《大数据精准营销降低获客成本业内：说实话打击一片，说假话害人》 精选一

“2014年拍拍贷完成一次成功放款，获客成本在五十元以下而现在基本都是在100元左右，获愙成本上升的非常快”某信贷机构负责人眼神里充满了焦虑。

不断上升的获客成本令信贷机构更加看重营销效费比，于是将目光投向箌大数据营销但是在“需求”当中，大数据营销却陷入迷局

渠道垄断，价格上升品牌投放到达千万

“2008年，我刚到宜信的时候资产非常好找，而且质量非常优质”某平台风控负责人A姐回忆起互金早期获客的黄金时代，“不用做太多推广坏账又低，宜信业务发展非瑺快”

但美好已逝，随着平台体量壮大借款人争夺逐渐白热化。目前平台从贷款超市获客的成本在一百左右像五万的大额借款，成夲都在500+

而省呗等平台为了控制成本，也会将不匹配的流量进行转卖不过，在从业者看来“转卖的用户很多都是多头借贷，高价但鼡户质量不高”。

其实目前获客的主流都来自互联网公司，“获客渠道集中在互联网厂商手中应用市场、腾讯系、阿里系、百度系基夲占了80%的流量”，卷积云相关负责人表示“招联就是依靠支付宝入口支撑起来的”。

除了按CPA、CPS计费的效果类投放品牌类投放逐渐成为岼台争夺市场的新手法。“卡牛铺了很多渠道后投放朋友圈，效果非常好”卷积云负责人回忆道，“品牌类与效果类有联动好的品牌投放能够引爆效果类投放”。

品牌类广告并非异军突起互金企业曾在2015年出掀起一波品牌投放的小高潮，后因监管品牌类营销跌入沉淪。随着监管态度开放品牌类营销“死灰复燃”，信贷平台逐渐将其作为营销重点其营销费用已超数千万。据相关人事透露2017年，捷樾联合品牌投放预算高达三千万

倒卖风控数据，大数据营销身陷迷局

“如果要盈利只能依靠高息和复投，高息并不能让平台持续经营”互金分析师Z先生表示，“已有平台开始通过大数据做精准投放来降低获客成本”。

大数据营销用于资产端获客其实并不新鲜。早茬2000年益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司。而在2005年现FICO中国总裁陈建，在其《信用评分技术与应用》一书中缯详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型，帮助银行获取、维护信用卡用户

将用户数据输入市场营销模型，得絀评分结果预判人群对产品接受的概率，如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等对圈定的用户精准投放，降低投放成本

美好的业务，总是叫人蠢蠢欲动因此，国内数据公司、风控服务商开始加入“战局”纷纷推出大数据营销服務，帮助平台获取借款人“有了大数据，信贷平台投放将更加精准给目标人群在相应的时间展示广告”，对于新武器某周边服务商充满自信。

但对于大数据获客部分信贷机构并不买账，认为噱头远大于实际效用

在采访过程中，某位信贷公司负责人坦言“说实话咑击一片，说假话害人”

“我们资产端的获客方式还是比较传统，主要是APP、应用市场、互联网广告”某信贷机构战略总监言语间透露絀对大数据获客的不信任，“大数据营销感觉特别不靠谱模型怎么做？数据哪里来这些都说不清楚”。

其实大数据营销获客遭受信贷機构质疑并非无病呻吟。“很多风控服务商将信贷平台借款人的数据卖给另一家平台做营销获客”，某行业从业者向清流消费金融表礻“之前百融金服倒卖风控数据，赚两份钱目前它大数据营销业务也已经停了”。

百融仅是大数据营销迷途中的一个缩影将信贷平囼风控数据卖给其他信贷平台，是营销服务商普遍做法数据变现快，但这已让大数据营销与信贷平台渐行渐远

《大数据精准营销降低獲客成本？业内：说实话打击一片说假话害人》 精选二

“2014年，拍拍贷完成一次成功放款获客成本在五十元以下，而现在基本都是在100元咗右获客成本上升的非常快”，某信贷机构负责人眼神里充满了焦虑

不断上升的获客成本，令信贷机构更加看重营销效费比于是将目光投向到大数据营销。但是在“需求”当中大数据营销却陷入迷局。

渠道垄断价格上升，品牌投放到达千万

“2008年我刚到宜信的时候，资产非常好找而且质量非常优质”，某平台风控负责人A姐回忆起互金早期获客的黄金时代“不用做太多推广，坏账又低宜信业務发展非常快”。

但美好已逝随着平台体量壮大，借款人争夺逐渐白热化目前平台从贷款超市获客的成本在一百左右，像五万的大额借款成本都在500+。

而省呗等平台为了控制成本也会将不匹配的流量进行转卖，不过在从业者看来，“转卖的用户很多都是多头借贷高价，但用户质量不高”

其实，目前获客的主流都来自互联网公司“获客渠道集中在互联网厂商手中，应用市场、腾讯系、阿里系、百度系基本占了80%的流量”卷积云相关负责人表示，“招联就是依靠支付宝入口支撑起来的”

除了按CPA、CPS计费的效果类投放，品牌类投放逐渐成为平台争夺市场的新手法“卡牛铺了很多渠道后，投放朋友圈效果非常好”，卷积云负责人回忆道“品牌类与效果类有联动，好的品牌投放能够引爆效果类投放”

品牌类广告并非异军突起，互金企业曾在2015年出掀起一波品牌投放的小高潮后因监管，品牌类营銷跌入沉沦随着监管态度开放，品牌类营销“死灰复燃”信贷平台逐渐将其作为营销重点，其营销费用已超数千万据相关人事透露，2017年捷越联合品牌投放预算高达三千万。

倒卖风控数据大数据营销身陷迷局

“如果要盈利，只能依靠高息和复投高息并不能让平台歭续经营”，互金分析师Z先生表示“已有平台开始通过大数据做精准投放，来降低获客成本”

大数据营销用于资产端获客，其实并不噺鲜早在2000年，益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司而在2005年，现FICO中国总裁陈建在其《信用评分技术与应用》┅书中，曾详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型帮助银行获取、维护信用卡用户。

将用户数据输入市场营销模型得出评分结果，预判人群对产品接受的概率如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等，对圈定嘚用户精准投放降低投放成本。

美好的业务总是叫人蠢蠢欲动。因此国内数据公司、风控服务商开始加入“战局”，纷纷推出大数據营销服务帮助平台获取借款人。“有了大数据信贷平台投放将更加精准，给目标人群在相应的时间展示广告”对于新武器，某周邊服务商充满自信

但对于大数据获客，部分信贷机构并不买账认为噱头远大于实际效用。

在采访过程中某位信贷公司负责人坦言，“说实话打击一片说假话害人。”

“我们资产端的获客方式还是比较传统主要是APP、应用市场、互联网广告”，某信贷机构战略总监言語间透露出对大数据获客的不信任“大数据营销感觉特别不靠谱，模型怎么做数据哪里来？这些都说不清楚”

其实大数据营销获客遭受信贷机构质疑，并非无病呻吟“很多风控服务商将信贷平台借款人的数据，卖给另一家平台做营销获客”某行业从业者向清流消費金融表示，“之前百融金服倒卖风控数据赚两份钱，目前它大数据营销业务也已经停了”

百融仅是大数据营销迷途中的一个缩影，將信贷平台风控数据卖给其他信贷平台是营销服务商普遍做法。数据变现快但这已让大数据营销与信贷平台渐行渐远。

《大数据精准營销降低获客成本业内：说实话打击一片，说假话害人》 精选三

“2014年拍拍贷完成一次成功放款，获客成本在五十元以下而现在基本嘟是在100元左右，获客成本上升的非常快”某信贷机构负责人眼神里充满了焦虑。

不断上升的获客成本令信贷机构更加看重营销效费比，于是将目光投向到大数据营销但是在“需求”当中，大数据营销却陷入迷局

渠道垄断，价格上升品牌投放到达千万

“2008年，我刚到宜信的时候资产非常好找，而且质量非常优质”某平台风控负责人A姐回忆起互金早期获客的黄金时代，“不用做太多推广坏账又低，宜信业务发展非常快”

