今年以來，雖然FinTech在資本市場的表現(xiàn)起起伏伏，但大體，股價呈上升趨勢。
促成這一變化的因素有很多，一方面，F(xiàn)inTech在金融業(yè)的整體分工中占據(jù)了助貸這一技術和服務驅(qū)動的新分工，難以替代，對于現(xiàn)有金融機構，這是必要的外部助力;另一方面，他們正在以新的姿態(tài)捕獲更多的用戶，重新構建自身的護城河。
從監(jiān)管層面看，今年以來，行業(yè)雖然也曾經(jīng)出現(xiàn)斷直連、限制最高貸款利率等政策調(diào)整，但本質(zhì)上都是為了規(guī)范行業(yè)，不會影響行業(yè)的長期發(fā)展邏輯。而且行業(yè)開展的小微業(yè)務和消費業(yè)務也受到監(jiān)管鼓勵。
綜合上述因素，雖然FinTech出現(xiàn)了較大漲幅，但相對來說，還是非常的低估。市場上，大多從業(yè)績增長、估值對比等角度說明FinTech 如何被低估，本文不在贅述。
要從根本上理解FinTech的價值，還是要回到行業(yè)發(fā)展的底層邏輯-FinTech 是如何在傳統(tǒng)金融機構所占據(jù)鐵板一塊的市場中，撕開一道口子?靠的是金融為表技術為核的科技能力。投資人要意識到FinTech 的價值，清楚其技術和風控能力對業(yè)務的驅(qū)動是少不了的一節(jié)課。
昨天樂信剛發(fā)布了2季度財報，多項指標都創(chuàng)了新高，前段時間我也參加了它組織的一場交流活動，正好以樂信為樣本，說下FinTech 的科技是如何驅(qū)動業(yè)務的。
1、風控：FinTech制勝的核心
風控是FinTech公司這一輪真正制勝的核心，也是個人認為被低估的底層邏輯。過去幾個季度，樂信整體信貸規(guī)模逐季增速，截至今年二季度為905億，較去年同期增長了46.2%。
信貸規(guī)模高速增長的情況下，樂信做到了較好的風險控制，逾期率呈現(xiàn)穩(wěn)步下降趨勢，今年二季度，M3逾期率較去年同期下降了1.14個百分點。
M3逾期率受歷史借款影響，不能很好的反映新增借款逾期率變化。在財報中，公司提到新增借款的FPD30已經(jīng)連續(xù)12個月保持在1%以下，6月底，樂信一天以上的逾期率同比降低40%。
風控能力的提升，得益于公司的風控系統(tǒng)，公司以復雜網(wǎng)絡、自動特征生成、LBS風險識別評估等“黑科技”作為底層，構建了一套風險策略管理系統(tǒng)。
通過風險管理策略系統(tǒng)，樂信可以對用戶的壞帳，用戶生命周期利潤進行跟蹤和預測。有了上述跟蹤和預測能力，公司搭建了一套風險管理體系，形成按日、按周、按月的追蹤預警分析機制，并把用戶特征、催收運營等指標拆分為若干維度。
當用戶風險出現(xiàn)偏差后，風險監(jiān)控預警機制可快速監(jiān)測到業(yè)務異常，自動化算法，又對造成偏差影響力最大的因素總結出來，進行針對性的風險管控和攔截。
這樣說比較抽象，舉一個公司提到的案例。
今年早期樂信入催率有一定上升，自動化預警系統(tǒng)做出預警后，自動化歸因系統(tǒng)從用戶特征的若干維度中發(fā)現(xiàn)，使用某類其它金融產(chǎn)業(yè)的用戶是造成異常的最大因素，之后系統(tǒng)將這部分用戶進一步拆分，細分到年齡、地域等更精細化的維度，從而對用戶進行針對性的策略攔截和管控，公司入催率也很快恢復了正常。
當然風控不只存在于獲客后的監(jiān)測，在貸前對用戶進行風險定價以及反欺詐同樣重要。在風險定價方面，公司通過用戶定價體系，基于不同人群在一定利率期間內(nèi)的風險表現(xiàn)，為客戶進行差異化定價，推出針對性產(chǎn)品。
