從IPC微貸技術 再看大數據風控

　　[ 如果推廣IPC微貸，其最終結果很可能是，多數銀行出于人力資本的考量，將小微企業貸款規模的重心放在100萬~1000萬元之間。也就是說，小微貸款將依然呈現出“二八定律”所描述的狀況，僅僅能夠覆蓋頭部小微企業的融資需求，80%的長尾部分依然無人問津。 ]

　　[ 以征信人口論之。2017年，美國成年人征信覆蓋率達95%，瑞典的征信系統已覆蓋全國16歲以上人群。反觀中國，目前形成有效征信記錄的人數僅為4.8億人，占成年人比例不足40%。 ]

　　近日，針對以助貸、聯合貸款為代表的互聯網金融，有媒體報道稱，大數據風控無法解決小微貸款中的所有風控問題，繼而詳細推介了另一種線下風控的模式：通過客戶經理隊伍線下搜集風控信息、輔之以線上不斷完善模型來有效服務小微企業。

　　上述報道中提到的小微貸款的另一種模式，學名IPC小微信貸技術（下稱“IPC微貸”），系由德國IPC公司為金融領域提供的一體化的信貸咨詢服務和解決方案。IPC微貸的核心要義在于線下人海戰術,即銀行分派客戶經理線下調查客戶的實際還款能力和信用狀況。IPC微貸依靠的是人（客戶經理）的經驗做出分析、判斷和決策，屬于典型的勞動密集型產業。

　　在筆者看來，這種模式存在缺陷，并不能解決問題。在大數據發展歷程中所遇到的問題，也必然應該用發展的思路去解決。

　　IPC微貸的致命缺陷

　　該模式存在如下兩個致命缺陷：

　　首先，這種模式成本過高。IPC微貸，究其本質，是傳統貸款模式（主要針對中大型企業和大型基建等）在個人和小微企業領域的延伸。多年來，中國的商業銀行一直利用傳統線下方式，通過銀行網點和線下場景，觸及這部分長尾客戶。這種線下方式需要耗費大量的人力，上述報道中提到的臺州銀行、泰隆銀行、常熟銀行(601128,股吧)這些中小城商行，客戶經理團隊均超過千人。從貸前、貸后到最后還款，每一個流程都由客戶經理人工服務，全程對借款人的財務情況進行盤查和跟蹤。這種模式在起步階段極為艱難，需要不斷投入人力，并經歷長時段投入高于收益的時期。而當業務取得進展、獲得一定的盈利后，就面臨擴張的難題，如果要擴大服務范圍，就必須投入相應人力，而成本考量依然是問題的核心。

　　其次，擴張難。中國經濟發展到目前階段，人力資本越來越貴，IPC微貸恰恰又是重人力資本。客戶經理網絡若要觸達小微貸款用戶的每一個層級和每一個個人，將要付出巨大的人力成本。現實中，也無從實現。根據有關數據，截至2018年末，中國小微企業（包括個體工商戶）數量達到9000萬家以上，但仍有數千萬長尾小微企業處于金融服務空白區。這些長尾小微企業，超過90%融資需求在50萬元以下，80%融資需求在20萬元以下。如果推廣IPC微貸，其最終結果很可能是，多數銀行出于人力資本的考量，將小微企業貸款規模的重心放在100萬~1000萬元之間。也就是說，小微貸款將依然呈現出“二八定律”所描述的狀況，僅僅能夠覆蓋頭部小微企業的融資需求，80%的長尾部分依然無人問津。

　　如果讓銀行通過線下風控模式去服務剩下的80%長尾用戶，風控成本必然超過潛在收益，難以做大，也不可持續。

　　有人曾對壞的商業模式做過總結：第一種，每增加一份營收，就必須多雇一份人力；第二種，無法橫向拓展的業務，例如從一個地區擴張到另一個地區需要做許多額外的工作，還要面對橘生淮北則為枳的困境；第三種，需要消耗過多的原料和成本。毋庸諱言，IPC微貸前兩種模式全占了。

　　本質上，以IPC微貸為代表的線下風控模式，恰恰是造成銀行只能服務20%的頭部小微貸款客戶的原因，是小微企業融資難的根源所在。現在要拿問題去解決問題，不可能有答案，更不可能有出路。

