周瑞珍+祖融

【摘要】第三方支付经历了十年扩张期，交易规模快速扩大，各大巨头已割据市场，进入新的博弈阶段。大数据技术成为新热点，如何在大数据的应用下，促进第三方 的发展是当前的重要课题。

【关键词】大数据 支付

过去十年来，互联网支付经历了快速的扩张，用户数量和交易额不断攀升。截至2015年12 月，我国网上支付的用户规模已达到4.16 亿，较2014 年底增加1.12 亿，增长率达到36.8%。网民使用网上支付的比例从2014 年底的46.9%增加到2015 年12 月的60.5%。根据互联网研究机构“易观智库”发布的《2016年上半年中国第三方支付市场研究报告》指出，2016年上半年，第三方支付行业整体交易规模达13.5万亿元。2016年7月，《非银行支付机构网络支付业务管理办法》施行，第三方支付的功能回归小额、快捷、便民服务、小微支付中介，市场更加规范。随着市场增量的减少，第三方支付行业增速放缓，将进入平稳发展期。

与此同时，大数据技术和相关应用的发展成为新的焦点，呈现一派热火朝天的局面。大数据的影响正在从线上延伸到线下，从虚拟经济延伸到实体经济，从IT行业影响到所有传统行业。如何通过大数据的应用，实现第三方支付在商业价值上的跃迁，开拓更多盈利模式，是各支付企业面临的机遇和挑战。

一、大数据将成为推动支付行业发展的新动力

支付是金融的核心，数据是支付的基础。第三方支付企业运营多年来，拥有海量的商户信息和消费者交易行为信息，如能对这些矿藏进行挖掘和应用，由此衍生出的精准营销、客户关系管理等增值服务将成支付行业新的盈利突破口。

精准营销是当前热门的销售模式。在这个越来越注重用户体验的时代，仔细分析用户，是最重要的。大数据的分析成果能缩短商户与客户之间的距离，帮助商户更更深入的认识消费者，这是以POS为核心的传统金融机构所无法提供的。传统支付方式下，金融机构获得的数据只有商户、客户的基本信息，无法获取具体的交易商品、数量和单价等完整信息，更不可能通过数据的采集区分每一个体用户，获得其用户画像。如超市购物，支付体系就只能了解交易金额，而无法知道消费者具体买了哪些产品、品牌，也无法了解消费者的购买倾向。而第三方支付采用了智能化的支付终端（包括PC、手机客户端等），能够采集除支付资金数据外的交易商品、服务信息，包括支付金额，支付时间，支付地点，支付频率，支付商品等。大数据技术的出现，交易数据的价值变现成为可能。在积累用户交易数据和场景化的业务数据基础上，通过数据分析，可以了解这些用户的消费习惯、热衷产品乃至消费心理，从而为用户推送个性化的营销服务信息，满足消费者的需求，大幅度提高营销效率、降低营销成本。

二、大数据有助于提升支付安全

支付和我們的生活息息相关，关乎我们的财产安全。第三方支付应用等新兴支付手段的高速发展，给消费者带来便利的同时也带来了一定的威胁。首先，第三方支付通常需以移动终端、APP应用等为载体，网络木马病毒、黑客恶意攻击的风险难以完全规避。同时，电信诈骗猖獗，伪基站信息泛滥，大部分用户的支付风险意识较低，难免会受骗上当。在这种背景下，大数据安全技术作为海量数据实时分析处理的新兴技术，可以对疑似非法侵害行为作出预警，为用户规避交易风险。

大数据技术可以对沉淀的大数据进行分析，通过特定算法挖掘用户操作特征，抽象出对应模型，用以进行用户身份验证，从而识别客户身份，判断交易风险，阻拦风险交易。每个用户的消费行为和习惯都是遵循一定模式的，不会轻易改变。例如通常在什么时间、什么地点、使用什么设备和账号登录系统等等。犯罪分子即使获取了用户的身份，也无法伪造这些特征信息。在发生资金交易的时候，大数据技术根据虚拟客户的特征来判断现实世界中发生交易的风险

例如腾讯的FIT风控系统，利用QQ和微信社交平台沉淀的大数据，在登录、绑卡、支付等这几个非常关键节点上做风险识别，对用户身份、账号、密码、银行卡、设备等信息进行检测，将用户信息的每一个属性、行为定义为一个变量。每当用户执行关键操作时，获取客户的上次登录时间、登录地址、好友分布、账户消费行为和交易金额等信息。如果以上变量发生变化，会引起系统的警觉，从而分析、评估这些变化的合理性，如果偏离了平时正常行为就认为存在风险，对用户发出风险提示。

在大数据的影响下，第三方支付应用市场将会日趋多样化，而广大消费者则可从中享受愈加便捷的生活体验。另一方面，大数据的海量也就意味着，并非所有数据都是有用信息，对有效数据的挑选、从业务模型出发对数据的理解都非常重要，要选取哪些数据原料进行挖掘，什么数据才是支付安全真正所需的，对数据的类型和实效性都要有所考量。数据的整合、协同合作也是亟待解决的问题。各家第三方支付平台所使用的数据都是来自于自己的平台，但是这些数据是远远不够的，地理位置数据、地图数据、人口流动数据对于支付安全来说都起着举足轻重的作用。业内迫切需要第三方的平台、工具和服务来解决数据流通过程中的隐私、安全、权属等问题，进而帮助各行业推进数据的流通合作。

参考文献：

[1]谭磊. New Internet 大数据挖掘[M].北京： 电子工业出版社，2013.

[2]Franks B. 驾驭大数据[M].北京： 人民邮电出版社，2013.

[3]弗里德曼.统计模型： 理论和实践 [M].北京： 机械工业出版社，2010.