尽管这是一个具有马太效应，先发优势尤为重要的领域，但目前来看，创业的窗口仍然敞开。
文 | 林鲁比
P2P、消费分期、现金贷之后，金融领域的模式创新浪潮暂告一段落，加之监管红利期已过，金融行业已有段时间都没有出现一个令人兴奋的投资主题。
金融作为数据化程度最高行业之一，被认为是人工智能和大数据等新技术最好的应用垂直领域，也是FinTech中也成为被寄予厚望的分支。
征信和大数据风控，是近半年来金融领域投融资事件最活跃的细分赛道之一。
近半年来（2016年10月以来）征信和大数据风控领域发生的投融资事件统计
（以上资料为据公开资料整理的不完全统计）
尽管这是一个具有马太效应、先发优势尤为重要的领域，但目前来看，行业还未形成具有绝对优势的巨头。而且消费金融市场仍然处于不断增长的状态，创业的窗口期尚且敞开。
基于消费金融发展的市场机遇，本篇行业观察将着重讨论个人征信与风控。
这份行业观察尝试探讨以下问题：
征信与大数据风控，是一回事吗？
征信与大数据风控并不是一回事。
由于当前创业项目，业务范围往往涵盖了从数据源采集到风控产品的全流程，业态模糊，这导致征信与风控常常被混为一谈。
央行征信局局长万存知曾撰文厘清征信的概念：
征信的基本理念是共享债务人的信息来保护债权人的权益。通过共享债务人债务信息，判断债务人的偿债能力，是贯穿征信的逻辑主线，这从根本上决定了征信的边界。
征信分为个人征信和企业征信，征信数据是风控数据的子集。个人征信数据衍生的数据产品包括信用分、个人信用报告、个人信用提醒、标准信用报告、财务信用报告等，征信产品的应用主要但不局限于金融领域，在出行、购物、旅行、招聘等场景也可以使用。
风控数据的概念更为宽泛，一切经过授权可用于信贷业务风险控制的数据，都是风控数据，风控数据衍生的产品包括：以风险控制为依据的精准营销、反欺诈、授信评估、贷中的资产监控与预警以及贷后不良资产管理等，风控产品只应用于金融场景。
现实情况中，征信与风控业态模糊主要有以下原因：
中国的征信基础设施不完善，央行征信系统覆盖的人群有限，而近年来火热的消费金融多瞄准没有信贷记录的“白板用户”，这就形成了征信数据缺口，同时大数据风控公司为了在数据源方面获得主动权，往往涉及到数据采集环节，在征信数据库不完备，征信采集标准不统一的情况下，数据源甚至成为大数据风控公司的主要竞争壁垒；
征信服务在发展初期非常薄利，从国际经验来看，征信机构的亏损期一般在5~7年，征信机构为了维持自身的运营，不得已开拓风控类的产品创收；
其他的原因还包括，企业具有“托拉斯”迷思、企业定位和商业模式不明确、投资人盈利压力等等；
以上原因都可能导致创业公司在征信和风控业务上混业经营。
征信和大数据风控的市场需求和市场空间有多大？
征信和大数据风控的市场需求，从宏观上来说，可以上升到中国L型走势的经济新常态。
三驾马车中，消费拉动的重要性越来越高，带动了万亿体量的消费金融市场。
2015年，中国消费信贷余额规模为19万亿，同比增长23.3%，预计到2019年将达到41.1万亿。
预计到2019年，消费信贷市场规模将达到41.1万亿
从征信角度来看，消费金融的受众主要是传统金融机构没有覆盖或者没有服务好的用户，与央行征信局未覆盖的人群的重合度高，对征信数据库的覆盖度提出了新的要求。
从风控的角度来说，传统金融机构依赖人工审核，数据处理依赖评分卡体系的刻画，这无法满足当前高频、小额分散和线上化的消费金融趋势，推动大数据和人工智能技术落地于风控领域。
参照征信体系发展完善的美国，个人征信已形成Experian、Equifax、Trans Union三足鼎立的格局，并且形成了Metro1和Metro2的标准化数据采集模板以及FICO信用分统计模型。企业征信方面则有Dun&Bradstreet一家独大，资本市场企业信用评估则有S&P、Moody’s以及Fitch Group三个巨头。
Experian、Equifax、Trans Union三大征信局以及Dun&Bradstreet，四家机构在美国的征信市场占有率约为70%。2016年，这四家机构的总收入约111亿美元，估算下来，美国的征信市场规模为千亿。2015年，2015 年美国消费信贷的规模为3.54 万亿美元，居民消费作为拉动经济的三驾马车之一，占美国 GDP 比重约 70%。
中国的消费信贷市场的潜力还未被完全挖掘出来，背后蕴藏的征信和大数据风控市场是千亿量级。
