文：薛洪言

來源：蘇甯金融研究院

近期，經(jīng)偵突查一些大數據公司，全行業談虎色變，心裡(lǐ)都(dōu)沒(méi)底——這(zhè)是殺雞儆猴呢，還(hái)是順藤摸瓜、一網打盡呢？

自然不能(néng)一網打盡，但也不是殺雞儆猴這(zhè)麼(me)簡單。

數據保護喊了很多年，突查大數據公司也非首次，突查會(huì)很快過(guò)去，同過(guò)去一樣(yàng)。但相同的是表象，不同的是土壤。

數據，一直有兩(liǎng)面(miàn)性：強調數據資産性，數據是油門；強調數據安全性，數據是刹車。現在，到了踩刹車的時候。

進(jìn)退由它

最寶貴的資源，都(dōu)有雙面(miàn)，既是動力，又是武器。石油重要，有石油禁運；技術引領，有技術封鎖。在消費金融行業，數據也有這(zhè)樣(yàng)的雙面(miàn)，進(jìn)退由它。

對(duì)數據的利用已貫通消費金融全環節，但敏感數據主要集中于風控，數據的不可替代性也體現在風控，數據的雙面(miàn)性在大數據風控環節得以充分體現。

傳統風控手段，主要是對(duì)物風控而非對(duì)人風控，更重視抵押物而非借款人本身。抵押物，代表100%可追償，安全無風險；個人信用再好(hǎo)，也不能(néng)排除不确定性。所以，對(duì)抵押物的依賴，實則是對(duì)風險的極度厭惡，厭惡風險的金融機構，必然輻射範圍有限，消費金融，久久被(bèi)困在一個小圈子裡(lǐ)，做不大。

數據風控，則是對(duì)人風控，基于人的信息、行爲、标簽予以評分，根據評分确定額度和利率。評分結果，本質上是對(duì)還(hái)款概率的模拟，概率的背後(hòu)是不确定性和風險。當風控模式從傳統風控過(guò)渡到數據風控，對(duì)風險的認知和承受有了質的突破，消費金融也就突破了抵押物的牢籠，空間被(bèi)打開(kāi)了。

數據風控的典型場景是信用卡，銀行憑借一套信用卡評分體系丈量天下申卡人。最負盛名的信用分産品是FICO分，已成(chéng)爲美國(guó)消費金融繁榮生态的核心支柱。這(zhè)兩(liǎng)年興起(qǐ)的大數據風控，不過(guò)是數據風控在數據層面(miàn)的擴圍，繼而實現了業務空間和邊界的再延伸。

從模式沿革角度看，大數據風控并非無根而生的劃時代創新，仍是漸進(jìn)創新和演變的典型。僅靠這(zhè)種(zhǒng)漸進(jìn)式創新，還(hái)不足以驅動消費金融的風口，大數據反欺詐的成(chéng)功才是不可或缺的助力。

2016年，動辄有小貸平台被(bèi)騙貸大軍薅光至死的傳聞。當貸款從線下到線上，核實申請人身份、辨别借款人（騙貸）意圖這(zhè)種(zhǒng)原本不是問題的問題成(chéng)了問題——線下親見，核身很簡單；線上面(miàn)對(duì)一個數字化的身份，辨别真假不容易。

騙貸大軍專業化運作，持續叠代更新；多數貸款公司缺乏人力和實力進(jìn)行攻防，第三方大數據公司反欺詐的價值凸顯，逐漸成(chéng)爲消費金融産業鏈裡(lǐ)的重要一環。這(zhè)一環補上了，消費金融的風口也起(qǐ)來了。

2016年下半年起(qǐ)，現金貸在江湖崛起(qǐ)，撐起(qǐ)消費金融的大梁。

不過(guò)，當數據越來越重要，雙面(miàn)性就出來了。

不離監管

數據無足輕重時，也是數據監管寬松時；一旦重要性凸顯，監管和規範必然跟上。因爲重要的東西要可控，不可控，越重要，越危險。

《大數據産業發(fā)展規劃（2016-2020年）》（工信部規[2016]412号）開(kāi)篇強調“數據是國(guó)家基礎性戰略資源，是21世紀的‘鑽石礦’”，這(zhè)麼(me)重要，亂采亂用豈不後(hòu)患無窮。若不加規範，資源流失誰的罪過(guò)？

此外，從行業健康發(fā)展角度看，數據行業也離不開(kāi)監管。原因有二：

一則，監管介入，才能(néng)驅逐劣币。市場之手追求效率，劣币會(huì)驅逐良币。以大數據公司爲例，堅持合規采集數據，成(chéng)本高、數據源受限，與肆無忌憚的數據公司競争，必然處于下風。久而久之，肆無忌憚的公司反倒成(chéng)了主流。監管介入，明确數據規範，競争的重心不再是哪家機構更大膽，整個行業的發(fā)展才有堅實基礎。

