中国还没有信贷记录的13亿人，该如何服务？

在智能数据2.0时代，国内消费信贷的环境是怎样的？FinTech各热点技术业务应用如何围绕“大数据”发力？数字技术如何落地？

“拥有技术，一切皆有可能。”ZRobot CEO乔杨称。

在“科技赋能 金融觉醒”一本财经智慧金融峰会上，业内专家一一道来。

业内人士称：“从信用贷款市场来看，目前，国内行业仍处于早期阶段，产品也比较单一。但随着中国消费信贷市场的进一步丰富，将会渐渐走入第二和第三阶段。”

01 中国消费信贷的发展环境

从去年开始，中国整个在线小额信贷市场呈现了井喷式的发展，这个市场不是新的市场，像拍拍贷十多年前就开始了，但其业绩增长也来自于去年。这是为什么？

2016年是中国的在线信贷元年。原因有很多，我们今天在这里做一个分析，看看在中国在线信贷市场发展的基础是不是优于全球市场，从全球的角度来看在线的小额信贷有什么样的机会？

我们暂且不看获客和风控，只看成本，可以发现线下的消费信贷模式和线上模式在成本上有很大区别。

在线信贷相比于传统的线下模式是有很大的成本优势。大家不要小瞧这一点，对于挣利差，通过利差赚取利润的金融公司，每一个点的利差都会使一个公司扭亏为盈。

我们知道中国银行业利差在2个点左右，如果能拿到额外的两个点，利率已经翻倍了。在台湾银行业的整个市场评级利差只有0.5个点，从经济学原理来看，在线信贷有它存在的价值。

随着Lending Club这样的公司在美国市场的兴起，美国的在线信贷公司成为新宠，其实它们的市场繁荣程度不亚于中国。

回到中国，国内整个在线信贷市场发展的五大环境。谈到风控与数据我不得不讲中国信贷市场的发展阶段。

我认为，当下，国内的信贷市场仍处于第一阶段，其特点是以传统的银行服务为主。中国号称有征信的人有7亿人或者4亿人，但是真正有借贷记录的人只有1亿。

从信用贷款市场来看，现在行业还处在一个非常早期的阶段，产品也比较单一，基本围绕着房和车，要么是大额的贷款，很多复杂的产品现在还没有产生。

但随着中国消费信贷市场的进一步丰富，我们会渐渐走入第二和第三阶段。而征信数据和类征信数据的发展与深化，我们将有更多的数据可以进行风险评估，产品也会更加丰富，传统单一定价的模式也会破打破。

02 国内在线房贷市场百花齐放

最近两年，在中国的线信贷市场，无论是信用卡代偿，还是各种各样的贷款类型均已出现，其整体行业创新程度不亚于美国。

实际上行业进一步的丰富和发展也使得中国的在线信贷市场经历了不同的发展阶段。我们看到最早期，像很多银行以及传统的消费金融公司，互联网成为它们的获客媒介，但可能只是获得客户信息的媒介。

中国现在整个在线小额信贷发展趋势，它能不能借鉴其他市场，但其实我觉得是可以的，因为美国的市场已经验证了。

中国的市场实际上是步美国市场之后，美国是鼻祖开创者，但是中国现在有超越的态势。我们放眼看世界上其他国家，像东南亚，像非洲，像南美这样的一些国家，它们更像中国的市场，而不像美国的市场。

美国是一个强监管的国家，它的很多大数据的技术，很多人工智能的技术，包括很多第三方支付不能得到很好的实施，但是在中国得到了很好的应用。

现在很多发展中国家的整个市场土壤和环境跟中国很相似。我们以东南亚11个国家为例，它的整体市场状况非常像中国五年前的市场状况。我们看到它的整个移动互联网比率在迅速的提高。

在某些国家实际上比中国还要高，像柬埔寨、越南这些国家，它们的移动互联网，手机的比重比中国还高。它的消费金融服务率却很低，传统的金融机构没有服务到这些广大人民群众的现实，这种现象比中国还要明显。

我们知道很多国家银行服务只是它最好的人群，像菲律宾、印尼、越南这些国家，很多国家银行卡渗透率只有三分之一。意味着这个国家只有三分之一的人有银行帐户。

它们整个社会的互联网金融和移动金融的前景非常好，无论从手机发展，移动互联网，还是消费金融的渗透都有很大的市场。我们看整个东南亚市场总共有六亿多人，印尼有三亿人，都是很好的市场。

