劉思宇：科技革新改變金融行業，大數據將驅動現金貸的未來

劉思宇，貸款錢包CEO。2014年創立著名股權眾籌平台天使街，目前已經成為首批在證券業協會備案的股權眾籌平台，設立子公司50餘家，為數十個創業項目完成近2億的融資。2015年創立51理財APP，以過億估值獲業內專業投資機構和投資人認可。連續十四年致力於社會公益事業並做出貢獻，當選2011教育十大影響人物，被媒體譽為「當代先鋒」。

現金貸是互聯網金融的第二波浪潮

今天主要分享的是最近特別火的現金貸行業以及現金貸行業背後整體的技術邏輯。

為什麼這波浪潮能夠起來，它怎麼運作的，背後的風控邏輯是什麼，它賺的是哪部分錢，暴利來自哪裡，能夠持續多久，會遇到什麼問題，如果大家想做這件事情，這個時間段截取暴利應該怎麼做，有什麼途徑，需要投入怎麼樣的資金才能夠去賺到這一波浪潮裡面的錢。今天我會就這些問題進行解讀。

2013年開始，由於餘額寶的誕生，互聯網金融開始崛起。今天所有互聯網金融的從業者都要感謝餘額寶，因為它的模式註定了你的錢放在互聯網上能夠帶來更高的收益，這個非常樸素的利益觀帶來了整個互聯網金融的浪潮。

從最早的P2P、股權眾籌到今天的現金貸，我認為現金貸是繼P2P、比特幣之後在互聯網行業中為數不多的第二波浪潮，第一波浪潮以P2P行業為主，滋生大量互聯網金融的從業者。現金貸帶來的第二波小的高潮來自於利潤奇高，但很多人現在會擔心將來的政策風險。

互聯網這波浪潮當中有兩個非常明顯的區別。我對互聯網金融有兩個明確的劃分，一是基於渠道，以流量為核心的互聯網金融；二是基於技術為核心的互聯網金融。

基於流量為核心的互聯網金融就是把互聯網作為一個通道型業務，主要是賣產品。比如餘額寶的本質就是通過巨大的流量賣貨幣基金，而P2P的本質就是基於互聯網流量賣債權收益的產品，只要你有流量就能夠賣出產品。

P2P在技術上的突飛猛進能夠改變傳統金融嗎？我認為是不能。P2P本質上就是一個賣收益的電商網站，技術革新對這個行業沒有太大用處。而股權眾籌是什麼？股權眾籌就是把股權打包成一個收益型產品，放在網上做集資眾籌。本質上只要有流量，能賣出產品就能做的好。

以數據、技術為核心的互聯網金融模式會改變了金融的邏輯。比如芝麻信用，就是基於你的消費行為判斷你的還款能力。消費用力不同，徵信積分也不一樣，應用在金融上就是高積分的人借貸享受更低利率的融資成本，更低信用積分的人要承擔更高的融資成本。這就是徵信積分應用在金融當中的一個基本邏輯。

大數據風控模型在現金貸中的作用

有8億適齡勞動人群，6億左右沒有信用卡，意味著有6億人在央行徵信中心是白戶。現金貸恰恰服務的就是這群人，他們給行業帶來了巨大的機會。我想藉此說明互聯網金融的第二個核心是技術，這是長期以來被創業者忽略的地方。

金融+AI的模式就是基於這種以技術為核心的互聯網金融，首先我們認為它是金融人工智慧，具體怎麼理解呢？

在，互聯網金融行業要做成有百萬量級到千萬量級的產品是非常困難的。某家公司過幾百億交易額的時候，只有50多萬的註冊用戶，十多萬的實際投資用戶，對其它的互聯網品類來說是非常小的用戶基礎。但是因為對於這類產品，每一個用戶都有真金白銀的價值，不需要算轉化率。

現金貸服務的是6億沒有信用卡的小微用戶，這群人因為沒有信用卡所以沒有信用記錄，那我們怎麼樣去判斷這個用戶的信用呢？我們利用大數據風控的方式做信評、信審、信批，這是非常重要的三個環節。

