浅橙科技朱永敏:信任成本是社会最大成本,金(2)

2017-09-15 17:49 浏览次数:

传统的金融是服务于传统经济。为什么服务于传统经济?因为获客成本高、线下的风控成本也高。而且随着业务量规模变大,成本是线性上升。我们要做的目的是当你的业务规模越大的时候,你的成本不是线性上升,而是可以忽略不计。服务10万用户、100万用户,你的成本是不是可控的,你的成本服务10万用户的时候,可能每客单价是10块钱,当你到100万的时候还是10块钱,这是我们做这个产业的初衷。

前面的两位嘉宾讲了,我们中国的小微企业太多,他们缺乏有效的金融服务,我们的目标是说怎么去获取这些小微企业?怎么能够去解决他们的风控问题?

在中国原来做小微企业做得比较好的,传统银行应该是招商银行做得比较好,模式是线上线下相结合的模式,意味着它的介质是在50万到100万以上,息费是在10万到20万之间,因为其成本不可能再降,线下的考核成本在那里。

那么,我们未来有没有一种方式,可以通过一键线上授信,企业信息化到达一定程度是不是可以做到这种效果?

从目前来看,情况正在发生改变。

目前,企业所有的经营情况和数据,可以通过互联网获取,财务数据、能源数据、支出数据和其他的相关数据,这些数据是方方面面的,通过这些数据来建模型,之后给你分层和评级,根据分层和评级做风险定价,实现风控授信。而且,这样成本也正变得无限低。服务1家企业和100家企业都通过这个模型来完成。

成本足够低的时候,我们就可以提供优质的金融服务。

从个人而言,中国目前有卡人群其实在3-4亿左右,意味着中国7-8亿人口没有金融服务。跟发达国家相比,发达国家金融服务普惠率70%-80%,中国的金融服务是40%左右,其实应该说是有50%的差距。我们公司面向个人提供服务,需要对个人做分析,看他到底是不是优质客户。那么,我们怎么去判断一个客户是不是优质?

首先,要区分他是好人还是坏人。在中国做金融服务,第一点要做的永远都是怎么区分好人和坏人,解决反欺诈的问题。因为中国跟发达国家不一样的地方是,发达国家的金融数据和征信体系非常完善,它不用你区分好人跟坏人,有没有还款意愿。

为什么在现在的阶段,中国可以去做基于数据分析的反欺诈模型?为什么在2012年、2013年不能做?包括前面希望金融的陈兴垚总说的,现在农村都用上了智能手机,其实这就是数据驱动的改革。

以前,比如2012年前,全国用的都不是智能手机,用的都是传统手机,无所谓数据,我们没有任何数据的沉淀。没有任何数据的沉淀就无法分析这个人的生活轨迹是什么样的,生活状态是什么样的。2012年之后,智能手机开始普及,到2014年、2015年,数据沉淀到一定程度,可以通过智能手机获取这个人所有的基本数据,包括电商信息、金融相关的信息、社交信息等,这些维度足够多的时候,就可以判别这个人是不是一个正常的人或者是一个欺诈的人,这是数据驱动。

其实,它的爆发时间点应该是在2015年至今,包括未来两到三年,这是一个巨大的爆发点,可以通过数据的获取和积累,通过建模分析用户到底是不是一个正常的客户,到底是不是一个正常的企业,这是一个很大很大的时间转折点。也就是说在未来3到5年,我们一定是基于数据分析来驱动欺诈模型,这是一个非常重要的点。

分析好用户的欺诈模型之后,下一步要做的是确定这个用户到底授信是多少,这个用户到底应该授多少信。我们就要看两个方面:一是用户的收入情况;二是看用户包括企业的负债情况,负债减去收益就是未来可以承受的负债情况。

随着整个互联网的发展,越来越信息化,每个人、每个企业的数据越来越多,我们通过互联网,能够获取这个人的收益情况,包括所有的收入情况。前面第一个宜信陈欢总讲的,他们是做商户的,其实是做阿里的一些商户。我可以从阿里的体系里边拉出商户的所有经营情况,我是知道他的收入情况的。第二点,还要知道他的支出情况,知道他的支出情况就知道他的负债情况,我们去做调研,如果不能拉到这些数据,现在就暂时不能给他服务,如果可以做到,其实就可以为他做金融服务。

在做模型的时候你的维度一定要足够的多,不能像原来那样使用强变量,未来是弱变量的时代。如果我有1000个维度的弱变量,就可以做到线上风控。因为强变量很可能会被一些欺诈集团给追过去,而利用弱变量则可以设计出抵制欺诈的模型。