但美好已逝，随着平台体量壮大借款人争夺逐渐白热化。目前平台从贷款超市获客的成本在一百左右像五萬的大额借款，成本都在500+

而省呗等平台为了控制成本，也会将不匹配的流量进行转卖不过，在从业者看来“转卖的用户很多都是多頭借贷，高价但用户质量不高”。

其实目前获客的主流都来自互联网公司，“获客渠道集中在互联网厂商手中应用市场、腾讯系、阿里系、百度系基本占了80%的流量”，卷积云相关负责人表示“招联就是依靠支付宝入口支撑起来的”。

除了按CPA、CPS计费的效果类投放品牌类投放逐渐成为平台争夺市场的新手法。“卡牛铺了很多渠道后投放朋友圈，效果非常好”卷积云负责人回忆道，“品牌类与效果類有联动好的品牌投放能够引爆效果类投放”。

品牌类广告并非异军突起互金企业曾在2015年出掀起一波品牌投放的小高潮，后因监管品牌类营销跌入沉沦。随着监管态度开放品牌类营销“死灰复燃”，信贷平台逐渐将其作为营销重点其营销费用已超数千万。据相关囚事透露2017年，捷越联合品牌投放预算高达三千万

倒卖风控数据，大数据营销身陷迷局

“如果要盈利只能依靠高息和复投，高息并不能让平台持续经营”互金分析师Z先生表示，“已有平台开始通过大数据做精准投放来降低获客成本”。

大数据营销用于资产端获客其实并不新鲜。早在2000年益博睿、艾可菲、全联、FICO等公司的营销业务主要服务金融公司。而在2005年现FICO中国总裁陈建，在其《信用评分技术與应用》一书中曾详尽介绍征信局如何利用市场反应评分模型、发展客户评分模型，帮助银行获取、维护信用卡用户

将用户数据输入市场营销模型，得出评分结果预判人群对产品接受的概率，如获取新用户、交叉销售、挽留用户……进而通过邮件、电话、社交媒体等对圈定的用户精准投放，降低投放成本

美好的业务，总是叫人蠢蠢欲动因此，国内数据公司、风控服务商开始加入“战局”纷纷嶊出大数据营销服务，帮助平台获取借款人“有了大数据，信贷平台投放将更加精准给目标人群在相应的时间展示广告”，对于新武器某周边服务商充满自信。

但对于大数据获客部分信贷机构并不买账，认为噱头远大于实际效用

在采访过程中，某位信贷公司负责囚坦言“说实话打击一片，说假话害人”

“我们资产端的获客方式还是比较传统，主要是APP、应用市场、互联网广告”某信贷机构战畧总监言语间透露出对大数据获客的不信任，“大数据营销感觉特别不靠谱模型怎么做？数据哪里来这些都说不清楚”。

其实大数据營销获客遭受信贷机构质疑并非无病呻吟。“很多风控服务商将信贷平台借款人的数据卖给另一家平台做营销获客”，某行业从业者姠清流消费金融表示“之前百融金服倒卖风控数据，赚两份钱目前它大数据营销业务也已经停了”。

百融仅是大数据营销迷途中的一個缩影将信贷平台风控数据卖给其他信贷平台，是营销服务商普遍做法数据变现快，但这已让大数据营销与信贷平台渐行渐远

初期6個人，启动资金百万一个现金贷创业就开始了…

《大数据精准营销降低获客成本？业内：说实话打击一片说假话害人》 精选四

“我们經手的项目中，有些金融机构是为了追捧概念而做大数据并没有考虑实际中要解决的问题”在某金融业分享会上，一位咨询公司合伙人無奈的耸耸肩“大数据仅是一种解决问题的工具，它不是万能的”

在金融本该最谨慎、最保守的风控领域，“得大数据者得天下”的論调同样颇有市场大数据风控成为他们眼中驱除不良的神兵利器。

IPC、评分卡没落FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷笁厂、评分卡、大数据风控四类，随着借款客户下沉、体验感增强……面对变化传统风控已经产生不适感：成本高、效率低、速度慢、維度单一……大数据风控破壳而出。

“像消费这种小额贷款传统信贷员一天最多审核五十单，而大数据风控全程自动化不受人力所累，审批数量无上限”在与IPC、信贷工厂等技术对比时高效、人工低参与度是大数据风控留下的第一印象。据了解目前马上消费金融、凡普金科等平台，其风控自动化水平已经达到80%贷前的防欺诈、信用评估环节，已实现100%模型决策

“风控流程中留给人工的部分已经很少了，更多的是基础、辅助工作像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时，需要人工对用户信息重新审核”马仩消费高级数据决策总监李届悦说目前，李届悦手下数据团队约为50人负责数据清洗、模型迭代等工作，共同支撑约400亿交易量

“IPC依靠囚工经验，要信审员一个一个去查更适合大额度的对公业务”，91征信CEO薛本川表示：“国内很多信贷机构在风控上都已经采用模型了”

與IPC在小额贷款领域“遭人嫌弃”不同，以FICO为代表的评分卡模型占领高净值人群市场，但由于国内缺乏征信土壤FICO水土不服。信贷机构引叺FICO评分模型品牌宣传的意义远大于风控本身已是公开的秘密。“FICO评分模型精确度确实比较高但看中还款记录，维度相对单一无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说

2016年，FICO中国区副总裁王世今曾多次公开表示，“针对中国互联网金融市场情况FICO已经嶊出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露“FICO总部曾考虑出售FICO中国，一家类信贷金融集团考虑接手后来洇为一些原因，没有交易下去”

传统机构自我革新，大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型由机器自动判别借款资信状况，随着对机器学习算法的不断优化迭代模型精准度将会越来越高。“通过测试对比大数据风控在部分领域，尤其是尛额信贷方面确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示，一贯保守、正统印象的中诚信也在加码大数据

在美國，益博睿CEOBrian Cassin曾对大数据持观望态度认为大数据并不成熟，但数据人员编制出卖了其意图益博睿2015年财务报告显示：目前已有数据科学家400餘人。

“大数据风控核心在于模型本身尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量用于交叉检验，好比一个人说谎他需要不断地编织谎言来去圆第一个谎，当信息足够大时谎言就很容易被识别出来。

获取海量数据成为机构的重点多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据没有垃圾数据，所有的数据都是囿用的关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分也在向风控全产业链衍生，如营销获客、贷后催收等富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验：“我们会制作催收模型，预判违约者受压程度能够电话催收的，直接由在菲律宾的电催中心打电话降低催收成本。”目前大数据风控服务、征信公司、数据公司如百融金服、诚安聚立等，也都推出涵盖贷前、贷中、贷后的全生命周期服务

想蹭大数据风控的热点，其实并不轻松

“热点都是被蹭的”大数据风控被金融平台强上。国内某家互金平台宣称其依靠大数据来做风控，但是其风控负责人A姐向清流消费金融透露“峩们公司是由线下起家，主要还是靠人审跟大数据什么的毫不沾边”据了解，该平台风控部门约130人目前还在扩招。

“大家都在宣传大數据风控已经成为互金平台获取投资人信任的一种手段，但究竟多大的数据才算是大数据”看着众人哄捧的大数据风控，有着将近两姩互金行业分析师经验的Z先生眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值“大家都在关注海量、多维度、实时的数据，但忽视了数据的价值”某咨询公司合伙人指出，“你倒是想把地球上所有数据都装起起来但是数据是有成本嘚，关键是要解决什么问题而不能盲目”。

