智能信貸：如何用科技改造金融業

陳振華

知道消費對象在買什么，依此進行更精細化的授額、定價與期限管理，這是智能信貸對消費金融業務本質上的改善

在傳統金融機構工作了近20年后，周靜于2015年選擇離開。

“中國互聯網發展到2015年基本成熟，我相信數據和技術是可以驅動金融的，特別是在零售金融領域，兩者可以很好結合。”智能信貸公司讀秒CEO周靜告訴《瞭望東方周刊》。

她選擇的突破口是智能信貸：用戶通過手機，輸入身份證號、收入情況、婚姻狀況等基本信息，個人和中小微企業就可以迅速被授信進而拿到貸款。

這種智能信貸的方式，由機器取代人工授信、放款，極大地簡化了流程、壓縮了成本。而信貸中的“秒批”和“秒拒”，通過移動金融的方式，在2016年逐漸從調侃走向現實。

“移動金融作為移動互聯網與金融深度融合的產物，是深入推進‘互聯網+普惠金融的重要抓手，在建設現代惠普金融體系方面，大有可為。”中國互聯網金融協會會長李東榮在2016年11月舉辦的世界互聯網大會上表示。

追求更快

周靜的前一份工作，是在渣打中國任零售風險總監。對于傳統金融機構做信貸業務的痛點，她深有體會。

“以前整個信貸流程，大概六七步，填寫申請、錄入信息，再預審、打電話、審批，然后再放款，整個流程下來得好幾天。”周靜說，漫長的流程不但耗費了大量的人力資源，也消磨了客戶的耐心。

她曾嘗試過壓縮流程，把放款時間從10天縮短到7天，再壓縮到3天，就再也壓縮不下去了，“因為這個流程必須等一個一個環節的審核，次序不可打亂，沒辦法做到實時授信。”

對客戶而言，有些時候還必須接受收費的中介服務，借貸成本抬高，整個流程透明程度也大打折扣。

“智能信貸做的，就是把傳統信貸的六七步壓縮成一步，用終端直接對接客戶，也為客戶節約了信貸成本。”周靜告訴本刊記者，智能信貸擊中的，就是傳統信貸要求的項目繁多、流程緩慢、效率低下的痛點。

實現智能信貸，有三個主要的處理步驟：數據收集處理、建模和決策。通過手機端輸入的基本信息，收集、比對和清洗出有效數據，建模團隊根據指標和變量的權重，對數據進行再次分析處理，最后通過決策引擎對此單借貸形成審批、額度、定價等判斷，完成信貸流程。

“整個過程是并行處理的，在技術的幫助下，完全靠機器自動運營，無需人工干預，因此能夠實現最快10秒內的授信放貸。”周靜說。

而這也極大提高了效率。她舉例稱，讀秒200人左右的規模，處理的是億元級別的月業務量：“傳統上可能需要兩三千人的團隊。并且我們做小額貸款，每個月要操作約一百萬筆的交易，包括新客戶管理、客戶維護、貸后管理等等，這在以前是不可想象的。”

讀秒不是孤例。這種快速高效的智能信貸，已越來越多地出現在大眾視野里。

玖富集團旗下的“玖富叮當”最快3分鐘完成授信，拉卡拉的“替你還”也能在分秒內提供小額貸款，百度教育信貸宣稱實現“秒批”，京東金融推出的“白條”則率先提供“先消費、后付款”的分期金融服務。

數據不是萬能的

“過去，銀行收集了大量的用戶金融交易信息，現在，互聯網沉淀了大量的用戶行為信息，這些信息和用戶還款能力、人品等有或強或弱的關聯。未來，會結合人工智能或者完全依靠系統模型去實現金融服務的規模化。”京東金融副總裁許凌告訴《瞭望東方周刊》。

他所說的愿景，卻是很多人對智能信貸的擔心。通過大數據授信可靠嗎？

本刊記者了解到，目前業內做智能信貸的數據來源，一般分為外部數據和內部數據：內部數據是團隊自己挖掘的互聯網大數據，比如通過招聘網站挖掘的地區收入水平數據；而外部數據則主要包括央行個人征信系統數據、8家個人征信試點機構數據、電商數據、運營商數據以及黑名單和業內共享數據等。

