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

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(dòng)的新分工，難以替代，對(duì)于現(xiàn)有金融機(jī)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(hù)城河。

從監(jiān)管層面看，今年以來(lái)，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(huì)影響行業(yè)的長(zhǎng)期發(fā)展邏輯。而且行業(yè)開(kāi)展的小微業(yè)務(wù)和消費(fèi)業(yè)務(wù)也受到監(jiān)管鼓勵(lì)。

綜合上述因素，雖然FinTech出現(xiàn)了較大漲幅，但相對(duì)來(lái)說(shuō)，還是非常的低估。市場(chǎng)上，大多從業(yè)績(jī)?cè)鲩L(zhǎng)、估值對(duì)比等角度說(shuō)明FinTech 如何被低估，本文不在贅述。

要從根本上理解FinTech的價(jià)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(jī)構(gòu)所占據(jù)鐵板一塊的市場(chǎng)中，撕開(kāi)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(shí)到FinTech 的價(jià)值，清楚其技術(shù)和風(fēng)控能力對(duì)業(yè)務(wù)的驅(qū)動(dòng)是少不了的一節(jié)課。

昨天樂(lè)信剛發(fā)布了2季度財(cái)報(bào)，多項(xiàng)指標(biāo)都創(chuàng)了新高，前段時(shí)間我也參加了它組織的一場(chǎng)交流活動(dòng)，正好以樂(lè)信為樣本，說(shuō)下FinTech 的科技是如何驅(qū)動(dòng)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(gè)人認(rèn)為被低估的底層邏輯。過(guò)去幾個(gè)季度，樂(lè)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(zhǎng)了46.2%。

信貸規(guī)模高速增長(zhǎng)的情況下，樂(lè)信做到了較好的風(fēng)險(xiǎn)控制，逾期率呈現(xiàn)穩(wěn)步下降趨勢(shì)，今年二季度，M3逾期率較去年同期下降了1.14個(gè)百分點(diǎn)。

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(cái)報(bào)中，公司提到新增借款的FPD30已經(jīng)連續(xù)12個(gè)月保持在1%以下，6月底，樂(lè)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(dòng)特征生成、LBS風(fēng)險(xiǎn)識(shí)別評(píng)估等“黑科技”作為底層，構(gòu)建了一套風(fēng)險(xiǎn)策略管理系統(tǒng)。

通過(guò)風(fēng)險(xiǎn)管理策略系統(tǒng)，樂(lè)信可以對(duì)用戶的壞帳，用戶生命周期利潤(rùn)進(jìn)行跟蹤和預(yù)測(cè)。有了上述跟蹤和預(yù)測(cè)能力，公司搭建了一套風(fēng)險(xiǎn)管理體系，形成按日、按周、按月的追蹤預(yù)警分析機(jī)制，并把用戶特征、催收運(yùn)營(yíng)等指標(biāo)拆分為若干維度。

當(dāng)用戶風(fēng)險(xiǎn)出現(xiàn)偏差后，風(fēng)險(xiǎn)監(jiān)控預(yù)警機(jī)制可快速監(jiān)測(cè)到業(yè)務(wù)異常，自動(dòng)化算法，又對(duì)造成偏差影響力最大的因素總結(jié)出來(lái)，進(jìn)行針對(duì)性的風(fēng)險(xiǎn)管控和攔截。

這樣說(shuō)比較抽象，舉一個(gè)公司提到的案例。

今年早期樂(lè)信入催率有一定上升，自動(dòng)化預(yù)警系統(tǒng)做出預(yù)警后，自動(dòng)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(jìn)一步拆分，細(xì)分到年齡、地域等更精細(xì)化的維度，從而對(duì)用戶進(jìn)行針對(duì)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(cè)，在貸前對(duì)用戶進(jìn)行風(fēng)險(xiǎn)定價(jià)以及反欺詐同樣重要。在風(fēng)險(xiǎn)定價(jià)方面，公司通過(guò)用戶定價(jià)體系，基于不同人群在一定利率期間內(nèi)的風(fēng)險(xiǎn)表現(xiàn)，為客戶進(jìn)行差異化定價(jià)，推出針對(duì)性產(chǎn)品。

