探索大数据信贷的“第三条道路”—以新网银行为例

探索大数据信贷的“第三条道路”

                            ——以新网银行为例

中国人民大学财政金融学院 罗煜 黄钰文

摘要

目前，在大数据信贷领域有两大银行，分别是阿里系的网商银行和腾讯系的微众银行。两家银行的共同点在于自家生态系统能够提供客户信息，不主要依赖于要从外界获取数据。但是这两个商业模式都存在一个共同的问题：可复制性差。本案例以中国第三家互联网银行——新网银行作为研究对象，根据对新网银行总部高管的访谈、调研获得第一手资料，以及其成立以来的年报等资料，对新网银行的业务模式和财务数据进行详细的介绍，讨论商业银行不依赖于互联网巨头背景而开展大数据信贷的可行性和可推广性，以探索商业银行开展大数据信贷的“第三条道路”。

关键词：商业银行；大数据信贷；新网银行

[i]

伴随着新兴技术在金融行业的深入应用，科技对于金融的作用被不断强化，创新性的金融解决方案层出不穷，近年来兴起了金融科技的概念。金融科技，是用技术改造金融的一系列业务和创新的统称。在中国，移动互联网、大数据和云计算、区块链和生物识别是金融科技发展的主要技术方向。而大数据与金融业的结合，就衍生出了大数据信贷这一新业态。

目前，在大数据信贷领域有两大银行，分别是阿里系的网商银行和腾讯系的微众银行。两家银行采用不同的商业模式：背靠淘宝生态的网商银行，拥有自己的商业生态系统，淘宝上交易数据和支付宝的支付记录成为进行客户信用画像的基础；微众银行，则利用微信和QQ的海量社交数据以及微信支付记录，对客户进行信用画像。两家银行的共同点在于自家生态系统能够提供客户信息，不主要依赖于要从外界获取数据。但是这两个商业模式都存在一个共同的问题：可复制性差。国内几千家银行，拥有自有数据的极少，几乎都是“数据在外”、“客户在外”。因而各家金融机构在发展普惠金融业务时，会面临很大的困难。

新网银行是国内继微众银行和网商银行之后的第三家互联网银行。作为一家没有互联网巨头背景的纯线上银行，新网银行既没有自己的商业生态系统可获得流量数据，也没有关于客户的多维度社交数据，但也能靠大数据信贷起家，它是如何做到的呢？网商银行和微众银行依靠的是事前风控，在授信前，已经获得了客户的信息并进行了风险评估，但新网银行在客户申请贷款时才开始实时收集数据并依赖自己的风险防控体系进行信用分析。如果这套业务模式能成功，将是大数据信贷的“第三条道路”，为全国乃至世界的普惠金融事业提供一个可以复制的商业模式。

本案例研究以四川新网银行作为研究对象，着重探讨它是如何做到在没有自有数据的情况下，从外部获取数据并依靠自有的风控体系进行大数据信贷。通过对新网银行进行实地调研获取第一手资料，全面剖析其业务模式，希望回答以下问题：新网银行从外界获取哪些客户信息，以及获取的渠道和成本；对原始数据的处理和加工过程，以及它们的风控策略；信用信息的质量问题以及对应的信贷风险；新网银行的普惠性、客户特征（包括收入层次和地区行业分布等）；银行经营过程中遇到的问题以及该模式的可推广性。这些问题最终将形成一个核心问题：新网银行的大数据信贷业务模式能够成为大数据信贷的“第三条道路”吗？

2.我国大数据信贷发展的现状

大数据信贷业务，即利用大数据技术开发新产品或新模式以开展信贷业务。大数据的来源不仅仅包括财务状况等传统银行一直关注的重要数据，还包括了企业地位、个人行为、职业信息、社交关系等半结构化和非结构化的数据，以形成对企业或个人的全方位评价。海量数据是开展大数据信贷不可或缺的前提条件，而如何存储、处理和分析数据并使数据“增值”则是大数据信贷业务能够成功开展的关键要素。

