拨开大数据风控的重重迷雾 金融科技的战略地位不可取代

近日，围绕在大数据风控和智能风控的争议引发了社会各界的热烈讨论，甚至于还衍生出很多超越技术本身的命题，比如科技的善与恶、金融与科技、风险与创新、效率与安全、法律与监督等一系列问题。

总而言之，如何正确解读行业一时之间成为了一个宏大的命题。

大数据风控或智能风控行业在欧美等发达国家，在信用经济、消费经济、普惠金融等领域扮演着不可替代的角色。随着与人工智能、机器学习等技术的融合发展，大数据分析或智能风控在我国也进入到了发展的快车道。

大数据、云计算以及人工智能等技术的融合，让银行与客户的交易信息成为可以利用的有效资源。对客户信息的分析更加全面、科学、便捷、有效。比如银行在与个人、企业进行业务交互的过程中掌握大量的碎片化信息，通过智能化的模型能够将这些信息进行整合，进而为金融服务提供有效的智能分析和决策服务，目前大数据分析和智能分析已经在各大银行、互联网平台、汽车金融、保险等领域广泛应用。

近年来，各大国有银行、股份制银行近两年纷纷成立独立科技公司，其重要使命之一就是强化智能风控和分析的能力。可以说作为一种全新的风控技术手段，已经成为了各领域不可替代、不可获取的重要工具。而有分析机构也预测，未来行业将保持高速增长，市场潜在产值达到千亿。

三问大数据风控

但同时，我们也必须认清，围绕在行业的争议也从未停止过，尤其是在行业野蛮发展、企业水平良莠不齐的基础上，一些负面新闻不断发生，让大众加深了对行业的误解，误解最深的有以下典型三个层面：

一、大数据风控企业是隐私泄露的元凶？

事实上，大数据分析市场是一个极为庞大和复杂的体系组成。以美国为例，其个人数据市场结构为三个层级组成：全面征信机构（Credit Bureaus，亦称为局方，比如三大征信局）、专业征信信息提供商、数据分析公司（比如FICO）。

大数据公司仅特指提供数据买卖和提供流量服务为主要业务的企业，他们通过各种渠道获取数据，面对不同场景简单打包，直接销售给客户。

而大数据风控是专指提供数据分析、人工智能、机器学习、大数据平台能力以及分析咨询服务的企业。

大数据风控公司的价值体现和核心竞争力在于科技能力，这与大数据公司直接贩卖数据和流量的商业模式有本质的区别，而被人诟病的数据泄露和隐私侵犯的问题均是由大数据公司引发，而非大数据风控公司。

二、大数据风控企业成了“高利贷”的帮凶？

这样的误解是完全对大数据风控价值的颠覆，事实上，大数据风控就是为解决借贷双方信息不透明、助力金融服务下沉的*使命而诞生的。

古今中外，借贷需求没有一天是不存在的，而且更关键的是，借贷的双方不透明和不公平之间的矛盾也是没有一天不存在的。大量互联网平台的诞生，实际上在某种程度上将以往民间的地下借贷需求搬到了网上，在某种程度上起到了降低不规范和非法借贷事件的发生。

我们要清楚认识到，需求是刺激供给的核心因素，借贷需求会永远存在，“高利贷”的出现是因为用户需求的非正常满足，而大数据风控恰恰是为解决需要与供给的合理匹配，同时能站在更高的视角，断绝多平台借贷而产生的“以债养债”的问题。

而我们会发现，往往那些有“高利贷”行为的平台，基本都是缺乏一套完善的风控体系，只能采用高利率覆盖高风险的冒险做法。假设没有风控服务商，借款人依然有借贷的需求，借款人成本会更高，高利贷的风险会更加突出。从辩证的角度看大数据风控公司并不是高利贷的帮凶，而是遏制高利贷事件发生的重要工具。

三、大数据风控企业助长了现金贷行业的泛滥？

现金贷是民间借贷的常见形式，其主要特点是以纯信用为依托的借贷方式，在互联网金融的模式下，现金贷演化成不需要说明贷款的用途和方式，这其中蕴藏了巨大风险点。

经过了国家的多次治理，现金贷行业进入到规范发展的阶段，还是那句话，需求是恒定的，为更好管理现金贷行业，并非采取粗暴的取缔方式，堵不如疏，近两年我们“欣喜”地看到现金贷正从非银机构-向持牌机构在转移。

而这个转移过程中，大数据风控企业起到了重要作用，商业银行的个人金融业务,在大数据分析公司的技术支持下,商业银行可以从无法上线“现金贷”业务逐步过渡到有能力上线“现金贷”"业务，并能有效阻止风险的转移。

可以说，大数据风控企业正在联合银行进行一次伟大的行业迁移。

金融科技的发展是国家复兴的战略需要

纵观金融发展历史，每一次技术的革新都有力地推动了金融服务领域的拓展和纬度的提升。当下大数据分析的技术进步，已经不单单是提升金融效率的工具，而是以业务重构和产品创新的方式，推动金融业的转型和客户体验的提升。

传统金融机构的风控手段比较单一，无法为长尾客户提供风险定价，从而也没有能力提供与其风险相匹配的金融服务。这一困境在小微企业之间也非常明显，而以大数据风控和智能风控为代表的金融科技的出现为解决这些问题提供全新的解决方案。

利用人工智能、大数据、云计算等技术，结合各类风险模型搭建，可以实现在大批量作业下，风险识别更准，风险识别更快，同时也能实现机器对人的取代，形成贷前、贷中、贷后体系化和全周期化的生态系统，让个人和企业金融需求更具可得性。

金融是现代经济的核心，实体经济的血液。强大的国家一定需要有强大的金融体系，金融的本质是优化资源配置，使资金流向更有发展前景的实体经济。随着中国的迅速崛起，不难预见，未来十年中国的金融业必将开拓出全新的发展局面。

而以大数据分析和智能风控为代表的金融科技则是中国弯道超车重建国际金融秩序的重要手段，

中国除去住房按揭贷款后，消费金融信贷比例不足5%，远低于国外成熟市场30%左右的平均水平，截止到2017年底中国人均信用卡持卡量达到0.39张,美国同期的人均持卡量为3.3张左右,即使与我国消费文化习俗较为相近的日本,其人均持卡量也达到了2张左右。相较于美国和日本市场,中国还有很大的增长空间。

金融科技将在未来十年甚至更远的时间内，极大推动个人消费信贷的升级，而金融科技也将更好发挥助力金融支持实体经济的功能，引导资金向中小微企业倾斜，事实上，我们已经开始看到金融科技助力普惠金融发展的重要成果。

产业升级、消费升级以及助力实体经济发展，将是未来中国挖掘新的增长点重要的抓手，而这些无一例外，都需要金融科技进行疏导和推动。而且随着新经济模式的崛起，未来大工业生产的时代即将落幕，以数字化和智能化为代表的新经济模式将会成为拉动中国经济增长的重要引擎。在国务院十三五规划中，明确指出，要促进金融产品和服务创新，完善科技和金融结合机制，形成各类金融工具协同发展的科技金融生态。随着新的经济形态的发展，金融科技在未来势必将扮演重要的角色。