中國大陸本土的FinTech發展路徑與模式(三)·大數據的應用

你們的馬雲霸霸早就說過,中國的互聯網行業早就已經進入了DT時代。所謂的DT,也就是Data Technology,數據科技的時代。在現在的理解當中,數據早已成為了企業和個人的資產。數據在當今這個社會的作用早已經不言而喻了,由各部分數據組成的數據組合與數據應用,早已經滲透到生活中的各個領域當中。當然,我們今天要說的金融業也毫不例外,大數據作為FinTech里的關鍵技術顯然是值得一說的。

在此次系列文章中的《中國大陸本土的FinTech發展路徑與模式(一)·總覽》當中,我們就有提到以下金融科技生態相關技術層級陳列圖示。

大數據,作為金融科技行業技術金字塔底網上的第二層位置說明例它具備著基礎性和可供從業人員靈活應用的特性。

研究機構「Gartner」認為大數據是需要新處理模式才能有更強的決策能力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。可見,作為一種資產,對於處於新互聯網時代的金融業機構來說,如何挖掘他們和良好地運用它們,將成為未來幾十年的重點課題,同時這一波浪潮也帶動起了新一波的金融消費增長和金融消費者盈餘。

目前,全世界的金融創新很大一部分都在做著金融與大數據的結合。處理數據的維度越豐富,對用戶和市場的畫像就能夠描繪得更加的準確。金融機構對於所處行業的大數據掌握得越豐富、越細緻,那麼所能開展的金融業務也會越多。像螞蟻金服、騰訊、京東、百度、Facebook、Amazon、Google等掌握巨量互聯網用戶數據的世界級互聯網企業,無一不參與到金融業的發展中來。從目前的表現來看,他們當中在支付、消費金融、貸款、基金、眾籌等領域的發揮異常突出,與他們所掌握的巨量大數據有著不可分割的關係。

我們透過對於目前金融大數據的熱詞分析,找到了以下目前最火熱的FinTech大數據相關辭彙:

大數據的金融實際場景應用

在2016年7月,36氪研究院發布的「科技煉金,融匯未來」——《FinTech行業研究報告》中就從兩個個不同的階段對大數據的應用進行了解讀:

FinTech1.0:數據+信息,初入分析門檻

FinTech2.0:多維度多層次的大數據分析;以信用及定價為核心的主要應用場景。

在FinTech1.0階段,大數據技術的 主要應用是集中於第一和第二層次,即數據架構和信息整合;初步 進入第三層次,進行簡單的初步分析和決策。

而到了FinTech2.0階段,經過多年的數據發展和積累,大數據的數量、分析速度與數據種類都發生著極速的變化。可穿戴設備、 智能家居等智能硬體的興起,再次擴充了數據的維度,使得可獲取的數據維度擴展到線下。 目前,大數據已經發展到公司及第三方處理分析大量終端用戶數據的階段,為金融科技公司提供了良好的數據基礎,進而促進了個人徵信、授信、風控以及保險定價等金融領域的發展。

大數據分析的主要金融應用:個人徵信、授信與風控

個人徵信、授信及風控主要是圍繞借貸環節進行的,覆蓋貸前評估、 貸中監控和貸後反饋三個環節。

貸前評估:國內個人徵信試點於2015年才開始試行,最具代表的是芝麻信用。阿里體系的交易數據以及螞蟻體系的金融數據形成強有力的數據支撐,自主研發信貸模型可用以支持銀行、小貸機構進行徵信及授信活動。信貸模型的訓練需要人工智慧技術作為輔助,通過機器學習不斷完善模型並實時校正。

貸中監測:主要是通過用戶在貸款期的行為數據來發現問題客戶並及時報警。

貸後反饋:基於用戶本次貸款期間的數據,對該用戶原有信貸記錄評分進行補充,提升或降低其信用額度以供後續使用。

除此之外,大數據在金融領域的應用還有:消費金融、供應鏈金融、財富管理等。

消費金融:其實是依賴於大數據的用戶徵信信息而生。消費貸、學生帶、工薪貸等容易產生長尾效應的金融產品,必須要用戶的相關信息進行信用評分和欺詐風險的防控。這與傳統金融借貸類似,以用戶相關信息為基礎進行銀行內部信用評分,再由借貸員手動輸入客戶信息來綜合判定放款風險。而互聯網技術則可基於自有的巨量用戶數據透過自建的風控模型進行評級來防控風險,最直接的例子便是芝麻信用分、白條等。

