中國互聯(lián)網(wǎng)金融市場這幾年風(fēng)生水起，不同于老牌資本主義國家美國，中國互聯(lián)網(wǎng)金融有其獨特的務(wù)實的一面。從行業(yè)邏輯到業(yè)務(wù)邏輯，中國思維始終貫穿于這一產(chǎn)業(yè)之中。
金融不是說量做的大，最后就一定能跑贏，但互聯(lián)網(wǎng)不是，互聯(lián)網(wǎng)是玩杠桿的，錢是投資人的錢或者說是資金方的錢，把錢燒了，把用戶數(shù)做上來就可以。美國不敢這么玩，為什么？他們真正經(jīng)歷過金融危機。
我從美國回到中國，最大一個感受是，中國的互聯(lián)網(wǎng)真是比美國激進太多，燒錢跑規(guī)模成了行業(yè)慣例，不管收入不管盈利，燒錢把用戶量做上去就算贏了。就是互聯(lián)網(wǎng)金融這個行業(yè)，也經(jīng)常能看到在用戶量和交易量上驚人的現(xiàn)象。
但是我雖然在一個互聯(lián)網(wǎng)金融公司，但我的看法可能不那么“互聯(lián)網(wǎng)”。在我看來，金融的邏輯和互聯(lián)網(wǎng)不一樣。
第一，是行業(yè)邏輯不一樣。
金融并不是贏家通吃的行業(yè)?；ヂ?lián)網(wǎng)都是寡頭統(tǒng)治，阿里統(tǒng)治電商，騰訊統(tǒng)治社交。但是金融不是這個邏輯。金融是一個經(jīng)營風(fēng)險的業(yè)務(wù)，當(dāng)所有的規(guī)模都集中在一起時，風(fēng)險也就集中在了一起。
且不說你自己能不能玩的下去，政府就不會袖手旁觀。大而不倒，早晚政府會接手，這在美國都有先例，他們可是見識過真正金融危機的，何況中國。
現(xiàn)代金融歷史幾百年，也沒有哪個國家出現(xiàn)金融的絕對集中。有人說中國以前有這種現(xiàn)象，改革開放前只有一個中國人民銀行包攬一切，但那是國家的業(yè)務(wù)，跟市場沒關(guān)系。
我們?nèi)サ疥懠易烊タ匆幌?，招商銀行旁邊是匯豐，匯豐旁邊是渣打，渣打旁邊是花旗，不存在一個寡頭統(tǒng)治。金融是十幾萬億甚至上百萬億級的市場，所以永遠不要去追逐在這個市場里邊占50%以上的份額，我認為不可能的，這個市場大到足夠容得下眾多玩家。
第二，是業(yè)務(wù)邏輯不一樣。
金融它是很強調(diào)邊際效應(yīng)的業(yè)務(wù)，金融的“邊際化”對應(yīng)就是“規(guī)?；?rdquo;，然而規(guī)?；褪怯脕硇稳莼ヂ?lián)網(wǎng)這個行業(yè)。從這也能看出互聯(lián)網(wǎng)金融還是偏重金融一些，不靠做量。
因為金融不是說量做的大，最后就一定能跑贏，金融本來就不是做量的，更別說為了做量而放寬風(fēng)險的控制。
拿我們信貸行業(yè)來說，控制逾期的方式其實就兩種，一個是做分子，一個是做分母。所謂的做分子就是把你真正壞賬的部分壓下去。
而做分母就是說壞賬不斷的增長同時，加大貸款的數(shù)量，體量大了讓優(yōu)質(zhì)貸款為劣質(zhì)貸款買單，短期也是可以把壞賬率往下降的。
但我們更愿意選擇前者，因為一旦采用做分母模式的話，就進入了一個被動的周期，被動的追求數(shù)量就會被動放棄質(zhì)量。
為了做大分母讓更多人獲得貸款，就要被動的放寬風(fēng)控審核條件，邊際被動放寬，風(fēng)險也會越來越控不住的。
所以我們更愿意做的是，在可控的范圍之內(nèi)，獲取最大用戶量。