所以我们觉得中国的移动互联网，在线信贷的商业模式完全可以复制过去，我们现在叫做Copying from China。

如果我们去开拓这些市场，利用中国已有的技术，行业手段，我们怎样去开拓这些市场？

我觉得我们可以利用中国比较先进的技术如研发优势、产品设计优势和风控大数据优势，以中国本地为核心为总部，把它的市场端，获客端在每个国家进行布局，获得当地监管的相应牌照，和当地供应商取得合作，可以把中国的模式迅速复制到这些发展中国家。

王彦博：“从“出口、入口”到“算法、算力”再到“智能、智慧”以及“业务、业绩”，FinTech各热点技术发展与业务应用均围绕“大数据”发力，我们正处在以大数据为中心的FinTech时代！”

△ 民生银行公司业务部数字化中心负责人王彦博

01 FinTech业务成发展热点

FinTech时代已经到来，金融机构纷纷布局，金融业务发展已经开始向科技含量更高的领域推进，具体体现在“数字货币”、“跨境支付”、“供应链金融”、“中小微金融”、“消费金融”、“智能投顾”等业务领域。

首先我们看一下数字货币。数字货币具备安全、便捷、智能、可控等一些相关的特点。对于网络虚拟商圈以及其他的互联网或者移动金融的应用具备非常好的适用性。

除了数字货币以外，我们看第二个相关的应用是什么呢？我们说是跨境支付。传统的跨境支付有什么样痛点？

第一，手续费非常高额。第二，转帐周期相对漫长，一般跨境支付需要3-5天。尤其当我们有大量的小额跨境支付的话，以前的方案都不太适用。

区块链商业银行可以构建联盟，联盟上的银行可以绕过中间通道，像中间银行这样的通道，可以大额降低中转的费用，同时也加快到账速度。支付交易实时到账，并且交易即结算。

第三，供应链金融。供应链金融以大数据，网络图技术来刻画交易链，同时通过交易链来识别供应链，以及刻画产业链。

同时，可运用区块链技术打通中间商（核心企业）、银行、供应商、加工商、仓库、物流等各个环节，加强各方信息共享透明。

所以我们看到今天的Fintech时代上来说的话，金融业态，金融的一些具体的业务上面的话也得到了很多的长足有效的发展。

02 FinTech发展的基本逻辑

通过对FinTech业务发展热点的梳理，我们在底层技术方面看到了“互联网金融”、“移动金融”、“物联网”、“区块链”、“大数据”、“人工智能”等内容。

我们相信有一种逻辑可以将以上技术内容进行串联，那就是“大数据”。

在没有出现互联网金融之前，那时候数据仓库的技术也已经出现了，数据挖掘的相关技术也已经有了，那个时候大家也在做同样的对于数据的深耕细作这样的一些挖掘，提升它的价值。

但是我们还是觉得数据量不够，所以互联网的时代，互联网金融把它看成一个大数据库，是有效提升了数据量。

但是数据的活跃度还是不够，所以第二步是在移动金融时代我们可以随时随地产生数据，我们为客户随时随地提供有效的金融产品和服务的同时，我们可以采集客户的业务，行为以及言论的数据进来，所以这个时候数据才变成真正的提升它的活跃度。

在这个框架结构下我们再说，我们现在在底层所拥有的数据足够多了，量足够大，足够活跃了，先不说我们怎么去挖掘它，怎么去实现它的价值，至少我们已经有信心看到这里蕴藏着巨大的价值。

进入第三步，我们不能满足管人，我们还需要管物，所以物联网可以随时随地汇报物品的情况状态，所以从管人到管物来管理物品的数据，然后在物品数据上再让它产生价值。

再之后我们看到区块链技术来了，我们可以把它理解成为互联网金融这个大平台的一种终极状态。它在技术上，至少它可以每一段时间形成一个Block，然后挂到区块链上，信息内部不可篡改，这个时候提供的就是数据可靠性。

因为原来存储数据，大家说未来篡改了怎么办？如果数据都不准确，在这个技术上再挖掘数据的价值，价值是不是更加有偏差？所以数据可靠性实际上是一个非常重要的。

经过分析和梳理，我们认为当前FinTech的发展主线是从“互联网金融”到“移动金融”，再到“物联网金融”、“区块链”，不断拓展和提升数据量、数据活跃度、数据范围以及数据可靠性。

