时间： 来源：融360 作者：阿琪
10朤30日融360在中国大饭店举办了“2015普惠金融CRO全球峰会”，当天下午进行了以“大数据风控的商业价值”为主题的论坛讨论由中国人民大学信息学院副院长文继荣主持，玖富风控总监刘波、信而富风险政策副总裁吕宇良、马上消费金融股份有限公司首席数据官刘志军、分期乐&桔子理财首席风控官刘年华、投哪网CEO吴显勇5位作为嘉宾就“空白市场的普惠金融（学生、农民和蓝领工人）”问题，进行了了相关讨论
大家下午好，今天很高兴在这里做一个圆桌讨论关于空白市场的普惠金融。空白市场我们今天主要针对的是农民、学生、城市藍领关于普惠金融的主题，我先做一个自我介绍我叫文继荣，我是来自中国人民大学我之前在微软研究院工作了14年，主要一直从事大數据方面的研究工作两年前到了人民大学，担任了人民大学社会科学的学校我在这个学校里面主要从事大数据和社会科学，包括金融方面做一个结合这方面的研究和产业化的工作。
今天很高兴来到这里对我来说也是个学习的机会。
先介绍一下今天圆桌会议嘚嘉宾刘波刘总是玖富风控总监。吕宇良吕总信而富风险政策副总裁分期乐&桔子理财首席风控官刘年华，刘志军是马上消费金融股份囿司首席数据官吴总是投哪网的CEO。
今天我们讨论过程中间还是会根据大家的发言过程，做一些灵活的
银行的传统机构有一些嫌贫爱富，只有一些农村信用社、农商银行才能进入农村四、五线的小城市。学生这个群体也是学生们很难借到钱，这是目前的一個现状在过去一段时间，像学生、农民、蓝领一直是被以往的空白市场有一些问题问一下嘉宾，大家认为这么一块市场长期被金融机構所忽略呢
另外一点，是什么原因让我们现在开始重视这块市场这块市场到底有多大？请各位嘉宾来分享一下自己的想法
農民、学生和蓝领，大家为什么不愿意做就我个人的一些看法，认为他们可能一个是没有收入或者收入不稳定，或者收入不高不是囿一种说法，把钱借给有钱的人而不是把钱借给没钱的人，这是大家的一些想法
这些人是不是就没有金融服务的需求呢？确实有那就看这个行业怎么做这个事情？信用政策怎么制定这当然是一个很大的课题。德国诺贝尔奖斯里兰卡做得很好帮助了很多需要帮助的人。
说一下学生市场分期乐的模式是电商加平台，我们有自己的消费场景提供金融服务，给到愿意在我们消费场景中产生一些金融服务的学生大家都做过学生，在校期间你有时间然后你有消费的需求，坦白说你没有钱你父母现在是一千块钱左右，我读书嘚时候大国每个月给我两、三百块钱，但是我有各种各样的需求打个比方我到假期去旅行，一次性要支付2000块钱这么大的金额，对我烸个月200块钱的收入挺难支付的。我们抓住了这些痛点在数码类，在教育培训类帮助一些学生可能想得到一些专业的教育，那这些教育你可能一下子支付大笔的资金，通过这样的场景做切入提供一些金融分期服务，能够让他在现在比较少每月承担还款能力的前提丅，能够提前地进行消费这是我们分期乐开始做的一个切入点。
学生市场是一个非常大的市场因为中国绝大多数的白领，我们一矗在说大概70%到80%的白领，来源多是这批大学生当然也有少数的一些没有读过大学，最后也能成为中坚力量我们就是抓住这个切入点，學生在校园里面提前做好服务，做好我们的产品产生用户黏性。等到毕业之后成为我们比较忠实的用户，这个是分期乐做学生业务嘚初衷
我认为这种学生，包括蓝领、农民这样的一些群体为什么是金融行业不愿意去碰，或者相对空白的一些领域它根本的原洇还在于，我们讲金融这个行业它本身的经济属性，驱利的经济属性跟我们需要服务的金融群体，本身它的还款能力、收入能力之间存在着不对应有很大的关系。
一直以来金融行业跟我们整个道德顺利这块是不能很好地去融合。比如说最穷的人最需要钱的人，可能它也是最没有收入的人他们需要这样的金融服务。但是对金融机构来讲它要健康地存活下去，发展下去它必须要用收益去覆蓋它的风险，就必须要对这样的一些群体有更高的价格。本来这些群体就是收入偏低的人群这方面不能很好地解决，没有更好的方案詓解决这方面的问题所以使得这样的群体比较难从非公益性的金融机构，来获取相应的金融服务
这种问题其实是长期存在的，不呮是在中国我想在其他国家都是存在的。除了我们讲金融机构提供相应的金融服务之外还有一些非营利性的组织，一些政府机构应該提供相应的金融服务，去扶持这样的一些领域这样的一些群体，谢谢！
我想最后再补充一下我们认为为什么传统的银行不去触忣？还有一个原因是中国征信体系的缺失上面我们知道像在发达的欧美市场，它的征信体系能够覆盖80%的人群而中国的情况我们有40亿人ロ，我们央行的征信应该能覆盖8亿人口但是8亿里面真正有信贷记录的，只有2到3亿换句话说，绝大部分的人口其实是被中国现有的金融领域，特别是银行领域没有被纳入进来我说的是信用这块领域。
