導讀
①人工智能在算法層面並沒有本質突破，之所以近兩年呼聲高漲，本質是大數據的突破；②AI+大數據+徵信，應用成熟度高於智能投顧；③相較傳統方法，大數據徵信整體效率提升50%-60%。
百融金服董事長兼CEO 張韶峰
互聯網新金融迴歸FinTech，新一代金融科技正在革新金融產業鏈條上的各個環節，提高行業效率，創造新的價值點。並以此推進服務創新、產業轉型升級。
億歐策劃了「金融科技50+」系列報道，聚焦大數據、AI、區塊鏈等新型科技，在網貸、消費金融、網絡支付、科技保險、互聯網銀行、產業供應鏈等領域的實踐與創新。解讀百融金服張韶峰對金融大數據的理解。
“實在抱歉，一個重要客戶。”採訪過程中，侃侃而談的張韶峰一邊向記者表達歉意，一邊接通電話與他的新客戶信誠人壽確認見面時間。
創業公司都是“時間控”。2014年前後，百融、同盾、聚信立、算話徵信等公司成立，形成大數據徵信的集中創業潮。同時，央行下發了第一批企業徵信牌照，開始市場化探索。
3年來，百融金服目前對接客戶數量近2000家，輔助審批資產規模2500億元。與此同時，我國徵信服務相關企業數量達到2000多家，包括百融在內的130多家企業徵信持牌公司，“沒有一家合格的8家個人徵信準備機構”是這個萬億級市場的核心玩家。
監管走向、行業整合、差異化競爭——張韶峰斷言，“如同2014年團購大戰、2016年的出行之爭，金融大數據也是天然壟斷型的行業，目前正處於快速成形期，未來兩三年內會衝出行業巨頭。”為此，百融金服正在全力以赴。
數據爭奪之戰，垂直服務商的機遇
數據量級是大數據徵信的核心能力之一。百融金服最早是“百分點”內部的金融事業部，其最初的數據積累也來自於此。
而作為互聯網數據的生成方，BATJ掌握著除了政府、運營商以外的絕大多數數據，垂直服務商並不具備優勢。但百度側重搜索、騰訊側重社交、阿里和京東側重電商，它們“各自為營”數據維度單一，不利於應對金融風險防範。
此外，張韶峰認為，從互聯網巨頭目前的金融佈局來看，大而全的綜合金融集團（如銀行模式）是一致選擇。因此在數據合作方面，多數銀行、消金、互金、小貸等對BATJ都心存忌憚——這給金融大數據服務商留下了發展空間。
天然壟斷：第三方服務孕育垂直巨頭
不過，我國至今尚未出現市場化的獨立第三方大型數據平臺的成功案例，其商業模式有待驗證。
張韶峰指出：首先，市場需求旺盛。互聯網金融、傳統金融機構的快速成長，直接促使信貸後端的徵信、風控成為剛需。我國擁有各類銀行2000多家、小貸公司和擔保公司各近10000家、持牌消費金融20多家、正常運營的P2P平臺2000多家。
其次，金融服務相對分散、數據服務趨於集中。出於風險考慮，世界上所有大國的金融行業都不可能被少數幾家金融機構所壟斷，通常做法是擴大金融機構的數量來分散風險。這就為大型數據服務企業奠定了基礎。張韶峰認為，“銀行業頭部10%的客戶，足夠支撐起一家規模可觀的垂直服務商。”
另一方面，金融大數據服務雖然競爭激烈，但行業整體趨向集中。在大數據的“硬件/基礎設施-大數據軟件處理-行業模型應用”3層產業鏈條中，不具備核心競爭力的企業將逐漸淪為大型企業的附庸，如目前市面上的很多數據供給渠道商。
參考美國個人徵信市場，已經形成金字塔格局： 3大巨頭Experian、Equifax、TransUnion的地位數十年來難以被撼動，下面是2000多家小型垂直數據公司。絕大多數銀行金融機構傾向於與服務能力強的3家巨頭中的一兩家進行長期合作。而這3家巨頭會與小型數據商合作，從而能夠打造出綜合能力強的服務和產品來供給銀行。
