2010年，分期贷跟着移动互联网的热潮，席卷整片我国大陆，广阔蓝领的消费才能被提早透支。
2014年，网贷将方针瞄向了大学生，这个天然优质客户群，滋养了一大批网贷公司，一时间，学校贷充满着大学学校的每个旮旯。在虚荣心与薄脸皮的作用下，许多女学生被逼下海、轻生，妄自菲薄者更不必说。
随后的“裸条”、“现金贷”、“套路贷”等，自是一浪高过一浪，眼花缭乱，但不变的是「借钱」这一人类永久的硬刚需。
2018年，714高炮盛大下线元，去掉砍头息/服务费，告贷人实践到手1000，7天或14天后还款，简称714高炮，这实践上是网贷产品的N.0版，利息年化利率基本上都超过了1500%。
2019年央视315晚会上，714高炮途径被曝光，随后倒了、停了一大批高炮途径，但是网贷职业并没有实在改邪归正。
紧接着，55超级高炮打响，期限5天，砍头息50%，更高的利息，更短的周期，不怕你不还，就怕你不借。
这些年来，网贷产品的每一次迭代更新，更像是一条变色龙为了应对环境改变而作出的一次次变色假装。其间产业链终究端--催收也跟着监管的力度增强，而阅历了暴力催收--软暴力催收--佛系催收--不催收的进程，颇有武林里「无我」的意味。
所谓的不催收，当然不是网贷公司就此认命了，而是他们想出来了愈加绝妙的挣钱办法--伐鼓传花。
曾经每一笔贷出去，都是想着要在这一笔上最大极限地罗致报答，在[ 报答=（本金+利息）*回收率 ]公式的作用下，削减实践给付的本金是一个法子，所以砍头息屡试不爽；增大利率也是个大杀器，所以高利贷从古至今盛行于世；尽力提高回收率天然也是百灵药，但技能难度相较前二者，显得杂乱得多。
要提高回收率，就要管住两方面，一个是钱出，一个是钱进。钱出的意思是放贷前要点评告贷人的信誉，所以有了风控这个职业；钱进便是放贷后要尽或许地把钱收回来，所以有了催收这个职业。
但这些在超级高炮下，显得无关紧要。坊间传言，只需是个人，就放贷，秒放的那种。这背面却是是何逻辑？深扒一下，就会忍不住被这群人的智商所信服。
网贷公司把钱借出去后，5天到期，还不起不要紧，引导你去另一个网贷APP借来还，5天后新的途径又到期，又还不起，也不要紧，持续找其他途径借来还，如此重复，不必多久，就会发现告贷人的手机中网贷APP数量到达几十上百个。
一手伐鼓传花耍得唯妙唯俏，就比拼各家的手速，看终究栽在谁手里，横竖不会是我。
道高一尺魔高一丈，后来又有人发现了愈加绝的玩法--55超级高炮横空出世，伐鼓传花渐渐进化成左手倒右手的游戏，虽然实质都是传递，但这次传递只在网贷公司自己的手中传导。详细是，钱借出去后，1000到手500，5天后还不上了，没事，引导告贷人持续下载APP，让他再借，又是1000到手500，这时告贷人要自己垫上500，才够还款，如此重复，告贷人每多下载一次，就要多被吸走500，这等功德必定不能流外人田，所以告贷人手机的那些网贷APP，其实都是同一家网贷公司旗下的「产品矩阵」。左手倒一下右手，500轻松落入口袋，拍拍手就能够挣钱的游戏。
放贷职业其实是个很陈旧的职业，年代在开展，放贷的方法相同与时俱进，生生不息。这背面其实是民间社会对金融的实在需求，正所谓一分钱难倒英雄汉，一面是商业银行对个人贷高门槛的要求，一面是民间对告贷的急迫需求，这让放贷职业有了生计的空间。
所谓金融无非便是玩「钱进钱出」的花招，本钱的嗅腔是好血的，贪婪是其实质，赚了一分，就想赚一块。所以网贷乱象屡禁不止，砍头息、高利息、暴力催收层出不穷。告贷人因各种套路贷被逼上死路的报导比比皆是。
“阿秀经过手机APP 告贷1200元，告贷期限为7天，后因无力付出高额逾期费用遭暴力催款。放贷团伙屡次运用电话、微信向阿秀及其家人催款，后组成阿秀裸体彩照，并在相片上标示樊某秀卖身还账字样，向其自己与亲属发送，终究导致其跳河自杀。”
以上事例来自人民网报导，该类网贷引发的悲惨剧工作给社会安稳带来极大冲击，对此，国家层面也一再出手整治。