供應鏈金融:由互聯網供應鏈平台的發起者主導,根據情況不同的中小企業客戶的風險偏好提供差別金融服務。這些平台自有一套成型的大數據驅動的供應鏈體系,為供應商和訂單方提供借貸、過橋、分期付款等服務。如京東供應鏈金融就是如此。

財富管理:與《中國大陸本土的FinTech發展路徑與模式(二)·人工智慧的應用》中所提及到的「智能投顧」內容相通,財富管理旨在合理地為客戶配置資產,為客戶提供投顧建議。目前許多互聯網公司就是從這一個切入點著手,打破傳統金融盲目選擇的盲點,透過人工智慧技術智能地推薦合適的資產進行配置。

以下是中外熱門的金融大數據分類彙集(列出的企業僅為該領域的數家代表性企業或機構):

大數據技術風險與防範

大數據面臨的風險

數據竊取

大數據採用雲端存儲處理海量數據,對數據的管理較為分散,對用戶進行數據處理的場所無法控制,難以區分合 法用戶與非法用戶,容易導致非法用戶入侵,竊取重要信息,在網路空間,大數據更容易成為攻擊目標。

非法添加和篡改分析結果

黑客入侵大數據系統,非法添加和篡改分析結果,可能對金融機構以及個人甚至政府的決策造成干擾。

個人信息泄露

面臨用戶移動客戶端安全管理和個人金融隱私信息保護的雙重安全挑戰,企業較難在安全性與便利性之間達成 平衡。

數據存儲安全

「數據大集中」在中國金融業獲得廣泛認可。一些大型券商和銀行紛紛建設數據種子作為金融服務的核心和基 礎。大數據對數據存儲的物理安全性、多副本性要求較高。一方面各類複雜數據的集中存儲易出現存儲混亂,造 成安全管理違規。另一方面安全防護手段的更新升級速度無法跟上數據量的非線性增長,大數據安全防護容易出現漏洞。

大數據風險防控政策建議

建立大數據金融系統

大數據金融生態系統是指金融大數據與從事大數據金融活動的個人、家庭、廠商、政府、非政府組織等社會行為體之間 共同形成的動態系統整體。

各主體在從事金融交易活動時會產生海量金融大數據,這種大數據呈幾何增長,構建海量金融大數據與大數據金融活 動相互影響的大數據金融生態系統非常重要。加強對系統內不法行為的規制,杜絕信息篡改、竊取,保護個人隱私,促 進信息流的良性循環,保證數據的真實可靠。引入信用系統、評級系統等,強化金融大數據系統的安全性和可靠性。

規範數據提取及交易程序

一方面,明確收集大數據主體。大數據的產生包括兩個渠道,一是來自法律授權收集,二是公民使用網路設備自動形成 的信息記錄。兩種信息源頭的信息混雜在一起,形成更為精準、私密的信息。針對此類信息的收集,目前無法做到程序化和模板化,只能秉持兩個基本原則:利益原則和知情與許可原則。

另一方面,明晰數據交易主體。大數據是靜態的提取與存儲過程,也是動態的交易過程。在金融領域,不論是個人信 息、企業信息還是政府信息都非常重要,應嚴格審查和審批參與大數據交易的主體及其掌握的信息,從信息供給層面予以規範。

銀行業與互金所講的大數據有什麼不同

我們留意到金融科技下大數據數據的應用十分廣泛,且銀行和互聯網金融都在講大數據。但我們發現他們兩者所在講的大數據還是有所區別的。互聯網金融公司基本都把大數據風控系統作為企業核心競爭力因素,被稱為「傳統金融」的銀行其實所掌握的數據量也不小,只是有些是結構性數據、有些是非結構性數據,沒有被利用好而已。

在《 艾瑞諮詢-2017年中國金融科技發展報告》中有提到以下圖中模式:

我們可以看到,圖中的表述清楚地闡明了驅動放貸的三個因素:模型、大數據、營銷。其中大數據與營銷其實是要相互結合的點的,比如說互金行業中的大數據是基於互聯網的數據並對此進行營銷,擴張路徑更加互聯網化,與銀行業的大數據不可苟同,具體內容見下文。

自有數據的不同

其實被稱為「傳統」的銀行業一切都與數據相關。存款、貸款、理財投資、信用記錄等都是數據,這些是單一的天然客戶數據,而這些自有數據其實也可以直接地理解為業務數據。裡面除了包括基本的投資存款額度、流水、貸款額度、信用紀錄等結構性數據以外,還有許多非結構性數據,比如客戶的圖片、語音信息、各種證明等。這些數據可以直接地判斷一個人有錢沒錢。同時,這些數據也會散落在不同的銀行,畢竟現在基本所有人都在不同銀行擁有戶頭。

而互金行業的自有數據也是來自業務數據,只不過這些數據的量對比起銀行業的數據來說要小很多。互金所講的大數據是依靠互聯網的數據來彌補業務數據的不足,是依據歷史交易及借償信息來判斷風險的。

再從以下幾個角度來看:

大數據信用風控的角度看,銀行與互金的主要差別就是因數據源的不同導致的客群有效性的差異,整體上,銀行的大數據風控模型針對有徵信記錄的用戶更為準確;互金巨頭的大數據風控針對缺乏徵信記錄的用戶更為有效。當然,因為徵信記錄是開放的,所以對於有徵信記錄的用戶而言,互金巨頭的模型也可覆蓋,只是與銀行相比缺乏優勢罷了。

大數據在內部管理上的應用看,銀行業已經進行了長達十幾年的探索,在系統性和操作流程上要比許多互聯網金融企業優勝,而絕大多數的互聯網金融企業,還只是一味地在廣撒網鋪業務的階段,內部管理缺乏嚴謹性和準確的決斷能力,同時獎懲機制也比銀行業更為激進。

大數據欺詐風控的角度看,銀行與互金則各有千秋,因為欺詐風險更多地與業務模式和流程有關,業務模式的不同決定了銀行和互金面臨的欺詐風險很多情況下是不同的,所以缺乏可比性,應該是各有各的特長。

大數據在智能營銷上的應用看,互金巨頭掌握了用戶的消費、社交等行為數據,可以更好地了解用戶的行為偏好,從而可以更好地將金融產品融入場景打包推薦給用戶。相比之下,銀行掌握的更多是用戶有錢沒錢,在智能營銷上其應用範圍就窄得多在場景化金融上就要遜色很多。互金公司以互聯網起家,在互聯網資源、流量以及擴張方面有著得天獨厚的優勢。

接下來VC SaaS將會持續對金融科技的區塊鏈技術進行深度的解讀,敬請大家關注我們的文章。

本文由VC SaaS原創,未經許可不得轉載,轉載請聯繫本公眾號或者vcsaas@vcsaas.cn申請白名單,謝謝!

  • 關注我們公眾號(誠意推薦-每日打卡),我們會把每天喝的咖啡(修仙)券送出來。

  • 本文由VC SaaS原創,未經許可不得轉載,轉載請聯繫本公眾號或者vcsaas@vcsaas.cn申請白名單,謝謝!
  • 歡迎想要數據的朋友加入我們付費的知識星球/小密圈(公眾號中「菜單-誠意推薦-數據分享圈」),我們也將定期在圈內發布相關行業數據。
  • 更多文章請關註:VC Insights - 知乎專欄

福利來了

最近用分散式爬蟲整理了市面上1272家早期投資機構的郵箱。相信這是市面上最全的早期投資機構郵箱集合了。如果您想要這個資料麻煩請按照以下的方式進行獲取。

請查看我們公眾號(微信ID:VCSaaSTech)菜單【connect】-【機構郵箱】,內有詳解。

推薦閱讀:

大家都在說金融科技,怎麼沒人聊聊「投資科技」呢?
證券投資及財富管理市場創新趨勢(2017年1季度)
玖富證券:科技+互聯網的「智能金融」創新應用
央媽成立FinTech委員會,背後可能有三個不得已

TAG:金融科技 | 大数据 | 风险投资VC |