網際網路、大數據、雲計算、人工智慧等技術的快速發展，推動了金融與科技的深度融合。金融三大支柱業務---信貸、理財、支付正在金融科技浪潮的席捲下，迎來前所未有的劇變。 裂變式增長的數據量、日益成熟的數據分析處理能力、風控技術手段的不斷進步......在金融科技的催化下，信貸服務的可獲得性與便利性得到明顯提升，智能信貸嶄露頭角。農民、藍領、個體工商戶、小微企業主等傳統金融機構服務之外的人群，正逐步接觸到便捷高效、定價合理的信貸服務。 無疑，蘊藏巨大潛力的普惠金融藍海市場已然形成。金融服務實體經濟的進程中，銀行等傳統金融機構與新興的金融科技公司將分別扮演怎樣的角色？雙方將如何通過優勢互補、提升老百姓獲取金融服務的便利性？金融科技公司如何建立風控技術的優勢、降低灰度人群中優良客戶的信貸成本？ 大勢將至，未來已來。憑藉第三代小微貸款技術，大數金融致力於成為智能信貸時代的拓荒者，為普惠金融的發展提供風險可控、路徑可循、技術易推廣的實證案例。 大數金融——專注服務小微客戶，深耕大金額經營性信用貸款市場 1、發展概況 大數金融，全稱為深圳前海大數金融服務有限公司，成立於2014年7月，定位為金融科技公司，主要為銀行及其他金融機構提供包括獲客、調查、評分推薦、貸後管理等流程的技術輸出和流程外包服務。 迄今為止，大數金融已經先後獲得三輪融資。
大數金融為目標人群（包括小微企業主、個體工商戶等）提供無需擔保，借款額度在10—50萬，利率水平在18%—24%的信貸業務；貸款資金主要來自於銀行金融機構等。公開數據顯示，截至2017年11月末，大數金融協助銀行發放的小微貸款累計204億元，服務逾9萬名小微客戶，開業3年來累計不良率為2.37%，核銷後實際不良率為0.6%。 目前，大數金融已在北京、上海、深圳、廣州、東莞、重慶、天津、武漢、長沙、南昌、珠海、南京、蘇州、中山、佛山、廈門、成都、宜昌、惠州、鄭州、杭州等20多個城市開設分公司，員工人數超過1400人，總部管理崗人員中2/3來自於銀行。 2、運營模式 （1）獲客方式 大數金融的貸款產品「大數時貸」主要針對的是有徵信記錄、資質較好的微型企業主、個體工商戶、經營業主等人群，用戶需在屬地申請，且最好有保單、房貸、車貸等。以下是各貸款子產品具體情況：
大數金融主要通過線上+線下的方式「批量化間接獲客」，目的是提高小微貸款的銷售效率。「批量獲客」包括線上、線下兩部分，線上渠道利用「評估神」APP和「大數夥伴」拓展個人中介，如貸款中介、壽險經紀人、擔保、小貸公司的銷售人員等。截至2017年6月，APP評估神的註冊用戶超過20萬，每月貢獻的貸款申請客戶佔比超過60%；線下渠道主要是通過大數金融各地的分公司拓展及維護大中型貸款中介，這些中介通常以繳納保證金的形式輸送貸款客戶，大數金融對其進行統一管理。 間接獲客方式有利有弊，弊端在於渠道包裝客戶會帶來欺詐風險，利處是利用中介能夠快速擴大發展規模，因此關鍵之處在於利弊的權衡。大數金融採取了「間接獲客」的方式，同時利用數據化手段進行渠道甄別，包括利用風險政策、數據評分卡等方式識別渠道對客戶的包裝。針對大數金融額度較大的貸款業務，依靠人力一線開發資產加上數據化風控能有效防範銷售環節的風險，且能拓寬銷售渠道，並穩定擴大銷量。 （2）風險管控 大數金融利用數據驅動的風控技術，開展件均25萬、無抵押無擔保的信用貸款業務，並在實踐中進一步應用於經營性貸款，在當前市場上尚屬少數。相比於傳統小貸公司較大額的抵押、擔保貸款，大數金融的信用類貸款業務更為小額、分散，對審批效率要求更高、風險顆粒度更細；而相較於現階段市場上較主流的超短期小額貸款或消費金融業務，大數金融的信貸業務額度更高、期限更長，對風險定價、風控管控等要求較高。 傳統小微業務的風險管理主要依靠由規則組成的「信貸政策」來實現，多通過信貸政策審批每一筆貸款申請；大數金融則進行升級與創新，採用基於數據的「政策+策略+評分卡+反欺詐+自動化」的風控體系，對客群的灰色部分予以精確區分、並進一步下沉到傳統小等多種機器學習算法發展形成的人工智慧評分模型（DivergenceScorecard）。 具體來看，大數金融的風險管理體系涵蓋了貸前、貸中、貸後三大風控模塊，實現對不同風險級別的客戶進行智能分級、自動校驗、模型評分。貸前通過引入複雜網絡分析技術，從歷史違約數據中實時發現欺詐風險指標，對欺詐、偽冒等行為進行攔截；貸後建立預警體系及催收評分模型，預測客戶乃至行業未來發生違約的可能性，及時制定相應策略。 