雷鋒網(wǎng)按：本文作者黃亮新，產(chǎn)品經(jīng)理、科技觀察者。微信公眾號：藍狐筆記（ID：lanhubiji）。

近年來互聯(lián)網(wǎng)金融一直是創(chuàng)業(yè)和投資熱點，包含P2P網(wǎng)貸、理財平臺、智能投顧、在線支付、金融超市、股權眾籌等諸多模式，僅2015年全球范圍內金融科技獲得投資的總額就達到驚人的138億美元，在中國也達到了27億美元。這個過程中涌現(xiàn)了不少獨角獸企業(yè)，比如螞蟻金服、陸金所、51信用卡、趣分期、玖富金融、宜人貸等。當然更多的中小金融科技企業(yè)，僅僅是P2P平臺，據(jù)第三方平臺網(wǎng)貸之家資料顯示，截止到2016年10月底，正常運營的網(wǎng)貸平臺依然有2154家。

這是一個非常大且增速很快的產(chǎn)業(yè)。另據(jù)艾瑞統(tǒng)計，2013年中國互聯(lián)網(wǎng)消費金融市場交易規(guī)模僅為60億元；2014年交易規(guī)模突破183億元，增速超200%；2015年突破千億元，增速超500%。

即便如此，今天的互聯(lián)網(wǎng)金融，尤其是消費金融即將進入2.0時代，1.0的互聯(lián)網(wǎng)金融的粗放時代已經(jīng)過去，一是移動互聯(lián)網(wǎng)流量紅利期已過，獲客成本大幅提升，二是同質化產(chǎn)品眾多，用戶逐步有了更多產(chǎn)品認知，需要更精細化的運營?；ヂ?lián)網(wǎng)金融企業(yè)將面臨流量成本大增的壓力，P2P網(wǎng)貸平臺面臨套利空間越來越小的壓力，互聯(lián)網(wǎng)金融1.0走向了尾聲。

一、互聯(lián)網(wǎng)金融2.0來臨，由連接轉向數(shù)據(jù)基礎建設

互聯(lián)網(wǎng)金融無法再通過移動流量紅利驅動，無法通過釋放人們的理財和借貸需求野蠻生長，互聯(lián)網(wǎng)金融進入了2.0的時代，由互聯(lián)網(wǎng)的連接導向轉向了數(shù)據(jù)驅動的升級換代。

如何理解2.0的互聯(lián)網(wǎng)金融？互聯(lián)網(wǎng)的本質是連接，通過連接讓原來不透明的雙方建立聯(lián)系，比如P2P網(wǎng)貸把個體資金的買賣雙方通過網(wǎng)絡平臺連接在一起，實現(xiàn)高效的對接。金融的本質是資源的優(yōu)化配置，讓錢流向產(chǎn)生更高收益的地方?；ヂ?lián)網(wǎng)金融就是通過技術的連接讓資金流向更合理，讓原來無法實現(xiàn)的理財和借貸需求能夠通過互聯(lián)網(wǎng)來實現(xiàn)。2.0的互聯(lián)網(wǎng)金融，本質是金融科技，不僅僅是連接個體，而是利用金融+科技，對來自各個方面的大數(shù)據(jù)進行挖掘、畫像，對資產(chǎn)進行合理定價，最終實現(xiàn)資源的優(yōu)化配置。金融科技業(yè)界代表玖富集團CEO孫雷在烏鎮(zhèn)大會上提出的“DEVR”理論，本質上也是互聯(lián)網(wǎng)金融2.0的一個闡述。他提到了四個概念，包括數(shù)據(jù)（Data）、交換（Exchange）、價值（Value）、風險（Risk）。雖然目前大數(shù)據(jù)風控概念很火，但是大數(shù)據(jù)本身的建設還處于初級階段，一是結構化數(shù)據(jù)不足，二是很多機構的數(shù)據(jù)并沒有真正共享出來，沒有真正的交換（Exchange），只有交換，才能讓數(shù)據(jù)的基礎建設完善，正如數(shù)據(jù)拼圖一樣，把缺失的部分補齊了，才能變好看，才能產(chǎn)生價值，才能讓資金流向合理的地方，讓行業(yè)風險降低。不管是DEVR也好，數(shù)字金融也好，金融科技也好，本質上反映了金融科技行業(yè)發(fā)展的下一個戰(zhàn)略制高點：大數(shù)據(jù)的基礎建設成為行業(yè)競爭力的核心。 

金融科技要成為一個高增長且可持續(xù)的行業(yè)，就需要回到金融的本質來看待問題，而不是像早期的P2P網(wǎng)貸一樣，它的快速發(fā)展僅僅是通過低成本流量獲客、套利空間、簡單風控來驅動。

