量化派CRO粘旻环：满足不该满足的需求是金融行业乱象出现的主因

近年来， 金融科技 引起各行各业的关注，无论是银行金融机构还是非银类金融机构，以及新兴的互联网金融创业公司，都开始加大科技投入，包括非金融和互联网属性的企业也开始尝试利用金融科技来提升效率。

一时间，行业里到处都在说 大数据 、 人工智能 、机器学习，动不动就是输出、赋能、连接。

然而，从金融的生意到科技的生意，看起来似乎是两码事。更何况，真有那么多科技吗？科技又真的是那么好做的吗？

喧嚣背后，我一直思考的是： 金融科技的本质究竟是什么？当下流行的to B的商业模式究竟是否可行？如何看待BATJ与大银行们的进场？国内大数据风控迫切要解决的问题又在哪里？

针对这些疑问，最近，新金融琅琊榜邀请到量化派CRO粘旻环，与她展开了对话。

粘旻环 来自Capital One——被誉为金融科技领域的“黄埔军校”，涌现了一大批归国创业者，包括百度副总裁黄爽、小米金融CRO陈曦。回国之前，粘旻环曾任Capital One大数据应用与支付部门的高级总监，为Capital One华人高管的最高职位；她曾3次获得Capital One的CEO大奖，并被集团 风控 委员会聘为风控模型官。

而除了粘旻环，量化派的创始人兼CEO周灏、联合创始人兼COO王倪、副总裁施量，以及团队多位核心成员，都来自于Capital One。

量化派是国内最早一批真正意义上的用科技赋能金融的公司 ，早在2014年就提出“To move the world with data”，即“用数据驱动世界”，在业内拥有一群重量级合作伙伴，并有着良好的市场口碑。

在行业里，大多数网贷平台和消费金融公司是以产品思维为导向，从快速聚集C端某一细分群体用户的借贷或理财产品切入，沉淀三四年搭建了对某一细分人群有效的模型； 而量化派是技术思维为导向，是从数据风控切入，作出模块化、高适配的风控模型，根据不同场景平台和金融机构的风控准入需求，提供定制化的技术支持。

2016年11月，量化派获得阳光保险、复星集团、国信证券5亿元C轮融资；在此之前，其已获得华创资本、Star VC、知新资本、复星锐正、东方富海、高榕资本、将门等数家一线投资机构B轮及A轮融资。

下文为本次对话精华，经新金融琅琊榜整理并经粘旻环本人确认，以飨读者。

1、为什么回到中国做金融科技？

在美国那样的市场环境里，Capital One已经是非常不错的公司。我很感激Capital One给我的培养，没有Capital One不可能有今天的我，我的职业化和专业上的东西都是Capital One赋予的。

在当时的时间节点，我思考的是选择继续在一个大公司、一个相对比较成型的市场中走下去，还是去到充满变化的、富有激情的、各方面都蓬勃向上的市场，而且这个市场对我来说还有得天独厚的文化情感，有很多相通的地方。

我做事情会比较专注，要做就做好，回国的事情是经过充分思考才打定主意。

从全世界来看，目前金融科技发展比较前沿的就是中国和美国。中国金融科技的发展和创新已经获得了全世界的关注。

美国市场相对来说比较成型，而人工智能、大数据风控技术需要更好的playground（操场） 、sandbox（沙盒）才可以尽情发挥。 中国的市场需求相对更加旺盛，有多样化的场景和更好的创新环境， 可以用最少的时间成本来进行实践，而实践才会带来真知。

国内市场符合我的个性，我愿意把事情尽快落地。当然，国外不是说不实干，大公司流程相对来说会比较复杂，他们很多场景并不需要那么快速地落地。

中国市场完全是另外一番景象，百舸争流，一只小船如果不赶快划，那就很有可能会落后。 无论是数据积累，还是场景开拓、对接，都需要先发优势，特别是创业公司就是要快。

这是量化派的天然优势，也是最吸引我的一点，我们实验一个idea，从决策到执行到出结果，都是在很短的时间内发生，链条非常短，充分发挥Capital One 的 test and learn（测试和学习）的精神。

