美国当地时间3 月 6 至 7 日，全球最具影响力的金融科技行业盛会，朗迪金融科技峰会(LendIt Fintech)在纽约召开。作为在线借贷领域全球范围内“最具干货”的行业大会，本次大会吸引了来自全球的5000多名思想领袖、公司代表和投资者来此共同探讨未来P2P领域的新动向、新机会。

　　鉴于过去的数十年里，来自中国的一批创新互联网金融企业在金融科技领域做出了有益探索，商业模式已经走在了国际前沿。朗迪峰会一直将中国的相关企业和创新作为峰会的重要议题。本次大会设有分论坛专门讨论“金融科技是如何改变15亿中国人的银行习惯”，来自中国的多位公司高管参与了讨论。

　　小牛资本旗下的普惠金融平台小牛金服近年的发展在行业内非常受瞩目，其中线上普惠金融理财平台小牛在线规模华南最大，并且已经打造了一个资金资产的投融闭环。本次朗迪峰会，小牛金服CEO王洁凤出席了专题讨论会并分享了她对中国互金行业Fintech的趋势预判。在她看来，中国互联网金融企业的发展前景依然在挖掘长尾用户的金融需求，而Fintech在这一过程最大的价值体现在于提升优质资产的开发能力。

　　Fintech的核心价值在于提升优质资产的开发能力

　　尽管Fintech近几年非常火，过去5年就有超过400亿美元的资金流入这个领域，而去年起，这一概念在我国开始流行。细究起来，我国的金融科技发展路径与国外其实是迥然不同的。在我国，大家在谈金融科技的时候，往往把它包在互联网金融企业里面说，相关的技术也是互联网金融支付、信贷、理财等业务的衍生品，不同于国外的金融科技行业可以专注技术独立存在。这也是为什么，当Fintech风潮刮到中国来的时候，大家对区块链、智能投顾等概念显得既好奇又陌生。

　　王洁凤指出，这与我国互金企业的发展路径密不可分。

　　当移动互联网在我国迅速铺开发展出世界上最多的网民的时候，我国的金融业发展却相对缓慢，传统金融机构的服务在地区和人口的覆盖能力上都显得很薄弱。最直接的体现的就是，在我国，拥有央行征信记录的人口只有3亿多，朗迪峰会联合创始人兼总裁Jason Jones就曾公开表示：“在中国，信用良好的借款人的概率要比美国高很多，中国互金行业发展前景很好。”

　　也就是说，前期互联网金融行业的蓬勃发展很大程度上是在享受互联网带来的流量红利。但是，随着网民数量的增长逐步放缓，流量红利在消失，获客成本逐步增加。同时，在整体经济下行的大环境下，“资产荒”成为一种社会现象，资产端作为多数P2P风险事件的源头，其质量的优劣甚至决定着P2P平台的存活与否。在王洁凤看来，Fintech对互金行业的核心价值，恰恰就体现在提升优质资产的开发能力上。

　　“并且是小额分散的优质资产端的开发能力，”王洁凤强调。这一方面是监管使然，国家对互金行业的定位是与银行差异化竞争的普惠金融服务提供者，去年网贷新规的出台也进一步强化了这一定位。另一方面也是加强风控的必然选择，大单模式更容易受经济波动、行业周期等宏观因素影响，而小额分散的最大风险来自于借款者的信用，只要能把握借款人真实的信用状态，就能很好地把控风险。

　　Fintech助力小牛金服“做小更牛”战略转型

　　就小牛金服而言，转型升级的压力同样存在。此前，小牛金服的资产端主要来自小牛普惠，它有一支庞大的遍布全国的业务员队伍，资金端则主要来自小牛在线的线上借款人。这种线上线下相结合的模式控制了风险，形成了一个运行良好的投融闭环。

　　但这种较重的商业模式弊端同样存在，它是人力驱动型，运营成本较高，要想在当下激烈的行业竞争中立足，需要在商业模式上进一步优化。去年开始，小牛金服宣布资产端要从之前的“线下”获取模式，转变为“线下+线上”的双渠道获取模式，将人力驱动转化为技术驱动选择优秀的资产项目。

　　“Fintech正是我们推动这一转型的主要抓手，”王洁凤称，“小牛金服对Fintech的态度是开放的，也是审慎的，企业要根据自身的情况因地制宜的推动技术落地。目前来看，国内真正已经发展成熟能与业务相结合的Fintech技术还是大数据的相关应用。”会议现场，王洁凤首次分享了小牛金服的大数据技术储备及其在资产开发上的应用实践。

　　根据王洁凤的介绍，在大数据的引入和安全把控方面，目前小牛金服已完成30多家征信公司的数据测评，接入了22家征信数据，涵盖了人脸识别、银联数据、运营商、车辆信息、黑名单、社保数据等6大类内容，超过70个可用变量。在数据安全上，从传输到存储和权限管理上都有严格的流程和技术把控来保证数据的安全，例如在数据存储上，目前是针对敏感数据进行脱敏、掩码处理和QA定期核检，不存储明文数据，所有数据都是基于脱敏的数据进行分析和挖掘。小牛金服制定了一套有效的数据质量测试标准，对征信数据统一进行测评、规划、采购和接入。

　　大数据在小牛金服业务中的一个具体应用是利用大数据打造用户画像，通过为为每个投融资用户打造个性化标签，还原融资用户行为，掌握用户习惯，来提升大数据风控的效能。目前小牛警服的用户标签覆盖5个面，14个一级维度，30个二级维度，181个标签。包括电商购物金额、电商购物类型、社交类APP使用行为，银行流水、通讯行为、家庭角色等。

　　王洁凤现场还跟大家分享了一个很有意思的应用模型。就小牛金服的资产端小牛普惠而言，用户画像涉及到贷前的客户获取和风险评估以及贷中、贷后的风险把控方方面面。通过对小牛普惠积累的百万借款人的数据的挖掘，小牛金服建立的关系链模型发现，如果一个客户违约或者逾期，那么跟他关系维度紧密的借款人违约或者逾期的概率也大大增加。通过关系链模型的应用，可以及时提示风险，做好把控。

　　另外，王洁凤还透露，小牛金服今年在技术上的一个较大的动作是普惠第三代信贷系统的落地。据悉，项目一期在小牛普惠的业务流程中引入了规则调用爬虫数据、风控准入模型和风控评分模型，这三个节点的升级把原先很多人力做的事交给技术，包括数据录入，客户线上数据的搜集、整理和初步信用判断都将由技术团队完成，这样做一方面解放了人力去开发优质资产，另一方面，人工审核造成的勾结、隐瞒等道德风险将得以大幅降低。如此，发现、审批优质资产项目的速度也大大加快了。