中國的征信體系才剛剛建立，有效的信用數(shù)據(jù)還不全面，不像美國以及擁有了很成熟的信用體系和征信體系。
在這種情況下，面對有信貸需求的用戶，我們不會像傳統(tǒng)金融機構(gòu)一樣，只做簡單的風(fēng)險控制，把大量的潛在用戶拒之門外，而是通過我們的算法對計算出用戶的風(fēng)險偏好，提供動態(tài)的授信決策。
風(fēng)險偏好決定了風(fēng)險的可控范圍，只要風(fēng)險在可控的范圍之內(nèi)，我們就可以最大化的獲取用戶，產(chǎn)生最大化的價值。即使對待一個風(fēng)險偏高的用戶，我們也會有自己的界定，不會一刀切似的拒絕。
比如我們會用風(fēng)險定價的方式給他一個比較高的貸款利率或者是比較低的借貸額度。如果他的幾次信貸記錄都非常良好，那在之后的運營過程中，我們會動態(tài)調(diào)整他的授信額度或者貸款利息，從而增加用戶粘性。反過來，如果用戶在還款過程中表現(xiàn)出了風(fēng)險比較高，經(jīng)常不還款，我們也會凍結(jié)他的額度。
中國的數(shù)據(jù)太分散了，沒有像美國三大征信局這樣的信用庫，于是我們引入跟金融不是強相關(guān)的弱變量。
我回來中國工作第二個感受是，我們國家消費金融行業(yè)從來不缺少思維活躍的人，這是好事也是壞事，思維越活躍，騙局就越多，對我們做數(shù)據(jù)的人來說，每一天都有新挑戰(zhàn)。
中國的央行征信體系雖然已經(jīng)覆蓋近8億人，但基本上只對金融機構(gòu)開放，比如銀行、小金公司和小貸公司。雖然極大程度的保護了用戶信息，但是對于我們做數(shù)據(jù)決策，沒有數(shù)據(jù)支撐還是太難了。在美國的話，拿我以前在Capital One的經(jīng)驗舉例。Capital One做的是主流消費信貸，主要接入的是三大信用局數(shù)據(jù)來做零售信貸業(yè)務(wù)。三大信用局對美國的主流人群基本上就可以覆蓋了。
在中國也有一些機構(gòu)自稱是在提供一個行業(yè)的解決方案。聲稱是搜集到了各個行業(yè)主動給予的黑名單，然后這個機構(gòu)進行整合并且建立一個“聯(lián)防聯(lián)控”的解決方案，有點兒像美國征信據(jù)局干的事。
比如以前我們在Capital One給一個用戶發(fā)了信用卡，但是他屢次逾期最終賬戶被注銷，那我們就會把這個的信用情況交給美國征信局，那他在其他機構(gòu)再申請貸款的時候，機構(gòu)就可以從征信局查到他的這些不良記錄，可能就會不再房貸給他。
但是在中國，這些信息的整合還不是政府行為，很多時候很多一些比較小的機構(gòu)，沒有監(jiān)管，就很有可能讓沒有職業(yè)操守的機構(gòu)鉆了空子。比如這些小機構(gòu)會自行上傳一些黑名單上去批的也沒辦法驗真。
如果這些在假的黑名單中的用戶在別家想要申請貸款自然申請不到，就只能去找這個這個黑機構(gòu)了。
沒有征信局，沒有靠譜的民間聯(lián)盟怎么辦？這也是中國一個非常大的特點，除了傳統(tǒng)的征信數(shù)據(jù)以外，我們運用一些所謂的弱變量，弱變量就是說它不是跟你收入多少、或者你的銀行信用卡額度多少這些金融數(shù)據(jù)強相關(guān)的。而是非常散的一些數(shù)據(jù)，包括征信數(shù)據(jù)，消費記錄、通信數(shù)據(jù)或者社交數(shù)據(jù)等等。