我国目前开展大数据信贷创新业务的主体主要有两大类，一类是传统的商业银行，一类是互联网公司（含互联网商业银行）。传统商业银行开展大数据信贷业务有多种方式，可以利用自身或政府平台的数据信息自行搭建大数据平台开展创新信贷业务，也可以与现有电商平台进行合作获取小微企业和个人消费者的数据，甚至可以自己设立电商平台作为数据的第一手方。除此之外，传统商业银行也可以介入P2P网贷领域来挖掘传统信贷模式下无法覆盖到的“长尾客户”。互联网公司大数据信贷产品的创新则主要依赖于自身电商平台或社交平台的发展所积累的海量数据，能够反映用户的各方面信息以帮助公司对其展开信贷评价。本文在此通过公开信息对我国目前主流的大数据信贷产品的发展现状做一个梳理，选取其中一部分如下表所示（不完全统计）：

表 1：我国目前主流的大数据信贷产品举例

数据来源：各商业银行或互联网公司官方网站

2.1 传统商业银行的大数据信贷创新

在大数据应用方面，商业银行也探索出了许多路径来增强自己的信贷业务，把控风险的同时也努力实现利润的增长。大数据信贷的开展离不开海量数据的支持，而商业银行获取大数据的途径主要有两种：（1）银行自身，即客户在本银行发生金融服务交互过程中产生的数据，如工资代发、交易流水、理财购买、按揭贷款等数据；（2）政务数据，包括税务、社保、公积金数据等，很多地区政府区域性或特定地开放此类数据，如江苏银行的“税E融”就是典型的以税务数据为支撑的信贷产品。以上数据具有来源相对单一、数据质量高、数据饱和度高的特征，虽然较有利于信用风险的判定，但与真正基于分散、多维度、低饱和数据的“大数据”信贷业务还是有显著差别。

近几年，传统的商业银行在开展大数据信贷的过程中受政策和监管等影响无法做到真正的普惠金融。客户的准入门槛相对较高，针对各个体量的企业所采取的授信评级相似，导致小微企业很难受到青睐。在信贷担保层面，商业银行仍然倾向于要求客户提供一定的资产抵押或第三方担保，仍较难采取纯信用贷款模式。在审批时间上，商业银行也没有建立起相应的优势，这主要归因于技术的不成熟和审批的严谨性。

总体而言，近些年来虽然传统商业银行的各类创新信贷产品层出不穷，但是银行间同质化现象严重，风险管控也不够扎实。各商业银行在大数据信贷业务层面的技术差异不大，区别主要在于公司体制、人员、投入和专注程度等。各大银行对这块业务的重视程度普遍不足，目前各家银行间的创新信贷产品大同小异，导致没有具有明显优势的产品脱颖而出。再加上我国目前的信用评级体系还不够完善，如何利用海量数据建立起一套适用于银行自身的信用评级方法也是创新信贷产品的关键。另外，小微企业和大中企业相比更加不稳定，未来发展的不确定性较强，商业银行需要针对该特点研发出动态风险管理控制体系，以更好地应对贷后管理中遇到的棘手问题。

2.2 互联网公司的大数据信贷创新

2.2.1 网商银行的大数据信贷业务

网商银行为解决小微企业贷款难的问题，推出了“网商贷”业务，依托实体经济和真实交易背景，更加贴近小微经营者解决融资难问题。围绕阿里巴巴、淘宝、天猫等电商平台、向广大平台卖家推出了阿里贷款、淘宝贷款、天猫贷款等产品，保证了对电商平台卖家的融资服务水平。网商贷采用纯信用、零抵押、零担保的模式，在线申请只需30秒，最快3分钟即可到账，可随时还款，最长可贷24个月，并且门槛很低，1元起贷。

电子商务的迅猛发展使得淘宝等电商平台积累了海量数据，一方面是商家的销售数据，一方面是用户的购买数据。前者可以帮助网商银行了解商家的历史交易情况并据此评估商家的盈利能力，后者可以帮助网商银行知晓个人消费者的消费习惯和消费能力，并据此评估个人的经济实力和贷款能力。除了淘宝，支付宝也可以为网商银行提供更多参考信息。支付宝集支付、理财、贷款、社交等功能于一身，是我国目前体量最大的金融类软件，其数据可以帮助网商银行进一步了解用户的资金实力和综合能力并作为授信依据。

另外，随着支付手段的日益升级，扫码收款也成为越来越多线下实体店的选择。此前，这部分小微客户因为体量太小、线上数据缺乏等原因无法被准确评估其信贷水平，但支付方式的更新使得网商银行可以获取这些小微客户线下交易的流水数据，并据此提供相应的信贷服务，进一步覆盖以前没能触及的客户群体。

