這兩年，互聯(lián)網(wǎng)金融的成長速度讓一些不可一世的傳統(tǒng)金融巨人也不禁打了個冷戰(zhàn)。倒不是因為互聯(lián)網(wǎng)金融業(yè)務(wù)的規(guī)模真的威脅到了傳統(tǒng)金融，而是伴隨它而來的這股創(chuàng)新力量讓傳統(tǒng)金融行業(yè)中存在的問題和局限性暴露無余。所幸，已經(jīng)有一些人開始意識到問題的緊迫性，當(dāng)然，還有問題背后所蘊藏的巨大機遇。

Joyce Zhang 就是這些人中的一個。Joyce 是宜信CEO 唐寧從美國挖來的一位資深大數(shù)據(jù)專家，現(xiàn)在擔(dān)任宜信大數(shù)據(jù)創(chuàng)新中心的總經(jīng)理。在來宜信之前，Joyce 曾經(jīng)服務(wù)過 Hulu、Microsoft 等公司，主要負責(zé)的是基于大數(shù)據(jù)的推薦引擎、搜索平臺、廣告精準(zhǔn)投放等技術(shù)系統(tǒng)的開發(fā)。Joyce 說：“一直想做些跨界的事情，而金融與大數(shù)據(jù)結(jié)合后會有很多可能性，這些可能性讓我充滿期待。”

問題出在哪兒?

目前，互聯(lián)網(wǎng)金融的體量還非常小。以 P2P 網(wǎng)貸業(yè)務(wù)為代表，截至 11月 其規(guī)模為 2450 億，而傳統(tǒng)金融行業(yè)擁有的資產(chǎn)卻是百萬億的量級。雖然在規(guī)模上的沖擊幾乎可以忽略不計，但這幾千億的背后卻是傳統(tǒng)金融不曾服務(wù)到的那些小微人群。當(dāng)金融開始走向普惠，問題也隨之暴露出來。金融的本質(zhì)在于通過風(fēng)險管理實現(xiàn)資本價值，可傳統(tǒng)金融的征信手法卻不能完全滿足互聯(lián)網(wǎng)金融業(yè)務(wù)的風(fēng)控需求，這既包括覆蓋人群的局限，也包括風(fēng)控手段上的局限。我國缺失多年的社會信用體系正在加速現(xiàn)形。來看看下面幾點：

1、在央行有征信記錄的人不足全國人口 1/4

按照央行最新數(shù)據(jù)，目前央行征信系統(tǒng)中共有 8.4 億人，但其中有實際征信記錄的只有 3.2 億人。也就是說，全國 13 億多人口，有 5 億人在征信系統(tǒng)中只是一個身份證號碼，還有 5 億人完全不在系統(tǒng)內(nèi)。有征信記錄的人只占到全國人口數(shù)的 23.7%，遠低于美國征信體系對人口的 85%的覆蓋率。而在 P2P 蜂起之前，很多人并沒有注意到這件事。

2、央行征信中心的數(shù)據(jù)不是你想用就能用

目前，可以接入央行征信中心的金融機構(gòu)有銀行、持牌照的第三方征信服務(wù)商以及部分地區(qū)的小貸公司(第一批于 6月 在上海獲批)，P2P 平臺尚沒有接入資格。這無疑將加大 P2P 平臺的風(fēng)控難度。不僅如此，P2P 平臺上的貸款人信息也不能被錄入央行征信系統(tǒng)，各家 P2P 成了一個個信息孤島，他們手中信用數(shù)據(jù)的價值也得不到充分開發(fā)。

3、傳統(tǒng)征信手段存在諸多局限

在數(shù)據(jù)范疇上，傳統(tǒng)征信數(shù)據(jù)來自于借貸領(lǐng)域，最典型的就是信用卡消費記錄，這就大大限制了征信數(shù)據(jù)的來源。 在征信思路上，傳統(tǒng)征信是用昨天的信用記錄來判斷今天的信用價值，這未見得就是最合理的思路。在征信技術(shù)上，傳統(tǒng)的方法是從線下采集信用數(shù)據(jù)，即使在 P2P 網(wǎng)貸業(yè)務(wù)中，也只能暫時照搬這套方法。