二則，數據亂象頻發(fā)，不得不管。數據，是向(xiàng)善的動力，也是作惡的武器。受惠于數據亂象，國(guó)内欺詐團夥從業者已超過(guò)200萬人，每年造成(chéng)經(jīng)濟損失近千億元；各種(zhǒng)“精準”騷擾更讓人不勝其煩。打擊數據亂象，是打擊欺詐的重要一環，與民衆财産安全息息相關，已超越大數據行業自身的範疇。

2017年6月，《網絡安全法》正式落地，與數據相關的有以下幾點：

（1）網絡運營者收集、使用個人信息，應當遵循合法、正當、必要的原則，公開(kāi)收集、使用規則，明示收集、使用信息的目的、方式和範圍，并經(jīng)被(bèi)收集者同意。

（2）網絡運營者不得收集與其提供的服務無關的個人信息，不得違反法律、行政法規的規定和雙方的約定收集、使用個人信息，并應當依照法律、行政法規的規定和與用戶的約定，處理其保存的個人信息。

（3）網絡運營者不得洩露、篡改、毀損其收集的個人信息；未經(jīng)被(bèi)收集者同意，不得向(xiàng)他人提供個人信息。但是，經(jīng)過(guò)處理無法識别特定個人且不能(néng)複原的除外。

（4）任何個人和組織不得竊取或者以其他非法方式獲取個人信息，不得非法出售或者非法向(xiàng)他人提供個人信息。

配合法律落地，2017年6月前後(hòu)，網傳經(jīng)偵集中約談15家大數據公司，嚴打不合規數據交易，風聲鶴唳之下，大數據公司多有收斂，但不久又故态複萌了。

國(guó)内大數據服務公司盡享數據紅利，向(xiàng)來對(duì)數據合規關注不足，照市場說法，屬于“創新從灰色地帶開(kāi)始”，一次兩(liǎng)次敲打，自然難以奏效。但監管環境已經(jīng)改變，數據規範使用勢不可逆。

2018年9月，人大常委會(huì)公布立法規劃，《數據安全法》位于第一類目，屬條件比較成(chéng)熟、任期内拟提請審議的法律草案。

《數據安全法》已在路上。此次集中突查大數據公司，是數據治理開(kāi)端，也是環境突變信号。風雷興，雨將(jiāng)至，大數據公司是時候踏上轉型路了。

轉型之路

大數據産業，應用範圍廣，在金融、互聯網、政務、智慧城市、醫療、工業等領域均有廣泛前景，也有切實成(chéng)績。據中商産業研究院發(fā)布數據，2017年我國(guó)大數據産業規模爲4700億元，預計2020年有望趕超1萬億，複合增速近30%。據艾瑞估計，2020年大數據軟件市場規模將(jiāng)達到268億元。

回到金融領域看，大數據應用最徹底、最成(chéng)熟，同時，與錢打交道(dào)，敏感信息多，數據亂象也最爲突出。數據治理之網已經(jīng)打開(kāi)，大數據服務商的生存土壤已經(jīng)改變，表現在三個方面(miàn)：

一是隐私保護意識覺醒，監管介入，數據獲取難度大增，從業門檻大幅提升，一些實力較弱、經(jīng)營規範性差的大數據服務商將(jiāng)逐步退出市場，頭部機構也面(miàn)臨經(jīng)營轉型壓力；

二是業務巨頭不斷在産業鏈上下遊拓展布局，在B端轉型的背景下，相繼侵入數據服務領域，攜綜合經(jīng)營優勢對(duì)現有大數據服務商帶來巨大壓力，市場將(jiāng)重新洗牌；

三是消費金融行業處于周期拐點階段，大數據服務解決方案能(néng)否經(jīng)受這(zhè)輪周期調整的檢驗，將(jiāng)在很大程度上決定一部分大數據公司的存亡與空間。

就大數據服務商而言，轉型將(jiāng)沿著(zhe)三條路徑展開(kāi)：

一是遠離數據，側重于能(néng)力輸出。從直接提供數據和解決方案轉向(xiàng)大數據能(néng)力輸出，即協助持牌機構或工業産業進(jìn)行大數據能(néng)力建設，不再觸碰數據，專心做服務支持。這(zhè)條路徑比較适合缺乏合規數據獲取渠道(dào)，或在數據獲取上缺乏差異化優勢的大數據公司。