目前，针对小微企业客户，网商银行采用“水文模型”进行授信。此模型主要依据小微企业的种类、历史交易、经营情况、同业地位等信息来推测其融资需求与未来还款能力，并针对性地发放贷款。针对个人消费者，网商银行则主要依托“芝麻信用”体系。该体系从历史、行为、履约能力、人脉、身份等五个维度来综合评估个人的信用状况，是我国首个个人信用评分产品。

在大数据信贷风控领域，网商银行在信用、经营、欺诈等风险上都利用大数据分析提升了其风险评估能力。基于海量数据优势，通过互联网化、批量化、数据化的方式来量化识别客户的各类风险。网商银行发明了一种可适用于不同客户性质的风险度量准则，建立了一整套客户财务情况跟踪、贷款需求计算、信贷额度授予等技术来进行风险把控。

2.2.2 微众银行的大数据信贷业务

微众银行业务定位于“个存小贷”，目标客户覆盖各个社会群体，目前主要业务包括微业贷、微粒贷、微车贷、微众有折等产品

微众银行依托于互联网和大数据推出的“微业贷”产品旨在为中小微企业提供线上流动资金贷款服务。贷款审批、放款等程序全部在线完成，最高额度可达300万元，最快15分钟到账，无需抵质押，按日计息，随借随还。

针对个人用户推出的“微粒贷”产品已为超千万客户提供借款服务，500元起借，最高额度30万，最快1分钟到账，无担保无抵押，日利息0.02%～0.05%。“微粒贷”自上线以来就一直保持快速增长，截至截止2018年末，微众银行管理贷款余额超过3000亿元，同时保持着较低的不良贷款率。

2015年9月，微众银行上线了“互联网+汽车金融”产品“微车贷”，旨在为购车、用车、养车的消费者和车商提供高效的金融解决方案。申请者仅需身份证、驾驶证、银行卡、手机号即可申请此项贷款，非常方便快捷。微众银行还利用微车贷业务发行资产证券化产品进行融资，盘活信贷资产。

微众银行开展大数据信贷的一个优势在于充分利用了大股东腾讯的资源和生态圈，微信和QQ在社交平台的垄断地位和海量的用户群体大大降低了它的营销成本，为其低成本获客及快速发展奠定了基础。根据腾讯控股2018年年报显示，截至2018年末，QQ智能终端月活跃账户数同比增长2.5%达6.998亿，微信及WeChat合并月活跃账户数达10.98亿，同比增长11%。其次，这两大社交平台上沉淀的社交数据也帮助微众银行获取了宝贵的用户行为信息。除了社交网络，腾讯体系内其他的产品也掌握着许多用户数据。得益于近几年微信红包、微信转账等支付手段的大力发展，微众银行也拥有着大量用户的支付数据。以上数据再结合第三方机构的外部数据综合得出用户的信用评分，并据此授信和放款。

腾讯旗下还拥有中国人民银行批准成立的腾讯征信有限公司，探索个人征信机制。微众银行通过腾讯征信来分析用户数据，预测用户的借款需求与未来还款能力，建立起属于个人的信用报告与记录。

微众银行所拥有的大数据已经从传统的文本形式扩展到了多媒体形式，从银行流水单扩展到了社交平台的聊天记录，从静态财务数据扩展到了动态逐笔交易等等。这样的数据池更加全面，也更加匹配客户的需求和能力。利用互联网平台，微众银行还可以做到实时动态监控资金去向，准确做到贷后跟踪管理。一旦前期的平台投入初见效果，后期用户的大量增加对微众银行总成本的增加微乎其微，可以实现较好的规模效应。

2.2.3 互联网公司的大数据信贷创新模式总结

除了阿里系的网商银行和腾讯系的微众银行，其他传统互联网巨头们也纷纷布局金融业务。如京东金融基于电商平台向所驻商家提供“京小贷”，向消费者提供“京东白条”；百信银行（由百度和中信银行合资成立）以大数据和人工智能双轮驱动，向广大中小微企业提供“百兴贷”，向个人用户提供“百分贷”；滴滴、美团等新晋互联网巨头们也分别推出了“滴水贷”、“美团小贷”等产品来满足客户的贷款需求。

