2015年的最佳商业模式峰会上，夸客金融给我们留下最深的印象，是终于有一家“靠技术吃饭”的互联网金融公司了。公司通过线下团队搜集数据，用“信贷工场”打造出一条金融流水线，夸客金融希望通过将风险“量化”，以流水线的方式“生产”贷款，摊薄每笔贷款的成本，惠及更多受众。

瞄准高增长小分子人群

　　夸客金融聚焦在个人消费金融和小微企业主的融资需求，这是被商业银行冷落的一块地带。相对于大额贷款来说，面向小微企业和个人的信贷，贷款数额小，信贷风险高，传统商业银行不喜欢。面向大多数人群，单个用户的贷款数额可能并不高，但是如果聚沙成塔，就会形成一个长尾市场。
　　移动互联网时代的一个进步之处，是点对点连接变得更加高效。这使得市场中需要融资的“点”和有能力借款的“点”能够更加高效地匹配。纯粹进行信息匹配的互联网金融平台，在这样的形式下也应运而生。然而这种模式，在眼下依然有很长的路需要走，尤其是中国市场还缺少一个风险定价环境。
　　换言之，平台在其中扮演的角色，不能仅仅是一个“融资媒介”，还需要对风险进行评估、定价、把控，这也是金融行业的门槛之一。
　　随着国内中产阶级群体的崛起，橄榄的中段在膨胀，加之消费升级的大环境，夸客金融瞄准的正是这样一个高增长人群。截至2014年，个人消费贷款余额大约是7.7万亿元人民币，这一数字将于2018年增长至17.5万亿元人民币左右。高增长的另一面，是这个群体信用脸谱不清晰，与银行的关系弱，国内征信系统不完善，用户的信息存在缺失、不全面，这些都直接给融资中的风险管理提高了难度。

线上线下补齐用户风险样貌

　　要进行风险管理，第一步就是要有能够管理的数据。夸客选择了线上线下两个方向，进行信息搜集。
　　线下来说，夸客在上海和武汉打造信贷工场，客户人员通过电话和客户互动，收集数据，信贷工场人员规模高达4 000人。同时，夸客的地面部队覆盖了30多个城市，业务人员面对面和客户接触，这也是在收集数据，并且是原始且有效的数据。
　　除了地面部队自己搜集的数据，夸客同时也打通了几个信息渠道，与中智诚、深圳平安前海征信、鹏元征信等8家个人征信公司达成合作，多维度地获取数据。
　　在线上，夸客与其他金融平台、消费平台打通，抓取其他平台数据，以描绘出用户的风险样貌。
　　“我们把所有这些线上线下的、第三方的、地面业务人员、信贷工场的作业人员……任何可能和客户接触到的点，都是非常有价值的数据收集点，将它们集合之后，通过数据挖掘技术来做征信。”郭震洲说。