最近大批风控数据公司被查正是在这样的布景下发生的。为了镇压套路贷，削减不法催收给社会带来极大不安稳的影响，政府部门现已开端深挖整个放贷链条，不再局限于主链上的放贷人或催收人，而是将手伸向了为放贷人供给金融风控数据的第三方公司。
据财新网报导，9月魔蝎科技、新颜科技、公信宝运营公司杭州存信数据科技有限公司、51信誉管家、杭州存信先后被查。此外，还有多家大数据风控公司人士“帮忙查询”，触及同盾科技、我国电信旗下翼付出、百融云创等多家组织。与此同时，白骑士、天机数据、立木征信、聚信立等纷繁表示暂停爬虫事务。
谈起风控数据，其实咱们都不生疏，比较常见的芝麻信誉分也是一种风控数据，能够用来衡量要不要借钱给你，借你多少钱。判别一家金融科技公司（现金贷/消费贷公司）强不强，风控（即危险操控）才能是重要标准，其强弱决议了咱们从前讲到的回收率，风控才能越强，代表着贷出去的钱有更大概率能够收回来，这关乎一家网贷公司能否存活。据传，现在开端呈现「撸贷村」，便是整村人都在寻觅网贷公司套取告贷，然后再团体拒偿。
一家网贷公司的风控系统是树立在数据搜集、数据剖析、数据战略、数据模型、催收等之上。
仔细的同学能够发现，金融风控系统的各大环节实质上其实都是对数据的「处理」，可见数据关于风控的重要性。能够说，离开了数据，金融风控系统便分崩离析，告贷事务天然无法持续，因为你无法判别屏幕前的告贷人是不是斗志昂扬的撸贷大军。因此实际中，许多巨细途径，包含中小银行纷繁或暂停或缩紧了告贷事务。
而跟最近大数据公司被查有关的环节呈现在催收环节上，也便是管「钱进」的这一环。这也不难理解，告贷公司「钱出」之前对告贷人的信誉进行点评是不移至理的事，是金融职业（包含各大商业银行）的生命线，当然也是告贷人与告贷人一个愿打一个愿挨的实际。
但催收这一环可不相同了，至少很难听到叫得上姓名的商业银行，到欠款人家里喷漆，打电话问好人家亲朋的，终究逼得告贷人走上死路的。
从前咱们说到，网贷公司要想挣钱，就要提高回收率，而催收又是确保回收率的重要手法。所以尽力提高催收功率就成了网贷公司有必要迈过的坎儿，这时分，大数据就表现出其巨大的威力。在构建催收战略时，需求搜集用户/告贷人的个人基本信息、产业信息等来树立催收评分模型，用来猜测催收成功或许性；别的还需求搜集用户/告贷人的联络途径，以保证后续催收的可联络性。
其间，作为详细催收手法之一的交际网络催收，又是此次冲击的要点。那交际催收又跟数据有何联系呢？何致使监管部门对「大数据」公司痛下狠手？
从这个模型不难看出，交际催收的次序通常是自己--亲人--同学--搭档--一般朋友，因为这跟催收的功率成正相关，与告贷人越近的人，越能够影响告贷人还款。
在这儿，就不得不介绍下告贷人的人群画像，通常会向网贷途径告贷的人都是有安稳收入，有固定日子圈子的人，或许最近刚好喜爱上某个东西，或许需求一下等等，告贷金额都是几百到几千不等的，因为金额比较小，又不好意思管亲朋借，而网贷途径又刚好能够满意这个需求。虽然有不少是赌徒、撸贷等“残次用户”，但在途径的风控之下，也能够把这部分人最大极限挡在门外。
在这样的用户画像下，交际催收是很有杀伤力的一招，因为这群人大多好体面，金额又小，还达不到让用户“摊牌”的程度，捉住这些心理特征，有时分是一催一个准，用户准要想破脑袋来还钱，终究却发现越还越多。
不过想要拿到用户的交际联络人可不是简单搞定的工作，这儿不是指技能上，而是指法令上。
网贷公司在构建自己的风控系统时，所需的数据一般会经过第三方数据公司供给，因为第三方数据公司专门从事这门生意，能够保证拿到手的数据是最新鲜、最全面的，这关于数据模型的准确率来说十分重要。关于那些半道闯入，自己手上没有数据的网贷公司来讲，找第三方公司买数据，或爽性购买整套风控数据解决计划，这些都是硬刚需。据悉，被查的摩羯科技便是风控数据解决计划供给商，网贷途径只需购买该计划就能够完成告贷，顶多再结合征信、运营商数据等进行穿插比对。