众多互联网公司开发的大数据信贷产品的一大特色在于都紧密结合了自身的业务体系。比如京小贷产品是依托京东大数据为京东开放平台商家提供的专属贷款服务，包括订单贷款、提前收款、信用贷款、代充京准通等服务。京东在供应链金融领域也独树一帜，针对京东企业采购客户提供企业金采，针对通过应收帐融资的企业提供京保贝，面向全网企业客户提供动产融资、票据秒贴等。再比如美团小贷的放款对象主要是进驻在美团点评的各合作商家，这一点与电商平台类似，由于餐饮类行业的高频度和高密度特点，美团点评拥有这些商家的大量交易流水数据，可以通过大数据处理技术为这些小微商户提供持续稳定高效的运营资金，互利共赢，也有利于进一步巩固商家与美团之间的合作协议，防止商家外逃至其他生活类O2O平台。

以网商银行和微众银行为首的互联网银行的快速崛起和成功案例给了我们开展大数据信贷业务的启示，也在一定程度上填补了传统金融服务无法覆盖到的长尾领域，为培育我国的消费金融市场做出了贡献，为我国中小企业融资难的问题提供了一种良好的解决方式。但是它们都极大地依赖于大股东的生态体系——阿里巴巴和腾讯过去几十年的发展为它们在新时代开展创新信贷业务打下了坚实的基础。它们的成功固然值得肯定，但是对于广大的后来者们来说，如何探索出一条不依赖于互联网巨头、可复制、可推广的大数据信贷道路，仍然是个亟待解决的问题。

3.新网银行简介

3.1 新网银行基本情况

四川新网银行是由中国银监会批准，继微众银行、网商银行以后全国第三家以互联网模式运营的商业银行，由新希望集团、四川银米科技（小米的全资子公司）、成都红旗连锁等股东于2016年底联合发起成立，前三大股东分别持股30.00%、29.50%和15.00%。新网银行以“普惠补位”为市场定位，以“普存小贷、线上线下”为经营方针，以“移动互联”作为特定战略，走创新型、差异化的特色经营道路，服务互联网活力人群和民营经济、中小微企业、“三农”客户，弥补传统金融盲区。

新网银行自成立至今的主要事件如下表所示：

表 2：新网银行发展历程一览

数据来源：新网银行官方网站

目前新网银行没有分支机构，只有一个营业大厅，主要作为展示使用，全部业务几乎均在网上完成。在人员配备上，新网银行以科技和风控人员为主，其中风控人员介入前端并参与到营销策略中。目前风控人员120人，占比约三分之一，加上科技人员其占比共70%。科技工作大部分由银行自身完成，少量通过外包方式解决。

3.2 新网银行业务发展情况和主要财务数据

2018年为新网银行实际经营的第二年，年报显示，受益于业务模式的逐步确立，银行的在管资产、表内资产、客户数量等指标均大幅增长，并实现扭亏为盈。在规模和利润快速增长过程中，银行的风险控制良好，不良率仍然维持较低水平，经过两年的实践检验，新网银行的模式已初有成效。另外，资本压力逐渐显现，2019年即将完成新一轮增资。

在资金来源上，新网银行即有传统的表内同业存款和一般性存款融资，也有较新兴的资产信贷化和联合贷款形式的表外融资。表内融资方面，截至2018年末新网银行的一般性存款余额为136.39亿元，较年初净增101.50亿元，主要为特定场景存款与业务驱动型存款。同业存款余额为184.20亿元，较年初净增90.77亿元。表内负债来源方面，仍然对同业融入过于倚重，值得关注。新网银行基于较高的贷款定价能力，存款成本承受能力相对较强，因此当前的一般性存款均是按照利率定价自律机制所允许的上限执行，具整体负债中相对高定价的同业存款占比较高，新网银行整体的表内融资成本相较于传统商业银行较高。

表外融资方面，联合贷款（他行部分）年末余额达到293.36亿元，信贷资产流转底余额1.54亿元，对于新网银行这类一般性贷款来源有限的新型银行来说，拓宽表外融资渠道对于资金可得性和资金成本的优化确实具有较大的正向价值。

截至2018年末，新网银行在管信贷资产时点余额为582.77亿元，较年初净增407.80亿元。其中：各项贷款年末余额257.16亿元，主要为零售贷款；应收款项类投资年末余额30.71亿元，为通过间接方式投放的贷款；联合贷款（他行部分）年末余额293.36亿元；信贷资产流转底层资产月末余额1.54亿元，全部为2018年新增业务。截至2018年末，新网银行表内资产余额361.57亿元，负债余额为329.86亿元，所有者权益总额为31.72亿元；2018年累计取得营业收入13.35亿元，营业支出8.78亿元累计实现净利润3.68亿元。三大互联网银行的主要财务数据对比如下表所示：

