 第一步数据抓取工作量繁杂。“国内互联网数据的特点是分散，较为典型的是全国有四万多个公积金网站，每个省、市都有差异。”他无奈地说道，“各类网站的登录方式也有差异，模板很多，都要单独处理抓取信息。” 第二步数据格式不一，难以清洗。数据有的是数字，有的是文字，格式多种多样，技术团队需把非标化数据转化为标准化数据。 第三步将不同类型数据整合。“电商、公积金、出行数据等表达的内容不一样，需要把这些数据统一化处理，然后再翻译。” 以上系列程序需要底层系统的支撑，为此罗皓带着团队展开了长达一年多的研发之旅。“当时国内国外都没有类似系统，买都买不到，只能自己做。” 直到2015年年初，内测版产品才上线。同期，聚信立获得京东金融2800万A轮融资。 单日查询量20万次 内测前6个月，罗皓推出免费试用。前后有60余家消费金融平台参与内测，如维信理财、么么贷等。 信贷平台提交缺乏征信记录的借款人申请信息，聚立信通过授权抓取信息，最终核实信息是否相符，以数据报告的形式反馈给信贷平台。“顾及到用户体验，一般让借款人授权2个数据源。” 起初，报告输出时间为十几分钟，单个借款人的数据考核维度约为100~200个。 半年下来，两份成绩令罗皓格外兴奋。 一、内测平台反映，聚信立的数据占到他们风控权重的20%以上。 二、通过过滤欺诈人群，把客户的坏账率降低5%~10%。如果原来的坏账率为5%，在此基础降低10%的话，即降至4.5%。 去年6月，标准报告产品正式上线，平台向信贷机构按查询次数收费。 一年间，罗皓不断扩张技术团队，优化底层IT系统，并加大硬件投入。“我们配置了几百******立服务器。” 由此，聚信立的数据源接口共有200多个，覆盖网站1200多个。个人数据判断维度增加至1000个左右，“最高可达5000个”。 报告输出时间缩短至平均2分钟，最快为1分钟左右。“连续四个季度的查询量月增速度为130%。” 目前，聚信立已有客户近400家，数据风控权重占比平均为20%，最低为20%，最高为60%。“60%客户是自己找上门的。” 客户单日查询量超过20万次，单日撮合贷款金额2.5~3亿元。累计查询量1.2亿次，累计查询人数1100万。 在罗皓的规划中，聚信立正由工具型公司向数据型公司迈进。“400家客户每次查询都会留下借款人的申请信息，我们正在用查询历史的数据来解决多重借贷问题。此外还抓取其它消费金融借贷平台的注册信息来加强此项风控。” 另一层面，他打算挖掘、重构借款人之间的社交关系。“国内消费金融市场的借款人不足四千万，我们已经服务了四分之一以上。” 生态公司是罗皓更为长远的目标。“不仅仅是出售数据风控服务，还可以帮客户制定风险政策、做风险评分机制等。” 读完文章，有报道需求的创业者请加Pencil-news，可享受铅笔道可爱萌妹纸的热情服务，加好友请注明“求报道”字样； |
