開篇語
數據紅利催生中國金融科技彎道超車，這是最好的時代，也是機遇與挑戰共生的時代。
除了通過上市尋求走向國際資本市場路徑，快速崛起的中國金融科技市場參與者開始頻頻站上國際舞臺“秀肌肉“。在市場規模拉開距離後，商業模式和技術應用上，曾經”西學東漸“的傳統關係正在發生重置。
中國在Fintech領域顯然已是具話語權的市場。如果究其原因，一方面，受益於國內人口紅利，這些機構的業務規模、生存現狀已經遠遠超越曾經的模仿對象如Lending Club ，Upgrade等；另一方面，手握大市場、大數據，就等於擁有了模型分析的底層資產，抓住了風險控制的核心要素，與國際同行相比，這些機構在數據分析和建模能力上也已逐漸形成技術自信。
數據紅利催生“中國式”超車
“未來三十年信用卡將會成為過時的詞彙。我們的移動錢包可以基於支付做到非常靈活的信用管理——一站式看到自己賬單情況，選擇更為靈活，從而改變循環貸款的傳統模式。”美國互聯網新興消費金融公司Affirm聯合創始人Max Levchin對信貸的未來市場這樣表示。
是不是聽起來頗為耳熟？事實上，上述模式在國內早已被上至螞蟻金服、騰訊金融，下至新興創業公司所成熟掌握。對於中國人，手機即錢包已成為被普遍接受的交易習慣。而對於美國人，這一交易習慣的實現被設置在幾十年後。
專注房產按揭借款的平臺Quickn Loans 負責人Jay Farner透露，“如何更快解決申請仍是平臺主要關注的問題，該平臺的抵押類貸款必須十天內就完成，而做個人信用貸款則要在一天內完成。”與之形成鮮明對比的是，中國不少機構已經實現以分鐘甚至秒來計算的消費信貸授信效率。
事實上，除了移動支付，在市場規模、發展模式和創新速度上，以網貸為代表的中國金融科技機構已經開始逐步實現超車。相關數據顯示，中國P2P市場規模佔全球交易量約六成。根據零壹研究院數據統計，2017年上半年，中國金融科技公司獲得的融資金額接近美國的兩倍，融資筆數是美國的四倍。
曾在美投資機構Capital One具有多年從業經歷的小贏科技總裁成少勇對上述變化和差距並不意外，在他看來，美國金融市場成熟度很高，徵信等基礎設施完善，資本市場發達，市場空間已經相當狹窄。類似LendingClub（全球第一家上市的網貸公司）能做的事情，Capital One和銀行也同樣涉獵。“受益於金融基礎設施不完善留存的廣大空間，移動支付在中國迅速崛起，並間接推動用戶形成了在移動端借貸、理財的習慣，由此沉澱的大量數據為以‘數據分析建模’為立命之本的消費信貸行業帶來了巨大紅利。”
事實上，由於央行徵信中心覆蓋的人群極為有限，用非傳統徵信數據去做模型已經成為行業的主流選擇。“數據是信貸領域風控模型構建的基礎，數據基數越大，測試機會越多，模型成熟的速度就會更快結果更準確。”信而富首席戰略官王峻認為。
而數據前提的具備，也成為去年以來中國消費金融爆發的關鍵要素。梳理一下信而富、趣店、拍拍貸、和信貸等去年扎堆赴美上市的機構不難發現，業務主線清一色均是個人消費貸款。如果以拍拍貸10年發展一朝上市的路徑看，這種機遇點的爆發就更為明顯。成少勇分析認為，“以前是PC時代，網貸平臺的獲客成本和數據量都不具備成熟條件。正是因為智能手機和移動支付這兩個數據快速沉澱的前提具備，可以鎖定的個人有效信息增多了，才讓線上借貸得以在風險定價上獲得主動權，從而降低壞賬。”
“中國式”挑戰：競爭加劇監管升級
事實上，自網貸行業“限額令”出臺後，市場實質只剩下消費貸和車貸的生存空間。在此次參與朗迪峰會的中國網貸機構中，絕大多數主業均為個人消費信貸業務。
而近年來“企業降槓桿、居民增槓桿”的信貸走向也使得個人消費信貸成為傳統金融機構爭奪的焦點。
近期消息顯示，招商銀行已經進軍信用卡代償這一此前商業銀行不屑涉獵的市場，這對創業公司來講無疑是一個值得警惕的信號。
這種蜂擁搶佔個人消費信貸的趨勢是否會加劇機構間的同質化競爭？
比如去年以來非常熱的信用卡代償領域，做的其實是傳統銀行分期“看不上”的“次級人群”，但實質上這些人群通過風險定價策略又能保證較低的壞賬率，生意模式由此而來。
但即使如此，市場空間逐步縮小無疑是必然趨勢。快牛金科CEO倪抒音透露，2016年研發團隊啟動聯合建模，當時“市場很容易幾乎沒有對手“，但到了2017年，市場上已經有個不少於10個差不多水平的同業。
另一方面，當行業參與者幾乎全都在談論數據優勢時，數據的壁壘又還有多大？此次參與朗迪的中國金融科技公司演講主題上鎖定的均是在如何運用“數據“運營中國消費金融市場，比如信而富討論的是“當信貸決策遇見人工智能”，樂信圍繞的主題則是由數據驅動風控環節的AI使用，宜人貸則繼續強調自己“移動第一，數據驅動”……
“資金不是問題、資產也不是問題，現在最大的重心就是不遺餘力搞數據、不遺餘力建模型。”成少勇坦言。據透露，其平臺目前掌握的數據一半來自央行徵信中心，另一半則來自各種第三方數據機構。
實踐中，業內機構普遍對這類數據對風控和建模的作用表示肯定，這一點也與美國機構苦於缺乏足夠數據挖掘形成對比。但值得注意的是，對BATJ之外的金融科技機構，其實數據本身並不能形成太大壁壘。在李侃看來，算法甚至也不是，真正的壁壘在於對數據做出判斷，並可以在數據不斷變動的情況下隨時修正風控模型。所謂技術優勢背後，是涉及人才、算力、機制的整個系統。而評判最終風控水平的標準，則是機構是否能盈利。
而與美國金融科技機構面臨的市場狹窄、居民借貸狀況緊繃的情況相比，中國同業的發展前景則需要更多考慮進監管風險。近期消息顯示，此前預計在6月底前完成的網貸備案大概率將延期，恐將影響一批企業的資本運作甚至國際佈局。據參加論壇的相關業者透露：華爾街已經對於中國互聯網金融企業赴美上市趨於謹慎，多數大型投行希望等到平臺先備案獲批，再運作海外上市。
另一方面，這些中國業者賴以生存的數據紅利，在未來遭遇數據立法等監管風險時是否會讓行業遭受重大打擊？在李侃看來，數據的規範使用確實需要一個過程，而在這一過程中，中國徵信基礎建設其實也在同步完善，從數據獲取量來講，不會形成劇烈衝擊。
閱讀更多 琥珀金融幫 的文章