2、人才和经验比数据红利更重要

有人认为，中国金融科技的崛起，很大程度上是因为数据红利。在监管相对不那么严的情况下，创业者可以在非常低的成本之下获取并使用海量数据。

我觉得，比起数据红利， 人才和经验的红利，才让中国的金融科技创业公司实现从零到一、从无到有的过程 。大批专业的、有经验的海外人才回到国内来做金融科技，让行业能够有充分的实践经验可以借鉴，以及大量资本的投入，让行业能够迅速崛起。

但是 当行业真正进入到稳定、精细化运营阶段 ，就不可能总是求快了。稻草屋可以很快搭起来，但是未必足够坚实、足够经得起考验，需要添砖加瓦，做得更加精细、漂亮、坚固，这就不是“快”能解决的了。

中国的监管非常鼓励创新，这也是中国金融科技市场短时间内聚集人才的原因之一。

近几年监管政策陆续出台，都非常到位，对行业起到了积极的作用。虽然对于业界一些公司来说，可能会比较痛苦，但是如果真的对金融有比较强的理解，能够看透金融本质，就应该更加关注未来发展中什么是不变的。

对于行业发展来说， 红利的作用一定有，但往往都是短期的 。

如果要行业长期发展， 更多的应该关注什么东西是长期稳定、可持续发展的东西，把资源、精力、专业投入进去 ，这是我们在这个行业深耕的态度。

3、必须回归金融本质

什么是长期的东西呢？量化派最开始就提出“用数据驱动”，就是“To move the world with data”。

金融的本质，其实是资源的分配，不同的场景下实现最优配置，创造价值，提升金融效率。 数据不仅仅能应用在金融，但金融可以作为数据科技的一个切入点， 数据科技可以帮助金融在多场景下提升效率。

在资产端，并不是每一个金融产品都应该有一个市场，也不是每个人的金融需求都应该被满足。 导致行业乱象的一个很大原因就是 ，只要消费者有需求，平台就来满足，这样很多本质的东西就颠倒了， 因为有一些需求是不应该被满足的。

必须回归金融的本质，让消费者的需求和能力能够平衡地匹配。

除了C端，我们也关注B端小微、供应链金融平台、金融机构的需求。他们之前不去做这块市场的原因是什么？

获客成本太高是很重要的一个原因。 纯线下的平台和机构很难吸引年轻的客户去门店，所以这几年我们看到线上借贷蓬勃发展。而在风控方面，一些传统机构没有自己完善的大数据系统，没有线上数据积累、机器学习模型，无法迅速启动线上业务，这也是很大一个痛点。

线上获客要看年轻消费者会出现在哪些场景，也就是流量平台。 在这些场景上，我们帮助设计金融产品，打通高效低成本的线上获客渠道，针对C端和B端两方需求去做匹配，用我们的技术去解决行业痛点，这就是我们追求的长期稳定的发展。

如果钻监管漏洞，去做灰色地带，计划赶不上变化快，这样容易迷失，对企业自身和行业的发展都是有害无益的。

4、如何理解金融科技to B的商业模式？

To B市场非常广阔，并不一定只能给金融机构。只要理解场景，底层上其实是有很多相通的地方。

作为企业来说，肯定是要往盈利方向去走的。如果没有考虑清楚商业模式、盈利模式，没有中长期布局，可能只能赚一时的红利。

在商业模式上，不一定羊毛非要出在消费者身上。通过我们的解决方案，创造新的盈利点，谁能拿到最大利益，谁就和大家一起分。

市场上有相应资源的平台想要通过服务相应人群来获取利润，愿意通过分享一部分盈利空间来拓展业务，我们就来为这些平台提供解决方案。

我们是从消费者的角度，从企业的角度，去满足需求，去解决问题。我们提供了价值，并获取一定分润。

B端平台，包括金融机构、消费场景平台、流量平台，它们向C端客户收费来获取利润， 量化派通过为B端机构提供技术服务，来收取技术服务费。

比如商家需要增加用户的粘性、转化率，如果能够通过金融产品来刺激用户消费行为，那么商家的利润会很高；而传统金融机构经过前两年的市场教育，也认识到这部分细分市场的潜力，非常想要对接这样的资产，但是金融机构对风险要求非常严谨，而我们可以把两者的需求匹配在一起。

