浅橙科技朱永敏：信任成本是社会最大成本，金融科技核心在风控和数据

峰会现场，亿欧联创王彬、宜信高级副总裁陈欢、希望金融CEO陈兴垚、浅橙科技创始人朱永敏、泰康在线首席市场官方远近、易鑫集团COO姜东、钱包生活CEO定胜斌、丰瑞资本创始合伙人李丰等数十位业内人士发表主题演讲。

本次峰会的联合主办方浅橙科技创始人兼CEO朱永敏，发表了主题为《实现普惠金融的下一个赛道在AI》的演讲。针对人工智能、机器学习、大数据等新技术对普惠金融建设的推动意义，朱永敏指出：我国未被传统金融机构覆盖的人群约4亿人，传统金融的线下高成本运营模式成为金融普惠化的现实困境：

1）传统金融线下成本太高，无法满足用户新需求；信用体系不健全，传统风控模型无法支撑次级用户，同时也很难服务次级人群——这形成传统金融的现实困境。。

2）未来的金融服务一定是多元化有层次的，不再两极分化，不再像原来单方面的金融服务过剩。原有的金融服务是单一的，只是面向优质用户，因此导致优质用户的金融服务单方面过剩，而更多的次级用户反而享受不到金融服务。AI正在推进普惠金融，利用AI可以解决运营和服务成本，使得边际成本可控；也提供决策依据，解决线上风控难题，使得坏账可控；同时，移动端的普及也使用户数据的获取不再困难。因此，金融服务的多元化发展成为可能。

3）金融科技服务实体经济，应该从关注每一个微小的个体入手，从“人”入手。同时，金融科技通过建立筛选机制，判断好人、坏人，判断其负债能力和还款能力；改变单一的金融服务模式，提供多元化的金融服务；由下往上搭建社会信用体系；让信用值钱，帮助次级用户享受更加优质的金融服务，对国内信用生态建设具有深远影响。

4）信任成本是社会最大的成本。我们面临一个很大的问题是信用体系不完善，但这也是机会所在，从无到有，我们在做的过程中，一定是通过模型追踪打造出来一个完整的信用，这是在促进整个信用体系的发展，未来可以降低整个社会的成本。

以下为朱永敏的演讲速记，由亿欧编辑整理（有不改变原意的删改）：

中国经济发展到这个阶段，其实整个中国经济社会都在发生巨大改革，也存在巨大的机遇和商机。从原来两极分化的商业模式，到现在变成了多元化的社会阶层，包括服务多元化、服务升级、消费升级、产品升级，整个产业已经多元化。

产业多元化意味着基础的金融服务和资本流转、流动是多元化的。对我们这代人来说，这个时间点有一个巨大的商机，就是金融服务的多元化。未来的金融服务一定是多元化的，不再是两极分化。利率是一套的，国家规定的是多少就是多少，而不是民间的那一套，民间是不受监管的。

未来的金融服务一定是多元化有层次的，不再是像原来单方面的金融服务过剩。现在大型企业的金融服务资源是非常丰富的，不管是大型银行、信贷还是保险，都很喜欢服务于大型企业。但是对于中小微企业和中小微的民众，包括无卡人群，中国有7到8亿人群是没有服务的，这是一个很巨大的机遇。

因为我是互联网出身，本身是做基础的，所以我们怎么去做金融服务？为什么我们比别人做有优势？科技金融到底体现在哪儿？为什么用科技金融做？科技金融比传统金融做得更加好或者怎么做有效补充，怎么去服务于原来传统金融服务不到的人群和企业？

现在的大数据和互联网很先进的技术叫区块链、人工智能，这些东西都貌似有很多新的概念。其实从传统的概念来说，我觉得对于金融，核心的理念是抓住两个点：

一是降低获客的成本。传统金融做获客，我之前接触过很多做抵押和银行的业务，其实获客成本是很高的，基本上1000块钱左右。如果额度不高，或低于10万或者5万，他的获客成本就很高——变相来说用户能拿到金融服务的成本不可能低。其实，要解决的是如何应用现在的技术解决获客成本的问题，也是首要问题。

二是利用现在的技术解决风控成本问题。如果能解决风控成本和流量成本，就可以去做更广大用户的金融服务，从而让用户获得优质的金融服务。这就是说要用 “人工智能AI”，可能实际的技术会比较简单或者比较土，与互联网或者AI互联网可以做长尾的效应，这是互联网的特性——长尾的效应而不是头部的效应，长尾效应可以解决基础获客成本的问题。

传统的金融是服务于传统经济。为什么服务于传统经济？因为获客成本高、线下的风控成本也高。而且随着业务量规模变大，成本是线性上升。我们要做的目的是当你的业务规模越大的时候，你的成本不是线性上升，而是可以忽略不计。服务10万用户、100万用户，你的成本是不是可控的，你的成本服务10万用户的时候，可能每客单价是10块钱，当你到100万的时候还是10块钱，这是我们做这个产业的初衷。

