調(diào)研樂信后的思考：技術(shù)和風(fēng)控才是FinTech的核心競爭力

今年以來，雖然FinTech在資本市場的表現(xiàn)起起伏伏，但大體，股價呈上升趨勢。

促成這一變化的因素有很多，一方面，F(xiàn)inTech在金融業(yè)的整體分工中占據(jù)了助貸這一技術(shù)和服務(wù)驅(qū)動的新分工，難以替代，對于現(xiàn)有金融機構(gòu)，這是必要的外部助力；另一方面，他們正在以新的姿態(tài)捕獲更多的用戶，重新構(gòu)建自身的護城河。

從監(jiān)管層面看，今年以來，行業(yè)雖然也曾經(jīng)出現(xiàn)斷直連、限制最高貸款利率等政策調(diào)整，但本質(zhì)上都是為了規(guī)范行業(yè)，不會影響行業(yè)的長期發(fā)展邏輯。而且行業(yè)開展的小微業(yè)務(wù)和消費業(yè)務(wù)也受到監(jiān)管鼓勵。

綜合上述因素，雖然FinTech出現(xiàn)了較大漲幅，但相對來說，還是非常的低估。市場上，大多從業(yè)績增長、估值對比等角度說明FinTech 如何被低估，本文不在贅述。

要從根本上理解FinTech的價值，還是要回到行業(yè)發(fā)展的底層邏輯-FinTech 是如何在傳統(tǒng)金融機構(gòu)所占據(jù)鐵板一塊的市場中，撕開一道口子？靠的是金融為表技術(shù)為核的科技能力。投資人要意識到FinTech 的價值，清楚其技術(shù)和風(fēng)控能力對業(yè)務(wù)的驅(qū)動是少不了的一節(jié)課。

昨天樂信剛發(fā)布了2季度財報，多項指標(biāo)都創(chuàng)了新高，前段時間我也參加了它組織的一場交流活動，正好以樂信為樣本，說下FinTech 的科技是如何驅(qū)動業(yè)務(wù)的。

1、風(fēng)控：FinTech制勝的核心

風(fēng)控是FinTech公司這一輪真正制勝的核心，也是個人認(rèn)為被低估的底層邏輯。過去幾個季度，樂信整體信貸規(guī)模逐季增速，截至今年二季度為905億，較去年同期增長了46.2%。

信貸規(guī)模高速增長的情況下，樂信做到了較好的風(fēng)險控制，逾期率呈現(xiàn)穩(wěn)步下降趨勢，今年二季度，M3逾期率較去年同期下降了1.14個百分點。

M3逾期率受歷史借款影響，不能很好的反映新增借款逾期率變化。在財報中，公司提到新增借款的FPD30已經(jīng)連續(xù)12個月保持在1%以下，6月底，樂信一天以上的逾期率同比降低40%。

風(fēng)控能力的提升，得益于公司的風(fēng)控系統(tǒng)，公司以復(fù)雜網(wǎng)絡(luò)、自動特征生成、LBS風(fēng)險識別評估等“黑科技”作為底層，構(gòu)建了一套風(fēng)險策略管理系統(tǒng)。

通過風(fēng)險管理策略系統(tǒng)，樂信可以對用戶的壞帳，用戶生命周期利潤進行跟蹤和預(yù)測。有了上述跟蹤和預(yù)測能力，公司搭建了一套風(fēng)險管理體系，形成按日、按周、按月的追蹤預(yù)警分析機制，并把用戶特征、催收運營等指標(biāo)拆分為若干維度。

當(dāng)用戶風(fēng)險出現(xiàn)偏差后，風(fēng)險監(jiān)控預(yù)警機制可快速監(jiān)測到業(yè)務(wù)異常，自動化算法，又對造成偏差影響力最大的因素總結(jié)出來，進行針對性的風(fēng)險管控和攔截。

這樣說比較抽象，舉一個公司提到的案例。

今年早期樂信入催率有一定上升，自動化預(yù)警系統(tǒng)做出預(yù)警后，自動化歸因系統(tǒng)從用戶特征的若干維度中發(fā)現(xiàn)，使用某類其它金融產(chǎn)業(yè)的用戶是造成異常的最大因素，之后系統(tǒng)將這部分用戶進一步拆分，細分到年齡、地域等更精細化的維度，從而對用戶進行針對性的策略攔截和管控，公司入催率也很快恢復(fù)了正常。

當(dāng)然風(fēng)控不只存在于獲客后的監(jiān)測，在貸前對用戶進行風(fēng)險定價以及反欺詐同樣重要。在風(fēng)險定價方面，公司通過用戶定價體系，基于不同人群在一定利率期間內(nèi)的風(fēng)險表現(xiàn)，為客戶進行差異化定價，推出針對性產(chǎn)品。