表 3：微众银行、网商银行和新网银行的主要财务数据对比（单位：亿元）

资料来源：各互联网银行2018年年度报告

此外，2018年末新网银行主要经营指标及与微众银行的对比情况如下表所示（网商银行的公开披露信息不足）：

表 4：微众银行和新网银行的主要经营指标对比

资料来源：各互联网银行2018年年度报告（*暂无公开数据）

可以看到，在不良贷款率方面，新网银行做到了同行业的更低水平，说明其风控体系适当；在资本充足率方面，新网银行稍显弱势，主要因为目前新网银行的资金来源仍阶段性依靠同业融资，整体的资金来源及成本较高。

在贷款方面，除了表内的零售贷款或消费信贷，新网银行还参与了表外的联合贷款业务，即新网银行负责审查、风控等主要工作，只发放贷款总额的一小部分，其余由其他银行联合发放，类似于银团贷款。一部分中小城商行面临着业务转型压力，它们原本都是以对公业务为主导，现在需要分散风险，但是独立做零售业务非常困难，通过与新网银行进行联合贷款可以使得经营地域分散化从而获得较优质的客户，同时获得新网银行的技术支持。

截至2018年末，新网银行累计发放贷款1601亿元，累计放款5733万笔，服务客户1905万人，贷款笔均金额约2000元，笔均周期约70天。初始贷款期限一般为6个月至5年，但是由于按日计息，许多客户选择提前偿还贷款。总体而言平均利率约为14%。

新网银行
目前的客户群体中约20%为个体户，客户覆盖全国31个省、自治区和直辖市，其中四川地区客户占11.41%。

图 1：新网银行客户群体地区分布

数据来源：新网银行调研资料

新网银行客户的男女比例约为3:1；在已知教育程度的客户中，超过7成为本科以下学历；在已知收入的客户中，约40%是年收入5万元以下的。根据授信额度，新网银行最高授信额度为100万元，最低授信额度为500元，平均授信额度为1.86万元，中位数为9588.88元。截至2018年末，其贷款期限、借款人年龄、借款人收入等基本信息的分布表如下所示：

表 5-7：贷款期限、借款人年龄、借款人收入分布表

数据来源：新网银行调研资料

3.3 新网银行开展大数据信贷的模式

新网银行是全国第一家采取“全客群、全在线、全实时风控”的银行，其开展大数据信贷的基础主要是可靠的信息科技系统和精准的在线实时风控体系。目前开展大数据信贷模式较为领先的互联网银行主要有三家，分别是微众银行、网商银行和新网银行。三大互联网银行的异同概览如下表所示：

表 8：微众银行、网商银行和新网银行的异同概览

资料来源：各互联网银行公开资料及新网银行调研资料

与另外两大互联网银行微众银行、网商银行相比，新网银行的主要特色在于“全客群、全实时风控”。“全客群”，即新网银行面向全网络开放获客，而微众银行和网商银行主要面对各自大股东生态体系内的已有客群，在这一点上新网银行的客户范围更广。新网银行并不事先挑选客户，也不预设条件，只要申请便可获得审核的机会。“全实时风控”，即新网银行在客户发起授信申请时，根据客户提供的信息和客户授权实时调取客户数据，实时做出风险决策，而微众银行和网商银行主要基于生态体系内已有客户的相关数据采取客户白名单制，先行完成了大部分客户的预授信，客户发起的贷款申请实质是“贷款提用”，没有实时进行风险审批决策。从客户在新网银行提出贷款申请到最后得出审核结果，平均用时为42秒左右。在所有申请者中约70%会被直接拒绝，这部分用时只需要几秒钟，而最终通过审核的审核时间一般为1至2分钟，再到放款的时间只需十多分钟，全程没有人工干预。

新网银行作为全国第一家全面应用机器学习技术进行零售信贷风险决策的银行，坚持将个人消费金融业务作为全行的战略性业务方向，采用全线上、全自动、全标准的业务流程，主要产品“好人贷”提高了个人金融服务的覆盖面积，很好地解决了个人小额、短融信贷难的问题。与微众银行和网商银行相比，新网银行的客群来源更加广泛，风险管理方面面临的挑战也更加复杂。