在中國在用戶授權(quán)的前提下，我們會接入銀聯(lián)的消費，通信數(shù)據(jù)，社交數(shù)據(jù)以及電商的消費記錄數(shù)據(jù)等等。比如說和場景類的平臺合作，比如像攜程、去哪兒，他們會有一些用戶在他們平臺上消費的記錄，這些消費記錄其實是對做風(fēng)險是非常有用的
它可以解讀出很多信息，比如從時間和交易次數(shù)這緯度來判斷這是不是個忠實客戶；其次，是這個客戶的消費能力，比如是不是經(jīng)常出行，是商業(yè)出行還是個人出行呢？出行時候坐的是經(jīng)濟艙還是商務(wù)倉呢？這些數(shù)據(jù)間的關(guān)聯(lián)就可以判斷出一個人的收入情況和消費能力。
跟螞蟻金服的芝麻信用合作，實際上是獲取了支付寶的數(shù)據(jù)。這對B端小企業(yè)主，它可以看到電商的流水和負債；對C端消費者，可以判斷C端用戶的消費行為能力。這種數(shù)據(jù)在美國就不太可能會有，除非Amazon自己做，但它好像也沒在做。
社交數(shù)據(jù)，對這個領(lǐng)域獲取的數(shù)據(jù)就目前來看還是以有趣的探索為主，現(xiàn)在社交網(wǎng)絡(luò)都是實名登記，從手機號就可以看到用戶是不是微博用戶或者是不是知乎用戶，他們有多少粉絲，原創(chuàng)與轉(zhuǎn)發(fā)有多少號召力。
像美國有很多基于Twitter來做數(shù)據(jù)的，甚至有人是通過關(guān)注Twitter內(nèi)容炒股的，但社交數(shù)據(jù)目前至少在中國，這些也還只是一個有趣的方向，有效數(shù)據(jù)比重很少，效果不明顯，花大力氣研究事倍功半，前文也說了，金融還是一個講賺錢的業(yè)務(wù)，燒錢燒腦只能選一個。
在大數(shù)據(jù)的時代下，尤其中國的信用體系才剛剛建立，數(shù)據(jù)一定是比較稀疏分散的，我們有上千緯度的數(shù)據(jù)和上萬個緯度可以用戶的評定，對每一個真實用戶做有效信息判定，就好像受孕一樣難。
每一個用戶帶著上萬條的信用數(shù)據(jù)進來，有效數(shù)據(jù)并且受用的可能就是受孕的那極少部分，大部分還是缺失的，或者查不到。想想懷孕多難就知道了，所以在數(shù)據(jù)總量大，有效多的情況下，我們要對這種比較稀疏的數(shù)據(jù)有一個處理能力。
實際上我們整天的工作就是在跟各種各樣的數(shù)據(jù)打交道，但這個過程中要像一個狐貍一樣有著敏銳的感官，很多時候去建立一些新鮮的事情，新鮮的緯度，可能我們選出來的維度有90%或者80%都是最后沒有太大的決定性的作用。
但是我們其實都會花很多時間把特征放到模型里面評估，最終就是看它跟風(fēng)險有沒有關(guān)聯(lián)度，或者跟我們所要的這個指標有沒有關(guān)聯(lián)度，如果一旦有關(guān)聯(lián)度，我們就認為它是個很好的變量，如果沒有關(guān)聯(lián)度的話，那就重頭再來，這個過程很好聽，叫迭代。
我們的用戶的90%以上都來自于移動端，這在美國是不敢想象的，防止移動端騙貸是新的挑戰(zhàn)。
我們的用戶的90%以上都來自于移動端，這在美國是不敢想象的。因為他們申請貸款的方式基本上還是通過PC機，甚至是填寫紙質(zhì)的申請資料。從這個角度來說，在中國，在用戶授權(quán)的前提下，我們可以抓取更多用戶的行為信息。