樂信基于用戶定價體系，將用戶分為價格敏感類、信貸饑渴類、優(yōu)質(zhì)用戶，針對不同用戶對價格的交易敏感度、單位交易收益率，采取更靈活和更精準(zhǔn)的價格策略。舉個例子，優(yōu)質(zhì)用戶定價越高，潛在的交易量越小，但單位交易量潛在的利潤率越高，公司會找到交易量與利潤的最優(yōu)解進行定價。

在反欺詐方面，公司建立了超過23億節(jié)點和千億級聯(lián)接的核心多實體關(guān)系圖譜，針對高風(fēng)險交易行為TOP5的預(yù)測準(zhǔn)確率提升10倍。

這樣說有點抽象，不好理解樂信反欺詐是怎么做的，我用大白話說明一下，公司通過LBS網(wǎng)格化技術(shù)，將中國版圖按照100×100米的畫工方式切成了無數(shù)個網(wǎng)格，公司基于每個網(wǎng)格內(nèi)的用戶體征、所在街區(qū)、影象解析等做風(fēng)險管控。例如，公司從街區(qū)圖象識別中發(fā)現(xiàn)，某類街區(qū)有大量含金融字眼的商鋪，意味著街區(qū)有很多線下中介，風(fēng)險相對較高，公司就會減少該地區(qū)的業(yè)務(wù)量。

在自身風(fēng)控有穩(wěn)定表現(xiàn)后，樂信正將風(fēng)控能力對外輸出。樂信風(fēng)控能力對外輸出有一定的產(chǎn)業(yè)邏輯可循：

一方面，區(qū)域性銀行無法承受巨額成本構(gòu)建完善的團隊來提升長尾客戶貸款能力，另一方面，對于風(fēng)險的定價需要持續(xù)的數(shù)據(jù)積累和模型優(yōu)化，而且需要持續(xù)迭代相應(yīng)的反欺詐和風(fēng)險預(yù)警能力，這是服務(wù)億級用戶之后的寶貴實踐，并非區(qū)域小樣本客戶可以習(xí)得。

基于此，樂信正將風(fēng)控能力對外輸出，推出了三大產(chǎn)品：

• 樂圖：對接樂信資產(chǎn)，金融機構(gòu)可通過借助樂圖提升通過率的同時，保證資產(chǎn)的風(fēng)險并不上升。

• 樂圖PRO：對接樂信外的互聯(lián)網(wǎng)資產(chǎn)，如金融機構(gòu)在今日頭條等巨頭上獲取的流量，金融機構(gòu)通過樂圖PRO，在提升通過率同時，保證資產(chǎn)的風(fēng)險并不上升。

• 負(fù)熵：針對銀行自營資產(chǎn)開展資產(chǎn)有效“回?fù)啤?，可幫助資放精細化運營自營資產(chǎn)，實現(xiàn)降本增效。

   

  不難發(fā)現(xiàn)，三大產(chǎn)品都解決了金融機構(gòu)的風(fēng)險定價問題，而這正是金融機構(gòu)的核心痛點，缺乏風(fēng)險定價，使傳統(tǒng)金融機構(gòu)定價范圍窄，無法滿足多元的用戶需求，導(dǎo)致通過率變低，即不利于吸引新用戶，也不利于存量用戶運營。

   

  也正是對風(fēng)險定價這一問題的解決，樂信三大產(chǎn)品也取得了不錯的成果，使用樂圖的金融機構(gòu)超過6家，平均每家通過率提升1.69倍；樂圖pro的日均調(diào)用量超過8萬次；負(fù)熵使合作銀行的業(yè)務(wù)量提高一倍。

   

  從長期來看銀行最終要與Fintech 公司合作，持續(xù)更新金融科技方面的能力，確保業(yè)務(wù)的可持續(xù)性。

   

  2.技術(shù)能力的強弱決定未來金融業(yè)務(wù)能力的強弱

   

  樂信技術(shù)能力的賦能并不僅僅體現(xiàn)在風(fēng)控環(huán)節(jié)，而是體現(xiàn)在金融科技業(yè)務(wù)貸前、貸中、貸后的全業(yè)務(wù)流程賦能，最終樂信的運營效率也有所改善。

   

  在貸前環(huán)節(jié)，以獲客為例，樂信獲客成本低于行業(yè)競對，以銷售費用/新增用戶數(shù)量計算，二季度，樂信獲客成本為291.2元/人，信也科技為400元/人。（注：360數(shù)科為批露新增用戶數(shù)）

   

   

  一方面，樂信通過機器學(xué)習(xí)平臺建立的學(xué)習(xí)模型，可以幫助公司更好的做廣告投放計劃，規(guī)避高成本流量，找出ROI最高的獲客渠道。