而每家智能信貸公司的優勢數據資源各不相同。

比如依靠電商平臺的京東金融，可以拿到京東用戶數據、商戶數據、物流數據、產品數據，等等；拉卡拉可以通過平臺自身的金融數據，獲得更準確的用戶畫像；而隸屬于PINTEC集團的讀秒，能從合作伙伴那獲得多維度的數據，并且還會從用戶申請貸款的行為中獲得數據。

通過這些線上數據的交叉比對，在短時間內勾勒出相對準確的客戶畫像，是智能信貸的基礎。

在周靜看來，這在某種程度上讓判斷更為有效：“以往提交的各種文件和證明，都是孤立的，而現在的這些大數據，可以連起來審查，你要造假，得提前半年、一年，偽造出關于你的所有的線上行為數據，這幾乎是不可能的。”

她還透露稱，不管最后收集到什么數據，風控核心并沒有變，還是在做這幾件事情：看客戶還款歷史、還款意愿和能力，等等。

“我并不認為數據是萬能的，我們相信有業務邏輯的數據才是真正有效的數據。因為技術不一定能識別前端發生的異常事件，但是業務邏輯卻能發現典型事件和典型驅動因素。”拉卡拉金服總裁王國強告訴《瞭望東方周刊》。

他告訴本刊記者，拉卡拉借貸平臺從推出信用卡代償業務，到分期業務再到知名企業員工貸款業務，演進的智能信貸業務背后，是一個不斷修改和調整的、甚至具備機器學習能力的、動態的風控模型。

許凌則介紹稱，京東金融有四大模型：風險控制模型、量化運營模型、用戶洞察模型、大數據征信模型。

“我們通過大數據系統將業務風控前置，預先判斷和規避風險，在賬戶登錄、激活、交易、信息修改等全流程環節，對每一次賬戶行為進行后臺安全掃描，并和京東商城配送體系打通，對高風險訂單實現配送最后一公里攔截。”他說。

本刊記者了解到，京東白條、拉卡拉、讀秒的壞賬率均低于業內平均水平。

差異化信貸服務

除了改變傳統授信和放貸的方式，在獲客渠道上，較之傳統信貸一對一服務或地推方式，智能信貸有自己的流量入口。

“以前信貸業務獲客，是需要很多固定成本的，但智能信貸，當獲客量到了一定程度，邊際成本非常非常低。”周靜告訴本刊記者。

在王國強看來，智能信貸的獲客模式可分為“冷啟動”與“熱啟動”。

“冷啟動”模式是指一些平臺通過廣告投放、返利折扣等吸引客戶，而“熱啟動”模式，是指依靠平臺本身已有的資源和影響力獲得客戶。

他認為，拉卡拉就是典型的熱啟動，不需要燒錢貼補市場獲得客戶，就能獲得平臺帶來的自然流量。

這其中，垂直化程度高的智能信貸產品成為市場的主流。

在電商巨頭中，有阿里系的螞蟻花唄、依托于京東金融的白條、騰訊旗下的微粒貸等；在互聯網公司里，有搜房、途牛旅游等OTA公司開發的分期產品等；在P2P平臺轉型公司中，有美利金融的二手車交易、3C產品信貸等金融產品。

“互聯網消費金融跟產品和交易緊密結合，自然就有大量的用戶，獲客和轉化都是非常容易的。而知道消費對象買什么東西，依此進行更精細化的額度、成本、定價等判斷，這是互聯網消費金融對消費金融業務本質上的改善。”零壹研究院院長李耀東表示。

王國強告訴本刊記者：在貸前審批階段，可以做到差異化的授額、定價與期限管理；在貸中維護階段，結合客戶行為表現以及對相關產品的交叉持有情況，制訂個性化的客戶維護方案；而在貸后催收階段，根據短期資金壓力與長期風險情況對客戶進行分群管理，制訂差異化催收方案。

“我們所有的交易都有前中后的整體監控流程，運用技術手段打通了從獲客到資金追索的全過程，這是傳統金融手段所無法做到的。”他說。

這得到了市場的正面反響。

咨詢機構艾瑞研究院統計數據顯示：2015年中國短期消費信貸規模達4.1萬億元，滲透率為15.2%，預計2016年規模擴大至5.1萬億元，近三年均維持20%以上的增速；其中，互聯網消費金融2015年規模達1183.5億元，較2014年增長546%；預計2016年規模擴大至4367.1億元，而滲透率僅為8.5%，發展空間依然廣闊。