3.4 新网银行模式的可行性分析

3.4.1 数据来源及成本

新网银行对数据的要求坚持四大原则，即“数据丰富、来源合规、数据准确、成本低廉”。新网银行开展大数据信贷的数据来源主要分为自己采集的数据和外部数据两大类。自己采集的数据包括客户在与新网银行交互时所填写的基本信息、操作痕迹、生物数据等。外部数据包括央行征信报告、各地政府大数据平台、第三方数据源（电信运营商、公安、学信网以及各持牌或准持牌征信机构）。新网银行所使用的第三方数据来源共计有三十多种。

以操作痕迹为例，如果系统检测到GPS定位在短时间内有巨大变化，则可能存在欺诈行为；任何传感器的抖动也可以视为数据，如果一直不抖动说明可能并非人为操作，如果有大幅度的移动说明可能并非一个人在操作；位置信息可以具体到某一楼宇，如果检测到非正常的聚集比如某个位置的申请人在短时间内激增，系统也会发现并作出相应的管控。政府平台的数据则是银行直接与政府数据提供部门直联，在取得客户授权的情况下，直接调取、查询，主要是社保、公积金、违章、法院判决、住房登机、婚姻等市民基本行政信息。另外，新网银行在为多家P2P、小贷公司进行存管的过程中能够了解客户是否存在多头借贷的情况。

为了做到对客户的精准刻画，从而识别用户的信用风险，新网银行从外部获取了包含人口统计、信用历史（包括银行和非银行机构）、固定资产、电信运营商信息、社保公积金、航旅出行、教育、网络行为、支付信息等在内的数十个信息维度。根据不同的业务类型和是否为人行征信报告数据，采用机器学习模型（GBDT，梯度提升决策树模型）分别建模，来度量和预测客户的信用风险。对于用户的个人信息，有一部分可能受监管限制在未来获得更加严格的隐私保护，这需要在采集数据的过程中始终坚持“来源合规”的原则，始终保持与政策的统一，避免出现合规风险。

在数据成本方面，自己采集的数据一般不涉及成本，但是需要综合考虑用户体验做出取舍和平衡。第三方数据存在使用成本，一般按照调用次数收费，根据数据源的不同调用费用在几分到几元之间不等，也有部分政府大数据平台不收取调用费用。其中成都政府的数据内容可供新网银行免费使用若干年，其他城市也正在进一步谈判中。但是市政数据很难实现规模效应，交易成本较大，性价比较低。目前新网银行的模型基本可以在不需要市政信息的情况下识别客户信用。总体而言，新网银行的单个客户审批成本在3到6元之间。

3.3.2 数据处理技术

大数据信贷业务中对于数据的使用，关键在于如何发现不同渠道数据之间的结合作用，即许多看似并不相关的数据结合在一起可能会产生一定的关联性，真正的创新之处也在于找到这些数据的用途。在实际的操作中，首先由主观的想法产生对数据间关联的认知，再通过数据去验证其是否适用。

另外，新网银行有一个专利项目是关于客户信息的饱和度。由于有的客户数据多，有的客户数据少，以往的评级结果可能是一样的，为了增加现有评分的能力，新网银行设计了“客户信息饱和度”这个指标来给不同信息饱和度的客户以不同的衡量权重。

大数据信贷业务的数据库中包含了很多半结构化和非结构化的数据。对于半结构化的数据，新网银行通过配置化自动解析程序将数据结构化，存储于本行大数据平台，供分类使用。对于非结构化的数据则采用OCR进行自动识别，形成半结构化或结构化的数据，应用到业务环节。

同时，新网银行搭建了非结构化数据平台提供历史数据查询和非结构化数据存储。此平台是基于支持异构数据处理的Hbase数据库构建，通过Hive on Spark提供类SQL的统一访问接口，平台对贴源数据和仓库数据进行备份和调阅，承担了银行离线数据归档和异构数据存储访问的职能。根据对在线数据不同的生命管理周期及业务需求对历史数据的分析及挖掘需求，准时地把在线数据区的数据及时同步到历史数据区。平台还用于存放处理新网银行的非结构化数据，支持文档型数据（如JSON/BSON）的存储和检索，并支持如二进制文档、图片、音视频等数据的存储、搜索和自动回收。

