在线教育的新尝试：依托教育场景打造个人信用评价体系

DoNews 10月23日报道（记者 赵晋杰）在去桂林游玩时，尹俊岭千防万防还是被旅行社给坑骗了。

这次经历使他意识到国内个人信用评价体系潜藏的市场价值。如果能有一种方式可以事先查看个人的信用情况，那就可以预判他究竟是不是一个靠谱的人了。

由此，尹俊岭萌发了从教育场景入手，通过收集个人在金融交易过程中产生的数据，最后完成信用体系构建的创业想法。

从教育到金融再到信用

2015年9月，尹俊岭拿着700万元天使投资，正式创办帮帮助学，依靠“信用社交”的金融创新模式，对有学习需求的教育消费者实现100%放贷。在此之前，他曾是哆啦宝联合创始人，主要做二维码扫码支付。核心工作就是数据化收集店铺信息。

对于与数据相关的事情，尹俊岭都很感兴趣。在他看来，数据化资产将是未来的核心资产。所以，帮帮助学的定位也是一家数据化公司。

从帮帮助学到信用体系搭建，这中间的逻辑在于，数据最终会演化为信用评判标准，信用再具化到个人的金融能力，通过教育这一国民级应用场景实现金融对接，从而完成个人数据收集。

尹俊岭解释道，收集数据需要在一些场景中完成，而教育是聚焦人群最多的场景之一。同时，基于金融是目前收集真实数据最有效的方式，帮帮助学创新性的将教育和金融相结合，提供100%秒速放贷，从而吸引教育需求用户通过帮帮助学平台完成消费。而金融交易，是扎根一个人数据当中最直接高效的途径。扎根个人真实数据之后，信用评判依据也就自然产生。

用“秒贷”突出平台差异化

帮帮助学提出的先上课后付费的教育消费模式，并非首创。那与同行业相比，优势在哪？尹俊岭认为“秒贷”是其最大依仗。

风险最大的问题就是其不可预知性。提供贷款首先就要解决好金融风险控制。各个机构，不论是做信用贷款还是现金贷款，基本都是根据用户过往的数据来进行判断。本质区别在于个人信用的挖掘深度。

帮帮助学在做的是个人社交担保信用。通过“个体信用模型+社交信用模型+场景风控模型”三重模型，利用大数据分析手段，从而将违约风险降至最低，解决平台用户的贷款效率问题。

社交信用另一重要作用体现在，如果用户所报课程费用高于个人的信用额度，致使用户无法直接贷款足够的钱，可以通过向社交圈的亲朋好友“借信用”的办法来提升额度。

帮帮助学的野心

目前，帮帮助学平台信贷额度均值15000元左右。以一个学员贷款10000元为例，平台能赚取600-1000元息差，这其中已经包括了利息成本。

如果这个风险更高的话，也即培训机构和用户信用额度都不高的情况下，尹俊岭表示最高有可能达到1500元。

除了赚息差的主营收入外，在下一步构想中，尹俊岭还给帮帮助学想了两条新出路。

作为一家依托教育业务展开的金融服务平台，尹俊岭正在筹划做一个辅助招生工具，希望通过帮帮助学金融方面的秒贷优势给机构扩大生源，从而把帮帮助学打造成一个招生入口。

在未来的数据应用上，帮帮助学会持续挖掘机构的优质信用，进而完成面向企业端的数据变现。一方面，当下众多中小传统教育机构是轻资运营，想要扩规模，从银行贷不到款，VC又不会关注他们投资。

但如果能够让银行了解机构的信用状况，并且保证其可信度，放贷难题也就迎刃而解了。这将是帮帮助学数据变现的一种尝试。

另一方面，帮帮助学希望能构建一个囊括所有教育机构的企业级信用系统，从而来改变教育信息的获取方式。不同于搜索引擎提供的信息检索机制，在企业及信用系统中，用户搜索英语，帮帮助学会向其推荐数十家优质培训机构以供挑选，能够成为用户的决策入口。

但愿一切都能如尹俊岭所愿，帮帮助学朝着这些点跑下去，最终能够跑出一条路来。