我給大家介紹一下我們怎麼樣去使用這個風控模型：

第一步，做活體識別，避免用戶使用假身份證的可能，確定身份證的持有者，對借貸人做出判斷。

第二步，現在使用手機的任何一個環節都可被監控、被查證，而且是用特別簡單的技術，因此我們會藉此採取反欺詐手段。

首先，在設備當中嵌入設備指紋。如果一個團隊一起申請現金貸，並且共享一個WIFI，很可能就是團伙欺詐。再比如用基站和GPS同時定位，防止有人模擬GPS定位，如果對方的誤差距離超過了認定的有效距離，就有很大概率是欺詐行為。

其次，抓取通信運營商報告，獲取通話記錄等各種信息。這種方法用於觀察通話人員、通話的時長、比例是否正常，能有效反欺詐或者催收。

在反欺詐合作方面，有非常多的風控方式幫助我們做信用評估。

現金貸的年化率綜合來看非常之高，甚至連高利貸都比不上，但是它和高利貸有一個很大的區別在於期限非常短。雖然利率非常高，但同時資金使用效率也特別高，半個月或者一個月回一次款，金額又小，催收很容易。

現金貸的用戶畫像基本上是月收入大概在5000左右，年齡在20歲到40歲的年輕人，大部分是80后90后。在現在的經濟狀況下，大部分年輕人都已經開始超前消費，大多數人還在問，會有人借這麼點錢嗎？這也是為什麼抓住市場機遇的人總是少數，因為人們往往很難提前發現時代已經不一樣了。

現金貸模式的核心是快速申請，自動批貸，即時到賬。對於目標用戶而言，利率雖然高，利息的絕對值卻不高，這導致用戶的接受程度很高，願意接受這樣的議價，這是這個模式能夠運行的邏輯基礎。

現金貸中的人工智慧

接下來會講金融+AI。人工智慧的核心有兩個：機器決策和機器學習，我們鍛鍊出來的這個系統，它不僅可以技術決策，還會自己學習。

技術決策的環節，我們改變了傳統金融機構複雜冗長的放貸決策流程，通過用戶簡單填寫的個人信息，用全自動化的在線批貸流程，以數萬個風險因子為用戶做信用評估，最終進行放款決策。決策過程包括身份評估、交易評估以及風險評估。

機器學習的環節，貸款錢包會根據用戶畫像和貸后表現形成一套模型，每進行一次貸款都會影響這個貸款模型的更迭，在更迭過程中機器越來越智能。

它通過決策數、線性分析、邏輯回歸等等決策機制，讓整個借款流程不斷優化，壞賬率不斷降低，這就是它的意義所在。

貸款錢包有全流程的風控系統，裡面包含了從貸前、貸中到貸后的一個處理方式，可以批量識別劣質客戶，然後通過反垃圾、反作弊的各種手段識別用戶，進入反欺詐階段，最後是貸后階段的催收。

現金貸不靠線下催收，都靠電催，而一個有技術化支撐的催收團隊和一個沒有技術化支撐的團隊，收益會相差好幾倍。

貸前審核的部分，包括了信貸逾期信息，司法不良記錄，身份證信息認證，網路行為分析，騙貸團伙識別，多頭負債等部分，各種元素都能夠給平台信息，判斷能否在信用評估之後做信用審批，發放貸款。

我認為現金貸是有長期發展空間的一件事情它的核心邏輯是改變傳統銀行信貸效率低下的狀況，相當於一張虛擬信用卡，給那些在央行的徵信中心沒有信用記錄的人提供了信用的價值和能力，讓他們能夠享有新的融資手段。