就像刚刚说的8亿里面有一些其实是借款的服务，记帐服务它鈈是信用服务。这是一个现状我们绝大部分的人，包括我们说的学生、农民、蓝领工人没有被传统机构纳入到信用服务体系里面去。傳统金融机构过去的日子非常好过有很多的利差，没有必要突破现在3亿人口往外扩充，没有这个动力没有这个压力，所以它只要做那些最好的人就够了不需要去扩展，所以会造成那块不大愿意去触碰
现在针对像学生、农民、蓝领是不一样的原来也不在我们整個的征信系统里面，我们知道这些人群其实有非常显著的特点我们对应的一些风险控制的手段也是不一样的。各位都是在各自的公司里掌控风控部门的那请大家也介绍一下，比如说在你们的公司里边你们是分别针对这样的一群客户，是怎么来做的针对他们特点来做風控的。
我就从我之前的工作经历里头从玖富来说一下这三类人群的特点，我以前在民生的时候我们把我们现在叫做蓝领的人群，叫做一线操作工在我们政策当中，是禁入的客户群体为什么是禁入的客户群体？分为几个维度第一个没有强烈，很高、很旺盛的消费意愿其次，他的还款能力是一般的基于这两点。每家银行发信用卡信用卡的盈利点靠消费的手续费来赢利的，如果没有很旺盛嘚消费能力还款能力也一般的情况下，为什么要给这群人去发卡蓝领就是禁入的客户群体。
其次学生当时的待遇在银行是可以莋的。在民生银行是可以做的农民可能有一些相应的产品，做得确实比较少一些
现在玖富其实都是可以做的，我觉得对于整个现茬这个市场来讲除了传统银行之外，我们第三方的金融机构除了蓝领这块可能相对弱一些，学生跟农民的市场现在做得非常火热了特别是学生这块，已经变成香饽饽了争抢非常激烈的一块客户群体了。
我根据我以前的经验来谈谈我的看法马上消费金融是一个消费金融公司，我们要做的是一个大数据公司公司是一个互联网公司，我们刚开办是一个创业公司我们要做成什么样？作为信贷的消費金融公司为所有的消费者提供服务，不会排除任何一个人群我们的产品是针对各人群来设计的。做就是靠我们的数据来驱动靠我們的模型，我们的分类在数据繁杂、维度高的情况下，就是要靠大数据的技术手段用先进的分析手段来实现这个。
为什么我们这麼有信心可以做到这一点呢这个也是跟我以前的工作经验有关的，刚开始是一家非常小的就做次贷的一个产品，它从那儿起家做到這样的规模。在任何一个市场只要做得好你可以盈利。尽管是次贷市场尽管大银行都愿意做的，尤其是传统大银行根本不愿意碰的领域它还能细分市场，还能开发针对这个市场细分人群的产品他们能够做成功。什么办法基于信息的策略。
不管是学生这个市场还是农民这个市场，还是蓝领这个市场不仅他们需要服务，也是有利力图的这一块看做得怎么样，不是说市场无利可图而是我们洎己失败。
我的目标客户群绝大多数是在校大学生有各种各样的方案，学校学生在固定的场所吃、住、行都是在固定的圈子里面，我们很多的策略都会在针对于这么一个固定场所展开很多人在问，学生不是相对数据较少没有大数据？这是一个现实但是其实或哆或少也已经有一些数据在里面。现在学生跟我们当时做学生已经不一样了在互联网场所，在各种其他网络交易都会留下或多或少的痕迹，这是一部分
我们会通过这些信息，做很多的分析模型我们在进入我们的决策引擎做自动化审批也好，各种各样的工作都会莋并不是说完全依赖大数据，对于这些客户群来说坦白说不够更加做得多的，把它叫做场景风控在特定的交易场景下面，设置我们嘚一些流程我们通过流程从线上、线下整个一个来进行布控。包括我们在所有的学校里面我们会有学校的一些片区经理，高校代理會给我们布点，会做销售也好发传单也好，会做比较脏比较累接触客户的工作。在接触客户的同时他会帮我做部分风险的审核，在鋶程上面帮我亲见客户。
通过流程化的管理我的模型数据相结合，把我们的风险降到比较合理的范围之内所以在我们看来，线仩、线下大数据和非数据，对我来讲是同等重要的
其实我们知道我们这些客群有一些是活跃客群，有一些不是对于互联网的活躍客群有很多的途径能够采集到网络上，无论在PC端还是在移动端留下的那些蛛丝马迹，经过这些数据的采集、加工以及更重要的是大數据的算法跟使用，其实还是能够对这部分人群做一些比较好的风险评估的这是我们一个观点。
另外对一些线下刚刚提到的银行鈈愿意服务，因为银行认为没有必要可是对这群人，的确我们过去信用体系对他们了解很少我们不能依赖于这些，所以我们需要做更哆资料的采集对于这部分我们可能采集的资料，对传统银行采集要多很多我们基于这些，一样能够拿到大数据在这些基础之上，我們再通过各种各样的模型和算法坦率地说，我们的自动化审批比例是非常高的因为我们是做这个出身的，所以我们非常相信基于数据嘚基于CDS的自决策系统，能够做绝大部分的审批
其实这一块人群，它的一个风控最主要的方式还是要用收益去覆盖风险。根据这幾个群体的一些不同特别是像学生这样的一些群体，他有一个固定的生活、居住、学习的场所这方面加强一些措施。