前面两位嘉宾讲了，我们中国的小微企业太多，他们缺乏有效的金融服务，我们的目标是说怎么去获取这些小微企业？怎么能够去解决他们的风控问题？

在中国原来做小微企业做得比较好的，传统银行应该是招商银行做得比较好，模式是线上线下相结合的模式，意味着它的介质是在50万到100万以上，息费是在10万到20万之间，因为其成本不可能再降，线下的考核成本在那里。

那么，我们未来有没有一种方式，可以通过一键线上授信，企业信息化到达一定程度是不是可以做到这种效果？

从目前来看，情况正在发生改变。

目前，企业所有的经营情况和数据，可以通过互联网获取，财务数据、能源数据、支出数据和其他的相关数据，这些数据是方方面面的，通过这些数据来建模型，之后给你分层和评级，根据分层和评级做风险定价，实现风控授信。而且，这样成本也正变得无限低。服务1家企业和100家企业都通过这个模型来完成。

成本足够低的时候，我们就可以提供优质的金融服务。

从个人而言，中国目前有卡人群其实在3-4亿左右，意味着中国7-8亿人口没有金融服务。跟发达国家相比，发达国家金融服务普惠率70%-80%，中国的金融服务是40%左右，其实应该说是有50%的差距。我们公司面向个人提供服务，需要对个人做分析，看他到底是不是优质客户。那么，我们怎么去判断一个客户是不是优质？

首先，要区分他是好人还是坏人。在中国做金融服务，第一点要做的永远都是怎么区分好人和坏人，解决反欺诈的问题。因为中国跟发达国家不一样的地方是，发达国家的金融数据和征信体系非常完善，它不用你区分好人跟坏人，有没有还款意愿。

为什么在现在的阶段，中国可以去做基于数据分析的反欺诈模型？为什么在2012年、2013年不能做？包括前面希望金融的陈兴垚总说的，现在农村都用上了智能手机，其实这就是数据驱动的改革。

以前，比如2012年前，全国用的都不是智能手机，用的都是传统手机，无所谓数据，我们没有任何数据的沉淀。没有任何数据的沉淀就无法分析这个人的生活轨迹是什么样的，生活状态是什么样的。2012年之后，智能手机开始普及，到2014年、2015年，数据沉淀到一定程度，可以通过智能手机获取这个人所有的基本数据，包括电商信息、金融相关的信息、社交信息等，这些维度足够多的时候，就可以判别这个人是不是一个正常的人或者是一个欺诈的人，这是数据驱动。

其实，它的爆发时间点应该是在2015年至今，包括未来两到三年，这是一个巨大的爆发点，可以通过数据的获取和积累，通过建模分析用户到底是不是一个正常的客户，到底是不是一个正常的企业，这是一个很大很大的时间转折点。也就是说在未来3到5年，我们一定是基于数据分析来驱动欺诈模型，这是一个非常重要的点。

分析好用户的欺诈模型之后，下一步要做的是确定这个用户到底授信是多少，这个用户到底应该授多少信。我们就要看两个方面：一是用户的收入情况；二是看用户包括企业的负债情况，负债减去收益就是未来可以承受的负债情况。

随着整个互联网的发展，越来越信息化，每个人、每个企业的数据越来越多，我们通过互联网，能够获取这个人的收益情况，包括所有的收入情况。前面第一个宜信陈欢总讲的，他们是做商户的，其实是做阿里的一些商户。我可以从阿里的体系里边拉出商户的所有经营情况，我是知道他的收入情况的。第二点，还要知道他的支出情况，知道他的支出情况就知道他的负债情况，我们去做调研，如果不能拉到这些数据，现在就暂时不能给他服务，如果可以做到，其实就可以为他做金融服务。

在做模型的时候你的维度一定要足够的多，不能像原来那样使用强变量，未来是弱变量的时代。如果我有1000个维度的弱变量，就可以做到线上风控。因为强变量很可能会被一些欺诈集团给追过去，而利用弱变量则可以设计出抵制欺诈的模型。

在我们看来，合理的负债，可以促进整个经济和企业高速发展，同时，合理负债也能促进每个人更有动力地去做很多事情。包括企业他可以加杠杆做到更好地营收，反过来促进实体经济的良性循环。企业不加杠杆是很难受的，如果企业不加杠杆，将远远落后于正常企业加杠杆的发展速度，这个我相信做企业的人都有感受。对于个人而言同样如此。简单点说，其实买房子就是加杠杆，包括前10年加杠杆买房子都享受到经济的红利了，如果没有享受到红利至少是比较难受的。