以此推进“大数据金融”和基于大数据的“人工智能”、“机器人”、“仿真模拟”等技术发展与金融应用，以期在“博弈论”、“人机交互”等领域实现应用突破。

当前FinTech发展的基本逻辑仍然是大数据。

03 以大数据为中心的FinTech时代

更近一步，我们从以下四个维度和一个中心来描绘FinTech全貌。

“出口+入口”维度：“互联网金融”、“移动金融”、“生物识别”、“物联网金融”、“区块链”、“虚拟现实”、“机器人”可以看作为金融机构向客户提供产品与服务的“出口”，同时也是采集客户行为与言论数据的“入口”。

它们还承载了O2O各种线上线下场景组合。这里，互联网金融被看作是基础，而区块链被理解为互联网金融的一种终极形态。

“算力+算法”维度：“云计算”、“Hadoop”、“GPU”、“FPGA”、“TPU”均为存储大数据和实施大数据挖掘的基础“算力”；而“数据挖掘”、“文本挖掘”、“图挖掘”、“图像挖掘”、“音频挖掘”、“视频挖掘”、“网络挖掘”、“空间数据挖掘”、“流数据挖掘”等技术则提供了各类“算法”。

“智能+智慧”维度：今天的“人工智能”已经从计算智能发展到了数据智能，其中“机器学习”与“博弈论”阐述了“机器能够像人类一样学习”以及“机器能够与人类对弈甚至在某些领域超越人类”，这同时激发了“人工智能”向“群体决策”以及“人机交互”的“智慧决策”方向发展。

“业务+业绩”维度：实际上，“数字货币”、“跨境支付”、“供应链金融”、“中小微金融”、“消费金融”、“智能投顾”等业务方向都可以理解为TechFin，即具有更高科技含量的金融业务发展领域。通过对这些“新兴业务”的开拓，从而创造“业绩价值”。

从“出口、入口”到“算法、算力”再到“智能、智慧”以及“业务、业绩”，FinTech各热点技术发展与业务应用均围绕“大数据”发力，所以说我们正处在以大数据为中心的FinTech时代！

04 FinTech技术热点与价值实现

按照大数据从“数据整合”到“信息共享”到“知识洞察”再到“智能应用”的四层级逻辑框架，FinTech相关技术发展能够带来更多的经济价值。

首先，以“区块链”技术发展为契机，构建各经济活动参与者的分布式账本和分布式数据库，将原本分散的资金流、物流、商流、信息流整合化一，形成合力。

第二，以“互联网金融”相关技术应用为载体，拓宽信息的发布与获取渠道，大幅减轻以往经济活动中的信息不对称性，提升业务发展效率。

第三，以“大数据挖掘”为核心技术手段，深挖经济活动背后的隐藏规律，对现有知识体系予以丰富，对业务背后的核心逻辑深入理解，为业务开拓提供无限可能。

最后，以“人工智能”为体现，对经济活动的未来结果有效识别与预测，并实现业务智能化操作，以拓展人类四肢、五官、头脑的边界，提升业务决策力与执行力。

经过探索，我们认为“FinTech发展的动力之源是大数据”。

业内人士：“大数据具备3V特点：数量(Volume)，速度或者及时性(Velocity)以及多样性(Variety)。这三点在大数据1.0时代已经得到非常迅速的发展。”

01 数据技术的三大趋势

我个人认为数据技术应用已经进入了2.0时代。最近业内知名IT咨询公司Gartner七月份发布了2017年新兴技术成熟度曲线，推出了三方面的趋势。

从这幅图上可以看出技术应用的三大趋势：第一，人工智能的应用将无处不在，包括深度学习，强化学习，机器学习，无人机，无人车以及认知计算等领域。

第二，透明化沉浸式体验。AI有时候是看不见摸不着的，但体验技术却是人实实在在能感受到的。

所谓透明化沉浸式体验，是指技术将突破人、企业以及物之间的障碍，把透明性带到三者中间，例如虚拟现实、增强现实、体显示（volumetric display）、脑机接口等等。

第三，数字平台化，包括5G技术，边缘计算，量子计算，区块链，物联网平台等等。专注于技术创新的企业将继续寻找可以帮助他们创造竞争优势和价值、降低经营成本、使业务模型转型及提升的新技术。