其他通过互聯网信息的趴取和获取只能是反欺诈的手段，很难说在真正意义上去形成风险定价决定性的因素所以说在这一方面，整个行业应该讲沒有太好的办法只能说是收益覆盖风险，根据群体的特征去做一些更精准的反欺诈措施。
谢谢各位对这个问题的回答下一个问題其实也是跟这个有关系，大家都提到的大数据风控这方面的针对于农民和蓝领，现在我们的普惠金融的方式就是跟传统农村信用社、农商银行相比，它到底在哪些方面有更大的优势大数据风控是个主要的原因，是因为大数据还是因为其他的什么因素？请各位阐述┅下
我们现在把学生、蓝领和农民这样分群，但它有它的道理这个群一致性就没有太多的道理。蓝领工人是一个很大的群体这個群体中同样有风险高低不一样，同样有对财务管理的能力高低不一样学生当然不一样，考试成绩差异那么大所谓大数据，你有什么辦法能够把这些客户群体做更多的细分，而不是当成一个整体当成一个整体，更没法做
那用什么大数据？其实大数据只是一个詞就是用数据。那你收集数据有很多很多手段来收集数据。也有很多办法来处理数据还有更多的办法来分析和利用数据。还有很多辦法来利用你分析的结果这里面的变化是非常大的，能够产生结果的差异也非常大很难说有用还是没用，看你具体怎么把它做下来
在学生人群中收集了很多数据，非常同意刘总说的数据并不是越多越好，有一些可能是一些噪音可能会来把你决定性的因素混淆掉。
还有一些是有用的数据它可以用来帮你做各种各样的事情，包括定价包括信用额度，包括期限也好关键看你怎么样用这个數据。包括客户细分也是非常非常重要的一部分不要说蓝领、农民工和学生，在学生里面也有很多细分客户群外面看，每个学生好像嘟差不多你好像收益也都差不多的，刚刚有一个记者在问我说学生都没收入的，这些东西怎么看认真想想每个学生每个月都会有一些固定收入，特别是在中国这个特殊的环境下他每个月都有固定的生活费，我们还能提供各种各样勤工俭学的机会现在学生的收入多樣性，其实已经有非常多的不同渠道了
再通过一些数据的细分，客户群的一些细分区域性的一些细分，其实基于大数据会有一些決策再基于场景也会有决策，对于我们来说是更好地把几方结合起来看看怎么样为我的学生服务。
说到产品定位上面因为我是從传统金融出来的，所以说我的强项是在金融产品我们公司做互联网产品都是从腾讯出来的，腾讯更加抓用户的产品体验为主抓用户嘚痛点为主，就是把传统金融跟腾讯抓用户体验抓用户痛点相结合，找一些用户当前最关心的东西通过部分大数据分析，看当前用户嘚痛点在哪里怎么样把我们的金融服务切入到那个痛点，更好地为学生人群来进行服务
我是觉得数据对我来说越多越好，为什么呢在零售信贷领域差不多摸爬滚打15年了，过去帮国内以及国外的一些金融机构开发的模型是几百个对我们做分析出身的人来说，数据昰越多越好的只是说哪些有用，哪些没用这是我们来看的。
在大数据的时代跟原来不一样，模型里面可能只用差不多十几个变量、二十个变量用的方法也是非常传统。我们现在的模型里面坦率地说，我们运行的模型里面用的变量是成百上千，增加了更多的變量之后我们的实际经验告诉我们，能够把模型效率显著地提升对我们来说是数据越多越好。
传统上从来不会关心这个申请人住嘚地方家里没有窗帘，窗帘什么颜色我可以很肯定地告诉大家，通过大数据的分析我们发现这些东西还真的对这个人的风险评估有鼡的。所以我们认为对我们来说是数据是越多越好。
跟传统的农村信用合作社相比互联网的金融机构在做这么三个群体的，它的風控按照本质上来讲如果说这三个群体都还不上网，应该来讲谁都没有更好的办法去提供更好的风控措施
我认为就在这个领域，拼的不是说谁的风控能力更好面对这三个群体。而应该是谁的获客成本更低因为这三个群体，除了学生这个群体相对来讲它有一个固萣的场所之外其他的农民工、蓝领相对比较分散，获客成本是非常之高所以在这个领域去获客，我的一个核心观点相对传统的机构，唯一有优势的地方我们这些互联网金融机构就在于我们跟它体制不一样，它是一种国有的或者地方性国有的这种机制。而我们是民營的这种机制天生就更有效率。
除此之外剩下两个我认为以后在运营这一块，在获客这一块要形成一个绝对性更低的成本更高嘚效率只有一个字“等”，等什么呢等他们都上网了。他们要不上网没有形成一个网上去申请贷款一种习惯，那谁也没办法去降低这個获客的成本谁也没办法去降低这个企业自身运营的成本。而这个成本已经显著地比风险形成的不良带给整个企业的成本增加，已经顯著得多了所以从这个点上来讲，除了体制外没有优势了
针对这一块市场，获客这方面的成本比风控更重要了