3.3.3 数据质量

在采集普惠长尾人群的数据信息时，普遍会面临一个问题，即数据不饱和、高稀疏，这也正是新网银行广泛接入第三方数据并采用机器学习模型的重要因素。

新网银行有一套标准的外部数据信息接入流程，从数据源资质的评估、到数据维度和字段的评估、再到接口接入。数据来源必须合法合规，数据字段需要经过测试，满足覆盖度和区分度等定量要求。新网银行也会定期对已经接入的数据和已经构建的模型进行验证，确保数据和模型持续有效。对于效果衰减明显的数据和模型，新网银行会进行替代或者迭代。

一般来说，新网银行会从覆盖度、IV取值分布、IV值、KS值等多个方面评估数据和模型的有效性。目前，模型的区分能力良好（KS值均在0.3以上），在客户准入、额度管理等方面发挥着重要作用。

3.3.4 风控策略

风控是银行业的命脉，在快速发展的同时必须要同时做好风控，才能实现银行的可持续发展。新网银行的线上信贷业务实行全流程的风险管理，特别是结合线上业务的特点，通过多重技术防线，提高了审批标准的统一性，保证了风控质量的标准化，同时也有效降低了操作风险。由于新网银行面对的客户群体差异极大，数据源也不够稳定，需要设计动态的模型来适应此模式，这也是风控的难点所在。而相比较而言，网商银行不存在这个问题，因为它的客户群体和数据相对稳定。

传统的商业银行需要重点防范的欺诈主要来自内外勾结的操作风险，而新网银行等网络银行的主要风险来自技术层面，比如账户被盗、批量攻击、黑客等。

新网银行采取了一系列具体的风控措施如“天启”反欺诈系统、“星网互联”系统等来进行反欺诈监测和控制信用风险。欺诈风险来自于不同的使用场景，任何操作和交互都有可能产生风险。针对不同的场景提炼不同的风险，才能进行有针对性的防范和有效的识别。

图 2：新网银行采取的风控措施

数据来源：新网银行调研资料

图 3：新网银行的“天启”反欺诈系统

数据来源：新网银行调研资料

图 4：新网银行的“星网互联”系统

数据来源：新网银行调研资料

新网银行自主研发的反欺诈系统，综合运用人脸识别、生物探针、设备指纹、关联网络等技术手段，针对不同场景，始终围绕三个真实来证明、效验用户的真实性。三个真实包括：

（1）真实的设备：是一台物理存在的手机，不能是模拟器不能是虚拟的网络请求

图 5：“真实的设备”模拟图

数据来源：新网银行调研资料

（2）真实的人：是一个真实存在的人，不能是机器人，不能是模拟的操作者

图 6：“真实的人”模拟图

数据来源：新网银行调研资料

（3）真实的意愿：用户进行当次操作是用户本人的真实意愿，不能是另外的人、用户在操作过程中也没有说谎。用户本人、且符合银行要求的意愿，即用户所填写资料为真实资料，其中没有说谎的心理；用户在操作过程中，大量细节可以表达用户的意愿情况，通过有针对的采集用户行为数据进行分析可以了解用户意愿。

举例来说，用户在输入家庭地址的过程中，按照家庭地址的文字数会有一个常规的输入时长，但一个人在撒谎的时候存在思考时间，那么文字的输入时间将会变长。

在信用风险方面，新网银行以大数据为基础，运用机器学习、深度学习等先进算法构建的风险量化模型和风险特征指数，能够精准进行客户全方位画像，多维度对客户的风险进行判断和预测。同时，新网银行会定期更新行为评分模型和信维策略，全方位、多角度对客户进行观察和评估，并及时更新客户评级，对客户的信用额度与风险做匹配性管理，采取包括提额、降低利率等激励措施和冻结、降额、人工介入调查、宣布贷款提前到期、提前入催等限制性或止损措施。

3.5 新网银行大数据模式推广中可能存在的问题

新网银行近两年的飞速发展有目共睹，也给后来者们开展大数据信贷、践行普惠金融开拓了一条可行的道路。调研发现，在经营过程中，新网银行模式在推广过程中也存在一些可能的问题。

3.5.1 数据的可得性和成本

信息不对称是银行业机构在提供金融服务时普遍面临的问题，特别是针对新网银行这类完全以互联网和移动端模式运作的银行。可用外部数据还不够丰富和标准化，金融机构在采集数据时仍然面临采集难、采集贵、采集慢的问题。部分机构掌握、沉淀了大量的相关数据，但缺乏整合。第三方数据的采集过程还存在着合规问题，在保证来源合规的情况下尽可能多地采集用户数据给商业银行提出了不小的难题。

