實現普惠目標還須借力Fintech

　　在普惠金融的發展目標越來越受到監管部門重視的背景下，Fintech能否助力？

　　答案是顯而易見的。一方面是傳統銀行有較嚴的監管考核要求，對風險過於謹慎，可能會限制銀行做風險比較高的業務。此外，銀行層級比較多，決策機制效率相對較低。另一方面，以移動互聯網、物聯網、大數據、雲計算、區塊鏈、人工智能等信息通訊技術為代表的Fintech，正在降低運營成本、提升金融效率、普惠大眾。

　　信貸數據化

　　小微企業以及“三農”領域業務的風險問題一直是普惠金融的實踐難點。小微企業及“三農”領域融資難，表面上是缺錢，實質上是缺信息、缺信用。但是，如果借助大數據、雲計算、人工智能等金融科技的力量，傳統銀行在獲客、審批、風控等問題上的效率就會大大提高。

　　就“三農”領域而言，長期以來，農村金融存在許多現實的難點。比如徵信困難、貸款使用的不透明、回收貸款的風險等。對於每一個農戶來説，這些都切實地影響著生産和發展。貸款成本高，就是一個典型難題。以養雞舉例，肉雞的養殖週期大約2個月，約需要12元飼料款。傳統做法是在第一天貸款給農民12元，2個月後連本帶利收回，農民承擔2個月的利息。但事實上，小雞在初期只吃很少的開口料，12元貸款的絕大部分都在閒置，卻産生著利息。

　　記者日前從京東金融了解到，京東金融通過數據農貸，有效地解決了這一難題。京農貸通過數據模型的測算，可以把飼料的用量精確到天、精確到克，並據此匹配貸款資金，農民只需要為實際使用到的資金支付利息。在上文的例子中，農戶使用京農貸覆蓋養雞過程中需要的12元飼料款，總共只須支付6分錢利息。對於一隻雞能獲得的大約2元的利潤來説，是完全可以承擔的。這只是京東農村金融數據農貸給農戶創造的一部分利益，數據化的京農貸不單單能幫助農戶解決養殖中的資金問題，更能幫助他們降低養殖成本，控制養殖風險，全面提升養殖管理水準。

　　“如果沒有運用大數據，農村金融的解決方案就不可能完美地實現”。有專家告訴記者，首先是化生産過程為信用，解決授信難題。對於農民來説，從傳統金融機構貸款難的原因在於缺少各種用於支持授信的數據與相關材料證明。傳統金融以資産抵押産生信用，這樣的思路在農村金融遇到了障礙。首先，農村的宅基地不可以轉讓，不能抵押，農民無法以住房産生信用。農民用以生産的土地，不同於廠房，農民享有承包權，不能轉讓，不能抵押。而京農貸通過以生産數據授信的辦法，推動了農業信用貸款——通過收集農戶多年的養殖數據，代入基於大量調研和統計得出的模型，對未來生産結果作出預測，進而得出農戶的信用。

　　其次是深入養殖過程，提升養殖效率。對農戶來説，貸款僅僅解決了養殖過程中的流動資金問題，更大的挑戰是養殖過程的管理，包括飼料的運輸、溫濕度的監控、疫病的防治等等。而養殖的成敗是還款的關鍵。

　　再次是數據農貸管理，讓資金效率最大化。數據化京農貸不僅能通過數據的方式加強養殖管理效率，同時也能實現資金的精準投放，使資金效率最大化。京農貸給農民的錢，沒有一分錢在閒置中卻産生利息增加農戶負擔，每一分錢都“物盡其用“。京農貸令資金效率上升，降低了資金成本，同時也降低了資金流失的風險。

　　風控AI化

　　不僅僅是農村金融，對於消費金融而言，一旦插上金融科技特別是人工智能的翅膀，豬也能飛起來。

　　消費金融與其他金融模式不同，具有客群大、單筆額度低、消費場景繁多、消費需求個性化等特點，同時還面臨著客戶信用信息不全、惡意欺詐等問題。要在業務快速增長的同時保持良好的資産表現，必須依託雲計算、大數據和人工智能等新科技手段，打造以金融科技為依託的風控體系才能保障健康可持續發展。

　　有專家指出，如果在風控領域結合人工智能、機器學習等前沿技術，信貸審批效率、風控能力都會得到很大提升。基於靈活工作流、結合大數據應用於審批的Luma是馬上消費金融于2016年5月正式上線的風控系統，徹底解決了以往系統存在的不同金融産品走單一固定審批路徑、無法配合審批策略快速調整、無法滿足大數據應用快速引進等問題，在系統與業務的無縫銜接上實現了質的突破。

　　系統中的靈活工作流每隔一個月都會接入新的外部數據源和模型，用於優化風控策略，大大加強了系統的自動識別反欺詐能力。在支持新産品上線或新場景對接方面，Luma系統只須幾個小時便可配置完成，大大降低了運維成本。馬上消費金融的Luma風控系統通過靈活工作流將審批流程、決策引擎、模型、數據應用緊密結合，形成可擴展、可延伸、可改變順序的審批路徑，以此提高風控審核效率，改善審批資源利用。

　　“它就像縱橫交錯的管道，構成一張嚴密的審批網絡，連接起審批系統中的決策引擎”。馬上消費相關人員告訴記者，也就是説，100個客戶申請，會有100個不同的風控策略。除了不同客戶可以有不同的風控審批策略，不同的場景産品，不同金額産品都可以有不同的審批策略。資質較好的客戶能“秒過審批”，但資質一般或較差的客戶會進入審批更加嚴格的工作流，存在欺詐嫌疑的客戶會進入反欺詐調查工作流，做到嚴格把控，層層過濾。不僅如此，Luma系統在審批策略和風控規則的基礎上，支持自動和人工審批、調檔審批、提額審批等多種審批方式。同時支持現金分期、商品分期、循環額度等所有業務場景産品。通過工作流引擎管理接入人工智能、機器學習等前沿技術幫助實現數據決策和秒級審批。通過專業化、科技化、流程化進行有效的風險防控，Luma系統為馬上消費金融築起了一道牢固的風控鐵墻。(記者 姜業慶)