数据由公开资料整理
近日，由中国人民银行征信管理局、世界银行集团国际金融公司、APEC工商理事会共同举办“个人信息保护与征信管理”研讨会，对征信行业的准入门槛和行业结构等做了探讨：全国人大财经委副主任委员吴晓灵认为，征信产品是“有条件的公共产品”，因此征信市场的参与者必然不会太多，准入门槛高。
未来征信和风控行业的市场结构可能分为三层：
第一层是全面征信机构，准入门槛高，市场集中度高，总体市场规模小，但是单个机构收入可观；
第二层是专业征信机构，专业征信机构在某些细分领域，如保险、信用卡和零售信贷领域有专长，构成征信市场的长尾，同时在垂直领域的专业征信机构会拓展征信业务之外的大数据服务，提供垂直领域的精准营销、供应链金融风控技术服务等；
第三层是数据服务公司，或者说风险管理服务商，为金融机构提供信贷全流程技术服务。
尽管当前中国的征信和风控业务混业经营严重，但随着行业不断发展，对效率和专业性的要求也不断提升，各有专攻的多层次市场格局也会逐渐显现。
中国征信与大数据风控行业的市场格局
与产业链各环节发展进程
中国的征信系统起源于上世纪80年代。
上海远东资信评级有限公司的成立，即是企业征信的开始，也标志着中国征信行业的起步。1997年上海资信有限公司成立，是中国首个个人征信试点机构。
2013年3月，《征信业管理条例》正式实施，征信行业被纳入法律规范的轨道。2014年开始发放首批企业征信牌照，截止到目前市场上约有140多家公司完成了企业征信业务的备案，持牌机构中实际展开企业征信业务的公司接近一半。此外还有没有备案，但实际展开企业征信业务的公司，如部分供应链金融企业和大数据服务公司，暂无统计数据。
个人征信牌照的发放过程则显得尤为坎坷，从2015年1月央行引发《关于做好个人征信业务准备工作的通知》，允许8家民营公司开展个人征信试点业务至今，仍未有一家机构拿到个人征信牌照。
4月份，央行征信局局长万存知表示，“8家进行个人征信开业准备的机构目前没有一家合格，离市场需求和监管要求差距那么大，这是我们始料不及的，在达不到市场需求和监管要求情况下不能把牌照发出去。”
第一批八家排队申请牌照的个人征信公司之外，还有百度、京东、小米金融、算话征信、上海资信等超过200家企业正在申请第二批个人征信牌照。
中国征信行业现状
在大数据风控技术服务商方面，由于不受牌照的限制，市场发展显得更为热闹，其中主要是服务于消费金融业务的第三方风控服务商。
近半年来获得融资的机构包括：法海风控、邦盛科技、白骑士、数美科技、氪信、诚安聚立、Wecash闪银以及冰鉴科技等等。
除了新起之秀，行业内也有如百融金服、同盾科技、神州融、聚信立、智信度等先行企业。
第三方大数据风控平台的可能涉及到信贷全流程。由于公司创始人基因、企业定位等因素，这些创业公司可能在信贷周期中的某个环节产品尤为专业，例如同盾科技深入挖掘反欺诈环节的技术，氪信擅长将AI技术应用于授信评估和风险定价环节。
将大数据技术应用于信贷的全生命周期，是大多数大数据风控公司的目标，百融金服等具有大数据公司背景的创业公司在信贷全生命周期应用的建设方面具有优势。
比起征信市场，大数据风控市场的应用层次更丰富，监管环境宽松，市场容量大。
但是数据行业普遍存在马太效应，先发优势在数据积累和模型优化上都尤为重要。不过，总体来说行业发展仍然属于初期，B轮后的企业数量不多，先发优势还可以被追赶。
B轮及以后个人征信与大数据风控公司（据公开资料整理不完全统计）
商业模式与潜在风险
征信行业是一个相对薄利的行业，当行业发展到成熟阶段，往往呈现多寡头的市场格局，收入可观。正如上文中显示，美国三大征信局2016年的年收入达到111亿美元。
征信业务主要的盈利点和计费方式包括：
对于房贷、车贷等大额消费信贷服务而言，采用强相关金融数据的传统风控方式是目前最有效且风控投入与收益比例最为合理的方式。但是新兴的消费金融业务具有小额分散的特点，必须依靠大数据风控、机器审批，降低单笔放款风控成本，才可能有收益。
大数据风控行业发展的基础，是消费金融市场的发展，如上文所言，这是一个增量市场。
大数据风控服务的盈利点和计费方式包括：
基于风险预判的精准营销服务，白名单服务，按用户转化计费；
反欺诈服务，即黑名单查询服务，一般按查询结果计费，部分采用包年的计费方式
授信评估与风险定价的模型服务、贷中风险监控与预警服务，一般按照放贷规模收取一定比例的技术服务费