比如說你的手機開著定位系統(tǒng)，就可以獲取你的位置信息，最主要還是能獲取你的手機的獨特“指紋”。這個“指紋”不是iPhone解鎖的那個指紋，而是指手機獨一無二的特征，比如說它的設(shè)備唯一識別號、MAC地址、IP地址等等，用來判斷信貸請求是不是通過代理，也就是VPN申請的，他有沒有偽裝過他的IP地址等等。
抓取行為信息有什么作用呢？通過抓取用戶手機的“指紋”信息可以判斷用戶是不是換過手機了，當(dāng)然用戶換手機不一定代表是個壞事，有可能是手機壞了丟了或者型號更新?lián)Q了一個新的。
但是會把“指紋”變更作為我們風(fēng)險識別的一個指標，進入到風(fēng)險測評的模型。如果頻繁的換手機我們會認為是個太正常的情況。還有一種風(fēng)險測評的模型，我們會判斷同一個手機是不是申請了多次貸款，像個中介一樣，實為在替別人在貸款。
比如說一臺手機，這個手機他一下申請了100筆貸款，不同的人，不同的姓名身份證號。這就屬于騙貸了。
中國現(xiàn)在有很多這種黑色產(chǎn)業(yè)鏈，他們每天工作就是騙貸。一個人同時兼顧幾百臺手機在不同的平臺上貸款。
我們發(fā)現(xiàn)設(shè)備“指紋”對付欺詐是非常有用的。同一個設(shè)備同一天是否申請了多筆借款；或者同一臺設(shè)備為不同的人申請借款，這些都是以往審批通過在PC申請和紙質(zhì)的申請表申請貸款所遇不到的問題。
對申請者手機地理位置異樣的抓取，比如說你一下子在北京，一下子又到了紐約，這就很有可能判斷你開了VPN。通過我們算法就可以對一些高危的行為進行管控，也會對用戶進行預(yù)警與告警，從反欺詐的角度來說是一個非常好的防范。
既然AI先生來了，就讓咱們家那些個騾子啊馬啊，那些個大牲口都歇了吧。
我從美國回來，還有第三個感受就是，中國市場太喜歡“蹭熱度”了。
一個阿法狗的亮相，AI神話了，仿佛可以把所有積攢的數(shù)據(jù)往里一扔，然后就能幻化出一個神奇的結(jié)果，而且這個結(jié)果都是美好的，也是我們正想要的。其實做過數(shù)據(jù)的人就知道，輸出質(zhì)量是由輸入質(zhì)量決定的，并沒有一個超強大腦，把所有東西放進去，出來就是好東西。
Garbage in,garbage out，是計算機科學(xué)和數(shù)學(xué)中很常見的概念，輸出質(zhì)量是由輸入質(zhì)量決定的。舉例來說，如果一個數(shù)學(xué)方程表達不當(dāng)，答案就不太可能正確。同樣地，如果不正確的數(shù)據(jù)輸入到一個程序，輸出的就可能是無用信息。
就像阿法狗一樣，阿法狗大家只看到了它跟李世石打仗的那一面，阿法狗下棋本身其實是Google Real-Time上百工程師在隨時調(diào)整阿法狗的算法，所以阿法狗并不是一個電腦坐在你對面，是算法還有調(diào)整算法的工程師。
在中國，信用體系才剛剛建立，央行的征信體系雖然覆蓋了近8億，但是面對14億人民，從百分比來看就是還有近40%沒有覆蓋。而且數(shù)據(jù)來源分散，每一個來源的數(shù)據(jù)又單一。
這些很分散、有獨特的中國市場特征的數(shù)據(jù)，我們需要通過一個有邏輯的方式接入進去。就像Real-Time，F(xiàn)ast data秒級對所有的數(shù)據(jù)進行響應(yīng)，這是科技。回到對數(shù)據(jù)的運用這個問題上，我們需要去強調(diào)一種關(guān)注問題本身，解決問題，而不是打造酷炫的大腦外殼。真正去靜下心做數(shù)據(jù)特征挖掘，整理數(shù)據(jù)，然后做一個比較好的模型，比什么都強。