所以良性的经济循环是要每个人都能够享受到金融服务，包括发达国家，他把金融服务等同于每个人的基本人权，而且应该是相当重要的一种人权。只是我们传统观念认为借钱不好。我们要改变这个观念，合理的杠杆可以让收益更加可观。

另外，在中国来说，我们面临一个很大的问题是信用体系不完善。在美国，做金融服务很简单，查一下用户到底是什么样的情况就好了，在中国是没有办法的，因为在中国，我们有8亿的人是不入征信体系的，在里面是空白的，所以很难做。

但这也是机会所在，因为从无到有。我们在做的过程中，一定是通过模型追踪打造出来完整的信用，这是促进整个信用体系的发展，在未来可以降低整个社会的成本。

我们现在做很多的企业，不管做企业还是做个人，我们发现我们的最大成本在什么——就是信任成本。信任成本是社会最大的成本，如果你的金融服务做好了，自然而然就解决了信用问题，在未来，从下往上建设的信用，一定是可以反过来驱动信用体系建设，促进整个社会的信用成本降低。

如果无法用数据和科技的问题解决风控成本的问题，就很难去做金融服务，所以我只牢记一个点，风控是不是通过一个很低的成本来解决？当你服务于10万和100万用户的时候，你的成本是不是一样的？这是做互联网企业唯一的标准。

另外，随着线性成本的上升，我们还承担着员工的道德风险。其实在业务越大的时候风险系数是越大的，做金融肯定考虑着风险，所以怎么样让风险和风控成本降低是你脑子里要清晰认识的。

其次，怎么去获取客户、获取客户的成本是怎么样的、客户未来的留存率怎么样？要用你所有的手段和技术，包括现在的区块链技术来解决客户的来源问题，客户的来源能不能做到边际成本足够低。所以我们公司主要是看重这两个点，解决了这两个点，企业一定是优质的。

此外，我们利用AI做了三个方面的工作。比如，怎么做到精细化运营，广告投放、用户怎么去匹配。针对你的不同渠道，风控模型其实是不一样的，坏账率也是不一样的。需要你用海量的样本来训练模型，包括未来评估的结果。决定未来投放的时候，广告投放是投放信息流多，还是投放在精准营销上多，还是投放在其他地方比较多。

然后是风控体系。我们建的风控体系基本上基于全部的数据，不会去获取线下的数据，因为一旦深入到线下的数据，就暴露了很重要的问题。比如，在数据获取过程当中的成本问题，包括获取数据源时候的成本，包括道德风险的问题，等等。因为我是通过线下人工去获取的，你怎么去控制人？当你的规模越大的时候，这个人的道德风险就会越大，比如怎么去控制该人员提供的数据是真实的？

这是最大的问题，如果不解决这个问题，跟原来的传统金融模式是没有区别的。如果无法降低它的服务成本，就意味着用户得不到有效的、更优质的服务，这就没有所谓的改革驱动，本质上跟原来是一样的。

所以我们的数据一定是基于HAS建模，所有的数据都是通过系统主动去获取，而不是人工提交，现在有些地方可以是人工，我是觉得未来所有的都是系统获取，不管你做小微企业还是小C，需要的是系统抓取所有的用户，包括现在很火的、做供应链的，我建议你一定是通过系统来获取数据服务，然后通过数据服务去建模，建完模之后提供服务。

浅橙科技定位是做两个方向：

第一，如何获取客户？以最低的成本去获取用户，把客流留在我的平台，然后找到更优质的金融机构合作方，进行整合合作。一定要相信传统金融机构的成本是最低的，而且传统金融的风控模型也一定是最优秀的，我们能做的一定是如何获取到客户。可以通过我们的所有手段去优化获取客户的渠道和你的成本。

第二、怎么去获取客户相应的一些风控数据？怎么去通过互联网手段、通过科技手段拿到用户相应的数据，帮助和建立相应的风控模型。总的来说，无非是在整个商业模型中降低两个方面的成本，一个是降低获客成本，再是降低它的风控成本。

这两个成本降低之后，客户始终是掌握在我们平台手上，这是我们的目的！最终你的金融服务有可能是由传统银行来完成，不管是银行、信托，还是现在的新型互联网金融公司，都可以来进行金融服务。我们要做的是通过两个方面来降低成本问题，其实做得大部分都是信息阶段的展示。

此外，数据也是是我们要做的。但我们最终重视的，是想为一些小的企业，小的C端的用户，为他们的信用服务。如果你具有良好的信用，一定要让你们的信用具有价值，这是我们公司的初衷。

谢谢大家！

文章内容系作者个人观点，不代表亿欧对观点赞同或支持；转载请注明作者姓名和来源。