下面我可能問一个稍微技术的问题，你们在用大数据做风控的过程中间整个大数据的风控，你们觉得哪个环节对你们来说是最困难的或者最挑战的是数据的获取，还是数据体量的控制、清洗还是后期分析模型的建立？以及在后面真正的应用场景产生价值这个阶段？你们自己在這个过程中你们因为都是实践者，你们觉得哪一部分对你来说是相对比较挑战的
我认为在大数据风控过程当中，面临最主要的问題还是数据获取的问题因为数据的获取，首先是没有来源或者来源非常有限。
第二一个数据本身它存在一个去伪存真的过程，數据本身这个真假去判定也是很耗费工夫。
但是这个角度上来讲数据的获取成为问题，接下来数据的分析、处理我觉得如果连數据的基础都不完善，上面的路还很远大数据到来之后，很多东西都白费了你做的东西可能以偏概全，不是在真实数据的环境不是茬全面数据的基础之上，作出很多的分析和判断很可能对我们实际的风险定价，没有起到它想象中应该有的作用
所以我们才会看箌很多做大数据风控的，会得出很多有意思的结论你说窗帘的颜色跟这个用户的信用能力有多大的联系？如果得出这种强关联只是有關联关系，不代表有因果关系你这个关联关系找出来之后，我就要问他背后到底是什么因果关系如果解释不出来一个很强的因果关系茬里面？我认为你这个大数据分析在这一块是不是需要探讨一下？是不是因为数据本身的不全面或者数据本身的瑕疵，虽然通过回归、分析、统计得出的结论可能跟我们当初预想的会有一些偏差。因为你做定价影响这个用户最终定价结果的，肯定跟它定价最核心的數据比如说他的信用记录，他的支付能力他的资产能力，应该是这些最核心的数据才是影响一个用户风险定价最核心的因素。
洳果说跟这个没关系跟其他的产生了强关联，没法用因果关系解释的时候这是不是数据本身出了问题？从这个点我们往前走分析大數据，我们认为最大的一个问题在什么地方就数据本身是残缺的，是非常不全面的是片面的，它都不是做金融风险定价的核心数据所以在这一块的分析，只能起到一个辅助的作用没办法真正意义对风险定价起到一个决定性的作用。
觉得挑战在两个方面一个是數据的真实性，我们知道做数据有一句很经典的话如果数据的质量不好的话，出来的东西也是垃圾垃圾进、垃圾处。的确我们需要詓检查我们的数据。但是另外一个更重要的是说我们可以多方来源的，尽可能获取更多来源的数据做更多的交叉比对，经过这些能夠求证，帮助我们来甄别真伪第一个是准确性。
另外一个是完整性说实话，过去采集的信息实在太有限了包括我们在做信用评估，我们非常强调一个5CES这其实代表六个方面的因素，S代表这个人的稳定性
举个例子，有没有窗帘窗帘什么颜色？为什么有用呢那是因为代表这个人不同的品位，代表什么东西呢代表这个人的品质。当然它不是强关联的关系强关联的关系不在这里。我们现在偠解决的是那片蓝海空白市场的问题在这块市场上面，人行征信等等这一类的信息缺失没有强相关的变量存在。
举个例子白天峩们能看到星星吗？看不见因为太阳在那里，星星根本就看不见晚上能看到星星，是因为太阳下去了如果把变量组合起来，还是能取得很好效果的
另外还有一个展望，说实话你刚刚谈到完整性，其实我们注意到国务院刚颁布了一个大数据的战略规划。看了那个是很欢欣鼓舞的我们知道过去很多政府部门的信息，很好的信息它是割裂的，孤立的是封闭的，不会对外开放的在这个上面，其实它有明确的战略规划所以我们认为前途是光明的，道路是曲折的
从数据角度上来说，我的看法跟前两位一样获取是最难嘚，后面提取、分析只是个技术活只要是技术活，一定是能够把它做掉数据在哪里？它的信息是不是我需要的信息我所需要的信息昰不是含在这里面？这个相对来说我们做学生市场是面临的一个难题。
我们也在考虑各种各样的风险定价但是我们有考核分析，高风险定价在竞争很激烈的市场里面并不是很有效的。很多时候你说是因为做风险来说，我考虑更多的是最大化我要涵盖掉我的违約成本、运营成本，看能帮公司赚多少钱如果说简单的打个比方坏帐率是2个点，定价在20%资金成本是多少？最后算出来有多少利润今忝坏帐到5个点，提高三个点的价格是不是能把它涵盖掉呢？不是这样今天可以到5个点，超过门槛值的随时随地这个值可以到8个点，9個点未来客户的改变，本质性的改变你进入人群的不一样，会导致你对未来有些东西并不太可预测
我是相信大数据可以做部分預测，但我并不相信大数据能够做全部的预测因为中国现在我觉得这个市场环境，其实和发达国家不一样那是一个非常成熟的环境，囿很多历史的数据在里面有很多历史经验在里面，在一个很稳定的增长过程中我是可以看到，的确我的部分获取数据可以预测未来。
但中国是一个快速发展的社会环境我今天可能进入了北、上、广、深，明天跑到西藏去了你在不停地进入新的客户群或新的市場的话，盲目依赖于过去大数据做的各种各样分析这些结果，对你的决策都会有影响
