最近，身边不少人在纠结这样一个问题：p2p理财还安全吗，还能再投了吗？
6月16日， 端午假期第一天，10亿高返平台唐小僧暴雷，公司法人已经经侦报案。6月22日，联璧科技多名员工被警方带走，已被公安部门立案侦查，立案缘由是涉嫌非法吸收公众存款。当年的高返四大平台，雅堂金融，钱宝网，联璧金融，唐小僧，已经全凉了……
其实每次出现p2p的负面信息，都会引发公众对于整个行业甚至整个互联网金融的讨论。而讨论的焦点就是——互联网金融真的安全吗？
01 金融的输入性风险
事实上，包括p2p在内的互联网金融产业，其本质还是金融，而金融的核心是要做好对风险的控制。所以，风控是互联网金融永恒的主题。而从目前金融发展史来看，业界的应对方案主要包括信用评级、大数据征信、风控模型等在内的风控体系建设。
p2p网贷是目前对很多普通人来说接触金融的一条门槛不高的方式。而在这个领域，大数据和风控的应用已经颇具规模。
p2p网贷是2007年开始在中国出现。刚进来一下子就盘活了资金的流动性。因为之前大家的钱都是“封死”在银行。很多人把钱存在银行，名义上是活期存款，但是基本上也是死期的用法，就是不到万不得已不取出来·。由于门槛较低、模式简单、投资回报率高，p2p在国内发展异常繁荣。
p2p网贷平台数量在2010年仅为15家，截止2018年5月，已有6471家（数据源自网贷天眼数据中心）。借贷成交额从2010年的13.7亿元增加到2018年5月的1202.36亿。8年时间涨幅达到了8673%，这样的涨幅可以说是非常惊人了。
曾经有一个时期，大概是15年，16年左右的时候，p2p整个行业经历了一阵“人民公社式“的大跃进。从表面看就是超高的年化收益率，至少从现在来看是超高。那时候40%的年化只能说是常规操作（目前的年化已经很低了。银监会主席郭树清近期在某会议上发表主旨演讲时，有这样一段表态可做参考：收益率超过6%就要打问号，超过8%就很危险。10%以上就要准备损失全部本金。）
虽然如今疯狂早已不再，但相比银行同期活期利率，p2p仍然属于高收益率投资项目。据天眼研究院统计，2018年5月网贷行业平均综合利率为9.95%，而2018年工农中建交五大国有银行的官方利率是处于行业比较低的水平，其具体利率分别为：活期0.3%、3个月定期1.35%、半年定期1.55%、1年定期1.75%、2年定期2.25%、3（5）年定期2.75%。
然而近年来，越来越多的负面消息开始在行业涌现，比如平台失联、跑路、提现困难等、平台诈骗等负面新闻不断传来，也渐渐的让外界对p2p这门事物产生了质疑。例如前段时间的善林金融。善林曾经是作为中国女排赞助商之一、在纽约时代广场、伦敦希思罗机场等著名地标投放广告，并参与发起各类公益活动。但是项目还是出现了问题，公司相关领导层因涉嫌非法吸收公众存款罪被批捕，业务停滞，也直接导致公司解体。
02 高收益≠高风险的秘密
在传统金融的范畴，有这样一个道理是深入人心的——高收益就意味着高风险。但是p2p完全改变了这样的传统观点。作为一种创新的产物，p2p的创新点就体现在它的的高收益是建立在高效的投融资手段基础之上。
p2p本身是一套高效的金融创新体系，在这套体系运转之下，资本和资源能够得到最高效的利用。不仅仅是收益的增加，同时也节省了更多成本，例如资金、人力甚至时间成本。因此，高利率意味着高风险，其实在包括p2p在内的互联网金融领域已经是一项伪命题。
而金融创新的价值远不及此。互联网金融其实在很大程度上增加了资金流动性，提高资金的使用效率，从而创造更大的价值。从p2p平台自身来说，业务本身就是资金流入和流出的过程。而降低风险最重要的环节就是机构本身要对平台的信息和资源严进慎出，减少金融的输入性风险。而这个过程恰恰是互联网金融行业的核心——风险控制。
03用数据做风控的本质
风控的基础是数据。大数据风控是运用大数据构建模型的方法对用户进行风险控制和风险提示。
以数据为基础，关注的是用户的弱特征，比如用户在互联网上各个平台的行为特征、消费习惯等。包括一些行业数据，用户的互联网浏览数据，司法执行数据，第三方信用数据，出行数据，电商平台的交易数据，电话通讯数据和社交数据等。
通过对海量数据的采集和分析，通过数据维度分析和匹配，对比风险名单库匹配对用户的基本信息进行校验。通过这个过程对用户身份进行确认。正确区分用户“好与坏”，进行正确的风险预测。剔除有潜在风险的用户。存在高风险用户一般包含黑名单数据、多头信息、变更信息、关联账户信息等行为特征。