其中，智能数据挖掘已进入膨胀发展期阶段，预计未来2到5年将成为主流应用技术。也就是说我们已经从大数据时代进入智能数据时代。

所谓智能数据是指那些真正能够应用于解决实际问题的大数据子集。通俗来讲，就是人工智能在大数据领域的落地应用。

02 智能数据与大数据的区别

企业面临的最大难题是数据收集、整合、分析以及实现数据应用的闭环。

大数据1.0时代，随着移动互联网（尤其是移动支付）以及智能移动设备的飞速发展，辅以存储成本的大幅降低及计算能力的大幅提升，大数据的应用场景越来越丰富，效率越来越高，因此数据采集的量级、维度以及更新速度得到了前所未有的提升。

那在2.0时代，智能数据与大数据的区别何在？

我们通常说的大数据要具备3个V的特点：volume（数量），velocity（速度或者及时性）和variety（多样性）。这些在1.0时代得到了充分的发展。而智能数据应用要处理5个V的问题。

我们认为还要满足额外两个特点：真实性(Veracity)和价值(Value)。这两点怎么去理解呢？

数量、速度和多样性与数据产生的过程，以及如何获取和存储数据有关，而真实性和价值这两方面则与数据的质量和有用性有关。

从中不难发现，与充满噪音的大数据相比，智能数据的核心特征在于有用性、可操作性和跨平台的数据融通与落地应用。

我们认为任何脱离场景应用的技术都是空谈。技术的创新应该是以解决应用问题为出发点和驱动的。

03 数据让资产说话

数据技术在To C领域的创新和应用案例非常丰富。然而在To B的市场，目前成熟的技术应用并未普及，比如小微企业的风险评估及授信等等。我想就B端市场的技术应用做下举例。

目前ABS市场存在一种现象，资金方有资金放不出去，资产方缺资金却拿不到钱。究竟什么原因？

我们可以从资产主体、资产表现和资产包特点三个方面来分析。目前能够成功融资的资产具备如下特点：主体信用良好，资产历史表现优质且稳定，单笔资产额度大、期限长、资产条数少。

而对于高速发展的互联网金融市场来说，近几年诞生出诸多新兴商业模式和企业，其主体信用不足，资产优质但历史表现短，单笔资产额度小、期限短，资产条数多且借款人分散。

由于资产方和资金方的信息不对称，资金方为规避风险，选择资产的标准往往集中在资产方主体信用，而缺乏良好手段对资产本身进行评估，因此受到市场青睐的资产存在逆向选择问题。

ZRobot做为独立第三方数据技术公司，利用前沿数据技术，将海量高维信息穿透底层资产，让资产更透明。使资金方选择资产时聚焦资产本身而非主体，换句话说，ZRobot通过数据让资产说话。

道格拉斯·亚当斯曾经说过：“技术是描述某种尚未发挥作用的东西的词汇。”我们在数据技术的探索中，也经常会遇到某些技术如何落地的困惑。

但我们始终奉行技术创新以解决应用问题为宗旨，我们相信总可以找到技术的应用落脚点。

在大数据1.0时代，大数据应用先驱ZestFinance曾提出“一切数据皆有价值。”但我认为在智能数据2.0时代，“拥有技术，一切皆有可能。”

业内人士称：“大数据时代，金融行业痛点集中在资金、获客、风控与运营。”

01 金融行业痛点

在大数据时代，金融行业面临的痛点集中在资金、获客、风控与运营四个方面。

基于此，极光开发了多款大数据产品以及客户全生命周期一站式解决方案，从客户洞察、精准获客、风险管理、运营分析等方面解决行业问题。

02 反欺诈服务

针对金融行业最关心的风控问题，极光提出金融反欺诈服务。大数据时代的金融反欺诈可以从身份核验、贷前审核、贷中监控及失控修复四个层面进行。

基于设备为中心以及互联网+行为轨迹分析，极光金融反欺诈系统进行地理位置核验、黑名单&身份核验，识别风险客户及欺诈团伙。

03 数据处理平台

通过对用户在互联网及线下风险行为的研究与分析，极光大数据提取了超过1500个特征因子，通过黑名单及特征风险因子的过滤，金融企业能提高金融风控效率、提升自身风控模型能力，降低金融借贷风险。

极光对于金融行业的理解，并不仅仅局限于金融反欺诈方面。

从上帝视角看极光整个服务体系，就是一个平台三个柱子。平台指数据处理平台，而三个柱子则是极光开发者服务、极光效果通和极光数据服务。

极光服务体系帮助各行各业解决数据应用的问题，提高企业运营效率。

标签：