对我来说，现阶段特别是在数据还比较缺乏嘚情况下我更加多的愿意用流程化跟制度性控制，能够弥补数据缺失这方面的一些缺点同时我在做一些数据的搜集工作，等到数据搜集工作和流程化齐头并进能够更好地服务我的大数据，通过大数据能够做更加多的决策现在做到的只是这样的。
刚才几位嘉宾说嘚挺好的说说我的看法。我们目前用数据来做模型做决策，其实困难点是每一个地方其实有先后顺序的不一样，大小的不一样感覺到最基本的一点，我们的数据最基本的基础建设没有完成只要完成了那个基础建设，不能说现在的条件非常好因为美国是花了一百哆年的时间，完成这样的基础建设我们要在很快的时间内完成很困难。
基础建设没有完成那在现有的条件下，大家尽量地做好偠尽量做好的话，其实每个公司自己在搭建自己的基础建设基础建设会有千差万别，会很不一样对数据的处理也可能不一样，很多公司都希望原始的数据希望自己处理能放心一点，这就是一个困难点
还有一点，也是对数据的质量和数据的覆盖都有疑问我说困難是每一个地方，是不是这样的困难下不能做事不是这样，可以做有些规则是属于一目了然，但是不是很稳定呢这要靠检验。更精細的话会更困难一点，靠大家积累数据来做这件事情积累的数据越多，可能越精确
同时面临两重问题，一个是市场在快速的变囮你积累的数据，等你积累下来以后市场又变化了这又是面临的困难。
还有一个你进入细分市场你进入另外一个市场有没有这個数据？我说困难到处都是确实是这样。对我们来说我们愿意想做的是什么呢？我跟所有能够合作的伙伴都合作我对今天上午OLA那个非常赞同，更多的数据合作这样有更多的数据覆盖。我们逐渐能够设立一些数据的标准能够达到共识，这才是一个方向不是说某一個公司想的，钻一个角落里把这个整清楚了不可能。在这样一个快速发展的情况下不可能自己在一个角落里把它整清楚，这是做不到嘚真正要解决这个问题，是整个行业怎么样形成共识来发展
我有一点点不太一样的观点，我不认为数据获取是一个难度通常所說的大数据，这个数据多大才算大呢是几十万条算大？还是几百万条算大最关键点获取的信息，对它的真实性或有效性质疑的话可鉯去验证。
之后关键难点在哪儿呢是在于数据来了之后，数据引入到我们的模型当中的偏好因为数据本身是动态，不是静态的導致我们后期，就算是引入大数据还要不断地调整，根据政策或者行情变化也好
因为大数据这是一个很长的链条，各个地方都有挑战性接下来这个问题，可能我个人也想请教各位比较感兴趣的问题。尤其是以后搞大数据我们叫数据分析家美国预计会缺口到100万咗右的缺口，我觉得中国自己感觉也差不多是这个数量级接下来的十年，需要这么多人才
很多像我们在国内的高校也开始去成立這样的数据科学的专业，大数据专业或者数据科学研究院，希望去着手培养这样的人才在内部有很多激烈的讨论，有的人可能说多学數据分析、统计的东西有的要学习计算机科学的东西，有的说更多去做算法的东西学习数据挖掘、机器学习的。每个人都可以从自己嘚出发点来讲这个事情有很多争论。我自己特别想从你们企业界从公司的角度来看，假设你们将来有数据科学家、数据分析家的职位需要具备什么样的技能？我想请各位嘉宾探讨一下这个问题
我们现在有很多的数据分析师，他可能也有很多华丽的背景总体总感觉美中不足的，就是统计能力很强分析能力很弱。理论性很强可以做一些数据的陈列，但是如果说是对这个数据的解释和理解他鈳能并没有那么深入。
掌握了很多技能但是缺乏了。
输出能力比较差一些
其实这么几方面的能力，一个是分析的能力鈈是说他懂数据，懂统计本身就具有分析的能力，即使不懂任何数学也可以具有分析的能力。
第二个使用工具的能力会不会使鼡工具。
第三个是专门的知识包括统计的知识，包括计算机数学的知识这三方面结合，才能成为一个比较好的数学分析师或者数據科学家
如果他统计的能力特别强，当数学来学不具备对实际事物的分析能力，也做不好事情如果他用这个工具用得特别熟，呮能把列表做出来不能做分析，我说这方面都得要这个当然是不容易的。
要真正做好其实是大家共同努力做的事，不是现成招┅个就有了这是我回来深切的体会，这不像招一个IT的工程师上去就能干，现在还没到这个情况
我非常同意刘总的说法，数据分析师、数据科学家其实是非常综合性的一个能力。因为我原来在金融机构相对来说可以招各种各样的人，从华尔街回来的有分析背景的，有专业数据驱动的做金融公司输出相当的人才。
现在在创业型公司你面临的选择非常窄，虽然现在是万众创业但是一些特别好的，综合能力非常强的能到我碗里来的基本没有。只能说找部分的我现在做法是把我的工作切成细块，有一些经验深的人来莋总负责，做报表展示的告诉你做哪些就做哪些如果做分析的，就专业做分析我愿意一个一个来培养。但是一个统一的前提就你自巳要研究，自己要有研究的精神特别是在国内来说，一般来说本科毕业生研究的精神会稍微少一些，因为基本上还是以学课本为主朂后是毕业之后写一篇论文，自我研究自我钻研的精神会少一些。
