IDG“硅谷对话北京”峰会笔记(一):当我们谈论互联网金融时,这个行业的人怎么看

36氪  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

“在硅谷,如果你有一个好的创业idea,会有很多投资人找上你,但是如果你有金融方面的新idea,投资人会像狼一样向你扑过来。”这是前段时间由IDG、第一财经以及宜信一起举办的“硅谷对话北京”互联网金融专场论坛上,在跟Thasos Group(一家美国初创对冲投资公司,主要利用大数据为金融市场进行数量化的预测和投资)联合创始人潘巍的采访聊天过程中分享的观点。

从这里,或许我们能看到一丝关于互联网金融这个行业的概况,当然他说的是美国(而且主要针对大型金融机构的创新),但是我想国内还是能感受到一些东西。当天在现场简单做了一些笔记,现整理跟大家分享一下。第一部分主要是相对来说比较传统的部分,后面再把虚拟货币(比特币、Ripple)那块的内容和采访整理出来。

IDG创始合伙人熊晓鸽:

从用户角度看,现在中国移动互联网市场已经是全球最大,其想象空间可以说无限,有很多机会但也面临非常大的挑战。不过在金融服务方面,目前还没有真正出现可以上市的大公司,但是在不久将来可能会出现一批这样的公司,它们可能成为不仅在中国而在全世界上都要超过我们现在已有规模的公司。从投资的角度看,这是最让人激动人心的地方。

清华大学五道口金融学院常务副院长寥理:

从互联网和金融相结合模式来看,可以将这个行业简单分成四大类:

1.传统金融体系利用互联网提高运营效果
比如说网银和股票,以及保险等金融产品,基于互联网在线交易,传统金融体制上叠加一些互联网应用。

2.互联网企业利用自身或者第三方平台或者客户资源叠加服务,
业务形态如支付宝、阿里小贷以及国外的Kabbage

3.独立的基于移动互联网的金融服务模式比如P2P和众筹

4.本身不是金融服务,但是是基于互联网和移动互联网和金融有关的一些服务模式
业务形态如金融产品搜索、社区、咨询与教育,帐户管理和基于互联网销售的其它金融产品

回顾过去20年互联网和金融逐步融合这个过程,基本上任何一个商业模式都可以落在这四类之一。需要特别指出的是,前三类受监管程度会比较严格,而第四类相对监管宽松一些。

这里多谈一下Kabbage,它属于互联网金融比较新的一种服务模式,成立于2008年,在2010年上线,主要面向网上商家,属于数据型驱动贷款公司。其主要贷款对象是那些在传统的银行里拿不到贷款的网商,这些网商某些特点不符合传统体系贷款条件,或者没有抵押,或者业主不愿意抵押,但是它可以通过其它数据做判断,比方说资金流、物流、信息流等,也就是通过非传统数据来做贷款判断,这是它非常创新的地方。

从它的模式有几点思考:

1.基于第三方数据做贷款公司
大家一直在谈阿里小贷,其实Kabbage给我们提供了另一种视角,也就是通过第三方数据也可以做一个基于数据做判断这样的一个数据驱动型贷款公司。

2.个人信用评级在互联网时代特别重要
美国金融市场发展快的原因主要是有一套相对完善的信用评级体系,不仅仅是做生意,即使是找工作,信用评级也承担非常重要的作用。在美国,关于信用评级的法律就有20多部,这是美国这些年互联网发展非常重要的基础。国内互联网金融的发展,会反过来推动个人信用评分的发展,而个人信用评分本身也是一个巨大的商业机会。

3.平台数据可以利用作为网商和个人信用评分的一个重要来源,但是前提是开放
数据开放对于互联网金融发展非常重要,开放大家都获得好处,封闭大家都没有好处。Kabbage给每个网商设立帐户的时候,会鼓励网商做更多关联(社交网络),给自己帐户贡献数据越多,越容易使我对你做评判,越能得到比较好的评判。

4.一切数据都有限制 Kabbage将Facebook的社交数据纳入网商数据评分有很大启发,这些数据别人对你夸赞点赞都是值钱的。这些数据经过一定挖掘翻译之后都有价值,大数据时代使得挖掘数据任务更艰巨。(关于Kabbage,我们曾介绍过其模式,点击这里查阅)

Lending Club首席风险官陈超美:

对于P2P借贷,信用评估更加重要,Lending Club用来评估信用的数据,除了统计局的数据外,还会向借款人拿到很多信息,包括他为什么要借贷、希望的额度、教育背景、职业、邮件、电话以及住址,甚至计算机的IP地址。

传统的借贷和网上借贷最大的不同可以归到一条,在网上实际都是和大数据打交道,怎么通过这些数据找到需要的信息,而能否预测预警欺诈的风险和信用的风险这个是关键。在这个行业,管好了风险你就管好了你的生意。(点击这里查阅我们之前对Lending Club的介绍)

宜信创始人兼CEO唐宁:

P2P在中国要不是逼出来的,要不是抄过来的,这是两个主要的来源。但无论如何你想解决的问题都是传统金融体系所未能解决,未能覆盖的人群。在借贷人的个人信用方面,把财务数据和行为数据有机结合在一起进行评估,是一个非常好的创新。而技术层面,在移动互联网的技术和信贷技术这两者中,信贷技术更重要。

ZestFinance前模型研发成员、现Turbo Financial Group首席风险官顾凌云:一切数据皆为信用数据

在美国申请信用卡,姓名有可能全部小写,也有可能全部大写。这在我们看来信用完全不一样的,一个人如果有能力知道何时大小写他的姓名,从某种程度来说姓名指数更好,跟教育背景形成正相关。还有很多例子经常问客户,你是开什么样车,并不是希望通过开什么样车判断车价值或者最后怎么样,但是你开什么样车跟还款能力有很大关系,开一辆本田、雅阁和开尼桑从一定程度来说风险程度不一样。开尼桑往往更激进,还款程度来说更快一些。这样的信息太多太多。

对我们来说,所有信息看关联不看因果,很多人都认为我总要看到因果关系是什么?没有因果关系不愿意做出判断。实际上只看关联不看因果从某种程度来说更好。举一个例子大家看身高以后判断出体重,实际不一样。有的人个子高体重不是很重。从某种程度来说肌肉松紧不一样。网络分析数据,你IP地址哪里来,用什么电脑,玩不玩游戏这些信息在我们的信用评价里都很重要。(ZestFinance的详细模式介绍参考这里)

Thasos Group联合创始人潘巍:

用社交网络的数据来做投资不靠谱,因为目前的数据大多数属于非结构化数据,但数据可以改变投资理念和模式。之前有人通过Twitter来预测股票并且发表了相关论文,很快就有大量投资人给其资金成立了公司,这也就是他所说的在金融领域,如果你有新的idea,投资人会像狼一样向你扑过来。不过很快这家公司就发现没法做下去,最后不得不转型。

数据之间的相关性可以产生很大效果,但与顾凌云的观点“所有信息看关联不看因果”不同,潘巍认为如果数据之间能产生因果性,那么其靠谱性可能更高。

以上是简单的一些整理,下期主要是关于虚拟货币这块。

AD: 36氪微信公众号(Wow36kr),扫描下面二维码关注:

本文被转载1次

首发媒体 36氪 | 转发媒体

随意打赏

提交建议
微信扫一扫,分享给好友吧。