论文部分内容阅读
信而富进入互联网金融行业，它选择的切入点是信用卡风险管理、征信体系建设、开发决策技术。它的能力体现在产品开发的创新、基于大数据基础下的算法、依托线上运营体系提供卓越服务和决策技术的自主研发。它的目标是希望参与到普惠金融在国内的实现过程中。
互联网金融单从名称上看就知道这是一个跨界的行业，这也让P2P网贷这一互联网金融创新模式天生就包含了两大属性：一是互联网属性，二是金融属性。在信而富创始人王征宇博士看来，无论是什么样的P2P网贷平台，都在做同一件事：从自己擅长的领域切入，整合互联网、金融两大属性形成自己独特的能力，凭借能力完成运营目标或完成某个运营目标的某个环节。
选对切入点
据王征宇给出的数据显示，中国目前约有14亿人口，只有20%的人群（约2.9亿人）受到金融服务的覆盖，这些人曾从我国的金融体系中获得过资金，他们的记录也进入了央行的征信系统;有5.1亿人在央行征信系统被收录，但只有姓名和地址等简单的信息;其余5.7亿人在央行里几乎什么数据信息都没有。
王征宇给出上述数字是想说明，在中国做互联网金融，首要的目标就是要实现普惠金融。但同时，王征宇也表示，要实现普惠金融还需要解决三大难题。
“第一，如何解决数据采集的问题，即如何实现通过线下、线上渠道的结合来采集数据;第二，如何解决决策技术的开发问题，因为当前互联网金融行业整体对决策技术的理解还处于浮浅的阶段，有些人甚至把决策支持技术和决策技术混为一谈;第三，将数据与决策叠加，不等于找到了解决金融服务覆盖问题的钥匙，还需要不断在市场上进行测试和学习。”王征宇如是说。
要解决难题，最好的办法就是从自己最擅长的部分先入手。
P2P网贷的模式始创于美国，其起源和成长环境的形成主要是三个行业共同作用的结果：一是信用卡行业，美国P2P行业最早从事的业务主要是帮助信用卡的持卡人群优化他们的信用卡债务偿还流程;二是征信行业，美国国内的征信业务主要由其三大征信局承担，三大征信局就能够覆盖美国80%以上的人口，这为P2P的发展提供了良好的征信环境;三是决策技术开发行业的发展成熟。
而这三大行业恰恰就是信而富当初进入金融服务领域时主要的切入点。
据王征宇介绍，国内的信用卡业务、征信业务、决策技术业务大概已经有了5～10年的历史，而信而富公司有幸能与三大行业同步发展：公司已为国内一半以上的全国性信用卡发卡银行提供信用卡的风险管理服务，公司参与过国内征信体系的建设，公司拥有自主研发的决策技术。
现在，信而富的“肖像”已很清晰：规模中等、经验丰富;为应对中、低额度的贷款业务，努力将每个业务模块的实现流程都设计和构建得丰富充实;有很强的国外专业背景，但却能让服务贴合本地实际需求。
500元额度才能玩大数据
要想实现普惠金融，就难免要接触到20%以外的那部分征信体系没有完全覆盖的人群。在此前开展的业务中，贷款额度在1万～10万元之间的项目是信而富最大的关注点。1万～10万元的这个档位在风控时需要将考察的关键点锁定为征信数据、还款能力，最后才是还款意愿。为此，信而富在风控上采用的是“多条腿走路”的模式。
“我们通过线下的环节尤其是地方分公司来完成服务的覆盖，主要服务内容是贷前咨询、贷中调查、贷后管理。同时，我们和市场上的大数据机构、社交网络机构、电商、线上旅行机构等合作，将潜在客户通过线上渠道转换成线下客户。更重要的是，我们会帮助客户形成信用历史，甚至通过实时的、标准化的审核机制，预先批准客户的借款。”王征宇介绍称。
现在，信而富希望在此基础上面向更广的人群进行服务。于是，信而富决定把业务定位延伸到500～5000元钱的贷款额度，只有在这个范围才是所谓“大数据”技术适用的范围，这个范围所需要考察的关键点将不再是征信数据，也不是还款能力，而是还款意愿。在王征宇看来，运作500元的贷款才是大数据能充分发挥作用的地方，也只有大数据才能帮助实现大规模的拓展用户、大幅度地降低风控成本。
决策技术很重要
在方向确定后，信而富希望通过做三件事来落实战略。一是设计出500元贷款的产品;二是挖掘基于大数据基础上的风控和获客算法;三是构建起一套质量卓越的线上服务体系。
不过，在做具体执行时信而富发现，借助来自网络的数据，甚至是像交易级数据这样的高价值数据，也不能保证100%地正确回答“用户会不会还款”这个问题。
所以，除了数据外还需要决策技术的帮助，让平台更清楚地认识到之前发生了什么，未来可能会发生什么。如果说数据的挖掘驱动了大数据环境的形成，那么数据的分析技术则驱动了平台对业务的决策。
决策技术涉及到授信政策、风险评分、客户分类、中间变量、决策逻辑几个关键点，信而富在中国从事决策技术研发15年，一直致力于利用标准化的语言和流程进行风险管理。比如当用户提交申请表后，就进入了处理流程，然后是进入验证队列借助第三方数据进行验证，最后再通过移动互联网接口进行验证。预置好的决策策略将通过评分的形式介入整个决策引擎，而决策引擎部分就好像一个人真正的大脑一样做最后的决定，值得强调的是整个过程中没有人工的参与，全程都是自动的。