信贷工场：金融的流水线

　　在大量的信息汇聚之后，如何甄别风险，就到了下一个环节：信贷工场。
　　两百多年前英国人乔赛亚·韦奇伍德在他的陶器工厂里，第一次用流水线替代工人，提高了生产效率，降低了成本。其中一个重要的变动因素，就是人在生产中发挥的作用被减少，尽可能的依靠机器。机器的好处是工作时间长，同时错误率低。如果能将小额贷款放入到如车间流水线一样的“贷款生产环节”中，通过教育系统，降低人在其中的作用，而提高机器的比重，就能降低每笔贷款的成本。在美国，通过运用FICO信用评分，金融机构根据分数段定价，客户分层实现了精细化、个性化，平均能够给每个客户省下1 000美元的成本。
　　而在夸客的上海信贷工场，一笔融资从进入流程到结束流程，已经做到像工厂流水线一样的操作。
　　一笔贷款在信贷工场被“生产”出来，要经过3个环节——初审、终审和贷后管理。
　　初审：人机交互测绘风险信息
　　信贷工场中的员工在处理申请的时候，实际上只会接触到90%的贷款申请，有10%的申请可能会因为申请额度小（意味着风险低）且符合规范，就由系统自动批准通过，不用进入人工环节。
　　每个申请人信息包括数千个数据点，工资收入、银行流水、手机通讯记录、直系亲属电话、工作地址、家庭住址等。这些数据点会被分到400多个维度下面，进行分类评估。如此大量的信息，会由人工和系统共同进行处理，需要人工处理的环节占到约40%，需要机器处理的则占到60%。
　　系统处理的60%，通常是相对明确的信息，比如征信报告中提到的数据，公开来源获得的数据。这种简单的是非判断，就会由系统进行自动判别。
　　人工处理的40%，则是系统已经识别为异常，但系统无法进行判别的信息。比如21岁的申请人的月收入超过万元，这在系统眼中属于“逻辑异常”，系统会在后台标红提醒初审人员。初审人员会通过其他方式，比如电话联系申请人，或者与地面同事了解情况，求证系统标红的信息是否存在异常，再进行处理。
　　在“系统+人工”的合力下，一个申请的处理时间需要大约30分钟。通过初审的申请，初审人员会推送到下一个环节——终审。
　　终审：给风险定价
　　简单来说，初审是判断“能不能贷”，终审的任务则是判断“能贷多少”。
　　目前，夸客开发的牛盾风控系统已经可以通过风控模型，对每一笔借款给出一个相应的风险评级，最后系统再依据风险评级形成风险定价，给出客户的借款额度范围。
　　举例来说，夸客自建金融的终审人员接到初审提交的信息之后，一个重要工作是对风险进行定价。终审人员首先会对关键性数据进行复审抽查，然后在系统的辅助下，给出可以放款的区间，也就是风险定价。举例来说，如果贷款申请在12万元，但是根据系统评估，安全放款区间应当在5～8万元，终审人员最多会放出8万元贷款，如此降低贷款风险。同样是12万元的申请，系统在终审环节可能会给出8～14万元的放款区间，在这样的情况下，终审人员也只会批准12万元的贷款。 　　经过信贷工场的环节之后，最终拿到贷款的申请人大约占到50%。
　　贷后管理：风险后续监控
　　放款离开信贷工场的时候，并非就离开了夸客的视线。系统会以打包的形式，将这笔贷款提交到下一个环节——贷后管理。
　　夸客的风险运营部会以天为单位，对贷款进行追踪、监控。如果贷款超期未还，贷后管理就会启动催款机制。根据超期的时间不同，贷后管理会分为M1和M2两个阶段。M1主要处理超期1天到30天的款项，M2则主要处理超期30天到60天的款项。有约90%的逾期借款会在M1阶段收回。

大数据加工线

　　当信贷工场产生的数据达到一定程度的时候，夸客就可以逐渐降低“人脑”在放贷过程中的决策比重，提升“电脑”进行决策的权限。这是一个“从零到一”的过程，数据为零的时候只能依靠“人脑”，数据逐渐增多之后，重心就会逐渐转移到“机器”上。当大数据足够多的时候，机器就可以不断学习。在很多地方，我们对未来的一个想象，就是大数据。最近滴滴先后拿到苹果10亿美金，中国人寿6亿美金的融资。从滴滴的公开表态来看，承载如此庞大的两笔融资的模式，最后也是落脚于出行大数据。
　　大数据首先有一个繁重的搜集过程，这也是夸客信贷工场的一个重要工作。从初审到贷后管理，系统会记录申请人的所有信息和动作。即使是发生在口头、电话中的信息，也会被系统记录下来，用以完善用户的数据。
　　这就好像是阿里巴巴掌握了用户的购买数据，夸客则在描绘关于一个用户的信用数据。自1996年进入美国银行业，郭震洲先后在美国富利银行、美国国际集团、摩根大通银行等金融集团担任高管，一直在消费金融领域负责风险管理业务。美国次贷风暴、台湾双卡风暴等，郭震洲都有在金融一线参与。这就让郭震洲深知“数据”对于金融公司的重要意义。

行业需要后来者，又难于后来者

　　金融行业的门槛从来没有因为互联网的介入而降低。互联网或许消除了资源的壁垒，但是并没有踏平技术的门槛。互联网给未来带来许多想象，但是这些想象仍然需要一步一个脚印，按部就班实现。曾经认为“低门槛”的P2P金融，退潮之后也只剩一片狼藉。与互联网介入发生变化的其他行业不同，金融行业更加复杂，行业在整体经济发展的地位也极其重要，这也是这个行业一直谨慎发展的一个原因。
　　几十年来，中国的金融一直是以商业银行为主导的。从好的方面来看，资源的集中可以办大事，但是市场缺少多样性，很难挖掘出不同层次的金融需求，小微企业、个人消费者一直受到忽视。如果行业要往前走，就需要有更加市场化、多元化、多层次的金融体系。互联网金融实际上是对传统金融的一个补充，这也是这个行业的价值所在。
　　同时，在硬币的另一面，是金融本身的高门槛使得这个行业难有后来者来填补空白。这不是建一个网站，搭一个平台就能做的买卖。一方面，市场的空白给后来者留足了空间；另一方面，行业的复杂性又在阻挡后来者的进入。
　　“互联网金融的本质是金融，金融的核心是风险管理，风险管理的基础是数据技术。”郭震洲说。这也正是互联网金融之难。
　　但或许，能真正跨过这个门槛的公司，也自然会成为真正带来改变的后来者。