數據市場亂象何解？資深行業大佬：三大參與方亟待明確業務邊際_風聞

在科技的推動下，數據處理能力和風險控制能力已成為互聯網金融業的核心競爭力。

但在過去的一整年裏，接連不斷的行業事件持續衝擊着互金的這一核心能力。

無法避免的，“數據”成為了強監管、高壓整治的主要着力點，也成為今年業內最為敏感的話題之一。

不過，除了聚焦關於數據產生的亂象、造成的惡果之外，正視它“為什麼會產生這麼多問題？是什麼造成了接連不斷的違規事件？有沒有方法能夠避免使整個市場再次陷入旋渦？未來市場又會朝什麼方向發展？….”等問題同樣值得探討。

金融科技苦哈哈，做數據或只為“補貼家用”

為什麼會頻頻出現數據亂象？

討論這個問題我們需要一個稍微宏觀點的視角。這裏可以借用行列秩聯合創始人常智超在新流財經第五次研討會上分享的結構性理解方式，將數據市場理解為三個參與方，分別來自三個層次：業務方（層）、工具方（層）和數據方（層）。

圖片來自行列秩聯合創始人常智超的演講演示

目前，整個互金行業的聚焦點都集中在工具層上，包括專注於設備指紋、爬蟲、模型算法等科技公司成為了行業的敏感企業。之所以會造成現在的局面，是由於上述結構關係並不明晰，參與主體存在介入對方主業的問題。

具體而言，工具層會因為利潤以及各類模型迭代更新的需要，會將自身業務下沉至數據層；而目前國內對數據層一邊是嚴監管，另一邊則是相對缺乏的規範指引措施，使得工具層目前處境尷尬；此外，業務層會因為自身逐漸成熟的科技技術和較好的終端市場表現，會開始對外輸出自己的金融科技成果。

造成的結果就是，工具層下沉之路被監管堵死，上游業務層已經開始下探至金融科技領域，工具層在中間彷彿成了夾心餅乾。

“為什麼科技公司會去做數據那塊兒的業務，這其實跟主業不賺錢密不可分。事實上，如果科技公司的人員產出比能夠達到數據層的哪怕三分之一，我相信巨大部分科技公司都不會去做數據的事情。”

“因為工具層的人不是做數據出身的，工具層的人員更多的是專注於技術、研發、模型之類的事情，作為IT人員，他們是不屑於做數據的。”

“可是，純做金融科技目前並不賺錢，長此以往當然是難以持續的。”

“其實，專注於技術，工具層的科技公司規模頂多在百人即可，但是為什麼有那麼多公司的規模會突破百人，甚至數千人呢？粗俗的理解就是為了‘補貼家用’。”常智超説道。

此外，客觀來看，國內的金融科技水平在世界範圍內處在頭部領先區域，這從國內企業不斷將金融科技輸出海外市場可以加以證明。

但是，在數據層裏面，國內除了央行徵信、百行徵信以及公安的公民認證系統，對外並沒有其他官方認可的數據主體的存在，所以在數據嚴監管的情況下，各方會出現數據斷供的問題。換言之，國內的數據層仍然是一個尚待開放的市場。

對此，常智超頗有些無奈，“所以，從技術的角度來説，科技公司等不了啊，他們需要更多的數據來迭代模型、更新技術，來持續輸出金融科技成果，所以沒有主體提供數據，那他們就會自己來做，自己掌控，實質上也有被動的因素在裏面。”

“剛才説的都是工具層下沉至數據層，但還有一個現象就是，業務層也將下探到工具層領域。”從長期來看，常智超認為，各類業務公司（無論是銀行、消費金融公司，或是小貸公司）都會有一個共同的需求，那就是儘可能地擺脱對外部第三方科技公司的依賴，這可以説是金融科技公司的一個宿命，這跟2008年阿里巴巴提出“去IOE”是一個道理。

事實上，這個趨勢已經有業務方在推進了。“現在甲方也開始對外輸出金融科技了，除了服務於自身業務體系內的需求，甲方也在扶植業務體系外的主體，如各類城商行、信託等。這就使得甲方和工具層主體之間的關係變得微妙了。”

釐清業務邊際，金融科技亟需引入活水機制

其實，從上述的溝通中可以瞭解到，如果未來數據市場的三個參與方能夠有較為清晰的層級結構，明確的業務邊際，絕對的合規紅線，那麼之前的一些亂象很可能會得到較大的改善。

對於工具層而言，未來的理想狀態是，工具層只專注於技術研發，從而使上游（業務層）難以超越，得到甲方的認可；同時，針對下游，工具層能得到相對公允的價值評估，進而得到合理的利潤收入，從而避免越界行為的出現。

簡言之，各層做各層擅長的事情，工具層聚焦技術，業務層優化運營，數據層合規提供材料，各司其職，儘可能避免越界事情的發生，以及儘可能減少違規事件對整個市場的負面影響。

