「金融科技50+」百融金服张韶峰：AI+大数据征信，3年内天然垄断定局

互联网新金融回归FinTech，新一代金融科技正在革新金融产业链条上的各个环节，提高行业效率，创造新的价值点。并以此推进服务创新、产业转型升级。

在此背景下，亿欧策划了「金融科技50+」系列选题，聚焦大数据、AI、区块链等新型科技，在网贷、消费金融、网络支付、科技保险、互联网银行、产业供应链等领域的实践与创新。本文为第2篇，解读百融金服张韶峰对深度学习、大数据征信的理解。

---

“实在抱歉，一个重要客户。”采访过程中，侃侃而谈的张韶峰一边向记者表达歉意，一边接通电话与他的新客户信诚人寿确认见面时间。

创业公司都是“时间控”。2014年前后，百融、同盾、 聚信立 、算话征信等公司成立，形成 大数据 征信的集中创业潮。同时，央行下发了第一批 企业征信 牌照 ，开始市场化探索。

3年来，百融金服目前对接客户数量近2000家，辅助审批资产规模2500亿元。与此同时，我国征信服务相关企业数量达到2000多家，包括百融在内的 130多家 企业征信持牌公司，“没有一家合格的8家 个人征信 准备机构”是这个万亿级市场的核心玩家。

监管走向、行业整合、差异化竞争——张韶峰断言，“如同2014年团购大战、2016年的出行之争，金融 大数据也是天然垄断型的行业，目前正处于快速成形期，未来两三年内势必会冲出行业巨头 。”为此，百融金服正在全力以赴。

数据争夺之战，垂直服务商的机遇

数据量级是大数据征信的核心能力之一。百融金服最早是“ 百分点 ”内部的金融事业部，其最初的数据积累也来自于此。

而作为互联网数据的生成方， BATJ 掌握着除了政府、运营商以外的绝大多数数据，垂直服务商并不具备优势。对此，张韶峰指出，百度侧重搜索、腾讯侧重社交、阿里和京东侧重电商，它们“各自为营”数据维度单一，不利于应对金融风险防范。

此外，从互联网巨头目前的金融布局来看， 大而全的综合金融集团 （如银行模式）是一致选择。因此在数据合作方面，多数银行、消金、互金、 小贷 等对BATJ都心存忌惮——这给金融大数据服务商留下了发展空间。

天然垄断：第三方服务孕育垂直巨头

不过，我国至今尚未出现市场化的独立第三方大型数据平台的成功案例，其商业模式有待验证。

张韶峰指出： 首先，市场需求旺盛 。 互联网金融、 传统金融机构的快速成长，直接促使信贷后端的征信、风控成为刚需。我国拥有各类银行2000多家、小贷公司和担保公司各近10000家、持牌消费金融20多家、正常运营的P2P平台2000多家。

其次，金融服务相对分散、数据服务趋于集中 。出于风险考虑，世界上所有大国的金融行业都不可能被少数几家金融机构所垄断，通常做法是扩大金融机构的数量来分散风险。这就为大型数据服务企业奠定了基础。 张韶峰认为， “银行业头部10%的客户，足够支撑起一家规模可观的垂直服务商。”

另一方面，金融大数据服务虽然竞争激烈，但行业整体趋向集中。在大数据的“ 硬件/基础设施-大数据软件处理-行业模型应用 ”的3层产业链条中，不具备核心竞争力的企业将逐渐沦为大型企业的附庸，如目前市面上的很多数据供给渠道商。

参考美国个人征信市场，已经形成 金字塔格局 ： 3大巨头Experian、Equifax、TransUnion的地位数十年来难以被撼动，下面是2000多家小型垂直数据公司。绝大多数银行金融机构倾向于与服务能力强的3家巨头中的一两家进行长期合作。而这3家巨头会与小型数据商合作，从而能够打造出综合能力强的服务和产品来供给银行。

征信只是大数据金融应用的其中一环，除此之外还有金融产品设计、精准营销、不良资产管理、智能投顾等关键环节，需要超强的综合能力。张韶峰指出。

“ 因此， 金融大数据领域天然垄断的市场格局是必然趋势， 中国市场在未来2、3年内定型。” 

这一过程中，尤其需要明确“ 金融服务 ”和“ 科技服务 ”的区别。金融企业“低市值、重资本”的属性，并不适合互联网的“轻运营”模式。相反，科技服务公司能够通过高门槛建造竞争壁垒，马太效应、雪球效应显著。同时，也更受资本市场青睐，更易于做高估值。

“ 与互联网类似， 金融大数据企业的边际成本急剧降低、聚集效应明显， 这是百融定位科技服务公司的关键原因。 ” 

人工智能 +大数据+征信，应用成熟度高于智能投顾

传统征信行业存在“覆盖人群有限、审核周期较长、信息采集面有限”等弊端，而这正是AI、大数据、 云计算 等新型科技优化、重塑服务链条的发力点。

“其实， 人工智能在算法层面并没有本质突破 ，之所以近两年开始凸显，本质原因是大数据先取得了突破 —— 足够多的数据 ，让AI机器学习获得了最重要的基础。”

张韶峰指出， 人工智能在金融领域的应用主要在于 ：①智能风险评估和管理；②智能投顾服务。不过 ，智能投顾的呼声似乎更高，原因之一是投资理财属于高频需求，更贴近普惠大众；而风控服务靠近金融服务链条的后端，且贷款属于低频行为。但事实上，在技术应用层面，后端风险管理的应用成熟度更高。

虽然2者都是通过数据分析、技术模型来评估并服务个人用户，但智能投顾还必须分析投资理财产品，所以短期内真正大规模应用的难度比较大—— 原因并不在技术本身 ，而是相对于个人行为，投资理财产品变化趋势更难以预测，尤其是二级市场存在数据透明度低、政策因素强、产品种类少等问题。

“目前，百融金服通过深度学习模型处理50万个基础变量， 相较传统方法，整体效率提升了50%-60% 。其中营销环节成功率提升30%以上，个人不良率降低7成。” 

自上而下，势能传导

在2014年大数据风控创业热潮中成立的企业中，百融、同盾、聚信立等企业在服务体系上多有相似，但具体打法上存在差异。

张韶峰指出，初创企业多采用“自下而上”的方法，针对中小客户，开发单一产品（黑名单、发欺诈等）切入市场，然后丰富产品类型，铺开信贷全流程业务，再向银行、持牌金融机构等高端客户拓展。这种方法 前期起量快，能够迅速做大规模和估值，但后劲不足 。

与之相反， 百融在初期就 首先从银行客户入手， 设定了 “自上而下”的路径 ：①风控产品采取按月、单项、后付费的方式，创造更多赢利点；②整体解决方案产品的定价高于行业平均水平，聚焦中高端金融机构的客户——以此形成自上而下的 势能传导 。

对于这一方式造成的前期市场开拓、获客的成本压力，张韶峰坦言，“百融以更高成本聘请高层次的技术开发人员、数据分析与建模师、顾问式的销售人员。这种模式前期投入较高，而 一旦形成势能，中后期能迅速占领市场，迅速降低人均成本、提高人均绩效。 目前，与同行依靠大规模地推式销售模式，百融的销售人员在400人员工规模总占比15%人均综合产出相比一些同行高2-3倍。”

经营业绩上，2016年百融营收实现同比15.6倍增长，今年Q1实现了现金流转正。

本文作者王小苹，亿欧专栏作者；微信：zhe1025972059（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。