樂(lè)信基于用戶定價(jià)體系，將用戶分為價(jià)格敏感類、信貸饑渴類、優(yōu)質(zhì)用戶，針對(duì)不同用戶對(duì)價(jià)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(jià)格策略。舉個(gè)例子，優(yōu)質(zhì)用戶定價(jià)越高，潛在的交易量越小，但單位交易量潛在的利潤(rùn)率越高，公司會(huì)找到交易量與利潤(rùn)的最優(yōu)解進(jìn)行定價(jià)。

在反欺詐方面，公司建立了超過(guò)23億節(jié)點(diǎn)和千億級(jí)聯(lián)接的核心多實(shí)體關(guān)系圖譜，針對(duì)高風(fēng)險(xiǎn)交易行為TOP5的預(yù)測(cè)準(zhǔn)確率提升10倍。

這樣說(shuō)有點(diǎn)抽象，不好理解樂(lè)信反欺詐是怎么做的，我用大白話說(shuō)明一下，公司通過(guò)LBS網(wǎng)格化技術(shù)，將中國(guó)版圖按照100×100米的畫(huà)工方式切成了無(wú)數(shù)個(gè)網(wǎng)格，公司基于每個(gè)網(wǎng)格內(nèi)的用戶體征、所在街區(qū)、影象解析等做風(fēng)險(xiǎn)管控。例如，公司從街區(qū)圖象識(shí)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(xiǎn)相對(duì)較高，公司就會(huì)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(lè)信正將風(fēng)控能力對(duì)外輸出。樂(lè)信風(fēng)控能力對(duì)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(wú)法承受巨額成本構(gòu)建完善的團(tuán)隊(duì)來(lái)提升長(zhǎng)尾客戶貸款能力，另一方面，對(duì)于風(fēng)險(xiǎn)的定價(jià)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(xiǎn)預(yù)警能力，這是服務(wù)億級(jí)用戶之后的寶貴實(shí)踐，并非區(qū)域小樣本客戶可以習(xí)得。

基于此，樂(lè)信正將風(fēng)控能力對(duì)外輸出，推出了三大產(chǎn)品：

• 樂(lè)圖：對(duì)接樂(lè)信資產(chǎn)，金融機(jī)構(gòu)可通過(guò)借助樂(lè)圖提升通過(guò)率的同時(shí)，保證資產(chǎn)的風(fēng)險(xiǎn)并不上升。

• 樂(lè)圖PRO：對(duì)接樂(lè)信外的互聯(lián)網(wǎng)資產(chǎn)，如金融機(jī)構(gòu)在今日頭條等巨頭上獲取的流量，金融機(jī)構(gòu)通過(guò)樂(lè)圖PRO，在提升通過(guò)率同時(shí)，保證資產(chǎn)的風(fēng)險(xiǎn)并不上升。

• 負(fù)熵：針對(duì)銀行自營(yíng)資產(chǎn)開(kāi)展資產(chǎn)有效“回?fù)?rdquo;，可幫助資放精細(xì)化運(yùn)營(yíng)自營(yíng)資產(chǎn)，實(shí)現(xiàn)降本增效。

不難發(fā)現(xiàn)，三大產(chǎn)品都解決了金融機(jī)構(gòu)的風(fēng)險(xiǎn)定價(jià)問(wèn)題，而這正是金融機(jī)構(gòu)的核心痛點(diǎn)，缺乏風(fēng)險(xiǎn)定價(jià)，使傳統(tǒng)金融機(jī)構(gòu)定價(jià)范圍窄，無(wú)法滿足多元的用戶需求，導(dǎo)致通過(guò)率變低，即不利于吸引新用戶，也不利于存量用戶運(yùn)營(yíng)。

也正是對(duì)風(fēng)險(xiǎn)定價(jià)這一問(wèn)題的解決，樂(lè)信三大產(chǎn)品也取得了不錯(cuò)的成果，使用樂(lè)圖的金融機(jī)構(gòu)超過(guò)6家，平均每家通過(guò)率提升1.69倍；樂(lè)圖pro的日均調(diào)用量超過(guò)8萬(wàn)次；負(fù)熵使合作銀行的業(yè)務(wù)量提高一倍。

從長(zhǎng)期來(lái)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(qiáng)弱決定未來(lái)金融業(yè)務(wù)能力的強(qiáng)弱

