2015年的最佳商業(yè)模式峰會(huì )上，夸客金融給我們留下最深的印象，是終于有一家“靠技術(shù)吃飯”的互聯(lián)網(wǎng)金融公司了。公司通過(guò)線(xiàn)下團隊搜集數據，用“信貸工場(chǎng)”打造出一條金融流水線(xiàn)，夸客金融希望通過(guò)將風(fēng)險“量化”，以流水線(xiàn)的方式“生產(chǎn)”貸款，攤薄每筆貸款的成本，惠及更多受眾。

瞄準高增長(cháng)小分子人群

夸客金融聚焦在個(gè)人消費金融和小微企業(yè)主的融資需求，這是被商業(yè)銀行冷落的一塊地帶。相對于大額貸款來(lái)說(shuō)，面向小微企業(yè)和個(gè)人的信貸，貸款數額小，信貸風(fēng)險高，傳統商業(yè)銀行不喜歡。面向大多數人群，單個(gè)用戶(hù)的貸款數額可能并不高，但是如果聚沙成塔，就會(huì )形成一個(gè)長(cháng)尾市場(chǎng)。

移動(dòng)互聯(lián)網(wǎng)時(shí)代的一個(gè)進(jìn)步之處，是點(diǎn)對點(diǎn)連接變得更加高效。這使得市場(chǎng)中需要融資的“點(diǎn)”和有能力借款的“點(diǎn)”能夠更加高效地匹配。純粹進(jìn)行信息匹配的互聯(lián)網(wǎng)金融平臺，在這樣的形式下也應運而生。然而這種模式，在眼下依然有很長(cháng)的路需要走，尤其是中國市場(chǎng)還缺少一個(gè)風(fēng)險定價(jià)環(huán)境。

換言之，平臺在其中扮演的角色，不能僅僅是一個(gè)“融資媒介”，還需要對風(fēng)險進(jìn)行評估、定價(jià)、把控，這也是金融行業(yè)的門(mén)檻之一。

隨著(zhù)國內中產(chǎn)階級群體的崛起，橄欖的中段在膨脹，加之消費升級的大環(huán)境，夸客金融瞄準的正是這樣一個(gè)高增長(cháng)人群。截至2014年，個(gè)人消費貸款余額大約是7.7萬(wàn)億元人民幣，這一數字將于2018年增長(cháng)至17.5萬(wàn)億元人民幣左右。高增長(cháng)的另一面，是這個(gè)群體信用臉譜不清晰，與銀行的關(guān)系弱，國內征信系統不完善，用戶(hù)的信息存在缺失、不全面，這些都直接給融資中的風(fēng)險管理提高了難度。

線(xiàn)上線(xiàn)下補齊用戶(hù)風(fēng)險樣貌

要進(jìn)行風(fēng)險管理，第一步就是要有能夠管理的數據?？淇瓦x擇了線(xiàn)上線(xiàn)下兩個(gè)方向，進(jìn)行信息搜集。

線(xiàn)下來(lái)說(shuō)，夸客在上海和武漢打造信貸工場(chǎng)，客戶(hù)人員通過(guò)電話(huà)和客戶(hù)互動(dòng)，收集數據，信貸工場(chǎng)人員規模高達4 000人。同時(shí)，夸客的地面部隊覆蓋了30多個(gè)城市，業(yè)務(wù)人員面對面和客戶(hù)接觸，這也是在收集數據，并且是原始且有效的數據。

除了地面部隊自己搜集的數據，夸客同時(shí)也打通了幾個(gè)信息渠道，與中智誠、深圳平安前海征信、鵬元征信等8家個(gè)人征信公司達成合作，多維度地獲取數據。

在線(xiàn)上，夸客與其他金融平臺、消費平臺打通，抓取其他平臺數據，以描繪出用戶(hù)的風(fēng)險樣貌。

“我們把所有這些線(xiàn)上線(xiàn)下的、第三方的、地面業(yè)務(wù)人員、信貸工場(chǎng)的作業(yè)人員……任何可能和客戶(hù)接觸到的點(diǎn)，都是非常有價(jià)值的數據收集點(diǎn)，將它們集合之后，通過(guò)數據挖掘技術(shù)來(lái)做征信。”郭震洲說(shuō)。

信貸工場(chǎng)：金融的流水線(xiàn)