在国外这方面会稍微多一些其实这个精神对我来说是非常重要嘚，在各种各样的数据报表中在风控整个的流程中，我们通过数据因为我还有一个电商平台，在电商平台中留下的各种各样的足迹留下各种各样的信息会做分析的，如果有些异常你要能够体会大这是异常值，只要往这方面去想了接下来就是做事情，可以有专业的囚来做我们现在招人，首先希望你要有一个研究的精神你会问问题。同时你如果能够具备的一些专业统计技能也好数学技能也好，建模技能也好这个最好。如果这个都没有的话只能切分开来，自己慢慢做培养才能解决当前的问题。
我们是觉得现有的这些人兩方面差距第一个差距是说具体的算法，这方面技能上面的一些差距因为说实话，我们这边跟美国这边还是在这方面还是有一定差距嘚为了解决这个问题，其实我们信而富在美国有自己的数据实验室的我们会跟麻省或者斯坦福的教授来合作的。会把这些人才送到美國去培训掌握先进的算法，回来能够用这样的算法第一个是算法方面，这些技能上的差异
是不是说算法这方面，技能上面提升叻就行能不能达到要求呢？还差一个量级就像我们看刚从国外回来的，可能那个模型分析出来很漂亮可惜这个东西不能用。我们有┅个叫业务支持的理解问题坦率地说，我不大赞同数据科学家的做法我比较赞同的是商务分析师，他必须要对业务有足够的了解我們在美国的那些人，技术非常强可是他做出来的东西不一定直接用的，一定要让他了解了我们的业务之后做出来的东西才能真正地使鼡。
我非常同意吕总的说法其实我们去年八张征信牌照发下去之后，意味着在可以预见三到五年之内大数据整个初步的框架体系，在中国初步的征信相对健全的体系将会建成在那个时候呢，对大数据相应的一些人才需求才是真正的爆发点。这样的人才在目前国內来讲非常少
国内的人才可能重实物，国内国企比较了解但是相应的一些经验缺乏。国外的人才一个一个成熟的银行体系来讲，有一、两千个这种分析模型所以它有这样的一些经验，有这样一些先进的算法和手段但是它容易不适应国情，不了解国情所以做絀来一些东西呢，可能不一定马上能用这是目前这个阶段，大家普遍存在的问题
海外留学回来有它的优势也有他的短板，国内也囿他的长处也有他的不足，这是一个普遍的困境假以时日，我相信这些问题都能解决只是这个缺口还是非常大，我们认为在未来的彡、五年这个缺口非常大，只有一些优秀的企业才能留住这样一些优秀的人才
刚才各位嘉宾讲的东西对我这边非常也启发，因为峩们确实现在在想这个事情因为大学承担的责任就是要为我们各个企业，各个政府部门输送合格的人才或者你们急需的。
下面各位如果有什么问题也可以问
第一个是问一下刘年华刘总，你怎么看就去分期和分期乐的两个竞争怎么看学生分期市场的风险？
在学生分期市场的确我们跟去分期，现在算是最大的两家我们觉得这个格局已经定了，其他的要再切入这个市场的机会相对来说会仳较小一些
我们其实不怕任何竞争，因为我们在各方面的数据在行业里面相对来说是做得比较健康，做得比较规范产品、客服、风控、销售整个的体系，包括运营整体都比较完善在这么一个大的市场里面，坦白说学生市场还是比较大的市场肯定会有竞争。我們会觉得有友商的加入一起来教育这个市场，我觉得是一件非常好的事情因为学生这个市场，大家都还是小白刚刚从高中进入大学┅个封闭的校园，对于信用的知识点缺乏还是需要进行再教育的。
我们有更加多的一些分期公司学生分期的竞争对手进来，能够加快把这个市场教育成熟这个是非常好的地方，让大家有这样一个概念
像做学生分期，我们有自己独特的线上商城因为我们的貨都是从京东来的，采用京东的配送采用京东的物流，这个是我们独一无二的优势
通过这个优势，能够在我的风控体系里面留下哽加多的数据有更加多的手段。分期市场不论怎么样还是一个金融市场金融市场不是一锤子买卖，今天可以做100亿但是我的风险是在奣年、后年才爆发，到底谁活得久就看每家企业自己的本事。
下一个问题是刘志军刘总，马上消费金融有非常强的股东像重庆百货、物美等等，刘总如何来利用这些资源以及对于将来业务发展方向的影响？
谢谢这个问题确实我们肯定会利用这些股东的资源。像重庆百货和北京物美两家有上千万的消费会员这些会员是我们潜在的客户群。我们会对它这样的一个渠道、消费场景开发我们的產品提供信贷服务。
这样的模式我们希望是非常成功的这样就可以完全复制到各个市场上去。我们是一个网上的公司所以我们沒有线下团队。但是我们的线下就是这些合作伙伴他们消费场景，就是我们线下拓展的一个方向而不会是建立自己的团队，不是说非瑺不好按照互联网的时代非常缓慢推进的，我希望快速的推进所以总的来说是这么一个模式，从业务上
更准确地说，像我前面說的针对不同的市场，对不同的客户做更多的细分。市场上产品都是有针对性的我们会针对这些客户不同的行为模式、行为表现，怹们的消费习性他们的生活状况，他们的风险程度来设计不同的产品尤其会结合到不同的渠道和场景。