樂信基于用戶定價體系，將用戶分為價格敏感類、信貸饑渴類、優(yōu)質(zhì)用戶，針對不同用戶對價格的交易敏感度、單位交易收益率，采取更靈活和更精準的價格策略。舉個例子，優(yōu)質(zhì)用戶定價越高，潛在的交易量越小，但單位交易量潛在的利潤率越高，公司會找到交易量與利潤的最優(yōu)解進行定價。
在反欺詐方面，公司建立了超過23億節(jié)點和千億級聯(lián)接的核心多實體關系圖譜，針對高風險交易行為TOP5的預測準確率提升10倍。
這樣說有點抽象，不好理解樂信反欺詐是怎么做的，我用大白話說明一下，公司通過LBS網(wǎng)格化技術，將中國版圖按照100×100米的畫工方式切成了無數(shù)個網(wǎng)格，公司基于每個網(wǎng)格內(nèi)的用戶體征、所在街區(qū)、影象解析等做風險管控。例如，公司從街區(qū)圖象識別中發(fā)現(xiàn)，某類街區(qū)有大量含金融字眼的商鋪，意味著街區(qū)有很多線下中介，風險相對較高，公司就會減少該地區(qū)的業(yè)務量。
在自身風控有穩(wěn)定表現(xiàn)后，樂信正將風控能力對外輸出。樂信風控能力對外輸出有一定的產(chǎn)業(yè)邏輯可循：
一方面，區(qū)域性銀行無法承受巨額成本構建完善的團隊來提升長尾客戶貸款能力，另一方面，對于風險的定價需要持續(xù)的數(shù)據(jù)積累和模型優(yōu)化，而且需要持續(xù)迭代相應的反欺詐和風險預警能力，這是服務億級用戶之后的寶貴實踐，并非區(qū)域小樣本客戶可以習得。
基于此，樂信正將風控能力對外輸出，推出了三大產(chǎn)品：
• 樂圖：對接樂信資產(chǎn)，金融機構可通過借助樂圖提升通過率的同時，保證資產(chǎn)的風險并不上升。
• 樂圖PRO：對接樂信外的互聯(lián)網(wǎng)資產(chǎn)，如金融機構在今日頭條等巨頭上獲取的流量，金融機構通過樂圖PRO，在提升通過率同時，保證資產(chǎn)的風險并不上升。
• 負熵：針對銀行自營資產(chǎn)開展資產(chǎn)有效“回撈”，可幫助資放精細化運營自營資產(chǎn)，實現(xiàn)降本增效。
不難發(fā)現(xiàn)，三大產(chǎn)品都解決了金融機構的風險定價問題，而這正是金融機構的核心痛點，缺乏風險定價，使傳統(tǒng)金融機構定價范圍窄，無法滿足多元的用戶需求，導致通過率變低，即不利于吸引新用戶，也不利于存量用戶運營。
也正是對風險定價這一問題的解決，樂信三大產(chǎn)品也取得了不錯的成果，使用樂圖的金融機構超過6家，平均每家通過率提升1.69倍;樂圖pro的日均調(diào)用量超過8萬次;負熵使合作銀行的業(yè)務量提高一倍。
從長期來看銀行最終要與Fintech 公司合作，持續(xù)更新金融科技方面的能力，確保業(yè)務的可持續(xù)性。
2.技術能力的強弱決定未來金融業(yè)務能力的強弱
樂信技術能力的賦能并不僅僅體現(xiàn)在風控環(huán)節(jié)，而是體現(xiàn)在金融科技業(yè)務貸前、貸中、貸后的全業(yè)務流程賦能，最終樂信的運營效率也有所改善。
在貸前環(huán)節(jié)，以獲客為例，樂信獲客成本低于行業(yè)競對，以銷售費用/新增用戶數(shù)量計算，二季度，樂信獲客成本為291.2元/人，信也科技為400元/人。(注：360數(shù)科為批露新增用戶數(shù))
一方面，樂信通過機器學習平臺建立的學習模型，可以幫助公司更好的做廣告投放計劃，規(guī)避高成本流量，找出ROI最高的獲客渠道。