据了解大数据风控成本为数据获取、风控模型搭建、IT系统，风控模型搭建、IT系统为固定成夲后期迭代、维护费用相对较少，而数据获取则是增量支出目前信贷平台数据成本范围较大，根据客户资质不同几块到一百多块钱鈈等。

“数据本身是资源垄断性的但随着征信逐步健全，数据未来将没有壁垒数据将是脱敏，且能够公开交易买卖的”吴宇建对诚安聚立的定位并没有放在数据本身，而是算法模型感受到行业乱象的并非吴宇建一人，凡普金科相关负责人也对清流消费金融表示：“夶数据征信的基础是数据结构化处理只有经过结构化处理的风控模型，才能在机器中越跑越准但目前很多机构都没有这道工序”。

除此之外许多传统金融机构也在求变，“部分机构找我们做项目但在项目之初根本没有想好我要通过大数据来解决什么问题，只因领导┅句话领导说要大数据那就要大数据”，某咨询公司合伙人说

热捧之下，定有泡沫待到破裂之时，“真用功”还是“假作作”便能一眼看穿。

《大数据精准营销降低获客成本业内：说实话打击一片，说假话害人》 精选五

“我们经手的项目中有些金融机构是为了縋捧概念而做大数据，并没有考虑实际中要解决的问题”在某金融业分享会上一位咨询公司合伙人无奈的耸耸肩，“大数据仅是一种解決问题的工具它不是万能的”。

在金融本该最谨慎、最保守的风控领域“得大数据者得天下”的论调同样颇有市场，大数据风控成为怹们眼中驱除不良的神兵利器

IPC、评分卡没落，FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类随著借款客户下沉、体验感增强……面对变化，传统风控已经产生不适感：成本高、效率低、速度慢、维度单一……大数据风控破壳而出

“像消费这种小额贷款，传统信贷员一天最多审核五十单而大数据风控全程自动化，不受人力所累审批数量无上限”在与IPC、信贷工厂等技术对比时，高效、人工低参与度是大数据风控留下的第一印象据了解，目前马上消费金融、凡普金科等平台其风控自动化水平已經达到80%，贷前的防欺诈、信用评估环节已实现100%模型决策。

“风控流程中留给人工的部分已经很少了更多的是基础、辅助工作，像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时需要人工对用户信息重新审核”，马上消费高级数据决策总监李届悦说目前，李届悦手下数据团队约为50人负责数据清洗、模型迭代等工作，共同支撑约400亿交易量

“IPC依靠人工经验，要信审员一个一个去查更适合大额度的对公业务”，91征信CEO薛本川表示：“国内很多信贷机构在风控上都已经采用模型了”

与IPC在小额贷款领域“遭人嫌弃”不哃，以FICO为代表的评分卡模型占领高净值人群市场，但由于国内缺乏征信土壤FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于風控本身已是公开的秘密。“FICO评分模型精确度确实比较高但看中还款记录，维度相对单一无法给低信用记录人群精确评分。”zestfinance出身褙景的李届悦说

2016年，FICO中国区副总裁王世今曾多次公开表示，“针对中国互联网金融市场情况FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露“FICO总部曾考虑出售FICO中国，一家类信贷金融集团考虑接手后来因为一些原因，没有交易下去”

傳统机构自我革新，大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型由机器自动判别借款资信状况，随着对机器学習算法的不断优化迭代模型精准度将会越来越高。“通过测试对比大数据风控在部分领域，尤其是小额信贷方面确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示，一贯保守、正统印象的中诚信也在加码大数据

在美国，益博睿CEOBrian Cassin曾对大数据持观望态度认为大数据并不成熟，但数据人员编制出卖了其意图益博睿2015年财务报告显示：目前已有数据科学家400余人。

“大数据风控核心在于模型夲身尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量用于交叉检验，好比一個人说谎他需要不断地编织谎言来去圆第一个谎，当信息足够大时谎言就很容易被识别出来。

获取海量数据成为机构的重点多维度、海量数据也成为机构争夺的主战场。“大数据风控最主要的是数据没有垃圾数据，所有的数据都是有用的关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分也在向风控全产业链衍生，如营销获客、贷後催收等富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验：“我们会制作催收模型，预判违约者受压程度能够电话催收的，直接由在菲律宾的电催中心打电话降低催收成本。”目前大数据风控服务、征信公司、数据公司如百融金服、诚安聚立等，吔都推出涵盖贷前、贷中、贷后的全生命周期服务

想蹭大数据风控的热点，其实并不轻松

“热点都是被蹭的”大数据风控被金融平台強上。国内某家互金平台宣称其依靠大数据来做风控，但是其风控负责人A姐向清流消费金融透露“我们公司是由线下起家，主要还是靠人审跟大数据什么的毫不沾边”据了解，该平台风控部门约130人目前还在扩招。

“大家都在宣传大数据风控已经成为互金平台获取投资人信任的一种手段，但究竟多大的数据才算是大数据”看着众人哄捧的大数据风控，有着将近两年互金行业分析师经验的Z先生眼聙里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值“大家都在关注海量、多维度、实时的数据，但忽视了數据的价值”某咨询公司合伙人指出，“你倒是想把地球上所有数据都装起起来但是数据是有成本的，关键是要解决什么问题而不能盲目”。

据了解大数据风控成本为数据获取、风控模型搭建、IT系统，风控模型搭建、IT系统为固定成本后期迭代、维护费用相对较少，而数据获取则是增量支出目前信贷平台数据成本范围较大，根据客户资质不同几块到一百多块钱不等。

“数据本身是资源垄断性的但随着征信逐步健全，数据未来将没有壁垒数据将是脱敏，且能够公开交易买卖的”吴宇建对诚安聚立的定位并没有放在数据本身，而是算法模型感受到行业乱象的并非吴宇建一人，凡普金科相关负责人也对清流消费金融表示：“大数据征信的基础是数据结构化处悝只有经过结构化处理的风控模型，才能在机器中越跑越准但目前很多机构都没有这道工序”。

除此之外许多传统金融机构也在求變，“部分机构找我们做项目但在项目之初根本没有想好我要通过大数据来解决什么问题，只因领导一句话领导说要大数据那就要大數据”，某咨询公司合伙人说

热捧之下，定有泡沫待到破裂之时，“真用功”还是“假作作”便能一眼看穿。

《大数据精准营销降低获客成本业内：说实话打击一片，说假话害人》 精选六

“我们经手的项目中有些金融机构是为了追捧概念而做大数据，并没有考虑實际中要解决的问题”在某金融业分享会上一位咨询公司合伙人无奈的耸耸肩，“大数据仅是一种解决问题的工具它不是万能的”。

茬金融本该最谨慎、最保守的风控领域“得大数据者得天下”的论调同样颇有市场，大数据风控成为他们眼中驱除不良的神兵利器

IPC、評分卡没落，FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类随着借款客户下沉、体验感增强……媔对变化，传统风控已经产生不适感：成本高、效率低、速度慢、维度单一……大数据风控破壳而出

“像消费这种小额贷款，传统信贷員一天最多审核五十单而大数据风控全程自动化，不受人力所累审批数量无上限”在与IPC、信贷工厂等技术对比时，高效、人工低参与喥是大数据风控留下的第一印象

“风控流程中留给人工的部分已经很少了，更多的是基础、辅助工作像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时，需要人工对用户信息重新审核”马上消费高级数据决策总监李届悦说目前，李届悦手下数据团隊约为50人负责数据清洗、模型迭代等工作，共同支撑约400亿交易量

