1. 興起之初，風控滯后

 

　　2013年互聯(lián)網(wǎng)金融興起伊始，P-2P、小貸等非銀類金融機構(gòu)多是作為傳統(tǒng)金融的補充，起到毛細血管的作用，讓金融的血液覆蓋到小微企業(yè)主和個人。起初的產(chǎn)品形態(tài)和審批流程也多是線下產(chǎn)品的線上化，只是額度更低、限制條件更寬松、期限和還款方式更靈活。但是在風控環(huán)節(jié)卻并沒有發(fā)展出更行之有效的手段，仍是延續(xù)銀行的做法：以央行征信報告為主要數(shù)據(jù)源，以專家經(jīng)驗或?qū)＜乙?guī)則為評判策略。同時再加上在內(nèi)控等管理執(zhí)行層面上遠沒有銀行規(guī)范，因此最終導致行業(yè)總體的逾期率和壞賬率遠超銀行。市場先行，風控滯后，風控成為影響互聯(lián)網(wǎng)金融發(fā)展的瓶頸。

 

　　2. 數(shù)據(jù)入場，創(chuàng)新乏力

 

　　2015年初，央行釋放出了個人征信市場化的信號，一些直接或間接掌握數(shù)據(jù)源的公司紛紛成立征信子公司。經(jīng)過一年多的篩選和驗證，“大數(shù)據(jù)”開始逐漸被互聯(lián)網(wǎng)金融行業(yè)的風控人員所接受，有幾類數(shù)據(jù)被證實可以做為征信報告的有效補充，比如：移動設(shè)備信息用于識別身份冒用，黑名單灰名單用于識別多頭負債，位置信息用于評估穩(wěn)定性，頁面行為分析用于識別欺詐，消費記錄用于評估可支配收入水平，社交關(guān)系用于評估信用行為等。

 

　　在此階段，各個征信公司提供的 “大數(shù)據(jù)風控”產(chǎn)品仍停留在較為初級的“數(shù)據(jù)”層面，信用評分等深加工產(chǎn)品并未得到金融機構(gòu)的廣泛認可。數(shù)據(jù)本質(zhì)上是一種資源，這類征信公司間的競爭是資源的競爭。有些征信公司掌控 、有效的數(shù)據(jù)資源，坐擁市場。另外一些征信公司雖然利用先發(fā)優(yōu)勢，打通了上下游生態(tài)鏈，但卻很容易被上游數(shù)據(jù)源繞過，岌岌可危。新興市場在一定程度上會遵從發(fā)展規(guī)律，往往會從最初的粗礦型資源競爭轉(zhuǎn)換為精細化的技術(shù)水平或管理水平上的競爭。

 

　　大數(shù)據(jù)的內(nèi)涵遠不止是數(shù)據(jù)資源，在互聯(lián)網(wǎng)金融領(lǐng)域仍有很大的挖掘空間，在管理上它是一種商業(yè)思維的拓展，在技術(shù)上它是一種科研范式的創(chuàng)新。大數(shù)據(jù)除了數(shù)據(jù)量大之外，更強調(diào)數(shù)據(jù)的完備性、異構(gòu)性、弱相關(guān)，復雜的規(guī)律隱藏在長尾的弱變量及其相互的關(guān)聯(lián)關(guān)系之中。而線性模型雖然表達能力有限，且受制于多重共線性的制約，但是現(xiàn)階段依然是風控建模的主流技術(shù)，稍大規(guī)模的互聯(lián)網(wǎng)金融機構(gòu)更傾向于引入傳統(tǒng)金融機構(gòu)中有評分卡建模經(jīng)驗的專家，然后將大數(shù)據(jù)的新酒裝進過去經(jīng)過十幾年打磨的小數(shù)據(jù)建模方法論的舊瓶子里。

 

　　3. 風控場景化，技術(shù)需深耕

 

　　2016年消費金融爆發(fā)，場景的巨大差別導致對風控要求的巨大差別。有些場景幾乎重新定義了風控，對審批實時性和策略調(diào)整及時性要求高、對風控成本敏感，對準確率卻可以適度放松。這對小微規(guī)模的消費金融公司來講無論在風控團隊的搭建還是在IT系統(tǒng)的開發(fā)上都是一種考驗。這種情況下對征信公司而言，一方面，未做深加工的數(shù)據(jù)客戶不能處理;另一方面，通用評分仍不能滿足其個性化需求。風控場景化的趨勢將迫使一部分征信公司回歸征信的技術(shù)本源。筆者相信：金融產(chǎn)品雖有很大程度的商業(yè)屬性，但征信本質(zhì)上還是技術(shù)屬性，而且征信技術(shù)不會永遠停留在淺層的數(shù)據(jù)層面。一些關(guān)鍵技術(shù)的突破可能加速征信公司市場地位的形成，比如：如何為長尾的小微型金融公司提供低成本一站式的風控解決方案并持續(xù)快速響應(yīng)業(yè)務(wù)變化?如何在小樣本的監(jiān)督下，通過遷移學習增強已有模型的場景泛化能力?如何利用圖數(shù)據(jù)庫技術(shù)，提高欺詐識別的覆蓋度和系統(tǒng)查詢效率?如何使用區(qū)塊鏈技術(shù)促進數(shù)據(jù)源的互聯(lián)互通?如何使得已有的基礎(chǔ)模型具備在線學習能力?

 

　　現(xiàn)階段的征信市場也許仍談不上高深的人工智能技術(shù)，數(shù)據(jù)源的打通、整合仍會持續(xù)一段時間，但數(shù)據(jù)源的差異一定會一步步的抹平，這一階段的速度仍難以預(yù)期，可能三五年，也可能更快。屆時，金融公司回歸商業(yè)模式，數(shù)據(jù)公司回歸資源整合，征信公司回歸技術(shù)品牌，或許這三類公司間的界線會變得模糊，有些公司具備多種身份，但場景化的風控技術(shù)經(jīng)驗必將會成為征信公司的核心競爭力。筆者所在的人人信就是在這種思路下面向消費金融公司提供“風控+”服務(wù)，即：風控咨詢+數(shù)據(jù)整合+場景獲客+資金渠道。