另一方面，公司獲取用戶后，公司通過聯(lián)邦學習算法，也可以從更多維度了解用戶，聯(lián)邦學習可以根據(jù)現(xiàn)有數(shù)據(jù)，對人群特征進行深入挖掘，既能為用戶提供更適合的產(chǎn)品，也能通過數(shù)據(jù)驅(qū)動對用戶進行二次營銷。
在貸中環(huán)節(jié)，以資金接入為例，樂信接入時間金融機構資金的時間，由兩周縮短為幾分鐘。背后得益于樂信通過Toplink系統(tǒng)，對貸前，流程編排，自動校驗等接入環(huán)節(jié)，進行AI驅(qū)動的自動配置，免去了大概60%-70%人工。
當然，資金方接入后，也需要和金融機構做資產(chǎn)報表，結清證明，盡調(diào)工序，等大量測試，公司通過魯班系統(tǒng)將上述測試環(huán)節(jié)進行標準化處理，可以實現(xiàn)數(shù)據(jù)自動測試。
在貸后環(huán)節(jié)，以賬款回收為例，樂信歷史不良資產(chǎn)回收率較去年提高了30%，不良資產(chǎn)實現(xiàn)賬款回收的提升，正是得益于公司通過算法，分析出客戶畫像，從而針對每個客戶，找到更適合的回款手段。
除了對業(yè)務流程的賦能，技術也能使公司更好的應對外部環(huán)境的變化，始終在發(fā)展中保持確定性。
我舉個例子，監(jiān)管加強「數(shù)據(jù)治理」已經(jīng)是大勢所趨。一方面，以往違規(guī)收集大量用戶金融數(shù)據(jù)以及非金融類替代性數(shù)據(jù)的粗曠式做法，將受到限制。另一方面，過往公司之間可直接交換數(shù)據(jù)，但目前這種情況也被禁止。
隨著數(shù)據(jù)采集、傳導和使用機制等發(fā)生變化，曾經(jīng)的大數(shù)據(jù)、厚數(shù)據(jù)時代將逐步進入小數(shù)據(jù)和薄數(shù)據(jù)時代。
在上述背景下，如何弱化小數(shù)據(jù)和薄數(shù)據(jù)對業(yè)務的負面影響，成為FinTech必須解決的問題，這時候，樂信的技術能力至少起到了兩點作用：
1)通過新技術的應用，將數(shù)據(jù)“由小變大”。比如，樂信通過聯(lián)邦學習建模，即多個實體間在不交換原始數(shù)據(jù)的情況下交換機器學習，從而達成雙方模型的共同提升，最終做到在不交換用戶原始數(shù)據(jù)的情況下，只交換數(shù)據(jù)訓練的中間結果，就可獲取到集合多家數(shù)據(jù)后的用戶分析結果。
2)加強數(shù)據(jù)深挖，將數(shù)據(jù)“由薄變厚”，在過往，數(shù)據(jù)廣度較多，導致行業(yè)數(shù)據(jù)挖掘的深度不足，當在市場環(huán)境倒逼下，樂信通過技術優(yōu)勢可以對數(shù)據(jù)進行深入挖掘，弱化數(shù)據(jù)變少后的影響。
在交流會中，樂信CTO陸勇提到下一步工作的核心就是通過技術提高企業(yè)的運營效率，精耕細作——以樂信目前一年2000多億的促成借款額算，千分之一的效率優(yōu)化就就將影響到2個億的金額。
回到FinTech行業(yè)的發(fā)展邏輯，行業(yè)發(fā)展早期，行業(yè)內(nèi)公司即使粗曠式發(fā)展，也能取得不錯增長。但當下，行業(yè)發(fā)展成熟，利率下行，獲客成本上升是大勢所趨，行業(yè)內(nèi)公司必須向精細化運營求增長。這時候，通過風控降低業(yè)務風險，通過技術對業(yè)務降本增效就成為必然之舉。
從這個角度看，風控和科技是FinTech的核心競爭力，未來科技和風控領先的玩家，將是行業(yè)內(nèi)最具確定性的企業(yè)。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