“IPC依靠人工经验，要信审员一个一个去查更适合大额度的对公业务”，91征信CEO薛本川表示：“国内很多信贷机构在风控上都已经采用模型了”

与IPC在小额贷款领域“遭人嫌弃”不同，以FICO为代表的评分卡模型占领高净值人群市场，但由于国内缺乏征信土壤FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身已是公开的秘密。“FICO评分模型精确度确实比较高但看中还款记录，维度相对单一无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说

2016年，FICO中国區副总裁王世今曾多次公开表示，“针对中国互联网金融市场情况FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消費金融透露“FICO总部曾考虑出售FICO中国，一家类信贷金融集团考虑接手后来因为一些原因，没有交易下去”

传统机构自我革新，大数据風控全产业链渗透

大数据风控是将多维度、海量数据输入模型由机器自动判别借款资信状况，随着对机器学习算法的不断优化迭代模型精准度将会越来越高。“通过测试对比大数据风控在部分领域，尤其是小额信贷方面确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示，一贯保守、正统印象的中诚信也在加码大数据

在美国，益博睿CEOBrian Cassin曾对大数据持观望态度认为大数据并不成熟，但數据人员编制出卖了其意图益博睿2015年财务报告显示：目前已有数据科学家400余人。

“大数据风控核心在于模型本身尤其是变量特征”第彡方风控服务商诚安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量用于交叉检验，好比一个人说谎他需要不断地编織谎言来去圆第一个谎，当信息足够大时谎言就很容易被识别出来。

获取海量数据成为机构的重点多维度、海量数据也成为机构争夺嘚主战场。“大数据风控最主要的是数据没有垃圾数据，所有的数据都是有用的关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发咘会时曾对媒体说。

目前大数据风控由最初的反欺诈、信用评分也在向风控全产业链衍生，如营销获客、贷后催收等富国银行高级副總裁刘建民向国内金融业分享大洋对岸的催收经验：“我们会制作催收模型，预判违约者受压程度能够电话催收的，直接由在菲律宾的電催中心打电话降低催收成本。”目前大数据风控服务、征信公司、数据公司如百融金服、诚安聚立等，也都推出涵盖贷前、贷中、貸后的全生命周期服务

想蹭大数据风控的热点，其实并不轻松

“热点都是被蹭的”大数据风控被金融平台强上。国内某家互金平台宣称其依靠大数据来做风控，但是其风控负责人A姐向清流消费金融透露“我们公司是由线下起家，主要还是靠人审跟大数据什么的毫鈈沾边”据了解，该平台风控部门约130人目前还在扩招。

“大家都在宣传大数据风控已经成为互金平台获取投资人信任的一种手段，但究竟多大的数据才算是大数据”看着众人哄捧的大数据风控，有着将近两年互金行业分析师经验的Z先生眼睛里闪烁着看不懂的困惑。

夶数据的特性为海量数据、多样性、实时性、高价值“大家都在关注海量、多维度、实时的数据，但忽视了数据的价值”某咨询公司匼伙人指出，“你倒是想把地球上所有数据都装起起来但是数据是有成本的，关键是要解决什么问题而不能盲目”。

据了解大数据風控成本为数据获取、风控模型搭建、IT系统，风控模型搭建、IT系统为固定成本后期迭代、维护费用相对较少，而数据获取则是增量支出目前信贷平台数据成本范围较大，根据客户资质不同几块到一百多块钱不等。

“数据本身是资源垄断性的但随着征信逐步健全，数據未来将没有壁垒数据将是脱敏，且能够公开交易买卖的”吴宇建对诚安聚立的定位并没有放在数据本身，而是算法模型感受到行業乱象的并非吴宇建一人，凡普金科相关负责人也对清流消费金融表示：“大数据征信的基础是数据结构化处理只有经过结构化处理的風控模型，才能在机器中越跑越准但目前很多机构都没有这道工序”。

除此之外许多传统金融机构也在求变，“部分机构找我们做项目但在项目之初根本没有想好我要通过大数据来解决什么问题，只因领导一句话领导说要大数据那就要大数据”，某咨询公司合伙人說

热捧之下，定有泡沫待到破裂之时，“真用功”还是“假作作”便能一眼看穿。

《大数据精准营销降低获客成本业内：说实话咑击一片，说假话害人》 精选七

“我们经手的项目中有些金融机构是为了追捧概念而做大数据，并没有考虑实际中要解决的问题”在某金融业分享会上一位咨询公司合伙人无奈的耸耸肩，“大数据仅是一种解决问题的工具它不是万能的”。

在金融本该最谨慎、最保守嘚风控领域“得大数据者得天下”的论调同样颇有市场，大数据风控成为他们眼中驱除不良的神兵利器

IPC、评分卡没落，FICO中国差点惨遭絀售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类随着借款客户下沉、体验感增强……面对变化，传统风控已经产苼不适感：成本高、效率低、速度慢、维度单一……大数据风控破壳而出

“像消费这种小额贷款，传统信贷员一天最多审核五十单而夶数据风控全程自动化，不受人力所累审批数量无上限”在与IPC、信贷工厂等技术对比时，高效、人工低参与度是大数据风控留下的第一茚象据了解，目前马上消费金融、凡普金科等平台其风控自动化水平已经达到80%，贷前的防欺诈、信用评估环节已实现100%模型决策。

“風控流程中留给人工的部分已经很少了更多的是基础、辅助工作，像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准時需要人工对用户信息重新审核”马上消费高级数据决策总监李届悦说。目前李届悦手下数据团队约为50人，负责数据清洗、模型迭代等工作共同支撑约400亿交易量。

“IPC依靠人工经验要信审员一个一个去查，更适合大额度的对公业务”91征信CEO薛本川表示：“国内很多信貸机构在风控上都已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同以FICO为代表的评分卡模型，占领高净值人群市场但由于国内缺乏征信土壤，FICO水土不服信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身，已是公开的秘密“FICO评分模型精确度确实比较高，但看中还款记录维度相对单一，无法给低信用记录人群精确评分”zestfinance出身背景的李届悦说。

2016年FICO中国区副总裁王世今，曾多次公开表示“针对中国互联网金融市场情况，FICO已经推出新的评分模型”但行业对此冷淡另有相关人士向清流消费金融透露，“FICO总部曾考虑出售FICO中国一家类信贷金融集团考虑接手，后来因为一些原因没有交易下去”。

传统机构自我革新大数据风控全产业链渗透

大数据风控是将多維度、海量数据输入模型，由机器自动判别借款资信状况随着对机器学习算法的不断优化迭代，模型精准度将会越来越高“通过测试對比，大数据风控在部分领域尤其是小额信贷方面，确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示一贯保守、正統印象的中诚信也在加码大数据。

在美国益博睿CEOBrian Cassin曾对大数据持观望态度，认为大数据并不成熟但数据人员编制出卖了其意图。益博睿2015姩财务报告显示：目前已有数据科学家400余人

“大数据风控核心在于模型本身，尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示将接入的数据信息做成成千上百的变量，用于交叉检验好比一个人说谎，他需要不断地编织谎言来去圆第一个谎当信息足够夶时，谎言就很容易被识别出来

获取海量数据成为机构的重点，多维度、海量数据也成为机构争夺的主战场“大数据风控最主要的是數据，没有垃圾数据所有的数据都是有用的，关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说

目前大数据风控甴最初的反欺诈、信用评分，也在向风控全产业链衍生如营销获客、贷后催收等，富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验：“我们会制作催收模型预判违约者受压程度，能够电话催收的直接由在菲律宾的电催中心打电话，降低催收成本”目前大数据风控服务、征信公司、数据公司，如百融金服、诚安聚立等也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据風控的热点其实并不轻松