我们提供体系化的解决方案，从金融产品设计、客群分层、盈利测算、分润模式，打造标准化的产品，可以极大提升效率。这不是双赢，而是多方共赢的模式，B端机构、消费场景平台、消费者都会从中得到好处。

从金融角度看，用户有不同属性，我们可以用差异化风控来做。就算场景变迁，只要我们知道本质上的东西， 对数据、人群、金融机构的需求有充分的理解和经验，这些在底层上是相通的。

我们盈利模式能够走通，一定是要基于合作伙伴盈利模式走通，从市场的需求出发，把产品风控和需求结合在一起，综合打造科学的方案。不能割裂开来只想一方面，要在全局来看。

市场上很多公司，在技术输出这件事情上，认识比较狭窄，没有想得很清楚。诸如做旅游出行场景的平台，可能更擅长从旅游出行角度去思考，而不擅长挖掘其他需求。其实消费者非常复杂，需求是方方面面的，应该多场景、多平台地去解决，不能割裂地去看。

一些平台所谓拥有海量数据，很多时候可能只是单一场景下的海量数据，而我们多场景、多平台的丰富维度的数据，可以定制不同金融产品发挥不同作用，做差异化的风控、营销，这是我们的优势。

我们先从一些相对成熟的场景切入，把底层系统、模块系统标准化，建立起来，然后不断复制。当你把模式建立起来，潜力是无限的，而成本是非常可控的，所以从盈利模式上是可行的。

5、蛋糕足够大，但还没有被做起来

对量化派来说，从商业模式上，真的很难找到真正意义上对标的公司，我们出去解释也比较费劲。

原来我们说，我们团队有很强的Capital One的基因，那我们要对标Capital One吗？但实际上又不是，因为Capital One正在演变为一个大的金融机构，虽然Capital One强调是科技公司定位，“happened to be in the financial industry”（只是刚好是从金融行业切入）。

不过，Capital One是信息决策的系统，而量化派是数据驱动，实际上是有相通之处的。无论Capital One表面上是什么公司，但是其业务是一直在执行公司理念，我们希望能够借鉴这个理念，而且量化派团队也具备这个基因。

现在很多公司都在做赋能，只是我们选择了不同的细分领域去切入，目前为止还没有觉得有竞争的关系，因为我们做事的方式不同。

大家虽然都在说AI、大数据，表面听起来好像都是“友商”，但这不是一天两天、一年两年就可以见分晓。现在大家都在起跑线上面，所以现在说终点还为时过早。

还是要看做了什么，落地了什么，这都需要过更长时间才能看出来。我们现在踏踏实实去做，过一段时间，大家就会看到差异。

蛋糕足够大，但还没有被做起来，这个时候谈竞争，同样为时过早。大家都是开荒者，为什么要想着竞争不竞争？土地这么大，还希望更多人一起来做， 把事情做得更好、更规范，做出标杆的东西，真正实打实地把行业做起来。

比如我们不会定义我们只做旅游场景、出行场景、租房场景，我们是去根据我们合作方的需求、用户调研的需求，看到他们想要做什么，只要技术上有一些是相通的，我们就可以去帮助他们做。

6、200多人，服务数百家合作伙伴

我们专注做科技输出，这是一个相对轻资产的模式。

目前量化派总共200多人，服务了数百家合作伙伴，并间接服务了大量消费者，我们对此很自豪。

相比其他家或许战线更长、业务更杂，我们做的是一支少而精的团队，公司70%左右的人力都在技术和风控上，业务会更聚焦，我们希望更多从系统上解决高适配、可用性的问题。

对量化派来说，已经对接起来的客户，就是例行维护和迭代，不需要太多投入。新接进来的客户，由于技术相对标准化，并不一定需要增加太多投入。

我们希望做一些开发一次但可以使用很多次的东西，不仅能够用在某一个场景，而是在其他场景也能应用。

人在精，不在多。我们招人的标准很高，我们现在每进一个人，都要CEO亲自把关。我们组织内部也会举办QG大学这样的培训，让人才在公司里能够得到很好的培养，这是长期持久把企业做下去的态度。