值得着重的是，以上流程在实际中不一定总是这样，比方关于大型的网贷途径，它们很或许具有自己的海量数据、优异的建模才能等，此刻，三个主体便合三为一，一切行为也都是自己搞定。为了便利对每个主体及行为进行法令点评，无妨把整个链条拆解出来，而且咱们首要环绕「行为」进行点评。
最常见的便是运用「爬虫技能」爬取数据，而爬取的数据又分为揭露数据与非揭露数据，揭露数据首要包含用户自动揭露的数据（比方用户在微博、大众点评上发布的信息等），还包含公共组织依法公示的数据（比方企业信息公示）。
运用爬虫技能的公司，只需把自己的「蜘蛛」放在上表的最顶端，然后顺着往下爬，假如爬到的是「坏虫子」，那祝贺了，你需求作出合规整改了。不过坏虫子也分许多种，有的是蹲牢里的虫子，有的是挨鞭子的虫子，有的则是吃官司的虫子。
别的，在现有法令结构内，上表的一些定论并不是唯一性的，比方经过用户授权，但未经过企业授权的搜集，是否合法？司法实践所树立的「三重授权」，其法理根据是否满足充沛？数据独占终究会召唤出可携权吗？再比方，用户自动揭露的个人信息就能够随意搜集运用？这一切都还无法盖棺事定。
评论数据运用行为的默许条件是数据获取行为合法合规，假如这个条件不成立，那明显没有评论的必要，当然，怎么判别数据来历的合法性又是另一回事了。数据运用行为最简单发生超出搜集意图规模运用的状况。比方以发货为意图而搜集的用户收货地址，后边被用来做地域的个性化引荐。
在金融风控数据中运用进程中，需求阅历清洗、加工、发掘、交融等技能手法，以便树立反诈骗、贷前点评、贷中监测、贷后催收等模型。
法令危险首要会集在运用层，因为对用户权益的损害往往经过数据运用表现出来，其间，又以贷中监测与贷后催收环节为最，因为用户的权益在这两个环节中最简单遭到损害。在底层技能中，运用数据交融技能时，应当留意因交融而发生「匿名信息」从头辨认而变成个人信息的法令危险。
数据买卖因为触及直接的商业贩卖利益，因此显得特别灵敏。首要危险在于未经用户赞同的买卖，包含「打包」赞同，常见类型包含“在特定景象下，企业有权将用户信息同享给相关企业或第三方......”。这类危险来历是十分直接的，很简单冒犯红线，特别是当数据被用来施行违法行为并被查办时，数据源头公司被「顺藤摸瓜」的概率仍是不容小视的。而作为数据需求方的网贷公司，在购买数据模型解决计划的时分，实质上就会触及数据买卖的问题，买卖标的包含原始数据与衍生数据。
关于数据下流企业来说，危险更难操控。作为数据买卖的接纳一方，很难去检查数据来历的合法性，这无疑是一颗定时炸弹，仅靠买卖合同的职责条款组织，明显无法起到「全身而退」的作用。所以，数据购买前的排雷（如尽职查询）显得尤为重要，从数据原始搜集的授权链条上开端逐个排查，列出数据目录，然后分出危险等级，视状况采纳补救措施（包含法令手法与技能手法）或决断弃购，力求做到危险可控化，而不是一味裸奔，所谓爬虫爬得好，牢房进得早。
据我国基金报报导，湖南一男人为逃脱网贷，制作“假死”骗保，其妻子信以为真，在朋友圈留下 “绝笔书”后带儿女自杀。另据21世纪经济报导，腾讯旗下微众银行的第一笔告贷3.5万发给了一位卡车司机，服务了以往商业银行掩盖不到的客户集体。一边是网贷的悲惨剧，一边是网贷的普惠，这对对立联系经典地诠释了金融风控数据的命运：数据无辜，行为有罪。
《网络安全法》、《刑法修正案（九）》、《反不正当竞争法》、《最高人民法院、最高人民检察院关于处理侵略公民个人信息刑事案件适用法令若干问题的解说》、《信息安全技能 个人信息安全标准》、《App违法违规搜集运用个人信息自点评攻略》、《数据安全管理办法（征求意见稿）》等。
作者简介：姜斯勇律师，明庭数据合规部，上海市大数据社会运用研究会成员，团队专心数据法范畴，服务ABC[ AI & Big Data & Cloud ]、TMT职业；个人沟通微信：scottlawyer。回来搜狐，检查更多
