随着互联网的飞速发展，在线数据变得格外丰富，多来源、实时、大量、多类型的数据被数据企业收纳。作为人工智能和深度学习的基础，大数据能够利用深度学习算法挖掘数据之间的多层次关联，为人工智能奠定关键的数据源技术。然而，我们到底拥有怎样的大数据?有哪些是可以用来分析并且真正利用的价值数据，这些问题困扰着众多企业IT人员。

此前，电话邦创始人毛羽建在2018中国零售银行创新国际峰会上的演讲中指出，“一个人的通话数据和通话对象，无论是企业还是个人，都是通信数据的一部分，而且具备很强的相关作用。”

建立多维度数据体系

“我们具备海量数据，这是大数据风控的现状。”对于银行人而言，风控数据最强的是人行的征信报告。几乎所有的银行人都需要使用这个报告做风控，但它的封盖面有限，只能覆盖3%左右的人。随着普惠金融普及度的提升，这个数据量显然无法支撑使用。互联网企业能够做互联网金融的关键是，它能够利用其他数据弥补剩余数据的不足。在大数据的维度下，具备消费数据和通信数据，以“全”和“厚”的两个特性保证其数据覆盖面从上到下几近详实，确保其能够作为一个征信的基础凭据。

当然其中也不乏从电商、社保、网络社交中直接获取征信情况，但问题是他们的数据本身在全面和广度上就存在缺陷，因此在征信价值上相对较弱。就算是七八十年前搭建的风控模型，其信用体系依然只能覆盖70%-80%的用户，而另外一部分人口始终无法覆盖。事实上，15年FICO、全联等企业从征信报告中发现“通信数据是消费者信用强相关的数据，仅次于银行信贷数据，差不多可以为50%不能进行传统信用评估的用户进行正确评分。”

通信数据在风控中的作用

毛羽建认为，用户的通讯对象可以更加精确用户画像，银行能够通过通话的行为去识别风险，提升风险评价和分析的能力，这就是通话数据在实际中的应用。通过一种对接方式，告知三大要素，得到信息反馈。这种模式，已经在通信数据领域中广泛应用到贷前、贷中、贷后三个环节，实现催收分析。目前，互联网金融企业早已大范围铺开使用，从原理上来讲，一个人的借贷行为，从申请、负载、分期、催收、坏账5大步骤能够智能识别这些问题。目前，市场上已经出现了多家相关产品，所有的结果基本上在0.3到0.45之间，这个过程是变化且好用的。

其中，作为催收的另外一个重要的维度，通信画像也需要分析相关通信行为，从各方面数据刻画用户画像。目前，通过通话行为、上网行为几个维度，判断消费能力好坏和稳定指数。相关应用之后，通信画像的使用场景主要用于风险定价、信用评估反欺诈的场景。

通信数据在整个环节中发挥巨大的作用，信用评估报告结合多维度形成信用报告，并以相关报告形式进行输出，做出判断。其中还需要非常实时的数据做相关分析，基于大数据的积累，通过各方面合作，完善信用评估报告体系。