“大資料”是否能輔助我們做出更好的貸款選擇？這是一個實時熱點的問題，因為一些由矽谷大公司創投的初創公司正在使用大資料技術，以提供短期小額貸款。這些公司希望能幫到68萬被聯邦存款保險公司(fdic) 稱為很難獲得貸款的美國人。他們之中，要麼沒有信用記錄，要麼信用記錄很差
這些公司會處理各種資料，從facebook的朋友數量到使用者是否定期交話費，甚至使用者們花了多長時間去填寫貸款申請的資料也不會放過。這些公司聲稱能用這樣的方法選取可信的借貸者，而并不像以往那樣隻用信用記錄的資訊做出判斷。他們說，資料使他們能夠提供的是比發薪日貸款更實惠的貸款。根據皮尤慈善信托基金估測，其年利率平均約400 ％。
現在，消費群體經過研究這些初創公司所提供的貸款得出的結論是，大資料不會帶來很大的不同。
美國消費者法律中心發現來自于lendup ， zest finance，和think finance公司以及其他大資料初創企業提供的貸款，其有效的年利率為134 ％至749 ％。這裡面，think finance既是貸款人又是使用大資料的公司; lendup隻是貸款人; zestfinance為其他提供貸款的公司做大資料分析。 lendup和zest finance說，他們在過去幾年所取得的貸款筆數數以萬計。
persis yu是一位來自消費者中心的律師。她在報告中分析了這幾家公司公開的利率，貸款條約以及一些公開的費用。她在報告中寫道，這些和發薪日貸款相比“大資料的算法似乎并沒有帶來更好的貸款産品的開發”。
lendup是由谷歌公司的谷歌風險投資公司所支援的。zestfinance是由paypal創始人peter thiel和上司谷歌的前高管douglas merrill所支援的。think finance是由風險投資公司sequoia capital支援。谷歌風投，thiel和sequoia均收到了詢問該問題的郵件，但他們都沒有回複。
包括這幾家在内的一些公司使用統計模組化技術來分析大資料，他們希望通過對于賦予數千新變量權重的方式預測出更為精确的使用者可信度。而這些新的變量包含借款者從小規模機構的借款記錄、發薪日貸款資訊、典當記錄與收藏記錄。其中有一些對大資料的使用令人費解：比如zest finance說，一輛汽車的報廢與否以及填表時使用大寫字母都會導緻欠款風險的增高。lendup則會檢視使用者浏覽網頁的速度。那些跳過閱讀網站材料就跳到大的貸款金額的使用者，更可能是高風險借款人。lendup首席執行官sasha orloff說：“這就像走進一家銀行大喊，‘我需要錢，馬上！’”。
不過，這些公司也進入了法律的灰色地帶。有些公司聲稱一部分的算法與資料源不會被使用來做出信貸決策，僅僅是為了篩選欺詐者，并且是以不能與消費者共享。美國聯邦貿易委員會在周三讨論這些算法是否具有歧視性或侵犯借款人的隐私。
lendup的高管，think finance和zest finance并不同意報告的調查結果，認為他們能提供給那些被傳統信貸公司拒絕的使用者更便宜的貸款。他們說，他們的公司通過提供靈活的付款條款和相應的金融知識，同時要求借款人支付部分貸款的本金并不計未付款的滾利的方式來保護消費者。據pew charitable trust稱，傳統的發薪日貸款的貸款者會在每次發薪時被扣除掉一大部分工資用于償還滾利。這則報告列出了lendup的最大利率是749%，但ceo orloff先生說：” 數字是有誤導性的，因為它僅适用于七天的貸款。 lendup的平均年利率為220 ％。”。他同時說，公司的實際利率更低是因為借款人有30天的時間來重新付款而不會被收取滾利費用。
think finance首席執行官ken rees說，一般來說，他的客戶支付的年利率為240 ％。他說，該公司的貸款比傳統的發薪日貸款要更好，因為他們能為那些還清款的貸款者提供更多的低息貸款。
zestfinance首席執行官douglas merrill說，他的公司所提供的貸款比典型的發薪日貸款收的手續費還要少。
但高管們也承認，即使有更好的統計模型和更新的資料點，違約率仍然很高，是以利率也隻能保持在三位數。這些公司也拒絕透露他們的違約率。
“市場的性質使得它很難提供兩位數的年利率，”即小于100 ％的年化利率，zestfinance的merrill先生說。他還說，他雇用了一百多名資料專家和谷歌培養的資料挖掘技術專家來試圖鎖定那些好的借款者。“我們希望能最終找到一種方法來提供兩位數的年利率，”他說：“我們的算法一直改進，這需要一些時間。”lendup的orloff先生說，他也希望随着時間的推移，整體利率會逐漸降低。“你要麼同意窮人應該獲得信貸，要麼反對。但我們相信窮人該獲得信貸，我們也一定會建立出适合他們的産品。”
<b></b>
<b>原文釋出時間為：2014-04-12</b>
<b>本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号</b>