贷后不良资产催收服务，收取催回贷款金额一定比例的费用
金融作为强监管行业，个人征信业务面临的首个风险即合规风险。
今年4月，央行回应个人征信牌照发放问题，强调个人征信机构需要符合三大原则：
独立性原则，即征信机构在公司治理结构和业务开展上应确保独立，防止利益冲突；开展业务要客观中立，不能受信息提供者和信息使用者等其他主体的支配；征信产品和服务的使用不能与征信机构股东或出资人的其他业务相捆绑，不能成为股东或出资人谋取他利的手段。
公正性原则，征信业务活动应充分体现社会的公平正义，确保政治上的正确性。征信产品主要用来解决信息不对称导致的信用违约风险问题，提高交易效率、降低交易成本、促进普惠金融发展，既不能当作把人分为不同阶层、不同群体的工具，也不能应用于某些低俗的社交活动，背离征信的本意；
个人信息隐私权益保护原则，在制度建设和日常监管中，强调征信机构应从保护个人隐私、加强个人信息保护的角度出发，保持业务透明度，防止个人信息被过度采集、不当加工和非法使用，防范对个人隐私和商业秘密的侵害，切实维护信息主体合法权益
第二个风险点是数据，无论是征信还是大数据风控，都面临数据标准以及数据质量的问题。
数据标准：征信和大数据风控行业数据来源非常多样，除了从金融机构处获取共享的征信数据之外，还包括但不限于工商、公安、税务、教育部门、司法机构、通信运营商、支付结算机构、航空公司、电商平台等等，个体的数据是割裂的，个人征信数据整合缺乏统一的标准，这将会增加行业运转摩擦，增加运营成本。另外当前各家展开消费金融业务的机构，在授信评估环节数据的采集也缺乏统一的标准，同样会增加行业运转摩擦
数据质量：由于数据源以及数据采集环节即标准不一，数据在真实性和时效性都对征信和大数据风控公司提出了挑战。
征信与大数据风控要具备什么竞争力
才能在当前的排位淘汰赛中脱颖而出？
随着行业发展不断成熟，征信和大数据风控的业务会不断细分，个人征信和大数据风控也会是两个逐渐区隔独立的市场。
我们认为，征信和大数据风控的核心竞争力有所不同，只有具备以下条件，才能在当前马太效应逐渐显现的排位赛中胜出：
通过向民营机构发行牌照，征信成为一个市场化的业务，但征信仍然是具有具有半公共产品性质。征信核心数据，是债务人的债务信息，是涉及到金融机构核心机密的强相关的金融数据。
征信数据的积累有赖于金融机构和类金融机构的数据共享，征信局某种程度上来说也是一个共享中心。只有具备强公信力，才能让金融机构和类金融机构放心地共享征信数据。
征信的技术门槛不高，征信报告设计、业务流程设计等考验的是机构的业务经验。
从这两点考虑，具有国家增信的机构以及具有多年从业经验团队的公司更有优势。
例如央行征信中心中心为控股股东的上海资信、前上海资信完整团队创业的算话征信，都属于有增信或者有经验的项目。
在行业内没有普遍适用的数据基础设施平台时，越早积累数据的公司可以更快获得“滚雪球”效应，扩大竞争优势。
随着数据基础设施平摊搭建的完善，数据对于风控公司而言获取更加公平时，技术能力能够保证模型质量、模型准确性、预测能力和稳定性。
最后是产品设计能力，即基于对金融机构客户需求的理解，开发出满足客户实际业务需求产品的能力。
有大数据背景、具有数据沉淀的创业公司、老牌征信机构以及有强数据处理能力的技术驱动型公司，也是弯道超车的潜力选手。
后记
互联网金融经历了P2P、消费金融、现金贷的创新热潮和野蛮生长，在2013、2014年成为风投的宠儿，但是，随着金融风险的暴露以及监管的加强，互联网金融创新似乎陷入了低谷。
模式创新过去，移动互联网和新一波技术创新低谷，少了粮草支援，在寒冬中通过独立捕食存活下来的公司，才是真正的独角兽。
我们依然期待看到技术手段创新上不断探索的公司，在金融服务还有大量渗透空间的中国，仍然有许多机会等待被挖掘。
关于我们的报告或者金融领域的创新趋势有兴趣的交流的创业者和投资人，欢迎交流，加微信时烦请自我介绍：林鲁比（LT297759835）、郝方舟（nooxika）、克里斯唐（Chris199108）。
非常感谢所有接受36氪采访的创业者和资深从业者，为这份报告提供行业洞见和一手资料。
（本文图片来自：Yestone 邑石网正版图库）
推荐阅读
点击下方图片即可阅读
房子，这代年轻人的残酷成人礼 | 36氪深度
长按识别图片二维码▲，订阅「开氪」