2017年消費金融行業發展報告分析

1.整個社會消費品零售總額在增長，消費信貸在金融機構貸款中的地位提高，對經濟發展的支持作用增強。

消費金融近兩年很火，但實際拿得出手的也就是現金貸，因為線下的消費金融基本都存在問題，比如醫美分期、3C產品分期和教育分期存在大量的壞賬，而且3C產品流動性太大，醫美、教育分期則存在機構聯合騙貸的情況，只有現金貸在消費金融里還算不錯。

2.消費升級推動了短期普惠消費貸款比重的增長。從2010年的12.7%到2016年的19.7%，期間佔比雖然有所回落，但仍然保持較高值，和中長期消費性貸款增長速度較快。

3.消費金融公司在整個金融環節處於產業鏈核心位置，目前消費場景拓展和風控是關鍵。

4.多類企業逐鹿消費金融市場，參與者可分為四類：一是商業銀行，其推出的消費金融產品種類繁多，主要包括信用卡和消費貸款 ；二是持牌消費金融公司；三是行業巨頭旗下的互聯網金融公司；四是P2P借貸平台以及專註於垂直消費領域的其他企業。

5.傳統消費金融在審批模式上依據成熟徵信和風控體系進行審批，審批速度較慢；資金來源與運用可以直接對接，成本較低；收到的監管也更嚴。

互聯網消費金融通過大數據技術，對客戶基本信息、消費數據、行為信息等多維數據進行交叉驗證，以此進行審批，審批速度較快；資金成本較高，監管也較為寬鬆，給金融行業創新留出了空間。

6.移動消費金融用戶達到2.23億。這個行業已經不需要進行市場教育。我認為但凡需要進行市場教育和用戶教育的項目都基本上做不成，因為不可能有這樣的資本實力。

7.移動消費金融應用行業圖譜中，傳統消費金融主要是銀行信用卡，互聯網消費金融分為無場景的現金貸和場景化的網購分期、教育分期和旅遊分期等。其中大學生分期既包括消費信貸，也包括購物分期。

8.從各類消費金融應用的行業滲透率&使用率分佈來看，銀行信用卡應用行業滲透率較高，現金貸應用使用率較高;現金貸發展時間短，滲透速度極快。而面向特定消費場景的各類分期應用行業滲透率和應用使用率都相對較低。

9.在消費金融細分行業應用中，銀行卡覆蓋率最高，但銀行機制太傳統，銀行卡沒有發展好，幾乎不可能再有突飛猛進的機會；現金貸目前覆蓋率和活躍率都排第一的是宜人貸，較多現金貸用戶存在多頭借貸現象。

網購金融top1是招聯金融；大學生分期應用top1是分期樂，但現在政策限制，校園貸已經無法作為主要市場；汽車、教育、租房等其他分期應用還處於發展初期。

10.信用卡用戶以80后90後為主，性別分佈較為均衡，90后信用卡用戶較多來自一二線城市。80後用戶偏愛母嬰應用、服飾鞋帽消費，90後用戶偏愛視頻應用、生活服務消費。

80后現金貸用戶主要來自三線及以下城市，偏愛健康美容應用、生活服務消費，90後用戶偏愛遊戲應用、服飾鞋帽消費。

年輕女性是醫美分期消費主力，文娛從業者最捨得為美麗買單，醫美分期男性用戶更趨於年輕化；80後為整容消費高於90后，上海用戶最敢為整容消費；80后醫美用戶愛豐胸，90后醫美用戶愛瘦臉。

11.消費金融行業野蠻生長下潛藏風險，消費金融公司的不良率持續走高，且速度明顯高於商業銀行，不規範的催收事件也頻有發生，這對行業的風控和監管提出更高要求。

12.從營銷、反欺詐、身份驗證等貸前審核階段，到共債分析、信用評估、風險定價等貸中評估階段，再到監控預警、催收管理等貸后控制階段，數據已經滲透到消費金融整個流程，為消費金融企業整個貸款流程提供全方位的服務。

13.消費金融產業持續優化，要想在激烈的競爭中脫穎而出，還需與場景深入結合，同時掌握大數據、風控、徵信、反欺詐等金融科技，企業才會勝出。