想要真正理解科技金融，有一个特别好的角度，就是看，把蚂蚁金服搞清楚就是了解科技金融的突破口。
一、新物种：蚂蚁金服
不知道有多少人知道蚂蚁金服，但是一定没有人不知道支付宝。你要知道，支付宝不是阿里巴巴，而是蚂蚁金服旗下的产品。
蚂蚁金服是阿里巴巴的姊妹企业，也是阿里系里面衍生出来的一家超级独角兽企业。它的估值是多少呢？是Uber加上滴滴的估值的总和。你熟悉的阿里系金融产品，支付宝、余额宝、蚂蚁花呗、相互保、芝麻信用，全部都是在它旗下的。这个企业在科技金融领域具有标杆性的地位。
第一，它的业态之复杂，产品之丰富和演化之动态，特别地具有科技金融这个新物种的特征。
第二，它已经具有一个超级平台的规模。比如说在全球的科技金融企业排行榜上，连续三年是第一的位置，而且相当于后面几家企业估值的总和。
请注意，我们在这里的用词是“物种”。
也就是说，它的变化不是预设的，而是数据驱动的自我迭代。所以，你也没办法界定边界，更不可能给它一个结论性的定义了。
其实，这也是科技金融这个领域现在的难点之一。
那么我们到底该怎么样理解这家企业呢？如果一个词来对它进行定位，可以叫做“数据驱动的金融平台生态”。
“金融”很好理解，那么“数据驱动”和“平台生态”这两个词，则是它和传统金融机构的分野之处。
接下来我们来分析一下第一个词“数据驱动”。
二、数据驱动
蚂蚁金服做的是数据驱动的金融服务业。传统金融机构是使用数据进行分析、决策的金融业务。
请注意用词，一个是“数据驱动”，一个是“使用数据”。这之间看上去有点像，对不对？但实际上完全不同。
有这样一个例子，在浙江有一家很不错的地方小银行，泰隆银行，它和蚂蚁金服一样，一直都做的是小微企业的贷款。其实泰隆银行在很长一段时间里，业绩都很出色，而且风控也做得很好，坏账率很低。要知道，这对于高风险的小微信贷来说，那是很难的。
那么泰隆的经验是什么呢？它就是实地收集关于这些企业的一手信息。
比如说吧，要决定是不是给一个小商铺贷款，它会派一个专门的信贷员去蹲点，不是一天、两天，而是相当长的一段时间，观察和记录商店的客流量、交易金额、服务态度，还有货架上的品种丰富度，然后根据这些信息，作出是不是贷款、贷多少额度这些决定。然后在放贷之后，信贷员还会跟踪这个商店生意的活跃程度，然后及时地进行跟踪反馈。
所以，这就是典型的“使用数据进行分析，支持决策”的案例。
好，那么蚂蚁金服是怎么做小微企业金融服务的呢？它旗下的蚂蚁小贷就是干这个事的，但是它的业务顺序是倒着来的。比如像泰隆银行是有贷款需求了，就去收集数据进行分析。但是，当时蚂蚁小贷为什么会产生呢？是因为当时淘宝店家有很多融资需求，然后淘宝店家就去找银行合作，最后发现没法做下去。为什么呢？因为这些企业规模这么小，融资额度又低，还没有抵押品。按照银行的术语来说，信用资质真的是不好，根本过不了银行风控体系的关。淘宝就自己开始琢磨一套给这些小微企业贷款的流程。
那它的最大的武器是什么呢？就是数据。
我们知道，淘宝做的是电子商务，所以这么多年下来，淘宝店家在平台上留下了所有的交易记录。像泰隆银行花力气收集的那些流水、活跃度的数据，对淘宝平台来说都是现成的数据，而且数据量要丰富得多。所以，它就开始按照自己对这些店铺的理解，给它们贷款。
好了，最有意思的地方就在这里了。经过一段时间之后，这些贷款的行为又成为了新的数据，因为淘宝可以从中分析出店铺特征和违约率之间的关系。然后它发现，传统金融的风控体系真的是很难覆盖这些小微电商。
当时它发现，影响违约率有一个重要指标，旺旺的活跃度，也就是店家响应买家的速度。长期“剁手”的同学，尤其是女同学，估计现在已经马上反应过来了，说白了，就是在质量类似的情况下，它会决定你对店家的黏着度，这就决定了店铺未来的销量，未来的现金流。
而且这个循环在这里还没有结束，使用蚂蚁小贷业务的这些店铺的还款记录，甚至是很精细的还款时间，还款额度都留存在淘宝平台上，又成为这个数据池的一部分，进入蚂蚁小贷的贷款模型。这些数据都是实时在线的数据，在模型中不断迭代，然后再支持着下面的决策。
好了，现在估计你已经发现了，这种模式和上面泰隆银行的那种信贷模式，看上去都是使用了精确的数据。但是，实质上很不一样。为什么呢？在这里，数据才是主体，一旦模型和算法确立下来，就像有了生命——数据就是粮食，不断地喂养着这个模型算法的生物体，然后让它越来越具有自主决策的能力，让数据说话，这才是数据驱动。
人在这个模式里面的作用，主要是调试模型，优化算法。你既不参与数据的收集、整理，也不参与决策。
再举个例子，比如保险。女生买东西的时候，经常会有运费险、退货险，这一点熟悉电商的同学，长期“剁手”的同学会深有体会。如果一个东西不能够轻易退换，就会很大程度降低你的购买意愿，对不对？那么蚂蚁金服旗下的保险产品就是针对这个来设计的。因为并不是每个人都会退货，也不是所有的商品都会退货，退货的难度也不一样。那么，这其实是个概率问题。所以，这种保险产品上线以后，它的结果也是同样的，迅速地形成了新的数据，然后变成了一个决策的闭环。什么产品退货率高，高多少，男性还是女性更喜欢退货，哪个地区的退货率高，哪个店的退货率高，甚至高到多少，这样下来以后，保险合同可以变得极为精准和个性化。那么对于蚂蚁金服来说，风险也变得更低。
一旦模型算法确立以后，覆盖和服务新用户的成本就变得极低，新用户的数据又沉淀下来，就变成这个数据驱动决策闭环中的一环。
我们经常使用的蚂蚁花呗、蚂蚁借呗，背后的逻辑都是一致的，是数据驱动的金融服务。
三、对传统金融模式的降维打击
所以说，所谓数据驱动，并不是简单地收集和使用数据，在这个语境下数据是基础，但更重要的是动和驱。所谓动，也就是数据得是活数据，而不是存在硬盘里的一串串数字，是实时在线，能反映那些被服务者的动态变化的信息。那驱是什么意思呢？驱就是决策，比如说是不是提供借贷保险等金融服务，怎么服务，服务费用是多少？这都是数据和算法决定的。决策是数据累积，交易场景，到算法优化这个闭环中间的一个部分。所以，在决策的过程中，人是不形成干预的。
这样的模式，和传统的金融模式就有了本质差别。
第一，精准度有了质变。数据驱动的最大优点，是实时动态捕捉服务对象的变化，进行迭代优化，这就使得风险下降。
第二，高度标准化。使得服务规模扩大，成本下降。
第三，外延的空间扩张。这点非常重要，数据在闭环中不断地沉淀，就使得数据变得越来越智能，也就具有了更多业务模式扩张和创造的可能性。
所以，在这种情形下，你会发现，这种数据驱动的金融服务，相对于传统模式，确实是一种降维打击。在未来你可以想象，任何想向FinTech转型，或者想进军这个领域的企业，必须采用这样的业务模式。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/227797.html