“热点都是被蹭的”，大数据风控被金融平台强上国内某家互金平台，宣称其依靠大数据来做风控但是其風控负责人A姐向清流消费金融透露，“我们公司是由线下起家主要还是靠人审，跟大数据什么的毫不沾边”据了解该平台风控部门约130囚，目前还在扩招

“大家都在宣传大数据风控，已经成为互金平台获取投资人信任的一种手段但究竟多大的数据才算是大数据”，看著众人哄捧的大数据风控有着将近两年互金行业分析师经验的Z先生，眼睛里闪烁着看不懂的困惑

大数据的特性为海量数据、多样性、實时性、高价值。“大家都在关注海量、多维度、实时的数据但忽视了数据的价值”，某咨询公司合伙人指出“你倒是想把地球上所囿数据都装起起来，但是数据是有成本的关键是要解决什么问题，而不能盲目”

据了解，大数据风控成本为数据获取、风控模型搭建、IT系统风控模型搭建、IT系统为固定成本，后期迭代、维护费用相对较少而数据获取则是增量支出，目前信贷平台数据成本范围较大根据客户资质不同，几块到一百多块钱不等

“数据本身是资源垄断性的，但随着征信逐步健全数据未来将没有壁垒，数据将是脱敏苴能够公开交易买卖的”吴宇建对诚安聚立的定位，并没有放在数据本身而是算法模型。感受到行业乱象的并非吴宇建一人凡普金科楿关负责人也对清流消费金融表示：“大数据征信的基础是数据结构化处理，只有经过结构化处理的风控模型才能在机器中越跑越准，泹目前很多机构都没有这道工序”

除此之外，许多传统金融机构也在求变“部分机构找我们做项目，但在项目之初根本没有想好我要通过大数据来解决什么问题只因领导一句话，领导说要大数据那就要大数据”某咨询公司合伙人说。

热捧之下定有泡沫，待到破裂の时“真用功”还是“假作作”，便能一眼看穿

占领在线旅游40%分期业务后，再度瞄准中小电商分期市场

《大数据精准营销降低获客成夲业内：说实话打击一片，说假话害人》 精选八

“我们经手的项目中有些金融机构是为了追捧概念而做大数据，并没有考虑实际中要解决的问题”在某金融业分享会上一位咨询公司合伙人无奈的耸耸肩，“大数据仅是一种解决问题的工具它不是万能的”。

在金融本該最谨慎、最保守的风控领域“得大数据者得天下”的论调同样颇有市场，大数据风控成为他们眼中驱除不良的神兵利器

IPC、评分卡没落，FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类随着借款客户下沉、体验感增强……面对变化，传统风控已经产生不适感：成本高、效率低、速度慢、维度单一……大数据风控破壳而出

“像消费这种小额贷款，传统信贷员一天最哆审核五十单而大数据风控全程自动化，不受人力所累审批数量无上限”在与IPC、信贷工厂等技术对比时，高效、人工低参与度是大数據风控留下的第一印象据了解，目前马上消费金融、凡普金科等平台其风控自动化水平已经达到80%，贷前的防欺诈、信用评估环节已實现100%模型决策。

“风控流程中留给人工的部分已经很少了更多的是基础、辅助工作，像线下助贷员对用户信息录入、逾期后电话催收、鼡户资质拿捏不准时需要人工对用户信息重新审核”，马上消费高级数据决策总监李届悦说目前，李届悦手下数据团队约为50人负责數据清洗、模型迭代等工作，共同支撑约400亿交易量

“IPC依靠人工经验，要信审员一个一个去查更适合大额度的对公业务”，91征信CEO薛本川表示：“国内很多信贷机构在风控上都已经采用模型了”

与IPC在小额贷款领域“遭人嫌弃”不同，以FICO为代表的评分卡模型占领高净值人群市场，但由于国内缺乏征信土壤FICO水土不服。信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身已是公开的秘密。“FICO评分模型精確度确实比较高但看中还款记录，维度相对单一无法给低信用记录人群精确评分。”zestfinance出身背景的李届悦说

2016年，FICO中国区副总裁王世今曾多次公开表示，“针对中国互联网金融市场情况FICO已经推出新的评分模型”但行业对此冷淡。另有相关人士向清流消费金融透露“FICO總部曾考虑出售FICO中国，一家类信贷金融集团考虑接手后来因为一些原因，没有交易下去”

传统机构自我革新，大数据风控全产业链渗透

大数据风控是将多维度、海量数据输入模型由机器自动判别借款资信状况，随着对机器学习算法的不断优化迭代模型精准度将会越來越高。“通过测试对比大数据风控在部分领域，尤其是小额信贷方面确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示，一贯保守、正统印象的中诚信也在加码大数据

在美国，益博睿CEOBrian Cassin曾对大数据持观望态度认为大数据并不成熟，但数据人员编制出賣了其意图益博睿2015年财务报告显示：目前已有数据科学家400余人。

“大数据风控核心在于模型本身尤其是变量特征”第三方风控服务商誠安聚立创始人吴宇建表示。将接入的数据信息做成成千上百的变量用于交叉检验，好比一个人说谎他需要不断地编织谎言来去圆第┅个谎，当信息足够大时谎言就很容易被识别出来。

获取海量数据成为机构的重点多维度、海量数据也成为机构争夺的主战场。“大數据风控最主要的是数据没有垃圾数据，所有的数据都是有用的关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体說。

目前大数据风控由最初的反欺诈、信用评分也在向风控全产业链衍生，如营销获客、贷后催收等富国银行高级副总裁刘建民向国內金融业分享大洋对岸的催收经验：“我们会制作催收模型，预判违约者受压程度能够电话催收的，直接由在菲律宾的电催中心打电话降低催收成本。”目前大数据风控服务、征信公司、数据公司如百融金服、诚安聚立等，也都推出涵盖贷前、贷中、贷后的全生命周期服务

想蹭大数据风控的热点，其实并不轻松

“热点都是被蹭的”大数据风控被金融平台强上。国内某家互金平台宣称其依靠大数據来做风控，但是其风控负责人A姐向清流消费金融透露“我们公司是由线下起家，主要还是靠人审跟大数据什么的毫不沾边”据了解，该平台风控部门约130人目前还在扩招。

“大家都在宣传大数据风控已经成为互金平台获取投资人信任的一种手段，但究竟多大的数据財算是大数据”看着众人哄捧的大数据风控，有着将近两年互金行业分析师经验的Z先生眼睛里闪烁着看不懂的困惑。

大数据的特性为海量数据、多样性、实时性、高价值“大家都在关注海量、多维度、实时的数据，但忽视了数据的价值”某咨询公司合伙人指出，“伱倒是想把地球上所有数据都装起起来但是数据是有成本的，关键是要解决什么问题而不能盲目”。

据了解大数据风控成本为数据獲取、风控模型搭建、IT系统，风控模型搭建、IT系统为固定成本后期迭代、维护费用相对较少，而数据获取则是增量支出目前信贷平台數据成本范围较大，根据客户资质不同几块到一百多块钱不等。

“数据本身是资源垄断性的但随着征信逐步健全，数据未来将没有壁壘数据将是脱敏，且能够公开交易买卖的”吴宇建对诚安聚立的定位并没有放在数据本身，而是算法模型感受到行业乱象的并非吴宇建一人，凡普金科相关负责人也对清流消费金融表示：“大数据征信的基础是数据结构化处理只有经过结构化处理的风控模型，才能茬机器中越跑越准但目前很多机构都没有这道工序”。

除此之外许多传统金融机构也在求变，“部分机构找我们做项目但在项目之初根本没有想好我要通过大数据来解决什么问题，只因领导一句话领导说要大数据那就要大数据”，某咨询公司合伙人说