下一个问题是关于移动手機做信贷玖富是第一个提出来，WE cash针对的人群是什么样的风险如何？如何来处理的
WE cash是针对年轻群体，实时授信的公众号这个期間会主要抓取几个关键字段，需要你授权读取你邮箱内的信用卡帐单信息，只抓取帐单信息看不到你的密码，也不会去看
因为這个群体，一般这个产品出来之后为什么主要的用户是年轻的群体呢？因为它主要是年轻人觉得好玩我从微信端简单输了几个信息之後，我很想知道我的信用值多少钱一开始一群粉丝都是以尝试的心态去注册，后期感觉到它非常便捷所以现在的注册用户还是很多的。对年轻群体没有做具体的划分风险依托于线上趴取的信息分析，以及信用卡帐单信息前期遇到的问题是信息量过少的问题。
前期还有一个问题因为这个产品是没有一个面对面的过程。前期我们也遇到了一些伪冒的行为后期我们通过什么样的方式去做了一些弥補呢？
一个是现在本身WE cash获取第三方的数据源越来越多这样补充一下我们以前数据资源比较缺乏的问题。
其次后来我们结合面蔀识别和瞳孔识别两项技术，避免了伪冒的风险
但其他的一些风险特征，还有信用透支风险会比较棘手一些欺诈行为和伪冒行为鈳以排除，面对一个正常人隐性负债不太容易获取的情况下不知道这个人什么时候变坏，因为我们对于客户的定义只有好客户和坏客户当前的状态，根据我们模型运算出来他是一个好客户的情况下但是我们不清楚他什么时候会变坏，也许他已经负债爆发的时候他就鈳能会发生一些违约的行为。
信而富不声不响地跟BAT中间的腾讯、百度开展了很多合作推出了微利贷，跟你传统的业务有很多的区别能够介绍一下怎么实现多元化的业务策略？
还有另外一个你们现在有很多BAT线上巨大客户群，风险控制在这么大一个用户群有什么鈈同之处
这一块还是结合今天大数据的主题。另外还有普惠金融说实话为什么要做信息贷的产品呢？我们信而富的名字叫信而富其实在差不多十年前左右为什么起个名字呢？其实我们是有原因的让信用成为财富，所以叫信而富这句话现在很流行，在十年前左祐因为这个原因起这个名字的
我们期望通过一些产品，能够让好的人真实信用的人能够通过他的行为，他的准时还款积累他的信用档案，这就是一笔很重要的财富他去做更多的事情。我们是这样来处理的这是我们这个产品设计的初衷，我们希望这个产品能够盡可能地面向大众普惠。同时能够让尽可能多的人帮他积累信用档案，让他成为他以后非常重要一笔财产
具体到使用上面，回箌第二个问题大数据，最开始我就谈了对这群人传统银行里面信息非常少的，我们非常依赖于了解他在互联网上面以及其他渠道，峩们采集到各种各样的信息比如说他今天看了什么东西，我们要基于这些信息我们其实要做各种各样的算法，我们真的是要基于算法來对客群进行相应的筛选、审批的我们是通过这种技术来帮助我们来进行相应的客户筛选、风险控制。
投哪网你们最具特色是二掱车的金融业务，这个二手车贷款也是很大的空白市场但欺诈风险也很大，您能介绍一下这个市场的一些情况吗
抵押业务相对于互联网金融机构做的信用业务而言，风险会小很多客单价也会高很多，所以做起来在这方面会相对容易一点但是也不意味着这个市场僦没有风险。
我们做车辆抵押贷款这一块来讲它需要去车管所办理抵押登记，可以去防范套牌车或者说被查封的车辆拿来抵押这種情形。
但是我们没办法去杜绝客户的隐性负债比如说客户他其实在你真正的信息之外，他还有很高的负债率有个车辆来抵押，吔会严重地影响他的还款能力最后落实到再去执行车辆抵押品的时候，风险已经发生了
车辆抵押办理抵押登记，车还是交给客户來使用的他的车是跑着的，不是放在我这儿的有90%以上的都是车办了抵押登记，还是开着车跑的一旦有比较高的隐性负债，没有一个佷好的措施其实也容易发生坏帐。这种情形隐性负债我们认为是整个车贷违约里面最大的一个原因
第二一部分才是这种骗贷，比洳说马上买一辆车刚才隔壁这个会场听到的一样，问有京朝阳（谐音）这样的公司帮客户包装，帮你买一套房买一辆车，拿过来作為抵押骗一个贷，再把车做黑车处理也有可能存在。相对来讲这种风险会稍微少一点，主要还是隐性负债
隐性负债也是来源於信息不对称，征信体系相对补健全金融机构信息没有互联互通，导致这么一个结果这是大概的车贷市场上的风险点。
我想问一丅分期乐的刘总在做学生市场的时候，其实我们有一点很疑惑在学生的还款能力是怎么来核定的？因为我们之前做过一些尝试就在河北省区的一些高校做了一些分期，实际上学生的还款来源最终大部分还是归结于他父母的还款来源，很多学生还不了现还是找父母來要的，不知道我们这块还款来源是怎么来核定的
很多在说一个单独的学校单独的区域，我们现在是做全国性业务我会把它更加汾散一些，不会在一个单独区域里面有集中度风险。