二、金融科技升級：大數(shù)據(jù)基礎建設孕育可持續(xù)的機會

金融科技要真正成為歷史主流，真正更多融入人們生活，尤其是普惠金融，最需要的就是金融基礎設施的建設，而金融基礎設施的建設不再是硬件，更重要的是數(shù)據(jù)。中國的金融科技的創(chuàng)業(yè)者和投資人往往羨慕美國完善的征信體系，比如美國有三大征信局億百利（Experian）、艾克菲（Equifax）以及全聯(lián)（Trans Union），并在此基礎上形成了信用產(chǎn)品，如FICO Score、Vantage Score、Credit Report（信用報告）以及Raw Data（原始征信數(shù)據(jù)），大數(shù)據(jù)的基礎建設相對完善，而在中國則還是早期階段，但這反而是中國金融科技創(chuàng)業(yè)者和投資人的機會。今天中國電商的發(fā)達程度遠超歐美國家，原因也跟當時中國零售業(yè)低迷有很大關系。今天的金融科技，尤其是大數(shù)據(jù)的建設方面，面臨跟當年電商類似的局面，正因為中國金融數(shù)字的缺失，個人征信體系的匱乏，這些基礎設施的不足，恰好是創(chuàng)業(yè)者大有可為的空間。如果能夠在這個領域深耕，就有可能再次誕生出超過歐美的金融科技，這點在支付領域已經(jīng)完成，比如微信支付、支付寶支付等移動支付已經(jīng)遠超歐美。 

隨著1.0的互聯(lián)網(wǎng)金融向2.0的金融科技升級，能夠占領戰(zhàn)略制高點的企業(yè)，就有機會贏得未來。螞蟻金服的芝麻信用包括了傳統(tǒng)征信數(shù)據(jù)，同時不斷吸納電商交易數(shù)據(jù)、用戶行為數(shù)據(jù)等，這些數(shù)據(jù)通過機器學習算法為其他的交易場景提供了信用查詢服務。此外，螞蟻金服還與其他數(shù)據(jù)公司合作，比如和中國保信合作（集成了所有公司信息的平臺），和醫(yī)療行業(yè)合作等，不斷完善本身的大數(shù)據(jù)風控能力。如今螞蟻金服的風控系統(tǒng)對交易從身份、賬戶、設備、環(huán)境、行為、偏好等8個維度進行大數(shù)據(jù)分析，有數(shù)十個模型，上千個風控規(guī)則。其他如百度金融也是大力進行大數(shù)據(jù)基礎設施建設，通過大數(shù)據(jù)與人工智能結合形成用戶畫像，搭建風控模型，最終朝秒貸的方向努力。再如騰訊微眾銀行有刷臉認證技術，有跟公安部身份數(shù)據(jù)匹配的數(shù)據(jù)。它的大數(shù)據(jù)匯集了40萬億條數(shù)據(jù)信息，主要運用社交網(wǎng)絡的海量信息，比如在線時長、登錄、虛擬財產(chǎn)、支付頻率、購物習慣、社交行為等構建線上行為征信報告。

除了BAT等金融科技公司，其他的金融科技公司也各顯神通，積極進行大數(shù)據(jù)基礎建設，以構建自己的競爭護城河。比如玖富金融對大數(shù)據(jù)基礎建設投入重兵，其孵化投資的Wecash閃銀就是致力于數(shù)據(jù)風險評估。不僅有大數(shù)據(jù)的評估系統(tǒng)，玖富把大數(shù)據(jù)和機器學習做了深度結合，從全場景進行大數(shù)據(jù)的基礎建設，貫穿了渠道、用戶運營、信審、發(fā)欺詐、額度授信、貸后服務等。大數(shù)據(jù)在金融服務的全流程的建設，能夠極大提升業(yè)務的效率。精準的風險評估甚至比人工判斷還要準確，同時更加高效，這里包括了人臉識別、基于R引擎的內嵌模型、持續(xù)的反欺詐優(yōu)化等，通過持續(xù)不斷的數(shù)據(jù)基礎建設，最終形成多重數(shù)據(jù)驗證反欺詐信息，遠比傳統(tǒng)線下審核更有效率，成本更低，也更有競爭力。數(shù)據(jù)建設最終輸出可用的模型，比如其“彩虹評級模型”可以提前預判可能的逾期行為，“火眼”風控系統(tǒng)則能夠發(fā)現(xiàn)早期逾期表現(xiàn)，提前做好風險調整。