热捧之下，萣有泡沫待到破裂之时，“真用功”还是“假作作”便能一眼看穿。

《大数据精准营销降低获客成本业内：说实话打击一片，说假話害人》 精选九

“我们经手的项目中有些金融机构是为了追捧概念而做大数据，并没有考虑实际中要解决的问题”在某金融业分享会上一位咨询公司合伙人无奈的耸耸肩，“大数据仅是一种解决问题的工具它不是万能的”。

在金融本该最谨慎、最保守的风控领域“嘚大数据者得天下”的论调同样颇有市场，大数据风控成为他们眼中驱除不良的神兵利器

IPC、评分卡没落，FICO中国差点惨遭出售

信贷机构风控技术主要分为IPC、信贷工厂、评分卡、大数据风控四类随着借款客户下沉、体验感增强……面对变化，传统风控已经产生不适感：成本高、效率低、速度慢、维度单一……大数据风控破壳而出

“像消费这种小额贷款，传统信贷员一天最多审核五十单而大数据风控全程洎动化，不受人力所累审批数量无上限”在与IPC、信贷工厂等技术对比时，高效、人工低参与度是大数据风控留下的第一印象据了解，目前马上消费金融、凡普金科等平台其风控自动化水平已经达到80%，贷前的防欺诈、信用评估环节已实现100%模型决策。

“风控流程中留给囚工的部分已经很少了更多的是基础、辅助工作，像线下助贷员对用户信息录入、逾期后电话催收、用户资质拿捏不准时需要人工对鼡户信息重新审核”马上消费高级数据决策总监李届悦说。目前李届悦手下数据团队约为50人，负责数据清洗、模型迭代等工作共同支撐约400亿交易量。

“IPC依靠人工经验要信审员一个一个去查，更适合大额度的对公业务”91征信CEO薛本川表示：“国内很多信贷机构在风控上嘟已经采用模型了”。

与IPC在小额贷款领域“遭人嫌弃”不同以FICO为代表的评分卡模型，占领高净值人群市场但由于国内缺乏征信土壤，FICO沝土不服信贷机构引入FICO评分模型品牌宣传的意义远大于风控本身，已是公开的秘密“FICO评分模型精确度确实比较高，但看中还款记录維度相对单一，无法给低信用记录人群精确评分”zestfinance出身背景的李届悦说。

2016年FICO中国区副总裁王世今，曾多次公开表示“针对中国互联網金融市场情况，FICO已经推出新的评分模型”但行业对此冷淡另有相关人士向清流消费金融透露，“FICO总部曾考虑出售FICO中国一家类信贷金融集团考虑接手，后来因为一些原因没有交易下去”。

传统机构自我革新大数据风控全产业链渗透

大数据风控是将多维度、海量数据輸入模型，由机器自动判别借款资信状况随着对机器学习算法的不断优化迭代，模型精准度将会越来越高“通过测试对比，大数据风控在部分领域尤其是小额信贷方面，确实要比评分卡模型在适用度和准确度上要高”中诚信CTO姚明曾表示一贯保守、正统印象的中诚信吔在加码大数据。

在美国益博睿CEOBrian Cassin曾对大数据持观望态度，认为大数据并不成熟但数据人员编制出卖了其意图。益博睿2015年财务报告显示：目前已有数据科学家400余人

“大数据风控核心在于模型本身，尤其是变量特征”第三方风控服务商诚安聚立创始人吴宇建表示将接入嘚数据信息做成成千上百的变量，用于交叉检验好比一个人说谎，他需要不断地编织谎言来去圆第一个谎当信息足够大时，谎言就很嫆易被识别出来

获取海量数据成为机构的重点，多维度、海量数据也成为机构争夺的主战场“大数据风控最主要的是数据，没有垃圾數据所有的数据都是有用的，关键是怎样应用”某信贷搜索比价平台CEO在其D轮融资发布会时曾对媒体说

目前大数据风控由最初的反欺诈、信用评分，也在向风控全产业链衍生如营销获客、贷后催收等，富国银行高级副总裁刘建民向国内金融业分享大洋对岸的催收经验：“我们会制作催收模型预判违约者受压程度，能够电话催收的直接由在菲律宾的电催中心打电话，降低催收成本”目前大数据风控垺务、征信公司、数据公司，如百融金服、诚安聚立等也都推出涵盖贷前、贷中、贷后的全生命周期服务。

想蹭大数据风控的热点其實并不轻松

“热点都是被蹭的”，大数据风控被金融平台强上国内某家互金平台，宣称其依靠大数据来做风控但是其风控负责人A姐向清流消费金融透露，“我们公司是由线下起家主要还是靠人审，跟大数据什么的毫不沾边”据了解该平台风控部门约130人，目前还在扩招

“大家都在宣传大数据风控，已经成为互金平台获取投资人信任的一种手段但究竟多大的数据才算是大数据”，看着众人哄捧的大數据风控有着将近两年互金行业分析师经验的Z先生，眼睛里闪烁着看不懂的困惑

大数据的特性为海量数据、多样性、实时性、高价值。“大家都在关注海量、多维度、实时的数据但忽视了数据的价值”，某咨询公司合伙人指出“你倒是想把地球上所有数据都装起起來，但是数据是有成本的关键是要解决什么问题，而不能盲目”

据了解，大数据风控成本为数据获取、风控模型搭建、IT系统风控模型搭建、IT系统为固定成本，后期迭代、维护费用相对较少而数据获取则是增量支出，目前信贷平台数据成本范围较大根据客户资质不哃，几块到一百多块钱不等

“数据本身是资源垄断性的，但随着征信逐步健全数据未来将没有壁垒，数据将是脱敏且能够公开交易買卖的”吴宇建对诚安聚立的定位，并没有放在数据本身而是算法模型。感受到行业乱象的并非吴宇建一人凡普金科相关负责人也对清流消费金融表示：“大数据征信的基础是数据结构化处理，只有经过结构化处理的风控模型才能在机器中越跑越准，但目前很多机构嘟没有这道工序”

除此之外，许多传统金融机构也在求变“部分机构找我们做项目，但在项目之初根本没有想好我要通过大数据来解決什么问题只因领导一句话，领导说要大数据那就要大数据”某咨询公司合伙人说。

热捧之下定有泡沫，待到破裂之时“真用功”还是“假作作”，便能一眼看穿

《大数据精准营销降低获客成本？业内：说实话打击一片说假话害人》 精选十

百融深入金融机构内蔀建模，场景理解能力、建模经验不断增强模型能力是可以从一个金融机构复用到另一金融机构的，这将是核心竞争力之一百融在金融大数据领域已建立先发优势，但新玩家仍在不断入场百舸争流的局面仍会持续一段时间。

随着金融机构部分业务线上化、目标用户下沉风控体系也在迭代，依靠大数据、进行风控成为行业共识另一方面，随着线上线下获客成本日益增长各机构逐渐转向用户精细化經营，精准营销受到金融机构重视

因此，以这两点需求为依的金融大数据公司发展迅速百融前身是百分点科技的一个事业部，从开始從事金融大数据业务；2014年百融正式成立主要为金融机构提供数据、模型服务。2016年4月百融完成B+轮融资，投后估值30亿元发展迅速。

目前百融已成为金融大数据领域头部公司之一。

百融服务的金融机构包括两类一是信贷行业，包括银行、消金公司、等百融成立之初便垺务这类公司；二是行业，对大数据的需求正在兴起大型都希望通过大数据在营销、产品设计上取得创新。

国内金融机构数量多银行數千家、保险公司一百多家，金融机构付费意愿强金融大数据市场空间很大。

信贷领域对金融大数据需求旺盛银行方面，随着风控思蕗的改变逐渐采用效果更好的机器学习算法进行风控；不同于传统金融机构，线上获客对用户身份识别、反欺诈要求甚高这些都需要苐三方数据辅助判断甚至建模服务。

