8月22日，2019中國零售金融發展峰會暨2019零壹財經新金融夏季峰會在貴陽舉辦。會上，智融集團副總裁亞單發表了《如何破局科技賦能零售金融的下半場》的主題演講。
"8月22日，2019中國零售金融發展峰會暨2019零壹財經新金融夏季峰會在貴陽舉辦。會上，智融集團副總裁亞單發表了《如何破局科技賦能零售金融的下半場》的主題演講。
亞單表示，金融科技下半場有三個趨勢：
第一，用戶中心取代產品邏輯。過去做一款金融產品，我們想的是交易結構、利潤、風控、邏輯，然後才是金融產品的收益。現在不同了，更多關注的是用戶的需求。
第二，在新的趨勢下面，金融機構和科技機構之間合作的趨勢越來越明顯，越來越多的金融機構和科技機構建立深入合作。
第三，數據技術的重要性愈加凸顯。
他提到，下半場真正能夠留下來的機構，一定擁有重要的技術壁壘，這個技術壁壘會影響整個業務生命週期。從獲客端是否有技術對用戶進行篩選，在風控中是否有技術對用戶進行評估，貸後流程中是否有更好的技術區分適配於不同用戶的貸後服務能力，這都是我們需要去拓展和突破的。2018年很多機構已經退出市場，留下來的都是有深厚基礎的機構。
以下為演講實錄：
亞單（智融集團副總裁）：首先，很高興跟各位老師和金融機構的同行交流這個事。我的演講主題是“金融科技賦能零售金融的下半場”。
說到“下半場”的概念，大家可能會比較陌生，我稍微解釋一下。上半場是建立自己的數據規模、樣本規模、資金規模，下半場，隨著監管收緊，准入門檻升高，現在一家初創的互聯網金融機構想做零售金融難度顯著提升，因為它缺乏數據、技術、資本等能力，所以，現在新的玩家越來越少。
“上半場”與“下半場”和打法有關，上半場打法比較粗放，我們發現：在用戶的發掘、用戶數據的使用等方面，存在一些問題。但是進入到下半年，現在的監管框架非常清晰，無論是數據的採集與使用、利率的設置、APP的交易邏輯、運營體系等，都有非常清晰的界定。在這個界定下展業，是下半場的打法。
大家最關心下半場會發生什麼？我們能做什麼？智融集團作為6年的金融科技機構，我們跟大家分享一下。現在看到的下半場，有三個趨勢：
第一，用戶中心取代產品邏輯。過去做一款金融的借貸產品，我們想的是交易結構、利潤、風控、邏輯，然後才是金融產品的收益。現在不同了，更多是用戶的需求。
第二，在新的趨勢下面，金融機構和科技機構之間合作的趨勢越來越明顯，越來越多的金融機構和科技機構建立深入的合作。
第三，數據技術的重要性愈加凸顯。
我們有一個習慣，每年都會做大量的市場調研。2018年以後，用戶對產品體驗的關心跟過去不太一樣了。過去，用戶關心的維度比較單一，只關心這個平臺能不能借到錢，能借就來，借不到就趕緊換。現在用戶對體驗的關心分了很多層次，比如他們關心的，除了額度、利率，他還會關心個人隱私等很多維度的問題。
同時，調研發現，用戶的需求處在被抑制的階段，而且抑制得比較嚴重。小額階段的用戶，基本都有對他所獲取額度存在不滿意的情況。在這上面，現在的零售金融在規模上還是有機會和空間的。
因為客戶中心化越來越嚴重，由此產生第一個問題：如何服務好用戶？金融科技公司和金融機構的合作將會越來越多，普華永道2018年發佈一個報告，2017年，40%的金融機構與金融科技公司是合作伙伴，2018年漲到50%，增長率在30%左右，這個數據說明現在金融機構和科技公司的合作越來越頻繁。 在哪些方面存在合作機會？
一是場景，即獲客。對金融機構來講，基於他們自己在這方面的投入以及嚴格的監管機制，在場景和流量上，基於流量獲取和分析能力，金融科技機構可以提供很多的服務。
二是理解用戶上，金融科技機構可以提供更多的服務。 最後說說技術，我們感受到技術對業務的影響越來越大。
下半場，真正能夠留下來的機構，一定有重要的技術壁壘，會影響整個業務的生命週期。從獲客，你是否有技術對用戶進行篩選，在風控中是否有技術對用戶篩選，貸後流程中是否有更好的技術區分適配於不同用戶的貸後服務能力，這都是我們需要去拓展和突破的。很多沒有儲備的機構，2018年已經退出市場，留下來的都是有深厚基礎的。智融集團基於2800萬筆的交易量，基於我們對數據的精準分析和處理的能力，在下半場將持續平穩前進。
技術的作用是什麼？我有一個深入的體會。用錢寶2015年開始利用機器學習做風控和展業，很多機構對我們不太理解。2016年，很多金融機構問你的邏輯是什麼？是否有反欺詐的能力？那時候我們用AI手段做區分，大家不理解。
到今天，技術都是為了解決問題，金融機構面臨哪些問題？
一是獲客過程中找不到客戶，不知道他在哪兒，或者找到了，但是他不來。
二是算不出來，根據傳統的邏輯，無法算出更多適合貸款產品的客戶。
三是留不住，因為業務流程設計和用戶體驗都有問題。
四是管不了，線下沒辦法建立貸後的流程，管理用戶貸後的表現。
我們真正要用技術解決這些問題，無論通過何種技術手段，核心是解決問題。 AI能做什麼？AI最大的作用在數據處理上。我們看看過去比較正常的風控邏輯，一個金融機構的“審美”，評估一個用戶是否值得發款，主要評估客戶的銀行流水、徵信記錄和還款習慣等等，確保你是優質客戶，這是強特徵，這個特徵在今天並不失效，依然有效。現在的問題是我們沒有那麼多用戶有這些特徵，所以我們要找到，除了這些特徵以外，我們能夠服務的人群還有哪些特徵，這些人群缺乏銀行流水和徵信記錄，但是他有行為數據、有互聯網的設備數據、有身份證明和交易數據，這些數據我們稱為弱特徵，多個特徵放在一起，就能產生巨大的價值。
2019年，一個用戶能挖掘1.4萬個特徵值，組合在一起，這個特徵值高達上百萬，我們的模型累計迭代超過3600次，處理一個申請只需要8秒鐘，平均每15分鐘可以做一次新特徵的驗證迭代。這是AI的邏輯，AI的邏輯是我沒有明確的規則。有尾巴的一定是貓嗎？也可能是老虎。用規則判斷一定會有錯誤的地方。基於足夠多樣本的分析，找出相同的樣本，為用戶服務的能力會更強。
“上半場”與“下半場”的區別是，上半場是“消消樂”，規則比較簡單，按就可以了，而且比較輕鬆，沒有競爭對手，就是一片藍海，你自己玩。下班場就是“吃雞遊戲”，它的競爭是激烈的，在數據、獲客、資金等各種資源上會有很激烈的競爭，而最後，技術壁壘將是獲勝的關鍵。 謝謝大家！
"