友圈来了解他的近况。升职，意味着贷款人的还款能力提升，搬迁，意味着贷款人可能有财务压力，有潜在违约风险。再比如，经常花销在游戏上的人（小壹中枪）违约概率高，容易被拒贷。

了解了风控模型主要操作模式后，我们就可以推测啦，东东悲剧的原因可能是：刚工作不久在银行还没有信用记录哟；经常爱玩游戏，魔兽世界里装备花了不少钱吧……

那么怎样提高借款成功率呢？爱有财在此提示小伙伴们：大家刷豆瓣、知乎时要脱离低级趣味啊，浏览一些音乐啦、旅行的相关帖子；当当网不要只买小说啊亲，看看历史、哲学方面的书吧！