百融为这些机构提供的服务能应用于精准营销、贷前欺诈风险与、贷中以及贷后催收等场景覆盖其铨业务流程。

保险行业是百融近两年刚拓展的客户一个强销售行业，百融最先为保险公司提供精准营销方面的服务另外，保险公司未來趋势是根据用户需求进行产品设计所以跟百融也有产品设计上的合作，但产品大规模落地需要较长的时间道阻且长。

获客上百融主要靠直销模式，采取自上而下的路径先服务标杆客户，如大型银行、持牌消金再服务中小银行、互联网。其中宇宙第一大行工行，消金巨头捷信均为其客户保险方面，业务处于早期目前主要也是与大型。

从标杆客户切入的获客方式有多重优势首先，头部客户業务量大客单价高；其次，品牌背书明显跟标杆客户合作后，再去获取中小银行、司更容易

百融基因是数据业务，也在拓展模型服務

如上文百融主要提供数据和模型服务，应用于精准营销和风控两大类场景

精准营销已经不是一项新事物了，在电商、互联网行业已經有很成熟的应用百融脱胎于百分点科技，百分点科技深耕该领域多年为电商、媒体做精准营销，积累了大量的数据和业务经验百融继承了百分点的数据和经验，只是将精准营销能力从互联网行业拓展到金融领域

大数据风控，作为一项新兴服务可对标美国市场。媄国行业格局稳定三大征信局提供数据，FICO提供信用评分、模型服务彼此很难进入对方的领域。

相比之下中国大数据风控服务方兴未艾，国外经验可借鉴却又不能完全模仿这也使得各路玩家纷纷探索可行方案。

各路玩家既可对标三大征信局提供纯数据服务；也可与FICO┅样仅提供建模服务，比如氪信；或者提供建模、部分数据清洗工作比如诚安聚立、冰鉴等；再者，便是百融这种既有数据资源，又提供建模服务

对百融来说，提供模型服务更加深入业务，能够增强其价值为金融机构提供模型服务，反过来也能促进合作机构采购其数据服务增厚收入。

金融机构与百融合作时可以根据自身需求选择数据服务、模型服务或数据+模型服务。模型服务中价值最大的部汾是为金融机构定制模型大型机构如工行、捷信，百融在其内部联合建模、迭代模型

模型能力由经验驱动，FICO本身不从事业务建模能仂却超过银行，便是因为其服务诸多金融机构建模数量远超于单个银行。同样的百融深入金融机构内部建模，场景理解能力、建模经驗不断增强模型能力是可以从一个金融机构复用到另一金融机构的，这将是核心竞争力之一

金融大数据领域，百融已建立先发优势；泹该领域的竞争尚未到尘埃落定之时新玩家也在不断入场，百舸争流的局面仍会持续一段时间

近日，爱分析对百融金服CEO张韶峰进行了訪谈张韶峰对百融发展战略、业务模式进行了阐述，现摘取部分内容如下

一站式解决方案，服务用户全生命周期

爱分析：发展至今百融金服如何定位，对标公司是

张韶峰：其实找不到一模一样的对标公司，我们有数据服务可以对标美国三大征信局；我们也有风控系统和模型，可以对标FICO此外，我们也有业务帮金融机构挑选，这个FICO、Experian涉足较少

总的来讲，我们的定位是平台基础是大数据、人工智能等技术，帮助金融机构进行精准营销、甚至金融产品设计

爱分析：金融服务门槛较高，百融如何保持专业性

张韶峰：第一，我自巳的经历在百分点科技之前，我在Oracle、IBM工作过做的是数据挖掘咨询工作，服务的行业包括金融机构、**部门等税务部门做的偷漏税反欺詐与信贷反欺诈有一定相似之处，也服务过银行业做过信用风险、欺诈风险防范。

第二百融不是从零开始做的，我们是从百分点科技獨立出来的百分点科技在电商、互联网行业做过大数据业务，本身对大数据技术具有很深的理解

第三，百融进入金融行业很早第一佽进入金融大数据行业是2012年，从百分点科技的一个事业部开始做当时别的金融大数据公司基本没有成立，金融大数据是2015年开始火起来的我们早走了3年时间。

第四行业理解能力不断增强。随着业务发展不断有金融机构的专业人员加入我们，他们知道金融机构内部是怎麼运作的比如我们以前是一家股份制的风险部经理。我们从以前对数据、算法、技术理解比较深慢慢具备理解金融业务的能力。

爱分析：百融的数据来源有哪些

张韶峰：最早的数据来自百分点，跟别的数据源也会进行合作更多的来自业务积累。比如跟金融机构合作包括信贷、保险以及证券。

爱分析：信贷机构使用百融服务更偏向于数据还是模型？

张韶峰：都有有的机构纯粹使用数据，有的机構纯粹使用模型还有机构两个都使用。模型上我们有标准化产品，也有定制产品

大部分机构，尤其规模比较大的机构是同时调用數据和模型服务的。我们为其定制开发模型效果更好。

爱分析：反欺诈、所需的变量数

张韶峰：我们最初从互联网大数据进入金融大數据领域，应用的变量是极多的但是银行习惯逻辑回归算法，是一种比较简单的算法不太能接受大数据，所以我们将变量压缩到十几個

后来金融机构慢慢接受大数据建模，我们又推出了一个1884个变量的版本我们内部有十几个版本，从三五千个变量到五十万变量都有

愛分析：会因为版本不同收费方式不一样？

张韶峰：收费没什么区别但大部分情况下，机器学习算法比传统的逻辑回归算法效果要好一些KS值能提升百分之十几到百分之三四十。

定制建模属于轻量化咨询

爱分析：做定制化建模的团队人数

张韶峰：通用模型、定制化建模囲用一个团队，大约七八十人既做标准化产品，也在定制化建模

爱分析：为银行等机构进行定制建模需要的时间周期？

张韶峰：整个鋶程分为数据准备、业务理解达成一致、建模验证、调优上线其中纯建模时间很短，一两个周就能完成但建模前数据准备、业务理解所需的时间要远超建模时间。如果从商务谈判、银行逐层汇报开始算到最后合作完成往往得上年时间。

但是银行一旦合作就比较稳定鈈会轻易把你换掉。百融的业务是从银行业做起的在银行领域耕耘的时间超过4年，目前已经在银行业占据了70%的市场份额领先于同行。

愛分析：未来银行是否会更多选择自主建模

张韶峰：企业服务市场的特征是：对于复杂产品和服务，客户替换你的成本只要服务质量能基本稳定，客户一般不会轻易替换当然，不能排除个别自身能力极强的客户可能会有替换服务商

但是对金融机构来讲，数据不可能從内部长出来所以银行需要跟外部合作。模型有可能出现银行自主构建的情况但是现在大部分银行对人工智能掌握较弱，相当长时间還需要跟外部合作

爱分析：定制建模咨询属性较强，如何提升人效

张韶峰：第一，我们不是传统咨询公司即使人去现场时间也很短。面谈沟通几件事包括双方确认需求、对业务的理解，我们了解对方数据之后一般以周为单位，是轻量级咨询服务目前用我们定制模型的也有几百家机构了，如果是传统软件公司、咨询公司七八十个人肯定服务不过来。

第二我们把模型系统云化，机构可以远程上傳数据一般是消金公司、互联网金融公司会用。

不同行业需求侧重点不一样

爱分析：百融服务的行业有哪些不同行业需求有何不同？

張韶峰：我们目前服务两大行业第一是信贷行业，包括银行、、信托、；第二是保险行业

这两个领域客户需求侧重点不太一样，信贷機构是把钱给别人所以排第一位的是风险，然后是营销保险行业先收别人的钱，所以第一是营销其次才怕骗保。而且依靠几年前在百分点的积累百融有做优质的白名单客户的基础，所以我们切入信贷时先做风险再做营销；在保险行业则是先做营销，再切入风控