大数据风控对互联网金融具体业务的实际意义就在于，能够通过维度分析及时发现潜在风险，整套体系能够在欺诈、造假、黑产等恶意行为发生之前就进行了预防机制。为实际业务提供建议和决策方案，极大的降低了系统性风险。这正是现今大数据风控发展火热的重要原因之一。
04 互联网金融的丛林法则
自然界的丛林法则是生物学方面的物竞天择、优胜劣汰、弱肉强食的规律法则。这样的规则在互联网金融领域同样试用。而数据维度下的风控系统其实加速了这个更新、淘汰的过程。
大数据风控其实就是建起了一道优质用户和“黑色用户”之间的防火墙，将具有潜在风险的客户排除在体系之外。随着风控手段的改进和水平的升级，也陆续形成了“优胜劣汰”的淘汰机制。身份、资质相对比较差的用户被排除在体系之外。优胜劣汰之后就留下更优质、更符合系统要求的用户，系统和业务运转也就更稳定。
05 劣币驱逐良币
在p2p网贷发展和兴起的初期，大部分业界参与者的初衷都是做良币。就是寻找最优质的资产和最优质的用户，做最优质的匹配。然后p2p网贷平台作为中间商赚一些差价。
但是有良币就一定会有劣币。劣质平台因为省去了合规运营的成本（日常资金成本、运营成本、数据及风控成本等），同时给用户更高的利息，因此有更大的生存优势。所以长此以往，有些良币平台为了生存，不得不从恶如流，放开风控，放弃底线，逐渐演变成劣币平台。所以，曾经一度p2p网贷市场在保本保息（真实性当然经不起推敲）的宣传下，年化收益就是比着涨价，从10%一路飙到30%-40%，甚至更高。
虽然近年来政府部门开始监管，市场重归理性，已经回到8%-10%的收益水平。可太多人因此也丧失了对行业的信心，也不会再染指了。
当市场回归理性，良币又开始慢慢驱逐劣币。行业开始关注业务本身，专注用户和风险管理。风控开始成为主流，除了在数据源和用户资质方面的筛选和过滤，风控体系在一定程度也增加了不良用户的“造假成本“。在利益驱使下，也陆陆续续会出现信息包装甚至信息造假的行为。但是造假的难度和成本也随之提升，因此也陆陆续续使一些劣质资源开始退场。
06大数据风控的未来
大数据风控其实是互联网金融在科技驱动下未来发展的一个大趋势。诸如央行的征信体系和蚂蚁金服旗下的芝麻信用等信用体系的建设其实就是利用大数据的价值让社会资源得到更高效的匹配。
通过分析大量的网络交易行为数据，对用户进行评估，通过社交大数据与央行征信等传统银行信用数据结合，运用社交圈、行为特征、交易、基本社会特征、人行征信等维度对客户综合评级，快速识别客户的信用风险。这些信用评估可以帮助互联网金融企业对用户的贷款及偿还能力等做出结论，进而为用户提供相关金融以及周边服务。
而在业界久负盛名，产品和服务定位于为互联网金融、消费金融提供中立、专注、安全的数据采集分析、挖掘、机器学习以及风控服务的魔蝎科技，更是将数据服务、风控服务的优势发挥到了极致。
在数据采集方面，魔蝎特有的机器学习、自研爬虫框架以及自创数据加工引擎，基本上做到了维度的全覆盖。根据客户场景帮助客户选择多维度的数据，根据客户的日常行为表现定制化魔分，利用客户在模型海量数据中的表现，有效的降低了整体数据体量中的不良情况。
同时，针对银行对外部服务调用的谨慎与合规考虑，魔蝎推出了符合银行复杂网络的定制私有化数据采集服务。利用海量数据积累的特征库和风险名单，发现不良用户的不良信用记录以及包括预期、违约等在内的不良信息。帮助更多金融和非金融体系客户降低了风险与资产损失提高了效率与商业价值。在数据服务和风控体系建设方面，魔蝎已经成为行业的领军企业。
目前第三方数据服务已经逐步进入了比较成熟的发展阶段。随着国家以及监管层面对互联网行业的关注与重视，互金行业现已逐步走向合规与透明。而中立、安全的数据风控服务已经成为行业共识。
结语：互联网金融的一个目标是实现普惠金融，就是让更多的人更好的享受更优质的金融服务。在实现普惠金融的前提下，互联网金融本身是有自己的优势。比如，运用大数据和云计算技术对互联网交易信息进行深度挖掘分析，以及对海量数据的支持。
在帮助客户精准推荐产品和服务，降低客户自行寻找、查询、决策成本的同时，让小微企业和低收入群体能够以降低的成本获得便利的金融服务，增强金融服务提供商防范风险的能力，这也成为当下大数据风控存在和发展的意义和价值。