王征宇：中國P2P行業有非常大的市場容量

我們給大家看一個例子，大家知道中國建設銀行的信用卡，我們為建設銀行做了一個項目，這個項目的目標是建設銀行找到我們，希望我們幫他們來提高申請評分審批自動化的體系，我們做了這個項目，做下來之后看結果，審批通過率提高了12.3%，風險調整后的收益率提高了35%，違約率降低了2.48%，審批成本降低了52.9%，同時申請欺詐發生率降低了33%。用更少的人，更高的收益率，這個就是在自動化審批、決策引擎、評分管理水平體系之下，我們所進行管理的基本手段。在這種情況之下，我們認為對于小額度的、無擔保、無抵押的風險，也是可以控制的。

我們看一下大家提到的大數據，在這個行業之中，所謂的大數據的環境，大數據的應用，我們認為對于數據的基本問題，業務決策之中面臨很多很多的問題，這些都是小額度的，這些問題當中面臨的基本的數據問題是，這個人的還款意愿怎么樣，這個人的還款能力怎么樣，還款的資金量怎么樣，抵押物的水平，社會經濟生活狀況，他的還款穩定性，所有的這些參數，每個字頭都是C，最后一個自頭是S，這些是基本要回答的問題，用征信局的報告可以回答的問題是這3個，還款意愿、還款能力、還款的穩定性，這些是通過征信局數據就可以直接回答的，這三類問題的回答，基本上就可以做出信貸的決定，這個對于國內信用卡行業，對于美國的P2P同行，基本上用的都是這些數據。在美國大數據最領先的機構，大的公司有太好的數據，可以到美國征信局抓數據，大數據之所以起來，是因為在互聯網金融征信的數據對我們來說存取不夠。所以大數據可以回答的問題不是這三個，所以大家說大數據可不可以取代征信局，這個問題本身就錯了，他們解決的問題不一樣，大數據解決的是身份驗證問題、職業歸屬問題、社會屬性問題，大數據必須要和其他問題結合在一起，才能進行有效的預測。

目前在數據發展行業，我們講互聯網金融，講今天中國是餡餅還是陷井，取決于我們對技術的把握程度。在技術發展行業當中，從40年之前到今天，我們的整個數據分析的體系，從數據到信用評分現在已經到了解決方案，已經到了決策系統，不再是簡單的評分，評分柔和在業務之中，通過決策引擎的方式自動的實施。數據也已經從基于行業的數據，比如說借款、還款，進入到了整個基于整個社會網絡的數據，這個是今天的現狀。技術手段、分析手段，已經從基本的評分模型，進入到了決策數、神經網絡、進入到了大數據，特別是弱相關分析，弱相關分析是目前在互聯網金融之中最前沿的幾個領域基地。其中當然還有圖形識別等等。弱相關分析，可以幫助我們在更多的變量，更大的數據之中抽提出對于申請人情況分析評分的手段，這些是前沿機構所要賽跑的主戰場。大家看最終誰的評分最好，用這個原則干過行業的都有，最終看的是誰的評分更精準，誰的決策速度更快，誰的技術更先進，這個是整個發展趨勢在P2P行業，在小額貸款領域之中最終決勝負的主戰場。

對于信而富公司，我們相信的不是簡單的你的風險防范能力有多大，你的注冊資本有多少，你有多少錢可以承擔什么，對我們來說都不是。對于我們來說，核心的理念是測試和學習，不斷的測試、不斷的學習，遞推式的發展。由于中國特定的數據挑戰要求具備更多中國獨特性的解決方案，目前信用評分的實施和開發能力，是來解決中國數據挑戰的重點方式，就是怎么樣通過弱相關數據，通過別人容易忽視的數據之中采集到你認為相關的數據，獲得有效的信息。這張圖說明了這個問題，用人民銀行征信局的報告，可以獲得非常有效的數據，可惜這些數據很少，20%的覆蓋人群，80%沒有數據，對于這些沒有數據的人，只能獲取碎片式的非信用數據，用這些所謂的弱相關數據來進行風險評分沒有那么有效。問題是能不能站在信用的前沿，找到相應的方法建立這一套東西。我們認為我們在方面正在積極的探索，我們認為這方面的工作是最終取決于你這個行業到底能走多塊，你能規避陷井，獲得發展的關鍵。通過信用評分的開發，通過技術手段，不斷的進行通過你的信貸實踐進行測試，通過結果來改善你的評分，你這個周期轉的次數越多，改善的越充分，調整的周期越快，你的技術進步就越快，你在市場上的競爭，和你的行業競爭，和其他的機構相比，就可以繞開暗礁，繞開陷阱。