來看看目前國內(nèi) P2P 平臺的征信邏輯：先考慮用戶的數(shù)據(jù)拼圖里需要哪些資料，能夠電子化獲取的就電子化，不能做到的，就讓用戶自主上傳，然后通過其他線上或線下手段驗證。目前，以有利、積木盒子等為代表的與線下小貸公司或擔(dān)保公司合作的 P2B 網(wǎng)貸平臺更多是通過合作的小貸公司或擔(dān)保公司來獲取借貸人的征信數(shù)據(jù)，主要是電話征信和實地考察征信，這都是傳統(tǒng)金融機構(gòu)的風(fēng)控方式，效率比較低。當(dāng)然，也有積極踐行線上征信的 P2P 平臺，比如宜人貸、拍拍貸?？梢哉f，傳統(tǒng)的線下征信技術(shù)限制了數(shù)據(jù)來源和信用評估思路，而互聯(lián)網(wǎng)的技術(shù)、工具和思維具備了改變這一切的可能性。

其實，信用數(shù)據(jù)不僅僅是應(yīng)用在金融領(lǐng)域中，生活中各種涉及履約的場景都需要人們的信用數(shù)據(jù)。在一個成熟的信用社會中，人們的每一項商業(yè)行為都應(yīng)與他的信用數(shù)據(jù)相掛鉤，從而形成一個信用數(shù)據(jù)的良性循環(huán)。也正因為如此，很多在美國做的風(fēng)生水起的商業(yè)模式搬到中國來卻無法成功，比如各種短租業(yè)務(wù)，其核心問題之一就是國內(nèi)缺乏一套完善的信用評估體系。

宜信 “大數(shù)據(jù)金融” 的玩法

當(dāng)金融遇上大數(shù)據(jù)，這個缺失已久的信用體系有了搭建的可能性，這也是唐寧成立宜信大數(shù)據(jù)中心的初衷。Joyce 將宜信在大數(shù)據(jù)金融上的探索方向描述為 “金融云平臺”。

顧名思義，這會是一個開放的平臺架構(gòu)：既能支撐宜信自己的 P2P 業(yè)務(wù)(比如宜人貸、與 eBay 合作的商通貸)，也能開放給其他生態(tài)合作伙伴，讓這個生態(tài)中的伙伴們共同建設(shè)、共同受益。

金融知識圖譜是平臺的基礎(chǔ)

金融云平臺擁有一般云平臺的特點：分布式存儲、分布式計算框架、虛擬化環(huán)境，但與一般的云平臺的差別在于，這是一個基于金融業(yè)務(wù)的云平臺，其中必然包含特定的業(yè)務(wù)邏輯。宜信將風(fēng)控、反欺詐、獲客能力等核心的金融邏輯抽象出來，作為金融云平臺的內(nèi)核。

金融知識圖譜是平臺的基礎(chǔ)，在這個基礎(chǔ)上能長出很多應(yīng)用場景，比如獲客、實時授信、產(chǎn)品個性化推薦、貸后管理等。

知識圖譜這個概念最早是由 Google 提出的，是搜索引擎往下一階段演進的過程中發(fā)展出來的。這其中包含兩個方面：實體的畫像，實體間的關(guān)系。

實體的畫像其實就是我們常說的 “用戶畫像”，很好理解。而實體間的關(guān)系是 Joyce 特別強調(diào)的一點。原來做用戶畫像時，畫像之間是彼此獨立的，但這并不符合現(xiàn)實生活中的場景：人并不是獨立存在的，人與環(huán)境中的萬物都是有關(guān)聯(lián)的。如果說每個人是知識圖譜中的節(jié)點，那么人與環(huán)境所形成的關(guān)系就是兩點間的線。當(dāng)把 “點和線” 綜合起來分析時，我們對個人的性格特征、信用狀況、財富屬性都會有更深層、更全面的理解。

