【报告】《2018年中国大数据风控调研报告》
来源 |百度金融、爱分析
更多精彩内容：
随着金融科技的深入发展和多方面应用，以大数据等科技手段提收增效成为金融行业核心诉求。3月12日，百度金融携手爱分析联合发布了《2018年中国大数据风控调研报告》，对能够有效降低金融风险管理成本的大数据风控技术和市场进行了研究分析。
金融科技赋能普惠金融与金融基础设施。
普惠金融主旋律。
• 中国金融服务不均衡，促使国务院发布《推进普惠金融发展规划（2016—2020年）》，为社会各阶层和群体提供适当、有效的金融服务成为发展重心。但各类银行机构在客群下沉过程中，难以做到商业可持续，因此，通过大数据等科技手段提收增效成为金融机构核心诉求。
• 行业趋于合规
• 网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法律法规颁布，标志着监管套利空间消失。非持牌互联网金融公司必须积极寻求与持牌金融机构的深度合作，将积累的用户、经验以科技手段赋能金融机构。
• 金融基础设施建设
• 中国金融基础设施不健全，比如普惠金融信用信息体系、普惠金融统计体系等。新的数据获取、存储、交易、分析技术不断涌现，中国金融基础设施将完成越级式发展。
数据是金融科技的核心
金融科技最重要的是数据创新技术
• 从数据收集到数据应用的数据流中，涉及到大数据、AI、区块链、物联网等各项技术。我们定义金融大数据，是覆盖数据全部流程的新技术，而不仅仅是数据分析技术。
• 以互联网巨头百度为例，百度积累了数十亿搜索数据、百亿级的定位数据和图像视频数据，形成了一张170亿个顶点、680亿条边的关联网络，可以有效识别骗贷团伙。
• 大数据技术最为成熟，区块链技术尚处于早期• 现阶段，大数据不论从技术还是场景应用上都最为成熟，AI技术在算法与业务场景结合上还存在提升空间。物联网技术应用环境较小，更多是作为线上数据的补充，区块链技术还处于早期阶段，技术本身还不够成熟，距离落地应用还需要一定时间。
• 根据爱分析调研成果，大数据在各领域成熟度与市场规模、基础设施和应用范围直接相关。
• 从三方面评估，金融大数据和其他行业相比渗透更为深入，已经进入成熟期。
金融大数据进入成熟期。
•从基础设施看，金融领域基础设施好，信息化、数据标准化程度高
•信息化是数据化的基础，只有积累大量业务数据才能进行大数据分析，金融是最早推行信息化建设的行业，也是电子化业务渗透率最高的领域。同时，国内银行等传统金融机构多数效仿国外的信息化建设方案，与医疗、工业相比，金融领域以结构化数据为主，数据标准化程度高，数据清洗相对容易。
•从应用范围看，业务由数据驱动，应用范围广
•即使传统金融机构，业务也基于IT系统，金融业务与IT紧密结合，完全由数据驱动。大数据会对金融机构的各项业务产生变革，在金融领域应用范围广，能够影响到核心业务。
•从市场规模看，金融大数据市场规模大，金融机构每年IT投入高于其他行业
•以银行为例，2017年中国银行业整体IT投资规模近千亿，占中国IT投入约5-10%。高IT投入，意味着金融机构在大数据业务的付费意愿更高，付费能力更强，金融大数据的市场空间更大。
金融大数据在信贷领域的应用
•大数据覆盖信贷领域各个流程，重点是获客、身份验证和授信环节。
•获客环节建立用户画像，跟踪用户完整生命周期；
•身份验证环节，通过活体识别等技术解决申请人是否本人的问题，关联分析则是利用图关联技术，找出欺诈团伙；
•授信环节汇聚多方数据源，通过建模进行风险定价，金融科技服务商输出信用评分给机构使用。
金融大数据在理财领域的应用
•大数据在理财领域的应用重点是营销获客和智能投顾•营销环节与信贷领域类似，通过建立用户画像实现精准营销；
•智能投顾包含KYC和匹配环节，重点是分析用户风险偏好，同时将KYC与KYP结合，实现智能匹配；
•未来，金融大数据将向理财的上游资产管理延伸，提升资管效率
金融大数据在保险领域的应用
大数据改变保险领域产品理念，降低各环节人力投入
•借助大数据技术，保险公司能够跟踪用户行为数据，产品设计更加关注用户全生命周期价值；
•通过在各险种建立垂直知识图谱，能够缩短客服人员的培训周期，提高客服效率；
•在核保核赔环节，可以利用图像识别等技术，用技术手段降低欺诈风险。
大数据风控综合价值最大，领跑应用领域。
对机构而言，大数据风控是金融机构的通用需求。
• 不论是银行还是消费金融公司，金融机构普遍有风控需求，底层业务逻辑几乎完全相同，只是面对客群、风险偏好存在差异。
• 对机构而言，风控是金融机构核心能力
• 银行等传统机构本质上是风险经营。一方面，监管层对金融机构的风控能力提出很高要求，另一方面，风控直接会影响金融机构的利润水平。因此，大数据风控直接解决金融机构的核心需求，价值度最大。
• 对金融科技服务商而言，以风控切入的大数据公司未来发展空间更大
• 风控是金融机构的根基，因此金融机构会采取审慎态度选取大数据风控厂商，建立信任周期长，但合作紧密度更深。风控合作涉及用户全生命周期数据，风控厂商有机会借数据切入到其他应用场景，未来发展空间更大。
• 对金融科技服务商而言，大数据风控门槛高，综合能力要求高