樂(lè)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(lè)信的運(yùn)營(yíng)效率也有所改善。

在貸前環(huán)節(jié)，以獲客為例，樂(lè)信獲客成本低于行業(yè)競(jìng)對(duì)，以銷售費(fèi)用/新增用戶數(shù)量計(jì)算，二季度，樂(lè)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(lè)信通過(guò)機(jī)器學(xué)習(xí)平臺(tái)建立的學(xué)習(xí)模型，可以幫助公司更好的做廣告投放計(jì)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(guò)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(duì)人群特征進(jìn)行深入挖掘，既能為用戶提供更適合的產(chǎn)品，也能通過(guò)數(shù)據(jù)驅(qū)動(dòng)對(duì)用戶進(jìn)行二次營(yíng)銷。

在貸中環(huán)節(jié)，以資金接入為例，樂(lè)信接入時(shí)間金融機(jī)構(gòu)資金的時(shí)間，由兩周縮短為幾分鐘。背后得益于樂(lè)信通過(guò)Toplink系統(tǒng)，對(duì)貸前，流程編排，自動(dòng)校驗(yàn)等接入環(huán)節(jié)，進(jìn)行AI驅(qū)動(dòng)的自動(dòng)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(jī)構(gòu)做資產(chǎn)報(bào)表，結(jié)清證明，盡調(diào)工序，等大量測(cè)試，公司通過(guò)魯班系統(tǒng)將上述測(cè)試環(huán)節(jié)進(jìn)行標(biāo)準(zhǔn)化處理，可以實(shí)現(xiàn)數(shù)據(jù)自動(dòng)測(cè)試。

在貸后環(huán)節(jié)，以賬款回收為例，樂(lè)信歷史不良資產(chǎn)回收率較去年提高了30%，不良資產(chǎn)實(shí)現(xiàn)賬款回收的提升，正是得益于公司通過(guò)算法，分析出客戶畫(huà)像，從而針對(duì)每個(gè)客戶，找到更適合的回款手段。

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

我舉個(gè)例子，監(jiān)管加強(qiáng)「數(shù)據(jù)治理」已經(jīng)是大勢(shì)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(guò)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(jī)制等發(fā)生變化，曾經(jīng)的大數(shù)據(jù)、厚數(shù)據(jù)時(shí)代將逐步進(jìn)入小數(shù)據(jù)和薄數(shù)據(jù)時(shí)代。

在上述背景下，如何弱化小數(shù)據(jù)和薄數(shù)據(jù)對(duì)業(yè)務(wù)的負(fù)面影響，成為FinTech必須解決的問(wèn)題，這時(shí)候，樂(lè)信的技術(shù)能力至少起到了兩點(diǎn)作用：

1）通過(guò)新技術(shù)的應(yīng)用，將數(shù)據(jù)“由小變大”。比如，樂(lè)信通過(guò)聯(lián)邦學(xué)習(xí)建模，即多個(gè)實(shí)體間在不交換原始數(shù)據(jù)的情況下交換機(jī)器學(xué)習(xí)，從而達(dá)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(qiáng)數(shù)據(jù)深挖，將數(shù)據(jù)“由薄變厚”，在過(guò)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(chǎng)環(huán)境倒逼下，樂(lè)信通過(guò)技術(shù)優(yōu)勢(shì)可以對(duì)數(shù)據(jù)進(jìn)行深入挖掘，弱化數(shù)據(jù)變少后的影響。

在交流會(huì)中，樂(lè)信CTO陸勇提到下一步工作的核心就是通過(guò)技術(shù)提高企業(yè)的運(yùn)營(yíng)效率，精耕細(xì)作——以樂(lè)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(gè)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(cuò)增長(zhǎng)。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(shì)所趨，行業(yè)內(nèi)公司必須向精細(xì)化運(yùn)營(yíng)求增長(zhǎng)。這時(shí)候，通過(guò)風(fēng)控降低業(yè)務(wù)風(fēng)險(xiǎn)，通過(guò)技術(shù)對(duì)業(yè)務(wù)降本增效就成為必然之舉。

從這個(gè)角度看，風(fēng)控和科技是FinTech的核心競(jìng)爭(zhēng)力，未來(lái)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)。

免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。