但有時候，不是說科技打敗了很多人類的東西，而是自動化打敗了很多人類的東西，自動化不是做了一個人類做不了的東西，而是他把人類能做的事情用非常非?？斓姆椒ㄗ隽恕?/strong>
比如我們現(xiàn)在做的智能信貸系統(tǒng)，可以做到十秒鐘授信，沒有任何人工的干預(yù)，全部實現(xiàn)自動化，我們可以接很多單，幾百萬、幾千萬單都沒問題。
這是在傳統(tǒng)的銀行是不可想象的，因為銀行是有人工成本的。審批員他就是成本，而且他得正常休息，雙休日不上班的，節(jié)假日也不上班。
就像春節(jié)就是個很好的例子，其實春節(jié)之前人們對現(xiàn)金或者說資金的需求是很大的，但是恰巧那個時候銀行很多人，尤其工作和老家不在一個地方的都會提前休假了。這個時候就會呈現(xiàn)出一種需求與資源不對等的現(xiàn)象：我急著用錢，你卻休息了。
而我們所做的就是通過大數(shù)據(jù)和科學(xué)決策的方法將這個過程自動化了，自動化直接的效果就是將邊際成本是慢慢降下來了。就像我們的一些分期產(chǎn)品，即使是幾十塊一單的商品我們都可以不考慮人工成本的去進行審批。
就算突然有一天我們的接單量一下子增加三倍，那也只需要去擴容我的機器或者說滿足系統(tǒng)能支持這么大的一個峰值就可以了，不需要增加三倍的人。
我舉這個例子，不是要黑高科技，我一直都對“科技改變世界”飽有敬畏心的，前沿的科技會打開我們很多思路與壁壘，但與其強行“熱度”，不如在自己從事的行業(yè)或者工作內(nèi)容上精耕深挖。
比如以前我們在Capital One工作的時候，數(shù)據(jù)在已有的系統(tǒng)里已經(jīng)被挖掘很深了，卻依然在做精細化挖掘。我們在用信用局的數(shù)據(jù)的同時也跟FICO（美國有一個評分機構(gòu)）合作，它的分數(shù)我們也進行比較，我們可能就是比FICO做了一個小小的算法優(yōu)化，可能只提高5%，但也是在已有的數(shù)據(jù)基礎(chǔ)上挖的很深了。
而現(xiàn)在中國市場還沒做到挖的很深，就玩起了花板子。中國是市場驅(qū)動，中國現(xiàn)在市場非常大，跟美國相比，美國是商業(yè)驅(qū)動，他們可能會覺得有些數(shù)據(jù)，比如社交數(shù)據(jù)，有意思，但不會真的用，為什么，因為商業(yè)需求不強。
美國的數(shù)據(jù)很多都是在征信體系內(nèi)已經(jīng)覆蓋了，而且它信用卡的覆蓋人群已經(jīng)到了70%，基本上大部分人擁有完善的信用歷史，你用一些社交數(shù)據(jù)玩一些花，沒什么決定性的意義。不會因為你在Twitter上有很多贊就給你很多貸款。
我們正在經(jīng)歷一個新體系的建立過程，那一定是一個井噴的階段，這是我們的優(yōu)勢。我們現(xiàn)在有很多數(shù)據(jù)，以前沒有用過的數(shù)據(jù)，量大的驚人，比如像電商、社交的場景數(shù)據(jù)，銀聯(lián)的消費、電話的通信記錄，以及移動終端的“指紋”數(shù)據(jù)。
但是有效數(shù)據(jù)挖掘、精細的處理肯定是弱項，但會是未來的方向。未來，在中國肯定會做的越來越精細，就是把我們有效數(shù)據(jù)挖掘做的更深，就像我們現(xiàn)在做的事情一樣。
科技改變金融，數(shù)據(jù)開拓眼界，這點我從沒懷疑過。
數(shù)字化要一盤棋更要各自為戰(zhàn)