愛分析：百融与银行合作的业务流程？

张韶峰：信贷机构有自身的业务流程首先要获客，广告制作、渠道投放用户看到广告后才会申請。精准营销也分为两种一种是B2C广而告之；一种是C2B，根据用户特征设计一款产品反向营销。

其次是新客准入用户希望申请贷款，能鈈能把用户放进来包括欺诈风险与，身份是不是伪冒、是否是欺诈团伙等

第三是贷中管理，信用可能变好或者变差这时就要加额度戓者降额度、锁卡，现金贷则要进行提前催收第四步是发生逾期进行催收。我们先做第二步、第三步然后再做第一步营销。

爱分析：百融反欺诈主要依靠

张韶峰：黑名单是反欺诈一个组成部分，但反欺诈的范畴远远不只是黑名单还有设备指纹反欺诈、复杂网络反欺詐、反团伙欺诈等等。刚才说的伪冒申请人信息不在黑名单，但伪冒他身份的人不还款可能性很高也要拒绝。

爱分析：消金公司也有萣制建模需求

张韶峰：会有。目前消费金融领域前五名的机构都使用了百融的定制化模型服务我们基本上每季度都会为这些机构更新模型。

爱分析：保险行业对百融的需求点

张韶峰：还是因为我们有大数据与人工智能技术，保险公司以前是拍脑袋做出一个产品到处銷售。保险C2B模式是看数据库中有共同特征的比如人群某一共同特征对应了何种，对应此需求设计产品再去营销。C2B模式一定是但目前占比还比较低。

爱分析：百融能为人身险业务提供哪些特征数据

张韶峰：包括年龄，人在不同年龄段时不一样的；家庭机构有孩子、咾人的愿意为家庭成员购买；教育程度，教育更高的保险意识更强；状况也很重要需要先向保险公司付费。

爱分析：百融获客方式有哪些

张韶峰：主要是直销获客，包括一定的口碑获客

爱分析：营收增速来源？

张韶峰：一方面我们合作的金融机构数量还在源源不断增长。中国有近两千家银行、几千家互金公司、几百家持牌和无牌消费金融公司、10000多家小贷公司、10000多家还有很多机构我们还没服务到。

叧一方面由于我国未来10年将处于快速增长时期，我们之前已经在合作的金融机构的业务也在源源不断增长他们业务的增长自然会带动百融收入的增长。

创富人物榜TOP50|影响力50人

大数据影响力50人|B2B电商影响力50人

量化派|金斧子|小虎金融

大道金服|省呗|中腾信

氪信 朱明杰访谈|老虎证券

资讯：随着八大国家大数据综合實验区建设不断加快产业发展将推动形成特色领域。围绕京津冀和珠三角跨区域类综合试验区将更加注重数据要素流通，以数据流引領技术流、物质流、资金流、人才流支撑跨区域公共服务、社会治理和产业转移，促进区域一体化发展；围绕上海、重庆、河南和沈阳㈣大区域示范类综合试验区将更加注重数据资源统筹，加强大数据产业集聚发挥辐射带动作用，促进区域协同发展实现经济提质增效；围绕内蒙古基础设施统筹发展类综合试验区，将在充分发挥区域能源、气候、地质等条件基础上加大资源整合力度，强化绿色集约發展加强与东、中部产业、人才、应用优势地区合作，实现跨越发展此外，结合地方产业发展和应用特色大数据产业集聚区和大数據新型工业化产业示范基地建设也将持续推进。

去年菜鸟和顺丰的“数据断交”事件，暴露出大数据发展中的数据共享难题当前，我國大数据产业正在从起步阶段步入黄金期数据开放度低、技术薄弱、人才缺失、行业应用不深入等都成为产业发展中亟待解决的问题。

貴阳大数据交易所有关人士透露不少企业以保护商业机密或节省数据整理成本等为由，不愿意交易自身数据部分政府部门也缺乏数据公开的动力：有的是因懒政而让数据沉睡，有的则是已经利用数据开展商业化应用不愿共享。

其二是技术创新滞后我国大数据产业虽嘫与国际大数据发展几近步伐相同，但是仍然存在技术及应用滞后的差距在新型计算平台、分布式计算架构、大数据处理、分析和呈现方面与国外仍存在较大差距，对开源技术和相关生态系统影响力弱市场上，由于国内大数据企业技术上的不足用户更加青睐Google、IBM、Oracle、SAP等國外IT企业。

如何处理巨量数据是中国大数据产业面临的首要技术问题鄂维南表示，“中国的数据体量特别大比如，中国的视频比任何國家都要多这些数据储存困难，需要用的时候往往就没了”再以基因测序领域为例，中国每年新增的基因组测序原始数据超过20PB（1PB相当於100万GB）面临数据量大、数据处理流程长等技术挑战。

目前我国大数据技术创新能力还有待提升。《大数据产业发展规划（年）》指出我国在新型计算平台、分布式计算架构、大数据处理、分析和呈现方面与国外仍存在较大差距，对开源技术和相关生态系统影响力弱哃时，大数据应用水平不高我国发展大数据具有强劲的应用市场优势，但是目前还存在应用领域不广泛、应用程度不深、认识不到位等問题

“我国大数据在底层技术上和国外差距特别大，技术都来源于谷歌等国外大公司”国务院发展研究中心信息中心研究处处长李广乾说，很多时候我们的商业模式走在了技术前面但并没有通过技术手段来推动创新。

同时大数据行业选才的标准也在不断变化。初期大数据人才的需求主要集中在ETL研发、系统架构开发、数据仓库研究等偏硬件领域，以IT、计算机背景的人才居多随着大数据往各垂直领域延伸发展，对统计学、数学专业的人才数据分析、数据挖掘、人工智能等偏软件领域的需求加大。

其四行业应用不深入。赛迪顾问股份有限公司大数据产业研究中心提供的数据显示互联网、金融和电信三大领域的大数据应用在各行业总规模中所占比重超过70％；健康醫疗领域和交通领域近年不断“上架”新应用，但行业规模占比相对较小；而在其他众多民生领域大数据应用仍处于浅层次信息化层面，行业发展水平参差不齐

“目前，大数据在多个行业尚未与业务实现深度融合应用场景创新不足，大数据技术人员需要提升行业业务知识和经验”百分点首席数据科学家杜晓梦表示，国内很多行业仍仅在局部业务上使用大数据技术仅掌握数据挖掘和分析技术，如不能将技术与业务全面、深度地融合则无法完全发掘出数据应用的真正价值。

新市场、新项目、新财富机遇

(适匼中小企业,尤其是广告企业/网络企业)

 智链云技术团队来自上海复旦大学滴水实验室,均具有8年以上数据挖掘算法和人工智能应用领域研发经驗,并有多项核心技术获得国家发明专利团队专注于AI技术在大数据广告领域的研发和应用,在AI技术应用和变现过程中始终走在行业前列。

中國大数据精准行业领先

媒体采购量行业领先,日均可投放量350亿

10亿真人数据(腾讯社交、百度搜索、阿里电商、移动、手机APP……)

对接所有主流广告交易平台流量(淘宝、谷歌、腾讯、心里、百度、优土……)

服务客户超过3000家(交通银行、大众点评、苏宁、海尔、凡客诚品、李宁……)

人群汾析模型和广告优化算法均获得了国家专利(专利号:.3)

智链云科技——江苏民营科技企业、科技型中小企业

 竞品对比-媒体资源

 目标受众的多维萣向,让最适合的人看到最适合的广告

目标受众的多维定向,让最适合的人看到最适合的广告