豐富的數(shù)據(jù)來源是平臺的養(yǎng)分

互聯(lián)網(wǎng)技術(shù)和工具的引入使得數(shù)據(jù)采集從線下逐漸轉(zhuǎn)移到了線上，也使得數(shù)據(jù)體量迅速變大。目前，宜信金融云平臺所采集的數(shù)據(jù)主要是以下幾類：

1、宜信已有的數(shù)據(jù)

宜信在 P2P 行業(yè)有 8年 積累，用戶已過百萬。實際上，只要與宜信有過接觸的用戶，不管是在哪個環(huán)節(jié)終止了接觸，都被視為宜信的重要數(shù)據(jù)資產(chǎn)。他們有的曾提交過信用報告、聯(lián)系人信息、教育水平、工資單、銀行流水等一系列傳統(tǒng)征信數(shù)據(jù)，有的則僅僅留下了一些搜索和訪問數(shù)據(jù)。

值得慶幸的是，宜信自成立以來便非常重視數(shù)據(jù)的電子化，因此大大減輕了將線下數(shù)據(jù)進行數(shù)字化的工作量。不過，宜信業(yè)務(wù)線眾多，Joyce 告訴我們，將不同業(yè)務(wù)線里沉淀下來的數(shù)據(jù)打通也是一件很費勁的事情。

2、搜索引擎抓取

Zest Finance 的 CEO Merill 認(rèn)為，信貸記錄屬于強變量，而當(dāng)強變量缺失的時候，就可以參考多種弱變量(比如互聯(lián)網(wǎng)上的行為數(shù)據(jù))，將這些弱變量組合起來也可以服務(wù)于信用評估。

同樣是基于這種思路，宜信自己做了一個叫做 “姨搜” 的搜索引擎。在獲得用戶授權(quán)許可的情況下，搜索引擎會抓取用戶在互聯(lián)網(wǎng)上留下的電商購買數(shù)據(jù)、搜索引擎數(shù)據(jù)、社交數(shù)據(jù)等多個維度的數(shù)據(jù)。除此之外，還有大量散落在網(wǎng)上的公開數(shù)據(jù)，這些數(shù)據(jù)也會被宜搜所抓取。這兩類數(shù)據(jù)將通過特定的算法模型轉(zhuǎn)化為信用評估數(shù)據(jù)。

3、來自合作伙伴的數(shù)據(jù)

這里的合作伙伴既包括線上的也包括線下的，不過 Joyce 并沒有透露現(xiàn)在正在參與合作的公司有哪些。我猜測，線下的合作機構(gòu)可能包括小貸公司、租車公司、房屋中介等可能產(chǎn)生業(yè)務(wù)協(xié)同的機構(gòu)，線上的合作對象則有更多可能性了，比如各種互聯(lián)網(wǎng)金融服務(wù)商。

有一個繞不開的問題，那就是如何保證數(shù)據(jù)的真實性，其實這是所有的大數(shù)據(jù)分析都會遇到的問題。其實，任何人也無法保證數(shù)據(jù)完全真實、沒有噪音，可以做的就是對不同的數(shù)據(jù)源進行關(guān)聯(lián)和交叉驗證。Joyce 說：“我們并不是在盲目的追求線上實時授信，如果沒有足夠的數(shù)據(jù)來做交叉驗證，我們還是會采取線上線下相結(jié)合的方式。”

機器學(xué)習(xí)是平臺的核心

采集數(shù)據(jù)的目的是通過相應(yīng)的數(shù)據(jù)分析和挖掘技術(shù)輸出每個人的信用評估結(jié)果。在傳統(tǒng)的數(shù)據(jù)處理領(lǐng)域，分析師們處理的主要是結(jié)構(gòu)化數(shù)據(jù)，而如今我們面對的是從網(wǎng)上抓取的大量非結(jié)構(gòu)化數(shù)據(jù)，如社交網(wǎng)絡(luò)的評論、用戶上傳的音視頻等。這些數(shù)據(jù)存在于包括文本、圖片、視頻、音頻等眾多的數(shù)據(jù)格式中，其中蘊藏的信息需要深度計算才可以分析出來。這就需要通過機器學(xué)習(xí)進行智能化分析。