另一方面，目前新网银行开展信贷所需的数据成本偏高。线上进行信贷业务，客户风险识别的基础是数据，新网银行单次授信审批的风控成本约6元。由于并非所有进入审批的客户都能通过授信，获得授信的客户也并非都会提用贷款，同时新网银行的消费信贷产品具有碎片化的特点（贷款最少500元，最短一天），因此在考虑“授信通过率”和“贷款提用率”的转化后，数据成本相比起利息收入来讲，仍然较高。目前虽然成都市政府的数据对新网银行免费开放，但是未来是否可持续仍然是个不确定性因素。

3.5.2 贷款去向及实体经济服务程度

新网银行成立两年多以来，主做零售信贷业务，其中主要是消费类贷款。如果消费信贷被合理使用，形成生产-消费-生产的良性循环，就能够有效促进我国实体经济的发展。但是消费类贷款的借款用途在银行层面很难追踪了解，因为所发放消费贷款极其零散，笔均单价较低，贷款发放后基本是客户自主支付、使用，银行层面难以对贷款的最终用途进行准确追踪和管控。而且客户的消费本意也很难明确，导致监管层面较为困难。消费类贷款是否能够有效促进企业生产、是否能够达到金融服务实体经济的初衷还有待后续观察和考量。通过第三方数据来开展大数据信贷业务一般以消费类贷款为主，这主要是因为个人数据相对企业数据来说更容易通过第三方渠道获得，数据量也更大。企业数据尤其是小微企业的数据存在收集困难、数据不规范等问题，导致由消费信贷推广至小微企业类贷款存在一定的障碍。

新网银行的客户中约20%为个体户，目前仍以个人消费信贷为主，导致其业务种类还欠丰富，所面对的市场风险也更高。如果未来能增加更多小微企业类贷款，对于普惠金融的开展以及服务实体经济或许更有帮助。

3.5.3 监管政策方面

目前的监管政策要求民营银行特色化定位，在特定业务领域深耕。互联网银行的特殊业务渠道和技术运用使得其经营特征与传统全品类商业银行差异更加巨大。但在当前监管实践中，对于互联网银行的差异化监管并不充分，对于征信、账户、反洗钱、流动性指标等诸多方面与传统金融机构一视同仁，存在忽视互联网银行客观差异化和业务特定范围等特征的情况。特定业务范围及模式对应的全量化、综合化监管的合规成本过高。

另一方面，新网银行所涉足的联合贷款业务目前不受监管鼓励。联合贷款由新网银行与其他银行联合发出，而此类业务容易使风险扩散化，几家互联网银行形成“风险伞”，导致国家普惠金融的目标不容易实现。这部分资源容易集中到大中型城市和经济活跃地区，而不利于落后地区的经济发展。

4.尾声

基于上述材料，回到引言中我们提出的核心问题，即新网银行的大数据信贷业务模式能够成为大数据信贷的“第三条道路”吗？阅读完以上的案例材料，你能做出什么样的评判？新网银行区别于另外两家互联网银行的创新之处在什么地方？新网银行以不依赖于互联网巨头、主要依靠第三方数据开展大数据信贷的模式是否可行？如果可行，该种模式是否具有可复制性，由此被其他互联网银行所借鉴？如果可复制，有关各方包括政府、监管层等应该如何协助推进大数据信贷的发展，在推广的过程中可能会存在哪些方面的困难？

（正文字数： 14386字）

[作者简介] 罗煜，经济学博士，中国人民大学财政金融学院副教授，研究方向：货币金融、商业银行、金融科技。黄钰文，经济学硕士，中国人民大学财政金融学院研究生。

[版权说明] 1. 本案例由中国人民大学财政金融学院的罗煜等撰写，作者拥有著作权中的署名权、修改权、改编权。未经允许，本案例的所有部分都不能以任何方式与手段擅自复制或传播。2. 由于企业保密的要求，在本案例中对有关名称、数据等做了必要的掩饰性处理。3. 本案例只供课堂讨论之用，并无意暗示或说明某种管理行为是否有效。

[致谢] 作者感谢中国人民大学专业学位研究生教学案例支持计划的资助，感谢新网银行提供的多次调研支持，特别是计财部张欣先生的协助。