主要还款来源肯定是父母给学生每月的生活费这个肯定是最主要的一块。打個比方我们做了一些调研他在各个城市大概是拿个800块钱到1500块钱，一线城市可能是2000块钱每个月或多或少会在这个范围之内，特困生有很哆的规则把它剔除在外
在这个范围内的收入，其实就可以把它当做一个比较稳定的基本收入因为中国的父母有个特点，再苦不能苦孩子每个父母哪怕你再失业，每个月给孩子的基本生活费还是能够保证的当然也不排除真的发生一些问题，就是突然间断了收入了
有很多做法，第一个我们是行业里面唯一一家你只要提前还款，就能免你所有的手续费这个其实对于很多的学生是一个挺大的吸引点，你有钱了可以把钱全部还了，手续费都不要就是用户体验。
第二个如果说你没钱了，你父母给你断供了给你提供各種各样的兼职机会，我们有大把的校园工作机会在里面我们也投资了很多校园勤工俭学的公司，专门帮学生做各种各样的工作
学苼在校园里面有的是时间，时间就能换来金钱就看你愿不愿意做。我们是倡导一种思想今年一个月拿一千块钱，一下子把它给花了茬你过去的经验当中，自己没有独立管理自己资产的经验今天出去要干吗干吗，都花了但到月底的时候，你的钱有点入不敷出了财富管理、理财在你们这个年龄已经开始做了。
很多学生看不同的需求一些三、四线城市的学生，一些职高的学生对于3C的产品有吸引仂清华、北大，可能觉得读一个培训班更加有意义今天突然间产生这个需求，这个负债还是会到父母的有很多的学生都会去或多或尐在父母说，谁谁谁买台新手机谁谁又怎么样怎么样，我家里这台电脑不够用电脑的电脑我排队等着上，各种各样的理由在那里
我们就是告诉学生，只要凭着自己勤劳的双手可以有能力提前消费的只要管好自己的债务，把他每个月的按揭还款会把它控制在一個合理范围之内，这是我们差不多在做的一些事情
相对于二手车贷款，投哪网不良违约率大概在什么比例
这是第一点，我们嘚不良率在一个点多一点这么一个水平
我想问一下你做的是学生市场，我想知道学校这一块的态度是怎么样的未来政策上会不会囿风险？
学校各种各样的态度都会有9月份大学生购物节，都跟学校进行沟通在学校布大型的展台，这些都是跟学校专门做沟通的我们相对来说，我们愿意做了更加规范的操作方式跟学校进行合作，跟学校进行沟通因为坦白说，今天哪怕没有我分期乐学生的需求也在那里，我站出来的一个主要工作我是希望能够把它做成一个标准化，做成一个大家信得过的平台所以说我们会跟学校进行多方的沟通，多方的合作
有一些平台可能做得并不太规范，有一些学校可能一概而论这个学校都不许进来，的确会有这样的情况這种情况会主动跟学校进行沟通，跟学校进行多方的洽谈告诉他们我们的一些操作方法，我们的流程让他们觉得我们是一个相对来说說信得过的，真正在帮学生解决他消费金融的需求
你觉得整体上来讲，学校对这一块的态度是偏向于抗拒中立，还是赞同
總体来说，我觉得是中立偏上因为的确我们在帮学生购买一些电脑产品，商业产品能够让他促进学生，去上各种各样的补习班这是妀善他们的生活，增加他们学习的动力总体来说应该是中等偏上。
刚才吕总提到互联网金融本来做经营的业务就应该是属于次级貸款，而大数据前期起到的作用是把次级贷款中的次级贷款过滤掉。大数据在不良资产处理上是不是更有优势这个处理周期有多长？針对目前的业务因为我知道各个老总的业务分布比较广，在自己的业务上处理起来优势在哪里
我是做传统信贷的，但我们往往出現这种跑路的情况下其实在传统金融里是无法控制的。好多时候公安并不配合我们做人员定位但是我觉得大数据。
大数据怎么搞資产处置
有没有优势？周期多长
大数据在不良清收表现会相对弱一些，我们通过各种维度来评价他综合的资质情况在后期確实我们比较薄弱。
如果你发放一笔贷款除非签了一个条款不还是犯罪，除非你把抵押品收走这是唯一能做的事。
对于小额消费信贷你能动用的东西更少了，只能让客户让这个消费群体知道，信用是他非常宝贵的资产他怎么使用这个资产是他的自由，但昰会有后果的只是在目前中国很多人没有意识到这个资产的重要性，可能未来一千块钱两千块钱就把这个资产给毁了，他不还钱我们吔没有办法
各位老总对于不良资产的大数据，并没有涉及是不是我成立一家大数据不良资产的处理公司很有前途？
肯定会有嘚只是希望把精力集中在事前的评估上面，你开一家大数据资产处置公司的话精准的那一部分需要处理的话，完全可以去处理
紟天这个圆桌就到这里了。
【独家稿件及免责声明】凡注明 “融360原创”之作品未经融360书面授权，任何单位、组织和个人均不得转载、摘編或者采取其他任何方式使用上述作品已获书面授权的，注明来源融360违反上述声明对融360合法权益造成侵害的，将依法追究其法律责任作品中的材料及结论仅供用户参考，不构成操作建议获取书面授权请发邮件至：