將信用最大化

在拉卡拉信貸產品中，額度最大的產品“員工貸”最高可以申請30萬元的貸款。簡單來說，就是利用企業的“信用背書”，為員工提供信貸。

“現在許多企業員工在有大額資金需求的時候，首先就會想到自己的公司，但是這些企業并沒有金融屬性，而與拉卡拉對接，就能夠解決這些問題。”王國強解釋說。

30萬元也是京東白條的最高額度。許凌介紹說，白條在京東商城體系積累了大量的用戶后，逐步走向線下，拓展了租房、旅游、裝修、教育、婚慶等各種場景，還與銀行合作了聯名電子賬戶“白條閃付”，賦予白條“閃付”的功能，讓白條在線下所有銀聯閃付POS機上都能使用。

“京東白條的目標客群定位是奮斗的年輕人。未來白條也將強化移動端體驗，讓白條成為一種快捷、方便、觸手可及的信用支付方式。”許凌告訴本刊記者。

而周靜的思路是橫向發展，讀秒除了提供個人信貸，還提供面向中小企業的信貸以及技術輸出。

“我們通過跟騰訊微店合作，為中小企業提供信貸服務。另外，我們也為有信貸需求的垂直平臺提供技術輸出，比如在去哪兒使用的‘拿去花，就是POWERED BY DUMIAO的技術輸出。”周靜說。

據她判斷，智能信貸市場涌入越來越多的競爭者，不久就會殺成紅海，而規模、成本和風險控制，是一個相互博弈的關系。最大程度地挖掘信用的價值，容易走上單純追求規模的偏路。

比如某智能信貸產品，只需提供實名認證、某個人征信平臺授權以及運營商授權，就能貸款最高達5萬元。因為無需信用卡賬單，一些沒有信用卡的信用“黑戶”也能借貸，這被一些投機套現的網友稱為“無視黑白”、“神一般的存在”。

“實際上，消費金融市場在征信體系還不完善的情況下，過度授信是一個值得關注的風險，未來隨著監管政策的完善和市場競爭，相信會過濾掉一些泡沫，留下那些風控穩定、真正服務于消費者的消費金融機構。”許凌說。

ABS是下一個戰場？

從商業模式的角度來看，智能信貸主要依靠收取手續費的方式盈利，但其手續費率卻普遍高于信用卡手續費率。

“在整個中國市場，真正在銀行有信用記錄的大概只有3億多人，也就是說我們有差不多10億人沒有征信記錄。在銀行做不了信用貸款的人群體量非常大，它是一個萬億級的藍海市場。”許凌說。

而在周靜看來，穩健發展是必選項：“我們不做沒有還款能力和意愿的、完全沒有歷史信息的群體，也不做高利貸。我們的客戶必須提供信用卡，他們是有穩定的收入來源的，但可能在現金流有一些小缺口，我們才去補助。”

因此，讀秒的個人平均借貸額在3000元左右，也低于行業平均水平。

“讀秒資金來源多樣，除了依靠積木盒子，現在也在跟銀行等金融機構談合作，也希望能完成對接 ABS。”周靜說。

事實上，資金渠道是否具備低成本、穩定和多元化的屬性，對于提供智能信貸的機構來說至關重要，它是商業模式的重要一環。總的來看，智能信貸的資金來源不但包括P2P平臺，還有銀行類消費金融公司、私募基金、小貸公司以及近年呈井噴之勢的資產證券化ABS等方式。

“在京東商城使用的白條，是賒購服務，屬于自有資金，在線下使用的白條屬于代付消費貸款，來源是小貸公司。同時，白條資產證券化已經常態化，依托白條優質的資產質量實現了自我補血。”許凌表示。

根據零壹財經于2016年11月發布的《消費金融ABS報告》顯示：京東最早于2015年9月在深交所發行了第一只規模達8億元的ABS產品，截至2016年11月11日，京東已發行7只產品共93億元。

該報告分析稱，相對于其他依賴機構主體信用的融資方式，資產證券化更加注重資產質量，并且融資成本較低，是各類機構特別是互聯網消費金融服務機構拓展資金渠道的理想方式。

該報告還顯示：截至2016年11月11日，消費金融領域共發行ABS產品50只，發行規模超過860億，這兩年環比增速均超過400%。報告還判斷稱，主要以非金融企業為主的企業ABS，是推動資產證券化高速發展的火車頭。

“其實最大的風險和不確定性來自于自身，來自于你是不是對從事的行業有敬畏之心，是不是能面對誘惑依然堅持走正道，而且持之以恒地走下去。”王國強說。