“不应用决策技术，就相当于病人去医院做了一次X光扫描，却没有提交给医生看。决策机制在计算机辅助决策体系里就像医院配备的辅助诊断工具，诊断完了以后治病，治病方案的决策需要有一个决策机制。” 王征宇表示。
链接
互联网金融单从名称上看就知道这是一个跨界的行业，这也让P2P网贷这一互联网金融创新模式天生就包含了两大属性：一是互联网属性，二是金融属性。在信而富创始人王征宇博士看来，无论是什么样的P2P网贷平台，都在做同一件事：从自己擅长的领域切入，整合互联网、金融两大属性形成自己独特的能力，凭借能力完成运营目标或完成某个运营目标的某个环节。
选对切入点
据王征宇给出的数据显示，中国目前约有14亿人口，只有20%的人群（约2.9亿人）受到金融服务的覆盖，这些人曾从我国的金融体系中获得过资金，他们的记录也进入了央行的征信系统;有5.1亿人在央行征信系统被收录，但只有姓名和地址等简单的信息;其余5.7亿人在央行里几乎什么数据信息都没有。
王征宇给出上述数字是想说明，在中国做互联网金融，首要的目标就是要实现普惠金融。但同时，王征宇也表示，要实现普惠金融还需要解决三大难题。
“第一，如何解决数据采集的问题，即如何实现通过线下、线上渠道的结合来采集数据;第二，如何解决决策技术的开发问题，因为当前互联网金融行业整体对决策技术的理解还处于浮浅的阶段，有些人甚至把决策支持技术和决策技术混为一谈;第三，将数据与决策叠加，不等于找到了解决金融服务覆盖问题的钥匙，还需要不断在市场上进行测试和学习。”王征宇如是说。
要解决难题，最好的办法就是从自己最擅长的部分先入手。
P2P网贷的模式始创于美国，其起源和成长环境的形成主要是三个行业共同作用的结果：一是信用卡行业，美国P2P行业最早从事的业务主要是帮助信用卡的持卡人群优化他们的信用卡债务偿还流程;二是征信行业，美国国内的征信业务主要由其三大征信局承担，三大征信局就能够覆盖美国80%以上的人口，这为P2P的发展提供了良好的征信环境;三是决策技术开发行业的发展成熟。
而这三大行业恰恰就是信而富当初进入金融服务领域时主要的切入点。
据王征宇介绍，国内的信用卡业务、征信业务、决策技术业务大概已经有了5～10年的历史，而信而富公司有幸能与三大行业同步发展：公司已为国内一半以上的全国性信用卡发卡银行提供信用卡的风险管理服务，公司参与过国内征信体系的建设，公司拥有自主研发的决策技术。
现在，信而富的“肖像”已很清晰：规模中等、经验丰富;为应对中、低额度的贷款业务，努力将每个业务模块的实现流程都设计和构建得丰富充实;有很强的国外专业背景，但却能让服务贴合本地实际需求。
500元额度才能玩大数据
要想实现普惠金融，就难免要接触到20%以外的那部分征信体系没有完全覆盖的人群。在此前开展的业务中，贷款额度在1万～10万元之间的项目是信而富最大的关注点。1万～10万元的这个档位在风控时需要将考察的关键点锁定为征信数据、还款能力，最后才是还款意愿。为此，信而富在风控上采用的是“多条腿走路”的模式。
“我们通过线下的环节尤其是地方分公司来完成服务的覆盖，主要服务内容是贷前咨询、贷中调查、贷后管理。同时，我们和市场上的大数据机构、社交网络机构、电商、线上旅行机构等合作，将潜在客户通过线上渠道转换成线下客户。更重要的是，我们会帮助客户形成信用历史，甚至通过实时的、标准化的审核机制，预先批准客户的借款。”王征宇介绍称。
现在，信而富希望在此基础上面向更广的人群进行服务。于是，信而富决定把业务定位延伸到500～5000元钱的贷款额度，只有在这个范围才是所谓“大数据”技术适用的范围，这个范围所需要考察的关键点将不再是征信数据，也不是还款能力，而是还款意愿。在王征宇看来，运作500元的贷款才是大数据能充分发挥作用的地方，也只有大数据才能帮助实现大规模的拓展用户、大幅度地降低风控成本。
决策技术很重要
在方向确定后，信而富希望通过做三件事来落实战略。一是设计出500元贷款的产品;二是挖掘基于大数据基础上的风控和获客算法;三是构建起一套质量卓越的线上服务体系。
不过，在做具体执行时信而富发现，借助来自网络的数据，甚至是像交易级数据这样的高价值数据，也不能保证100%地正确回答“用户会不会还款”这个问题。
所以，除了数据外还需要决策技术的帮助，让平台更清楚地认识到之前发生了什么，未来可能会发生什么。如果说数据的挖掘驱动了大数据环境的形成，那么数据的分析技术则驱动了平台对业务的决策。
决策技术涉及到授信政策、风险评分、客户分类、中间变量、决策逻辑几个关键点，信而富在中国从事决策技术研发15年，一直致力于利用标准化的语言和流程进行风险管理。比如当用户提交申请表后，就进入了处理流程，然后是进入验证队列借助第三方数据进行验证，最后再通过移动互联网接口进行验证。预置好的决策策略将通过评分的形式介入整个决策引擎，而决策引擎部分就好像一个人真正的大脑一样做最后的决定，值得强调的是整个过程中没有人工的参与，全程都是自动的。
“不应用决策技术，就相当于病人去医院做了一次X光扫描，却没有提交给医生看。决策机制在计算机辅助决策体系里就像医院配备的辅助诊断工具，诊断完了以后治病，治病方案的决策需要有一个决策机制。” 王征宇表示。
链接