三大風控模塊 貸前貸中：審批准入模塊 在審批准入模塊，通過四大引擎（評分引擎、反欺詐引擎、額度引擎、產品優選引擎）及五張評分卡，對客戶進行自動分析挖掘、甄別篩選、描繪風險畫像，並根據系統對客戶的評分結果，具體確定不同的可貸金額。 針對不同風險層級的客戶，大數金融在審批上採取了不同的處理方式，如「免調查免核」（優質客戶、機器秒批）、「免調查不免核」（網核電核，核實貸款人身份的真實性與貸款用途）、「調查+核實」（上門調查貸款人的經營真實性、貸款用途、隱匿債務等）。 貸後：貸後預警模塊和催收模塊 貸後預警模塊：主要是按月度、分公司及產品等維度對資產質量進行實時監控，通過建立以行為評分卡模型為基礎的貸後預警體系，即根據客戶帳戶的風險狀態，來預測客戶乃至行業未來發生違約的可能性，及時制定相應策略，有助於降低系統性風險。 催收模塊：建立了精細化管理的催收評分模型（Collection Scorecard）和策略，根據模型的預測，評估對不同違約原因的逾期貸款採取不同的處理措施，突破了過去「粗放式」催收運營的瓶頸。
小結 大數金融瞄準的，是更為細分、針對小微企業主、貸款金額在10—50萬、無抵押無擔保的小微經營性貸款市場。這種市場劃分對高效運營、精準風控等提出了更高要求。大數金融的策略是以數據化信貸工廠的運營方式開展業務，即依靠數據進行風險控制、通過信貸工廠流水化作業批量化處理大規模的信貸申請。具體來看，這種流程化運營分別體現在前中後臺，包括前臺的渠道開拓、營銷獲客；中後臺的信息錄入、審核、風險評估、實地調查等，及貸後的預警、催收等。大數金融信貸工廠的運營模式將一項貸款業務的全流程細分為24道工序，彼此之間分工協作，極大地提升了效率。當前階段，大數金融最快可在2小時內完成放款。 （3）資金對接方式 資金渠道方面，大數金融的方式是與中小銀行、信託、基金等機構合作獲得。截至2017年12月末，大數金融已經與超過30家銀行業金融機構建立了戰略合作關係。以與銀行合作為例，大數金融為合作銀行提供包括獲客、調查、貸後等各種流程的外包服務，銀行根據自身風險政策、並結合大數金融的推薦評分結果對貸款用戶進行獨立審批和放款，也即最終借款人與銀行直接籤訂個人借款合同，銀行放款資金直接給到借款人，放款後，貸款納入銀行資產負債表。 3、企業特色 大數金融選擇數據驅動的風控技術，開展期限較長、無擔保的小微貸款業務（平均金額25萬，平均期限3年），在市場上獨樹一幟。就現階段市場主流模式看，除去巨頭公司，如阿里巴巴、京東等，可在自有生態體系內自主運轉額度較大的商戶經營性貸款服務外，依靠數據驅動的信貸業務主要集中在金額較小的信用卡/消費信貸領域，例如平均金額低於10000元、平均期限低於1年的貸款服務領域。但在金額較大的個人信用貸款領域，參與者較少。這種情況是多重因素影響的結果。 一方面，對額度小、資金用途明確的消費性貸款而言，數據化風控方式集中體現在對「自然人」的信用及資產情況評估上；相比之下，額度較大的經營性小微貸款，風控需要考慮更多維度，如經營情況、所在行業發展趨勢、宏觀經濟要素、地理位置等，這中間小微企業與企業主的信用狀況高度混雜，數據化操作更加困難。針對這類用戶及需求，傳統方式或採用硬風控、如抵押擔保等形式，或使用IPC信貸員技術、「三品三表」核查等，其存在的問題是對小微頭部客戶的風險管控行之有效，但下沉到大部分灰度客戶時會出現技術變形、風控表現不穩定等情況。因此，在實際操作中，大量的灰度客戶仍然被銀行機構排除在服務範圍之外，規模與風險兩難。 另一方面，數據驅動的信貸業務過去只集中於單筆業務金額低、期限短的消費信貸業務中，主要原因在於這類業務可以在較短的時間內完成大量借貸樣本的循環驗證，例如，發放10億、歷時1年，就能憑藉這些樣本訓練出質量穩定的信貸風控模型；但對期限長、額度大的借款業務，如平均金額25萬、貸款周期3年而言，積累同等的樣本量意味著花費數倍的時間和數十倍的資金成本，而一旦模式或風控模型成型且穩定，便形成了從業壁壘。 大數金融的企業特色，是將「數據驅動的風險管理技術」應用於大金額的個人信用貸款、並在實踐中進一步應用於小微企業經營性貸款，一定程度解決了傳統金融機構開展小微業務面臨的「風險、規模兩難」問題，有效填補了市場空白，且建立了自身的業務壁壘。而這種能力主要取決於大數金融管理團隊豐富的銀行從業經驗及8年實踐的市場驗證，對業務的深刻理解有助於提前預判金融行業不可避免的周期性風險，對壞帳的管控能力會更強；同時，在當前階段基礎設施逐漸完善的情況下，大數金融以技術手段開展在線貸款業務具備一定的可延展性，體現在實現對灰度客戶的精確定位、精準定價上，且生產的資產規模穩定、質量穩定，這是其商業模式可持續的重要條件。 聲明：本文僅作信息傳遞，文章不構成投資建議。