由创业邦、搜狐联合主办，一汽-大众全新一代迈腾特约赞助的创业邦100未来领袖峰会暨创业邦100年会于12月1日在北京.国家会议中心隆重召开。
钱牛牛CEO倪抒音
钱牛牛CEO倪抒音发表了题为《除了追消费金融的风口，Fintech的本质究竟是什么？》的主题演讲。
她认为：
1.人口红利并没有消失，只是风向进行转移，人都在，只是他们的消费行为产生了非常大的变化。
2.大数据风控或者消费场景最后真正核心的根源不仅仅是风控，而是风控+催收。
3. 所有风控跟催收都相关联的。
以下是倪抒音演讲全文，经对方确认：
我一开始在过来的时候，品牌同事问我说我们应该去大数据板块，还是消费金融板块？之前我们接到信息是两个板块，我说当然应该去大数据板块，因为我们一直有一个理念，从风口来讲，我们这个团队背景相对来说还是偏互联网为主导，金融人占三分之一。我们从社交工具开始切入，我们这个团队的人参与过很多火爆项目的。我们深刻认识到这代人进步是源于一个非常大的人口红利，75后、85后这拨人行为习惯从线上社交工具转移为线上电商，最终转移为线上未来消费风口和金融风口。
消费金融和大数据风控合并来看，更愿意选择后者。核心为两个关键：
第一是中国负债率数字，无论信用卡持有人数还是家庭负债数来讲，中国和欧美比都是非常上升空间，整体负债率和信用卡比例都非常低。
很多的年轻人在过去问为什么整个互联网行业呈现出一种工具社交、游戏往线上交易，包括电商、O2O，从线上交易转移到金融，人口红利的迁移背后是这群人的个人生活的变迁，十年前是腾讯第三期管培生进入腾讯，那时候刚刚大学毕业，我在互联网上玩QQ、打游戏，用一些工具，那时候都是一些线上的工具，那个时候身边的应用都是以游戏工具类为主。等我大学毕业之后终于开始消费了，于是使用京东。从一个毕业生、小白领变成相对收入还不错的一线城市能够扎根白领人群的时候，我们的需求更多地从消费领域开始转向了给自己孩子报补习班，开始负债买房、买车，甚至做消费的事情。微利贷也是针对白领人群做了白名单授信逻辑，我也会做短期负债行为。
人口红利并没有消失，只是风向进行转移
到底是大数据还是消费金融？背后的根源是整个互联网大家都说人口红利消失了，而在我们团队看来人口红利并没有消失，只是风向进行转移，人都在，只是他们的消费行为产生了非常大的变化。
我提到一个场景，周围很多朋友有的时候缺一千块钱买包或者临时买个什么东西。当然也会有本来婚宴预算一万，但是谈着谈着变成三万，所以有预算上的变化。还有最近想在西安开店差几万块钱，所以也给他提供了大概5-6万的借贷需求。最终所谓场景更多是一个人不同环境下的需求，而不仅仅只是场景而已。
所以也许有很多情况是现在给到这个人一些相应的授信条件，比如认为这个人是相对优质的人群，给到他一定的授信比例，所以他可以在三个场景内，无论消费类的还是借贷类的，基于人对他进行授信，最终让他在合适场景下进行消费，这才是我们正在建立的一件事。
个人授信这件事不仅仅是大数据风控，也不仅仅是消费场景，而是风控+催收两者结合对于同一类人群进行授信，让他在某一个场景下进行消费，对于背后的风控显然是有不一样的要求。过去也有一些传统银行出身的人讲很多年前做审批的事，更多是层级审批，超过一万谁批，超过十万谁批，这是层级观念的理念。
我们最近五六月份跟腾讯达成独家战略合作，跟腾讯云共同建立金融反欺诈模型。对一个人授信不是层级审批的，现场大部分人我都不认识，但是经过两三度人脉都会有朋友的朋友认识。而在黑产领域，人群特征不是正常社交网络行为，更多是节点状的，一群办假身份证和办假证人，社交行为数据跟我们不太一样。围绕正常人除了过去只能够拿到征信报告，在今天互联网上随着在座各位和很多会场共同所有创业者建立的数据，今天已经能够掌握更多的信息，基于一个人社交、消费、交易行为、身份等等，很多互联网上的信息能够对它进行相对非常快速全面的追踪。