類似玖富這樣的金融科技公司沒有像京東、淘寶等電商交易數(shù)據(jù)，而是會根據(jù)用戶的生活消費場景去深入布局數(shù)據(jù)建設，比如手機3C、房屋租賃、校園分期、汽車交易、美容醫(yī)療、教育培訓等，通過與這些場景的結合，能夠給智能學習模型帶來源源不斷的高質量數(shù)據(jù)，比如玖富跟迪信通、我愛我家、眾信旅游、好車無憂、易美建等合作，都可以獲得優(yōu)質數(shù)據(jù)用于訓練模型。

諸如此類大大小小的公司有很多，為什么這么多公司開始重視并投入到大數(shù)據(jù)建設中來？因為通過大數(shù)據(jù)的風控才能真正提高效率，才能真正把金融科技的力量釋放出來，不然如果銀行的線下效果比你好，效率比你高，金融科技就沒有存在的理由。

況且金融科技大數(shù)據(jù)服務可以有網(wǎng)絡效應。隨著個人上網(wǎng)越來越頻繁，看電影、聽音樂、學習、玩游戲、購買商品、交友、搜索等都在網(wǎng)絡上留下行為數(shù)據(jù)，這些結構化或非結構化的數(shù)據(jù)越來越多，但目前還沒有得到深度挖掘。美國的個人信用內涵是由”5C1S”定義：品德（Character）、能力 (Capability)、資本 (Capital)、條件 (Condition)、擔保品 (Collateral)、穩(wěn)定性 (Stability)，有很明確的信用的邊界，對用來量化信用有很好的界定。那么，中國用戶在互聯(lián)網(wǎng)上的數(shù)據(jù)，比如喜歡什么的音樂、搜索什么關鍵詞、在朋友圈發(fā)什么樣的信息等是不是跟這些信用內涵都有關聯(lián)，這些行為之間是不是可以找出一些關聯(lián)特性？也許看上去是八竿子打不著的事情，能夠通過大數(shù)據(jù)風控得出意想不到的結果。 

如果目前公司面臨數(shù)據(jù)來源的匱乏，也不是說就無法進行了。國外有一家名為Premise的創(chuàng)業(yè)公司通過眾包模式獲得即時數(shù)據(jù)，并在數(shù)據(jù)基礎上分析得出經(jīng)濟趨勢預警，從而可以比其他公司更準確地發(fā)布“經(jīng)濟天氣預報”，甚至因此幫一些公司提前做好風險防范準備。Premise讓自己的用戶實時上報所在地商店的零售價格（當?shù)厣痰陼鶕?jù)經(jīng)濟變化，比如批發(fā)價格，消費情況等進行價格調整），由此來實時感知全球經(jīng)濟動態(tài)。Premise大數(shù)據(jù)分析方法可以在部分經(jīng)濟環(huán)境中提前4-6周給出通脹指標預測，相當于新時期的“經(jīng)濟天氣預報”。

三、發(fā)揮數(shù)據(jù)效能是金融科技的制高點

總言之，雖然有很多數(shù)據(jù)沒有共享出來，但隨著移動互聯(lián)網(wǎng)、智能硬件等快速發(fā)展，基于個人的數(shù)據(jù)、企業(yè)的數(shù)據(jù)越來越豐富，可以給人工智能的深度學習提供更多的數(shù)據(jù)用于訓練，完善模型。在風險管理、征信體系、發(fā)欺詐、人工智能金融服務等方面都會迎來大的爆發(fā)。

但其中占據(jù)金融科技戰(zhàn)略制高點的一定是擁有最多數(shù)據(jù)，能夠最高效發(fā)揮數(shù)據(jù)效能的公司。如果用人工智能來進行數(shù)據(jù)的基礎建設，比如形成數(shù)據(jù)采集、存儲、模型建設、智能學習等，有可能形成網(wǎng)絡效應，也就是說能夠獲取越來越多的數(shù)據(jù)，通過訓練出真正有用模型，形成效能，產(chǎn)生真正的護城河，別人無法超越。玖富CEO孫雷提出DEVR，實際上也是把D（數(shù)據(jù)）放到了金融科技的絕對核心地位，要通過金融科技手段，完善數(shù)據(jù)采集，讓數(shù)據(jù)能夠交換和共享，打破信息孤島狀態(tài)，實現(xiàn)貨幣的最優(yōu)方向的流動交換，最終創(chuàng)造實際應用價值，降低金融服務風險。本質上也是要占領金融數(shù)據(jù)的制高點。在未來如果不占領大數(shù)據(jù)的制高點，就無法在互聯(lián)網(wǎng)金融2.0競爭中搶占先機，無法脫穎而出。

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。