   

  另一方面，公司獲取用戶后，公司通過聯(lián)邦學(xué)習(xí)算法，也可以從更多維度了解用戶，聯(lián)邦學(xué)習(xí)可以根據(jù)現(xiàn)有數(shù)據(jù)，對人群特征進行深入挖掘，既能為用戶提供更適合的產(chǎn)品，也能通過數(shù)據(jù)驅(qū)動對用戶進行二次營銷。

   

   

  在貸中環(huán)節(jié)，以資金接入為例，樂信接入時間金融機構(gòu)資金的時間，由兩周縮短為幾分鐘。背后得益于樂信通過Toplink系統(tǒng)，對貸前，流程編排，自動校驗等接入環(huán)節(jié)，進行AI驅(qū)動的自動配置，免去了大概60%-70%人工。

• 

   

  當(dāng)然，資金方接入后，也需要和金融機構(gòu)做資產(chǎn)報表，結(jié)清證明，盡調(diào)工序，等大量測試，公司通過魯班系統(tǒng)將上述測試環(huán)節(jié)進行標(biāo)準(zhǔn)化處理，可以實現(xiàn)數(shù)據(jù)自動測試。

   

  在貸后環(huán)節(jié)，以賬款回收為例，樂信歷史不良資產(chǎn)回收率較去年提高了30%，不良資產(chǎn)實現(xiàn)賬款回收的提升，正是得益于公司通過算法，分析出客戶畫像，從而針對每個客戶，找到更適合的回款手段。

   

  除了對業(yè)務(wù)流程的賦能，技術(shù)也能使公司更好的應(yīng)對外部環(huán)境的變化，始終在發(fā)展中保持確定性。

   

  我舉個例子，監(jiān)管加強「數(shù)據(jù)治理」已經(jīng)是大勢所趨。一方面，以往違規(guī)收集大量用戶金融數(shù)據(jù)以及非金融類替代性數(shù)據(jù)的粗曠式做法，將受到限制。另一方面，過往公司之間可直接交換數(shù)據(jù)，但目前這種情況也被禁止。

   

  隨著數(shù)據(jù)采集、傳導(dǎo)和使用機制等發(fā)生變化，曾經(jīng)的大數(shù)據(jù)、厚數(shù)據(jù)時代將逐步進入小數(shù)據(jù)和薄數(shù)據(jù)時代。

   

  在上述背景下，如何弱化小數(shù)據(jù)和薄數(shù)據(jù)對業(yè)務(wù)的負(fù)面影響，成為FinTech必須解決的問題，這時候，樂信的技術(shù)能力至少起到了兩點作用：

   

1. 通過新技術(shù)的應(yīng)用，將數(shù)據(jù)“由小變大”。比如，樂信通過聯(lián)邦學(xué)習(xí)建模，即多個實體間在不交換原始數(shù)據(jù)的情況下交換機器學(xué)習(xí)，從而達成雙方模型的共同提升，最終做到在不交換用戶原始數(shù)據(jù)的情況下，只交換數(shù)據(jù)訓(xùn)練的中間結(jié)果，就可獲取到集合多家數(shù)據(jù)后的用戶分析結(jié)果。

    

   2）加強數(shù)據(jù)深挖，將數(shù)據(jù)“由薄變厚”，在過往，數(shù)據(jù)廣度較多，導(dǎo)致行業(yè)數(shù)據(jù)挖掘的深度不足，當(dāng)在市場環(huán)境倒逼下，樂信通過技術(shù)優(yōu)勢可以對數(shù)據(jù)進行深入挖掘，弱化數(shù)據(jù)變少后的影響。

    

   在交流會中，樂信CTO陸勇提到下一步工作的核心就是通過技術(shù)提高企業(yè)的運營效率，精耕細作——以樂信目前一年2000多億的促成借款額算，千分之一的效率優(yōu)化就就將影響到2個億的金額。

    

   回到FinTech行業(yè)的發(fā)展邏輯，行業(yè)發(fā)展早期，行業(yè)內(nèi)公司即使粗曠式發(fā)展，也能取得不錯增長。但當(dāng)下，行業(yè)發(fā)展成熟，利率下行，獲客成本上升是大勢所趨，行業(yè)內(nèi)公司必須向精細化運營求增長。這時候，通過風(fēng)控降低業(yè)務(wù)風(fēng)險，通過技術(shù)對業(yè)務(wù)降本增效就成為必然之舉。

    

   從這個角度看，風(fēng)控和科技是FinTech的核心競爭力，未來科技和風(fēng)控領(lǐng)先的玩家，將是行業(yè)內(nèi)最具確定性的企業(yè)。