徵信只是大數據金融應用的其中一環，除此之外還有金融產品設計、精準營銷、不良資產管理、智能投顧等關鍵環節，需要超強的綜合能力。張韶峰指出。
“因此，金融大數據領域天然壟斷的市場格局是必然趨勢，中國市場在未來2、3年內定型。”
這一過程中，尤其需要明確“金融服務”和“科技服務”的區別。金融企業“低市值、重資本”的屬性，並不適合互聯網的“輕運營”模式。相反，科技服務公司能夠通過高門檻建造競爭壁壘，馬太效應、雪球效應顯著。同時，也更受資本市場青睞，更易於做高估值。
“與互聯網類似，金融大數據企業的邊際成本急劇降低、聚集效應明顯，這是百融定位科技服務公司的關鍵原因。”
人工智能+大數據+徵信，應用成熟度高於智能投顧
傳統徵信行業存在“覆蓋人群有限、審核週期較長、信息採集面有限”等弊端，而這正是AI、大數據、雲計算等新型科技優化、重塑服務鏈條的發力點。
“其實，人工智能在算法層面並沒有本質突破，之所以近兩年開始凸顯，本質原因是大數據先取得了突破——足夠多的數據，讓AI機器學習獲得了最重要的基礎。”
張韶峰指出，人工智能在金融領域的應用主要在於：①智能風險評估和管理；②智能投顧服務。不過，智能投顧的呼聲似乎更高，原因之一是投資理財屬於高頻需求，更貼近普惠大眾；而風控服務靠近金融服務鏈條的後端，且貸款屬於低頻行為。但事實上，在技術應用層面，後端風險管理的應用成熟度更高。
雖然2者都是通過數據分析、技術模型來評估並服務個人用戶，但智能投顧還必須分析投資理財產品，所以短期內真正大規模應用的難度比較大——原因並不在技術本身，而是相對於個人行為，投資理財產品變化趨勢更難以預測，尤其是二級市場存在數據透明度低、政策因素強、產品種類少等問題。
“目前，百融金服通過深度學習模型處理50萬個基礎變量，相較傳統方法，整體效率提升了50%-60%。其中營銷環節成功率提升30%以上，個人不良率降低7成。”
自上而下，勢能傳導
在2014年大數據風控創業熱潮中成立的企業中，百融、同盾、聚信立等企業在服務體系上多有相似，但具體打法上存在差異。
張韶峰指出，初創企業多采用“自下而上”的方法，針對中小客戶，開發單一產品（黑名單、發欺詐等）切入市場，然後豐富產品類型，鋪開信貸全流程業務，再向銀行、持牌金融機構等高端客戶拓展。這種方法前期起量快，能夠迅速做大規模和估值，但後勁不足。
與之相反，百融在初期就首先從銀行客戶入手，設定了“自上而下”的路徑：①風控產品採取按月、單項、後付費的方式，創造更多贏利點；②整體解決方案產品的定價高於行業平均水平，聚焦中高端金融機構的客戶——以此形成自上而下的勢能傳導。
對於這一方式造成的前期市場開拓、獲客的成本壓力，張韶峰坦言，“百融以更高成本聘請高層次的技術開發人員、數據分析與建模師、顧問式的銷售人員。這種自上而下的模式前期投入較高，但金融機構天生比較傾向於向比自己大的機構學習，也傾向於選擇服務過大機構的服務商，因為大機構對服務商的考核更加嚴苛。”
“但這種模式的優勢在於，一旦形成勢能，中後期能迅速佔領市場，迅速降低人均成本、提高人均績效。據瞭解，目前與同行依靠大規模地推式銷售模式，百融的銷售人員總佔比15%，低於行業平均水平，人均綜合產出相比部分同行高出2-3倍。”
經營業績上，2016年百融營收實現同比15.6倍增長，今年Q1實現了現金流轉正。
編輯：億歐網 王小蘋
相關推薦
