上海2016年8月15日電 /美通社/ -- 在傳統金融向互聯網行業推進的大潮中，數據技術驅動互聯網金融發展的時代已悄然到來。8月11日，2016全球互聯網金融創新論壇在滬火熱開幕，普惠金融時代背景下的消費金融、征信、風險控制成本次論壇重點議題。樂融金融CEO王文陽博士在壓軸主題演講中指出：“消費金融已進入高速發展階段，巨大的市場為風控技術不斷創新提供了廣泛的需求和發展空間”。
去年，中國互聯網金融飛速發展，一舉超越美國成為總量和增長率第一的大市場。普惠金融、大數據、消費信貸、移動支付已不僅是國家和行業革命性的戰略，更滲透到個人生活的方方面面。消費金融和征信領域作為互聯網下一個風口，其價值不僅在于廣闊的成長空間，更在于通過金融體系的完善，減少信息不對稱、降低交易成本，滿足更多潛在的投融資需求，擴大金融總量。
消費金融、征信市場空間大
自2009年頒布《消費金融公司試點管理辦法》，并推行4家試點，到2015年放開市場準入，將試點范圍擴大至全國，政府正逐步放開消費金融市場。艾瑞咨詢預估，2019年國內消費信貸規模將達到37萬億元。
“銀行系、電商系、產業系、金控系、網貸系五方力量角逐消費金融市場，進一步推動了行業高速發展。”王博士表示，國內居民的負債在提升，過去10年，國內居民債務杠桿率（居民債務/GDP) 翻番，形成很多新型生態鏈，其中非常重要的一個領域便是征信，中國目前已形成全球較大個人征信局。“橫向比較，國內居民杠桿率同主要發達國家相比仍處于低位，中國信貸行業發展有相當大的空間。”他認為，未來20年，中國征信行業的發展方向將由GDP的發展階段和年輕人的消費文化決定。
相關數據顯示，在中國，18~59歲的人口近9億，而擁有信用記錄的人數約3.8億，無信用記錄的人數達4~5億。這3.8億人中絕大部分已成為各大銀行的目標客戶，然而，其中仍有近20%信用記錄薄弱或者信用記錄很少，這一部分人群可能是剛剛申請到信用卡、或者剛剛申請完房貸，人民銀行中心還無法對其進行信用評分。
“這部分人群加上部分實際信用較好、但無信用記錄的白戶人群，數量上億，其中相當一部分有強資金需求，是消費信貸行業鎖定的目標市場。”王博士表示，對于這一群體，傳統的數據風控很難準確評估，而新型的風控方式則在成本可控的前提下可以利用大數據做出有效風險判斷。
新型方式變革風控流程
小額信貸風控模型需要三個支柱，數據模型技術、流程自動化和決策引擎、運營監控和優化能力。底層基礎需要大數據基礎平臺。王博士概括為“人退數進”、“風控前置”、“人員后移”、“體驗至上”。前端用量化數據完成，后期持續加大在風險監控、優化上的投入，人員結構有很大變化，如此便形成新型大數據風控的機制。
然而，大數據風控之于傳統數據風控，是否差別明顯？
論壇上，王博士總結道：首先，在數據源上，傳統風控主要基于征信報告數據，新型風控則基于海量大數據；第二，在驅動力上，傳統風控依賴客戶經理和審批經理，主要以人為驅動，而新型風控以數據為驅動；第三，傳統風控是靜態的、被動的、點的方式，大數據風控則是動態的、主動的、以點代線的連續方式，實時監控客戶信用特征變動情況。
傳統數據模型通常根據信用歷史、信用需求、信用使用、還款記錄、債務水平、人生階段6個維度進行風險評分，多年的行業實踐證明，傳統指標對信用需求、信用使用等的判斷是非常成功的，然而新的群體無法得到這些數據，該怎么進行風控？
事實上，多項其他指標對于風險判定有重要意義，例如申請人正在使用的手機個數、網購記錄中的拒收次數，這些指標與風險呈現強相關，甚至可以替代傳統指標做出準確判斷。大數據風控涵蓋了政府數據、國企類如運營商數據、大型互聯網企業數據、業務渠道場景數據、第三方數據、爬蟲數據等，國內數據行業對于解決市場上信息不對稱的問題非常有價值。
“但哪些數據能用、哪些手段能用是各家平臺各有千秋的。”在王博士看來，數據出處不同，市場上的風控方法也多種多樣，有依靠風控模型的，有依靠人工智能的。“在國外較為成熟的市場中，金融機構多采用模型分析的方法，國內炒出的‘人工智能將取代消費信貸風控’的概念是否靠譜依然未知。”
王博士領導的樂融金融團隊便是以國際先進的、基于大數據分析的智能信貸決策引擎為核心的。以數據和技術為驅動，樂融金融憑借創新的風控模式和豐富的行業經驗在市場上脫穎而出，目前已經與國內較大消費金融公司、支付巨搫、電商巨頭及旅游、汽車、教育等細分領域知名企業合作，有效助其提高效率、降低成本，最終推進整個社會的金融效率。