二是遠離敏感數據，遠離敏感行業。轉變服務對(duì)象，遠離金融行業，向(xiàng)互聯網、醫療、工業等領域進(jìn)行轉型，助力推動數字中國(guó)建設。《大數據産業發(fā)展規劃（2016-2020年）》明确提到，要“推進(jìn)工業大數據全流程應用……推動大數據在重點工業領域各環節應用，提升信息化和工業化深度融合發(fā)展水平，助推工業轉型升級”。工業領域數字化，還(hái)有很大的發(fā)展空間。

三是延續現有模式，強化合規意識。對(duì)于頭部公司，仍可堅守現有市場，不過(guò)需強化合規經(jīng)營意識和前瞻經(jīng)營意識，關注行業趨勢變化，不斷嘗試新的産品和服務，在叠代中逐漸擺脫對(duì)傳統服務模式的依賴，盡快适應新的數據環境和行業環境。

連鎖反應

受影響的，不止大數據公司，金融科技公司和金融機構的金融科技業務，均需做針對(duì)性調整，連鎖效應下，消費金融拐點會(huì)加速到來。

第一步：對(duì)高利貸和超利貸平台一刀切。此次被(bèi)調查的大數據公司，有個共同點，即都(dōu)曾爲高利貸平台提供數據支持。突擊曝光後(hòu)，超利貸平台成(chéng)了燙手客戶，除了不要命的，多數大數據公司都(dōu)在主動切斷對(duì)此類客戶的服務。沒(méi)了大數據公司提供反欺詐支持，超利貸平台直面(miàn)騙貸團夥，在技術對(duì)抗上或被(bèi)秒殺，結局慘淡。

第二步：多頭借貸小範圍斷裂，平台逾期率提升。超利貸平台遭遇困境，那些跨越合規線兩(liǎng)邊（36%）的多頭借款人資金鏈趨緊，借款人在高利貸平台借不到錢，在合規平台還(hái)不上錢，合規平台將(jiāng)出現一波逾期潮。尤其是利率定價24%-36%之間的産品，首當其沖。

第三步：慎貸情緒擡頭，風控策略轉向(xiàng)。逾期率擡頭後(hòu)，持牌機構會(huì)調整風控策略，有意規避多頭群體，導緻多頭人群資金鏈收緊，更多的平台出現逾期，産生自我強化式循環，行業逾期率普升。

第四步：資金方抽資，拐點來臨。銀行作爲資金方，規避風險，或減少資金投放，或提高合作門檻，以次優借款人爲主的平台開(kāi)始遭遇資金壓力，放貸下降、盈利放緩，在行業層面(miàn)表現爲明顯拐點。

第五步：終局，現金貸蕭索，消費分期擡頭。在上述演變鏈條中，監管機構會(huì)适時介入，一手拉、一手壓，引導行業結構調整。拉的是場景分期，扶持資金用途真實可控的消費金融發(fā)展壯大；壓的是現金貸，以有效緩解特定群體高杠杆，解救被(bèi)高負債壓得透不過(guò)氣來的年輕群體。

行業的演變，反過(guò)來會(huì)左右大數據風控的進(jìn)化方向(xiàng)。

一則，對(duì)合規優質數據源的争奪升級，規避數據風險，夯實數據質量。

二則，強化多頭借貸模型，降低容忍度，對(duì)多頭群體說不。

三則，重視貸後(hòu)管理和實時風控，評估借款人現金流壓力，調整信貸策略。

四則，降低風險偏好(hǎo)，借力傳統風控，擁抱抵押擔保等緩釋手段。

在這(zhè)個過(guò)程中，大數據風控將(jiāng)經(jīng)受周期考驗，大潮褪去，裸泳者現。不同大數據公司之間風控效果的無差異性將(jiāng)被(bèi)打破，懸殊拉大，效果好(hǎo)的公司迎來利好(hǎo)，效果差的也無處可逃。

大數據公司個個聲稱數據紮實、實力一流，究竟誰在尬吹、誰有真水平呢？時間會(huì)揭開(kāi)答案。

風口轉向(xiàng)

當前，居民杠杆率高位運轉、信貸支撐的消費主義頹勢已現。大數據，啓動了消費金融風口，冥冥之中，或許也該由它來結束這(zhè)個風口。

“沉舟側畔千帆過(guò)、病樹前頭萬木春”，悲觀與樂觀是并存的，風口的轉向(xiàng)，拖累一部分機構，也利好(hǎo)一部分機構。于機構而言，唯有不斷轉型、調整，才能(néng)久立潮頭。

最後(hòu)，簡單爲“科技中立論”正個名。一些人講，科技是中立的，監管有礙科技中立。科技是中立的，但科技公司不是中立的。相反，越是強調科技中立，就越要強化對(duì)科技公司及使用者的監管與規範，唯有如此，才是捍衛科技的中立性。