在大量的信息匯聚之后，如何甄別風(fēng)險，就到了下一個(gè)環(huán)節：信貸工場(chǎng)。

兩百多年前英國人喬賽亞·韋奇伍德在他的陶器工廠(chǎng)里，第一次用流水線(xiàn)替代工人，提高了生產(chǎn)效率，降低了成本。其中一個(gè)重要的變動(dòng)因素，就是人在生產(chǎn)中發(fā)揮的作用被減少，盡可能的依靠機器。機器的好處是工作時(shí)間長(cháng)，同時(shí)錯誤率低。如果能將小額貸款放入到如車(chē)間流水線(xiàn)一樣的“貸款生產(chǎn)環(huán)節”中，通過(guò)教育系統，降低人在其中的作用，而提高機器的比重，就能降低每筆貸款的成本。在美國，通過(guò)運用FICO信用評分，金融機構根據分數段定價(jià)，客戶(hù)分層實(shí)現了精細化、個(gè)性化，平均能夠給每個(gè)客戶(hù)省下1 000美元的成本。

而在夸客的上海信貸工場(chǎng)，一筆融資從進(jìn)入流程到結束流程，已經(jīng)做到像工廠(chǎng)流水線(xiàn)一樣的操作。

一筆貸款在信貸工場(chǎng)被“生產(chǎn)”出來(lái)，要經(jīng)過(guò)3個(gè)環(huán)節——初審、終審和貸后管理。

初審：人機交互測繪風(fēng)險信息

信貸工場(chǎng)中的員工在處理申請的時(shí)候，實(shí)際上只會(huì )接觸到90%的貸款申請，有10%的申請可能會(huì )因為申請額度小(意味著(zhù)風(fēng)險低)且符合規范，就由系統自動(dòng)批準通過(guò)，不用進(jìn)入人工環(huán)節。

每個(gè)申請人信息包括數千個(gè)數據點(diǎn)，工資收入、銀行流水、手機通訊記錄、直系親屬電話(huà)、工作地址、家庭住址等。這些數據點(diǎn)會(huì )被分到400多個(gè)維度下面，進(jìn)行分類(lèi)評估。如此大量的信息，會(huì )由人工和系統共同進(jìn)行處理，需要人工處理的環(huán)節占到約40%，需要機器處理的則占到60%。

系統處理的60%，通常是相對明確的信息，比如征信報告中提到的數據，公開(kāi)來(lái)源獲得的數據。這種簡(jiǎn)單的是非判斷，就會(huì )由系統進(jìn)行自動(dòng)判別。

人工處理的40%，則是系統已經(jīng)識別為異常，但系統無(wú)法進(jìn)行判別的信息。比如21歲的申請人的月收入超過(guò)萬(wàn)元，這在系統眼中屬于“邏輯異常”，系統會(huì )在后臺標紅提醒初審人員。初審人員會(huì )通過(guò)其他方式，比如電話(huà)聯(lián)系申請人，或者與地面同事了解情況，求證系統標紅的信息是否存在異常，再進(jìn)行處理。

在“系統+人工”的合力下，一個(gè)申請的處理時(shí)間需要大約30分鐘。通過(guò)初審的申請，初審人員會(huì )推送到下一個(gè)環(huán)節——終審。

終審：給風(fēng)險定價(jià)

簡(jiǎn)單來(lái)說(shuō)，初審是判斷“能不能貸”，終審的任務(wù)則是判斷“能貸多少”。

目前，夸客開(kāi)發(fā)的牛盾風(fēng)控系統已經(jīng)可以通過(guò)風(fēng)控模型，對每一筆借款給出一個(gè)相應的風(fēng)險評級，最后系統再依據風(fēng)險評級形成風(fēng)險定價(jià)，給出客戶(hù)的借款額度范圍。

舉例來(lái)說(shuō)，夸客自建金融的終審人員接到初審提交的信息之后，一個(gè)重要工作是對風(fēng)險進(jìn)行定價(jià)。終審人員首先會(huì )對關(guān)鍵性數據進(jìn)行復審抽查，然后在系統的輔助下，給出可以放款的區間，也就是風(fēng)險定價(jià)。舉例來(lái)說(shuō)，如果貸款申請在12萬(wàn)元，但是根據系統評估，安全放款區間應當在5~8萬(wàn)元，終審人員最多會(huì )放出8萬(wàn)元貸款，如此降低貸款風(fēng)險。同樣是12萬(wàn)元的申請，系統在終審環(huán)節可能會(huì )給出8~14萬(wàn)元的放款區間，在這樣的情況下，終審人員也只會(huì )批準12萬(wàn)元的貸款。

經(jīng)過(guò)信貸工場(chǎng)的環(huán)節之后，最終拿到貸款的申請人大約占到50%。

貸后管理：風(fēng)險后續監控

放款離開(kāi)信貸工場(chǎng)的時(shí)候，并非就離開(kāi)了夸客的視線(xiàn)。系統會(huì )以打包的形式，將這筆貸款提交到下一個(gè)環(huán)節——貸后管理。