根據(jù)過往的業(yè)務(wù)經(jīng)驗，Joyce 團隊會給這個 “挖掘機系統(tǒng)” 預(yù)設(shè)一些規(guī)則引擎(可以理解為一些基礎(chǔ)的算法)，引導(dǎo)系統(tǒng)做出一些基本的判斷和決策。比如，沒有收入的人會被直接排除在借款人群之外。

但是，這都是些基礎(chǔ)規(guī)則，而且是基于現(xiàn)有數(shù)據(jù)和經(jīng)驗生成的。一旦充入大量新數(shù)據(jù)，這些既有規(guī)則引擎則會發(fā)生變化。無論是修訂現(xiàn)有規(guī)則還是獲得新的規(guī)則，都需要通過機器學(xué)習(xí)來實現(xiàn)。

當(dāng)然，機器學(xué)習(xí)是一個動態(tài)的過程——要通過不斷加大數(shù)據(jù)變量來修正機器學(xué)習(xí)的模型。只要池子里變量的維度多到一定程度，模型就會趨于穩(wěn)定。舉個例子，如果你買一支股票，你的收入就全都取決于這只股票的漲跌;但如果你分散投資 1000 支股票，從統(tǒng)計學(xué)角度，即使其中一只股票暴跌，也不會對你的整體資產(chǎn)走勢產(chǎn)生影響。只要數(shù)學(xué)邏輯正確，采用的變量越多，模型就越準(zhǔn)確。而且，數(shù)據(jù)維度的不斷豐富也能讓機器在不斷學(xué)習(xí)的過程中變得越來越智能。

宜信的第一批機器是在今年4月 上線的，里面正跑著數(shù)以萬計的變量。未來，收集和整理數(shù)據(jù)的門檻會降低，而利用機器學(xué)習(xí)進行數(shù)據(jù)分析和挖掘的能力會成為關(guān)鍵。

數(shù)據(jù)的價值

人人有信用，信用有價值。大數(shù)據(jù)能改變的不僅是金融行業(yè)。在一個真正市場化的社會中，各行各業(yè)都對個人信用評估有訴求，因此，基于大數(shù)據(jù)的個人信用評估結(jié)果可以成為很多商業(yè)活動的基礎(chǔ)。如今，通過將用戶的互聯(lián)網(wǎng)行為數(shù)據(jù)轉(zhuǎn)化為 “互聯(lián)網(wǎng)信用” 后，這些數(shù)據(jù)也開始變得有價值起來。

數(shù)據(jù)定價

既然數(shù)據(jù)都是有價值的，那么是否可以給數(shù)據(jù)定價?“應(yīng)該理解為價值交換”，Joyce 更正了我的說法，“數(shù)據(jù)的價值剛剛被喚醒，現(xiàn)在談定價、收費還為時過早。”

目前，宜信已經(jīng)與一些線下機構(gòu)和線上互聯(lián)網(wǎng)服務(wù)商建立了數(shù)據(jù)合作關(guān)系，但各家的合作方式都不太一樣。尤其是對于不同行業(yè)來說，服務(wù)提供商的訴求差異巨大。Joyce 說：“我們也希望與不同合作伙伴來探討適合彼此的價值交換方式。經(jīng)過一段時間的合作，我們會逐漸建立一套針對不同數(shù)據(jù)提供商的價值交換模型和方法論。”

數(shù)據(jù)變現(xiàn)

Joyce 好幾次都提到了 “數(shù)據(jù)變現(xiàn)” 的概念?；ヂ?lián)網(wǎng)行業(yè)里有很多這樣的服務(wù)提供商：他們有用戶、有流量、有數(shù)據(jù)，但卻找不到自己的商業(yè)模式。又或者，即使有自己的商業(yè)模式，很多服務(wù)提供商手中的數(shù)據(jù)也遠沒有發(fā)揮什么作用。“數(shù)據(jù)變現(xiàn)” 為他們提供了一個通過數(shù)據(jù)完成價值增值的思路。舉兩個例子：