“當然，這也都是後話了，目前監管的意圖其實也很明確，就是要通過嚴監管出清違規的金融科技公司，必須敲響絕對的行業警鐘，等到金融科技這一池塘的濁水淨化之後，相信當局會着手引入活水機制的！”一家金融科技公司的業務負責人許偉表示。

實際上，除了數據行業結構性欠缺所帶來的問題之外，還有一個根本原因很可能是因為行業壁壘過低，由於互金行業整體規模在過去四五年裏高速增長，外加行業規範及准入機制的姍姍來遲，自然地，魚龍混雜的參與者都將湧入金融科技這一池塘。

在許偉看來，數據公司其實是不具備技術壁壘的，行業內的頭部公司和尾部公司的技術差距並不明顯，關鍵是在人力資源上的差異，頭部公司所聚擁的精兵將會更多。但硬幣的另一面是人員流動性的問題，那麼歸根結底就是資本角逐，並非是技術儲備。

這也就可以理解行業在如此風聲鶴唳的情況下，監管方仍持續加碼整治力度，這也是為了從根本上扭轉市場預期，消除各方仍可能存在的僥倖心理。

但任何事物的主旋律都應該是“發展”兩字，行業的“宵禁管制”不可能長期存在。

中國互聯網金融協會戰略部負責人兼標準研究院副院長肖翔於去年12月初表示：“金融機構與金融科技公司有必要按照‘疏堵結合、趨利避害’的原則，對金融機構與金融科技公司合作進行規範管理。總體上，展業範圍與牌照相匹配，風控能力與規模相匹配，合作權利與責任相匹配，數據使用與授權相匹配。”

這意味着行業管理者已着手製定規範機制，未來金融科技以及數據使用的權責劃分、行業准入和業務邊際將會更為明確。

“一主多備”“非同源數據”被搬上台面

受2019年互金行業內各種事件的影響，目前至少產生了兩個較為明顯的結果：

第一，針對個人信貸行業的風控數據的種類急劇減少，整個信用評估體系受到較為劇烈的衝擊。從結果上來看，原來很多有待開發的潛在用户被迫放棄了；

第二，信用貸款規模增速出現了暫時性收縮。由於金融機構的信貸產品需要不斷更新迭代，但原有的信用評估體系被打破，舊產品會逐漸消亡，導致現有的產品生命週期大幅萎縮，在這段時期內就會出現貸款規模收縮的情況。而客羣也將隨之發生遷移，從舊產品遷出，匯聚到新的信貸產品中。

從上述結果來看，新的產業上下游合作關係將被催生出來。未來對風控數據的使用將趨於理性，相關配套的存儲、加工、以及人才儲備等環節將會規模化，同時會有大量關於數據協作的技術誕生，這會是未來大幾率將要發生的事情。

在這裏面，聯邦建模被業內給予了厚望，希望通過它實現合規的跨組織數據合作。但據業內人士透露，目前國內的聯邦學習離真正的數據可用還有相當的距離。

常智超認為，現階段金融機構和科技公司的聯合建模仍然存在問題。形式上雙方在聯合研發風控模型，但實質上是變標不變本，是一種假聯合，內部還是存在原有的數據計費關係。

“這裏有雙方原有業務慣性的問題，也有這種聯合建模在業內沒有先例的客觀因素，雙方就項目或業務的分潤存在各自的理解。”他表示，但更重要的是，目前對數據使用的定性問題仍然沒有結果。

所以在面對上述信用評估體系以及信貸規模增速受到的影響，目前金融機構更多的是將原來並不被重視的“一主多備”和“非同源數據”策略大大置前於枱面上。

事實上，類似於數據斷供這樣的事件在2019年以前是極少出現的，對金融機構而言算是黑天鵝事件。但2019年這類事件陸續發生，這對金融機構的業務影響非常大。

“所謂‘一主’，無論是數據源還是模型，主要是要保證數據的持續性。這要求金融機構能夠通過其他渠道獲得同一類型的數據或是同一來源的數據；所謂‘多備’，是要防止數據或是金融機構業務的效果下降。”

“以往科技公司通過更多模型的組合來達到更出色的業務效果，如KS測試值從30提升到35，但現在的訴求是，保證通過各種非同源數據維持模型KS值30的效果，避免KS值從30下滑至25的事件發生。”常智超稱。

據瞭解，如果金融機構未能有效運轉“一主多備”和“非同源數據”策略，在發生數據斷供事件後，金融機構的業務運營及配套系統都將出現混亂局面。

例如前端用户通過率可能會出現大幅上升或大幅下降的情況，導致後端運營管理的難度增加，進而對之後的貸後環節、不良資產定價環節造成影響。

換言之，行業上下游的參與者都將受到波及，影響將非常大。這也是為什麼“一主多備”和“非同源數據”策略會愈發被重視。

實際上，互聯網金融本質仍是金融，其活動始終沒有超出資金融通、信用創造、風險管理的範疇，而金融的核心仍然是風控，這離不開數據市場的助力，金融科技企業的加持。

可以肯定的是，合理的駕馭數據絕對能夠造福於整個社會。面對寒冬，請大家多留一分守候，多給它一些時間。