急剧扩张有时候未必对企业是好的事情，因为人才观、价值观很容易被稀释，我们还是希望稳扎稳打来做这个事业。

7、大机构进场，绝对是好消息

我常对同事说，银行主动布局金融科技，绝对是good news（好消息），因为这样我们就不用做太多客户教育，合作的时候就不用解释为什么要做大数据风控、线上服务。

首先，传统金融机构拥抱科技，这说明大家的认知处于同一个频道上，大家在意识形态上达到共鸣 ，对我们来说是非常利好的事情。

第二，这些大机构成立相关的金融科技部门或者公司，说明 他们已经有理论和概念，但是距离真正落地实施，还是有差别的 。比如 BATJ 更关注自己内部闭环的业务，对外赋能合作上，他们更关注比较大的金融机构和场景平台。

金融需求是一个长尾，并非掌握在少数机构手中，而是需要很多不同的公司去覆盖。

从效率上来讲，我们对自己充满信心。因为我们决策链非常短，而且踏实落地，经过这几年积累，在经验和模式上，都有一些可以去复制的东西，在这方面我们很有优势。

但对大机构来说，他们肯定没有办法像我们这样只有200多人做事情，肯定是冲着2000人、20000人的规模去做。大有大的好处，小有小的优势，因此不一定完全是竞争关系，更多的可能是一个互补。

其实，在任何领域，都不可能出现一个“帝国”，面面俱到，没有死角，它总会有一些没有覆盖的地方。

从更长远来说，我们也不是把眼光只集中在服务金融机构，还可以做营销、创新产品设计，或者是金融之外的事情。

我们是数据驱动的公司，数据不仅可以驱动金融，还可以驱动很多事情，我们还会做很多尝试和创新的东西。所以短中长期来看，这对我们来说都不会成为问题。

8、关于国内大数据风控的三个“坑”

在2016年末，我刚回到国内的时候，曾经写过一篇文章，提到国内大数据风控的三个“坑”：具有中国特色的团伙欺诈难题、系统和数据没经过压力测试、高速发展过程中的模型搭建问题。

“坑”是一个什么概念？就是你以为这是一条大道，但是你飞奔着过去，就会掉下去。

回过头看，现在已经不是“坑”了，因为大家都被教育了。“坑”之所以是“坑”，是因为没意识到，现在大家都意识到这些是必须要解决的问题。

解决的路径，不是思考怎么“填坑”，而是怎么去“盖房子”，也就是怎么落地，落到实处 。意识有了以后，更多考验的是落地的能力。这方面，整个行业现在已经有了一个很大的进步。

先说反欺诈，具体要看细分场景。当时谈到那个话题，更多是以当时比较热的现金分期、商城商品分期为背景来讲的，现在可能更关注融资租赁、长期大额的产品怎么去做，包括线下向线上转型、线上线下相结合的场景，比如租房分期等等。当时我们所关注的教育、医美等场景的反欺诈，现在都已经有非常独到的解决方案了。

对于智能反欺诈技术，包括AI、复杂网络的运用、监督性和非监督性学习，大家都已经意识到了，但是真正意义上的量身订造的反欺诈实践并不多。目前市面上反欺诈更多是一个标准化的东西，但是还没有很好地结合不同场景去做有区分性的事情，未来的趋势是往精细化的方向去发展。

再就是压力测试，虽然一年半时间太短，但是整个市场已经被检验了一轮。大浪淘沙的效应已经出来，一些公司用高利率覆盖风险，并没有踏踏实实做好风控，甚至有一些比较粗糙的、短期的产品，都已经暴露出问题，但是数据在很大程度上还没有被共享。

现在行业已经有一些公司在做黑名单共享，互金协会也在牵头做行业信用信息共享，包括百行征信也在做。尽管目前还处在一个比较萌芽的阶段，还需要一段时间来看这些数据怎么能够被更好地被应用，再反向去检验我们的压力测试、模型效果、中长期表现等，但这些已经引起行业和监管层面的重视，这是非常好的事情。