為商家提供額外的變現(xiàn)渠道。以宜信與 eBay 合作的 “商通貸” 為例：eBay 可以專注的做自己的電商生意，而如果 eBay 上的用戶或商家有分期或者融資的需求時，eBay 只需開通相應(yīng)的頻道，并把用戶數(shù)據(jù)授權(quán)給宜信進行處理，宜信來完成用戶信用的評估并完成分期產(chǎn)品推薦、貸款實時授信等。

幫商家提高用戶轉(zhuǎn)化率。中國有很多租賃場景都是需要交押金的，而交押金往往會影響平臺的轉(zhuǎn)化率。因此，宜信在與各種租賃公司嘗試一種合作：租賃公司把用戶的信息給宜信，宜信再結(jié)合自己抓取的一部分?jǐn)?shù)據(jù)對用戶進行信用評估，給出一個 “信用價值”，從而免去用戶的押金，并扮演平臺的擔(dān)保方，甚至能提供租后管理服務(wù)。

不是競爭對手，是盟友

國內(nèi)想通過大數(shù)據(jù)做開放金融云平臺的不止宜信一家，別忘了最有名的那家——螞蟻金服。在螞蟻金服的成立活動上，其 COO 井賢棟曾說過：“螞蟻金服將以小微企業(yè)和普通消費者為主要用戶，建立以數(shù)據(jù)、技術(shù)、交易這三個開放平臺為核心的金融生態(tài)，支持和幫助合作伙伴，共同為用戶創(chuàng)造價值。”

這和宜信的愿景不謀而合，不過，在 Joyce 看來，談彼此間的競爭還為時過早。在國內(nèi)，通過大數(shù)據(jù)搭建信用體系這件事還處于非常早期的探索階段，大家各自有優(yōu)勢，但還沒有誰已經(jīng)走通了這條路。“如果未來有可能，我們非常樂意與螞蟻金服合作。”

其實，除了宜信、阿里這樣打算做 “生態(tài)系統(tǒng)” 的平臺，大數(shù)據(jù)金融場內(nèi)的玩家還有不少。比如各種尚未走到生態(tài)系統(tǒng)層面的第三方大數(shù)據(jù)平臺，舉幾個例子：國內(nèi)最早提出做大數(shù)據(jù)征信的閃銀(類似 Zest Finance)、從 SaaS 系統(tǒng)切入數(shù)據(jù)服務(wù)領(lǐng)域的中科柏誠、為線下 P2P 公司提供大數(shù)據(jù)服務(wù)的數(shù)信網(wǎng)。另外，還有一些在利用大數(shù)據(jù)支撐自身互聯(lián)網(wǎng)金融業(yè)務(wù)的公司，比如拍拍貸(類似 Lending Club)、元寶鋪(類似 Kabbage)。

但是，所有機構(gòu)手中的數(shù)據(jù)都是片面的數(shù)據(jù)，尤其是對于 BAT 這樣的巨頭來說。這也是為什么，在 Joyce 看來，平臺間的合作遠比盲目的競爭更有利于行業(yè)的成長。“這個市場非常大，完全可以容納多個開放平臺同時存在。如果有更多的人愿意踏踏實實的做金融開放平臺，這對行業(yè)、乃至整個小微人群是非常有益的。”

即使是在未來的金融生態(tài)中，合作也應(yīng)該大于競爭。“生態(tài)系統(tǒng)” 本身便是一種商業(yè)模式。金融業(yè)的生態(tài)系統(tǒng)長什么樣?它將以云計算、大數(shù)據(jù)為底層，信用體系為基礎(chǔ)，支撐包括支付、投融資、理財、保險、銀行等在內(nèi)的多種業(yè)務(wù)。

“在美國，信用是一張個人通行證。而對于中國來說，這是我們走向一個真正市場化的商業(yè)社會的過程中必然會達到的階段。未來，我們會有多個信用評估機構(gòu)，每個機構(gòu)都有自己的一套信用評估體系，而大家對信用的認(rèn)識能夠嵌入到各行各業(yè)的商業(yè)活動中。”

這大概就是在國外大數(shù)據(jù)領(lǐng)域鉆研了15年后卻帶著團隊義無反顧回到國內(nèi)的 Joyce 想看到的一天吧。

來源：36氪