夸客的風(fēng)險運營(yíng)部會(huì )以天為單位，對貸款進(jìn)行追蹤、監控。如果貸款超期未還，貸后管理就會(huì )啟動(dòng)催款機制。根據超期的時(shí)間不同，貸后管理會(huì )分為M1和M2兩個(gè)階段。M1主要處理超期1天到30天的款項，M2則主要處理超期30天到60天的款項。有約90%的逾期借款會(huì )在M1階段收回。

大數據加工線(xiàn)

當信貸工場(chǎng)產(chǎn)生的數據達到一定程度的時(shí)候，夸客就可以逐漸降低“人腦”在放貸過(guò)程中的決策比重，提升“電腦”進(jìn)行決策的權限。這是一個(gè)“從零到一”的過(guò)程，數據為零的時(shí)候只能依靠“人腦”，數據逐漸增多之后，重心就會(huì )逐漸轉移到“機器”上。當大數據足夠多的時(shí)候，機器就可以不斷學(xué)習。在很多地方，我們對未來(lái)的一個(gè)想象，就是大數據。最近滴滴先后拿到蘋(píng)果10億美金，中國人壽6億美金的融資。從滴滴的公開(kāi)表態(tài)來(lái)看，承載如此龐大的兩筆融資的模式，最后也是落腳于出行大數據。

大數據首先有一個(gè)繁重的搜集過(guò)程，這也是夸客信貸工場(chǎng)的一個(gè)重要工作。從初審到貸后管理，系統會(huì )記錄申請人的所有信息和動(dòng)作。即使是發(fā)生在口頭、電話(huà)中的信息，也會(huì )被系統記錄下來(lái)，用以完善用戶(hù)的數據。

這就好像是阿里巴巴掌握了用戶(hù)的購買(mǎi)數據，夸客則在描繪關(guān)于一個(gè)用戶(hù)的信用數據。自1996年進(jìn)入美國銀行業(yè)，郭震洲先后在美國富利銀行、美國國際集團、摩根大通銀行等金融集團擔任高管，一直在消費金融領(lǐng)域負責風(fēng)險管理業(yè)務(wù)。美國次貸風(fēng)暴、臺灣雙卡風(fēng)暴等，郭震洲都有在金融一線(xiàn)參與。這就讓郭震洲深知“數據”對于金融公司的重要意義。

行業(yè)需要后來(lái)者，又難于后來(lái)者

金融行業(yè)的門(mén)檻從來(lái)沒(méi)有因為互聯(lián)網(wǎng)的介入而降低?；ヂ?lián)網(wǎng)或許消除了資源的壁壘，但是并沒(méi)有踏平技術(shù)的門(mén)檻?；ヂ?lián)網(wǎng)給未來(lái)帶來(lái)許多想象，但是這些想象仍然需要一步一個(gè)腳印，按部就班實(shí)現。曾經(jīng)認為“低門(mén)檻”的P2P金融，退潮之后也只剩一片狼藉。與互聯(lián)網(wǎng)介入發(fā)生變化的其他行業(yè)不同，金融行業(yè)更加復雜，行業(yè)在整體經(jīng)濟發(fā)展的地位也極其重要，這也是這個(gè)行業(yè)一直謹慎發(fā)展的一個(gè)原因。

幾十年來(lái)，中國的金融一直是以商業(yè)銀行為主導的。從好的方面來(lái)看，資源的集中可以辦大事，但是市場(chǎng)缺少多樣性，很難挖掘出不同層次的金融需求，小微企業(yè)、個(gè)人消費者一直受到忽視。如果行業(yè)要往前走，就需要有更加市場(chǎng)化、多元化、多層次的金融體系?；ヂ?lián)網(wǎng)金融實(shí)際上是對傳統金融的一個(gè)補充，這也是這個(gè)行業(yè)的價(jià)值所在。

同時(shí)，在硬幣的另一面，是金融本身的高門(mén)檻使得這個(gè)行業(yè)難有后來(lái)者來(lái)填補空白。這不是建一個(gè)網(wǎng)站，搭一個(gè)平臺就能做的買(mǎi)賣(mài)。一方面，市場(chǎng)的空白給后來(lái)者留足了空間;另一方面，行業(yè)的復雜性又在阻擋后來(lái)者的進(jìn)入。

“互聯(lián)網(wǎng)金融的本質(zhì)是金融，金融的核心是風(fēng)險管理，風(fēng)險管理的基礎是數據技術(shù)。”郭震洲說(shuō)。這也正是互聯(lián)網(wǎng)金融之難。

但或許，能真正跨過(guò)這個(gè)門(mén)檻的公司，也自然會(huì )成為真正帶來(lái)改變的后來(lái)者。