美国的三大征信局，发展超过半个世纪，才到现在的规模，所以这方面我们要有适当的心理预期，这不是很快就能把坑填好的事情，需要一定的时间去积淀。

最后说到建模。人工智能、机器学习需要模型系统架构，但机器学习并不是让机器自己来学习。学习这个东西有的时候被夸大了，很多时候是去解决我们人已经想明白的很多事情，但是我们运算能力上不够高效，所以用机器帮我们去算。现在机器学习还不能帮我们去想清楚金融产品怎么设计，金融产品和数据之间的关系，选择什么样的数据，结合客群要建什么样的模型。

例如，风险模型就分准入、贷中、贷后，长期、中期、短期，还要根据不同欺诈种类去做模型，这些东西，现在机器还不会告诉我们，必须是人先告诉机器，机器才能在数据积累基础上，去迅速迭代和调整。这些模型和策略是有复杂性在里面的，不是无成本的就可以叠加上去。

我们需要思考的是如何在模块化的基础上，在满足多场景应用的前提下，让本来就很复杂的系统达到多一分则多、少一分则少的平衡。这就非常强调实践经验。

一个建模师，可能看几本书，只能在理论上知道如何建模；一个建模专家，能力从50分上升到90分，可能需要5年、10年实践的经验，才可能在模型上有一些建树，才能被定义为专家级的人物；再往上，定义权威建模专家，那可能就不仅仅是经验积累的问题了，更多的是一种艺术性的层次，真正的要对很多东西融会贯通，能够在跨界的东西上应用得非常娴熟，这就需要创造、创新的东西在里面。但现在市面上很多公司所说的建风控模型可能就只是几行代码，但那并不是风控。

大数据风控模型是很复杂的事情，可解释性会相对较弱，存在一定的风险，最好是把非要不可的东西放上去，把冗余的、增加成本的东西去掉，才可以达到精细、高效的运行，实现资源的合理配置。

这也是我们最近在积极思考的问题，比如做差异化风控系统，如果手上有10个数据源、50个模型、100个客户，并不是说就让100个客户都要过这10个数据源和50个模型，这是一种极大的浪费，这样做就说明没有把事情想清楚。

风控一定是对人群和场景深度剖析，结合金融场景和不同的生命周期，去做精细化的、差异化的风控系统，这就是建造高楼大厦的概念。

9、希望大家都能更多自律

对于一个新的行业来说，虽然我们的方向是对的，但在执行过程中，也会充满不确定性。我们希望有更多好的战友，一起往一个正确的方向去行进，不管是坑也好、高楼大厦也好，一起来建设。

我担心的是，行业之前发展有点快，一些本来非常合理的金融产品，被一些平台做成了歪门邪道的产品。

比如信用卡代偿，其实这是一个非常值得做的细分市场，对于信用良好的信用卡人群，如果他们的额度不够，其实可以用大数据的方法，通过对更多维度的信息的分析，帮助他们适当增加额度来满足需求，本来这个产品在客群定位和需求上是有一定市场的，但如今这个产品就被做成了变相的多头借贷，就变质了。

很多东西需要时间的沉淀和积累。我们已经在一个非常规范化的路上在走了，我们对监管也非常有信心，监管也在非常及时地做出调整，希望大家都能更多自律，以金融的态度去和互联网的方式结合，做我们应该做的事情。

并不是一帮互联网的人和一帮金融的人放在一起做事情就叫互联网金融了，一定是背后本质的东西非常充分地融合，必须要了解金融的本质和风险，避免去做不该做的事情。

我们要去教育市场、教育用户，而不是错误地去引导他们，这需要充分的时间和专业的知识在里面。

---

「2018全球AI领袖峰会——智能+新金融峰会」 聚焦银行业创新、金融科技创业，推进金融业务智能化及新一代智能金融的基础设施和应用版图 。20多位重量级嘉宾邀您一起头脑风暴！提升自我攻略戳： http://t.cn/R3brFsG 6月15日，上海长宁·区世贸展馆，等你来！