• 与精准营销相比，大数据风控门槛更高，对厂商的要求不光是技术和数据，还需要对金融业务场景的深入理解。
大数据风控技术趋势：新技术融合提升风控效果。
•大数据、AI技术的融合和优化，提升大数据风控效果
•活体识别、OCR、声纹识别、虹膜识别等多种技术融合，提供更加全面的身份识别，降低欺诈风险的发生。
•通过算法调优和计算能力提升，半监督学习等新技术正在应用到反欺诈等风控场景，降低对专家经验和数据的依赖。
•区块链技术使数据共享成为可能，彻底解决数据孤岛问题
•区块链解决了数据共享的信任问题，规定了数据使用的边界，保证了数据的一致性。通过区块链建立多方数据共享平台，解决数据孤岛问题，将降低金融机构获取数据的门槛与成本。
•物联网提供线下数据，丰富数据维度
•通过传感器等设备采集线下数据，如车联网数据，将丰富车险驾驶行为数据维度，从而实现风险定价。
•建立金融云平台，毫秒级响应
•通过金融云平台，金融机构可以处理PB级数据，同时应对百万流量，极大提高风控系统的响应速度
大数据风控客群分析：优质客群是抢夺重点。
•优质客群集中于大型金融机构
•普惠金融市场集中度虽然分散，但由于TierI和II等大型金融机构占据客户资源优势、资金成本优势，必将在普惠金融领域处于绝对主导地位，是金融大数据公司最佳客群。
•强监管时代到来，非持牌金融机构市场规模逐步萎缩，金融大数据客户总量在减少。同时，头部客户的市场份额进一步提升，争夺TierI和II客户是金融大数据公司重中之重。
•由于数据匮乏，农村金融市场尚未崛起。一旦数据基础设施完善，农商行等金融机构将上升为TierIII甚至II级别客群。
•需求深度从数据提升到分析
•金融机构早期需求以数据为主，通过补充不同维度数据弥补风控缺陷。随着数据源市场集中度提升，TierI金融机构已经不满足于单纯的数据合作，对于联合建模的需求在不断加强。未来，大数据风控市场规模一半来自数据，另一半来自分析。
技术、数据、场景理解、客群和获客是核心竞争力
大数据风控业务依赖数据和建模
•即使受到百行征信影响，数据依然是个重要竞争力。建模能力一方面与技术、算法积累有关，另一方面与业务场景的理解有关，因此，技术和场景理解是另外两个重要竞争力。
•营收增长与客单价和客户数有关
•大数据风控厂商在技术研发上会长期高投入，因此更加关注营收增长。营收增长主要与客单价和客户数有关，客单价与客户群体的付费能力直接相关，客户数则是考验获客能力。
数据。
除了金融相关数据，大数据风控还需要大量用户行为数据进行模型训练和调优。
•海量数据，覆盖足够多的用户
•用户数据价值密度高、噪音少，数据清洗容易
•用户数据维度多，能够形成丰富的用户画像
•自身业务场景能够获取有价值数据
•拥有大量反馈数据，利于模型调优互联网
巨头积累了大量用户行为数据，同时也拥有大规模自营金融业务数据。因此，不论是数据量还是数据维度都远超其他公司。产业类公司自身业务积累了大量高附加值数据，创新型公司和IT类公司数据资源相对较少。
客群
•ToB领域获客成本高，生命周期价值高的客群更有价值。
•客户自身业务规模，在IT领域的投入规模
•客户自身未来发展空间、成长性
•客户对风控的依赖程度，技术渗透情况。
TierI客群生命周期长，而且客单价高，LTV（生命周期总价值）最为显著。非持牌金融机构本身竞争激烈，而且受政策监管，生命周期短、客单价低，LTV较差。各类公司都在持续提升目标客群等级。百度金融等互联网巨头已经与TierI中的典型客户四大国有银行展开合作，占据行业中的优质客群。
互联网巨头机会最大
•互联网巨头在数据、技术和场景理解方面都占据优势，发展前景最好，未来市场空间最大。
•创新型公司的技术能力、场景理解能力强，但在获客层面有瓶颈，很难与大型金融机构形成深度合作。
•产业类公司具备数据优势，但百行征信入场后，数据优势会被削弱，未来需要补强技术方面的短板。
•IT类公司具备较强客户资源，对金融业务场景的理解弱于其他厂商，发展前景会受影响。
百度金融科技-核心竞争力
•技术/产品：百度在AI领域重金投入多年，有三大实验室和上万研发团队，以及中国最大的GPU集群，技术实力雄厚，将百度AI技术不断注入金融业务，在通过自营业务验证和沉淀后对外输出，可直接通过SDK或API调用，产品化率高。
•数据：百度体系内生数据量庞大，数据维度丰富，且数据金融属性不断变强，同时辅之以外部数据和客户数据；自营金融业务和合作伙伴能形成数据闭环反馈。
•获客：有农业银行、招商银行卡中心和泰康人寿等标杆客户；半年内合作头部金融机构众多，获客能力强。同时，百度依托自身的流量优势及对于人群画像的精准优势，能够帮助金融机构解决更多问题。
•客群：以银行、保险公司和持牌消费金融机构等大客户为主，目标客群是行业中TierI级别机构，客单价高，生命周期长。同时，从标杆客户深度合作做起，从大客户往下做客群下探，产品和解决方案的可复制性强。
•场景理解：自2013年开始探索互联网金融业务，多年业务经验积累，覆盖信贷、理财、支付、银行、保险等各领域金融业务，覆盖范围广；且百度金融与头部金融机构的合作中，进一步加深对业务场景的理解能力。