“去年一年，我們集中接待了多個省市金融辦考察來訪’。”各地金融辦對大數據監測的感興趣程度，北京市金信網銀金融信息服務有限公司（以下簡稱“金信網銀”）副總經理李崇綱自己也沒料想到。
從2012年開始，金信網銀承建了北京市金融局大數據監測預警非法集資平臺，幫助該局從互聯網上搜集信息，為打擊非法集資提供線索。這是不得已而為之，因為北京市金融局打擊非法集資任務重大，但是能用上的人手和資源卻不多，利用技術手段監測信息可以節省不少人力。金信網銀根據監測出來的數據為互聯網金融平臺的危險性打分，這演變成后來的“冒煙指數”。
“剛開始就是個項目，可是慢慢我們發現，有這樣需求的各地金融監管機構越來越多，成了我們公司一個非常重要的業務方向。”李崇綱透露，目前金信網銀服務的監管機構除北京市金融局外，還有其他多個省市金融局（辦）、公安機關、中國人民銀行、國務院處非辦，以及剛掛牌不久的中國互聯網金融協會。“還有很多地方的合作，我們還在談，估計今年會增加不少地方。”他說。
雖然金信網銀目前還是上述監管機構在這個領域的唯一供應商，但據網易科技了解，還有更多的團隊試圖踏入這個領域。第三方平臺網貸天眼、信用評級機構大公國際都在嘗試開展相關業務。
提前發現e租寶風險
“e租寶出事的半年前，其實我們已經監測出來它風險極高。”李崇綱告訴網易科技。金信網銀在監管機構當中聞名也是由于對e租寶風險的提前預警。
從去年3月開始，金信網銀開始對e租寶進行監測，從5月份開始，e租寶的“冒煙指數”就已經超出了70分。一般來說，“冒煙指數”與對應的處置分幾個檔次：指數達到30分以上，預警平臺即采取介入、干預等手段；超過60分，相關部門要列入重點監管；超過80分的，政法機關將及時啟動打擊處置程序。李崇綱告訴網易科技，e租寶的分數達到70分時，他們就已經向監管機構提出了預警。
這些分數來源于金融機構、理財產品、P2P、私募股權等等在互聯網上呈現的信息。比如通過地圖數據比對公司實際經營地址與工商注冊地址是否一致，通過招聘數據看公司招聘人員的素質、通過對網站訪問量的監測看公司是否投入太多資金做廣告營銷、從已經發生的非法集資案例中尋找共同特征等。
李崇綱解釋：“好多非法集資的公司，不愿意讓監管機構找到他們，所以經常經營地點與注冊地點不一致。我們還會看這些公司的招聘信息，一般要是招初高中學歷的銷售人員，而且待遇超高，甚至是同行的2—3倍，這樣的公司風險就比較大。再比如，如果一個公司網站短期內訪問量激增，一般都是做了大量的廣告營銷，這部分成本太高的話，就有經營風險。”
這些特征綜合起來，可以抽象出“合規性、特征詞命中、傳播力、收益率和投訴率”等五個特征指數。將上述五項指數加權、整合后，所測算出的數字，即是企業“冒煙指數”，代表其所涉非法集資風險。
北京市金融局的打非監測預警平臺上線已經一年多。李崇綱告訴網易科技，根據事后的核驗，大約有60%—70%的問題平臺都能夠提前有所察覺。但是這個效果目前還不好表述準確，因為預警之后，還有后續的立案、處理等諸多問題需要解決，大數據目前還不能解決所有問題。
目前，該平臺已經對2000多家網貸平臺展開了監測。李崇綱告訴網易科技，今年監測的覆蓋面還會擴大。同時，金信網銀的團隊也在努力優化冒煙指數模型，希望為每一種類型的金融機構建立專門的監測模型，并且希望利用機器學習找到更多特征與風險間的關聯關系。
競爭正在展開
這個領域的競爭看起來正在漸漸展開。
就在本月，網貸天眼利用數據監測進行互聯網金融風險分析的系統也已基本成型，這個監測模型不同于金信網銀。金信網銀目前的一些監測指標，未必是與金融業務相關的指標，但是網貸天眼希望通過對業務指標的監測來分析風險。
對網貸平臺業務數據的監測是網貸天眼的長項。網貸天眼成立于2012年3月，是P2P行業兩家最大的第三方平臺之一，此前一直在做網貸行業數據監測，目前接入了200多家平臺的數據。
網貸天眼聯合創始人兼CEO田維贏告訴網易科技，網貸天眼監測的業務指標包括：根據網貸平臺的貸款余額來判斷平臺的資金流動性、網貸平臺的數據異常、資產類別、市場環比等，這些指標還會結合企業信息變動監控、輿情監控和針對某些平臺的重點監控。
他舉例解釋，比如對貸款余額的監控。貸款余額指至某一節點日期為止，借款人尚未歸還放款人的貸款總額。如果一個平臺的貸款余額是30億，但它排前10名的貸款人總共的貸款余額占比過高的話，其中如果有一個人違約，平臺就面臨很大的風險。再比如，如果新增借款標的在短期內猛增，就有可能有問題，因為在現實中要尋找合適的借款標的是需要花時間的，如果短期內猛增，很有可能是虛構的標的。
田維贏告訴網易科技，他們已經與北京市金融局接觸過幾次，對方對他們的模型很感興趣，雙方正在探討合作的可能。
類似的分析方法已經在實踐中被證明是有效的。之前網易科技曾報道過，資深P2P投資人羿飛目前一直在做“羿飛網貸評級”，這個榜單監測的網貸平臺業務數據包括：借款標的的平均利率、月成交量、平均借款周期、月活躍投資人、人均投資額、人均借款額、交易額增長率，再綜合品牌認知、風控保障、服務品質，一共十項指標，并且對這些指標進行打分排名。
羿飛告訴網易科技，自從采用這種分析方法之后，他只踩過一次“雷”，是因為那個網貸平臺在線下有很大的業務量，他事先并不知情。由于個人精力有限，羿飛只對三四十家平臺進行監測，而且監測的平臺會不斷更新，不斷地剔除他認為不靠譜的平臺，并且增加新的口碑不錯的待觀察的平臺。他告訴網易科技，陸續剔除的十幾家平臺當中，有10家左右都倒閉了，這種分析方法幫助他成功躲開了風險。
可是有時，數據監測有些“道高一尺、魔高一丈”的感覺。P2P投資人章雨（化名）曾于2013年到2014年間在一家做數據監測的網站工作過，他發現早期網貸平臺的數據是比較真實的，網貸數據監測平臺出現之后，網貸平臺會根據這些平臺的監測維度修改數據，以掩蓋自己的問題。
用大數據監測互聯網金融風險的道路，才剛剛開始。