　　大數據風控

　　與依靠人海戰術的IPC微貸不同，“大數據”信貸徹底克服了人力資源的瓶頸，它依靠信息，通過大數據模型，來評估貸款人的信貸情況，其最大特點或者說核心競爭力，就是通過信息技術來節省信貸人力成本。FICO（美國Fair Isaac公司的信用評估系統）即為典型，利用大數據進行貸款決策。

　　互聯網平臺下的“大數據”信貸風控模式，則有了更多的數據支撐。可以通過移動支付、電商交易記錄等數據來判斷小微企業、個人的經營、還款能力，讓沒有征信記錄的小微企業、經營者以及個人建立起“數字信用”，以此獲得金融服務并不斷積累自身信用數據，形成良性循環。同時，互聯網平臺還可根據數據情況，進行實時的貸后管理。這種模式的優勢在于，能夠覆蓋小微貸款中80%的長尾客戶，有效觸達50萬元以下的貸款需求，真正將普惠金融落到實處。因此，依托于互聯網的大數據風控模式，天然具備擴展的能力。

　　誠然，大數據風控并不完美，還需要不斷演進，但其準確率已經高于傳統貸款的線下風控模式。截至2019年5月，全國金融機構單戶授信1000萬元以下小微企業貸款不良率是5.9%。而微眾銀行、網商銀行這樣的互聯網銀行，采用大數據風控手段做小微企業貸款業務，不良率僅為1%左右。有鑒于此，近年來，國內幾乎所有類型的銀行，無論是國有大行、股份制銀行，還是中小城商行，在線下風控的基礎上，都在建立自己的大數據風控系統。

　　更為根本的是，大數據風控模式對于完善我國個人和小企業的征信體系有著巨大的補充作用。我們知道，長尾小微企業之所以融資難，主要緣于其信用數據的缺失，導致其難以成為獲得金融服務的合格對象。現實中，絕大部分長尾小微企業缺乏不動產抵押物，沒有可信的數據化記錄，其運營成本、生意流水和客戶群消費類型等都難以被金融機構獲知和核證。

　　以征信人口論之。2017年，美國成年人征信覆蓋率達95%，瑞典的征信系統已覆蓋全國16歲以上人群。反觀中國，目前形成有效征信記錄的人數僅為4.8億人，占成年人比例不足40%。在傳統依賴客戶征信數據的信貸模式中，沒有征信記錄的個人和小微企業、個體經營者，自然被隔離在了正規金融體系的覆蓋范圍之外，“信用鴻溝”由此形成。

　　而大數據的出現，能夠倒逼整個金融體系走出原先依賴于人的初級模式。有技術實力和大數據能力的市場化機構進入征信市場，從而逐步建立起健康、完善的征信體系。當然，在這一進程中，可能會存在這樣或那樣的問題，但不能歸咎于大數據本身的問題，進而倒退回到依賴人的老路上去。

　　大數據思維

　　信息論創始人香農提出了非常著名的香農三大定律。其中，第二定律指出，任何時候信息傳播的速率都不可能超過通信信道的能力，即帶寬。帶寬對商業的影響是決定性的。

　　農耕時代，做生意靠口口相傳，品牌的創造和生意的達成非常慢，因為商家和外面溝通的帶寬太窄，而客戶也只能了解周圍的商業信息，大部分生意都是在本地做。在筆者看來，IPC微貸模式的商業思維也是如此，還停留在農耕時代。

　　到了互聯網時代，互聯網技術迅速地拓寬了生產者或者服務者和消費者之間的帶寬，增加了人與人之間交流的帶寬。由于帶寬迅速增加，渠道阻塞現象消失，交易成本大為降低。于是，商業模式發生巨變，鏈接變得最為重要。而由鏈接產生的大數據，則成為一切經濟現象的根源。未來，人類幾乎所有的交易行為背后都能夠看到大數據的影子，本文所述的大數據信貸風控即為典型。

　　大數據不僅僅是一種輔助技術手段，更是一種思維方式、一種方法論。時代正在經歷巨變，我們必須摒棄過去那種強人工干預規則下的機械做事方法，代之以獲取、利用、傳播信息的方式來解決問題。在大數據發展歷程中所遇到的問題，也必然應該用發展去解決，而不是一遇問題，就試圖回到過去。何況，人類已經回不去了。

　　（作者系九鼎公共事務研究所研究員）