所以现在基于这件事跟腾讯有了战略合作，跟联通、芝麻也都有合作，建立了一套自己线上评估逻辑。
线上评估逻辑是基于人的评估逻辑，基于一个人说你今天到我这里来评估你是什么分值的人，所以可以给你什么样的授信，然后基于你场景最终放款，最终理念是这轮人口红利当中首先有人口红利，基于人口红利有人口需求，基于人的需求才能有人的场景产生。
基于人一开始对人进行授信，也许很多东西一开始是基于场景的，但是我们的理念是所有东西最后要脱离场景的，而是回到人本源性，对人进行授信。
最近很多朋友问我你们跟腾讯合作了，所有数据能解决一切问题吗？显然这个答案当然不是。我们发现即便有数据这件事情在背后支撑，比如一个人给我，我知道你是数据表现非常好的人，但也有可能数据是假的，有可能数据会缺失。在中国信用体制下，你的贷后管理手段不够强的情况下会面临非常多欺诈、数据缺失和违约成本过低等问题，导致线上放款的难点。所以我们在这里又加了一个环节，我们一直觉得个人授信这件事不仅仅是大数据风控，也不仅仅是消费场景，而是风控+催收两者结合。
很多人聚焦在怎么做风控，怎么做优化等环节，我们花了非常多精力在催收。我们觉得在网上借一千块钱，两万块钱这类人群基本没有还不起的，所以贷前更多反欺诈。还的起人群更核心的是比别人更早找到他，最终快速精准定位他，并且能够找到他。我们一直认为大数据风控或者消费场景最后真正核心的根源不仅仅是风控，而是风控+催收。
我们两层风控逻辑和两层催收逻辑，在传统金融领域一直有两套风控理念，一套评分卡，一套IPC，两种完全不一样的风控方式。
IPC是特别不性感的方式，被人们称之为几乎快要摒弃的一种风控方式，因为非常非常重。评分卡本质来讲是有点像大数据风控的前身，基于信息的收集到总部进行综合评级，它是概率游戏。IPC从德国起源到中国之后，在中国一直是平安、包商进行主导进行IPC验证，完全依赖于人在线下进行交叉验证和打分建数据分析和财务分析，最终进行建模，保证所有层级审批偏差值不允许超5%。在刚才回到一开始的问题，我们做的事情是针对目标的这类人群进行综合授信。一个人的综合授信就意味着有不同的需求，有小额的需求，这个可以通过大数据风控解决。当他有5万、8万需求的时候怎么办呢？十万块钱以上大部分是买房买车，房产金融就可以解决的，但是十万以内的区间可能就是短期周转，生意周转等等类似这样的需求，总是有这些需求的，怎么满足呢？
人和机器不是对决，是互补
我们自己反思的时候发现如果我们一个用户有了8万左右需求，大数据在这个环节上一定程度是失去作用的。我们依然补充了IPC逻辑，借款五万以上人必须到线下建立某一些见证点，我们也在线下建了小小办公室一样的见证点，是专门服务于线上引过来的客户。当中超过五万借款需求的人群，必须做IPC认证。做完这个认证就完成了人和机器的互补，不是对决，评分这件事天然被机器所使用的，而人的事情，机器比较取代人的就是人的主观能动性。这里把机器风控称之为大数据风控收集人不同的特征，建模技术解决电子数据模型，IPC见证点补充验证能力模型，并且坚决交叉验证，两层风控之后就完成获客。
到这里还没完，我们认为所有风控跟催收都相关联的，在我们数据风控和IPC风控完成之后，会对人群进行染色动作，从黑、灰、白、红、蓝等等不等，是让数据进行电话催收中心，再补充语音方式等等。电话催收也会产生一定的数据集群，而这个数据集群又可以倒灌进风控进行二次学习，最终可以找到应该预期，和当时不应该过的，包括部分回捞测试没有通过那部分人群。
我们有一个很重的手法坚持进行IPC交叉验证，这个交叉验证在我们体系之内还有另外一种手法，这个地面催收团队大部分公司建一个庞大的地面催收是非常重的，但是因为我们存在对人线下交叉验证，我们只是增加了20-30的成本，就可以有一支非常强大的地面催收团队。一二三线城市几乎完整了覆盖了获客、数据化风控、线下交叉验证、电脑催收、地面催收，催收倒灌回风控中心进行二次机器学习整个完整的生命周期的过程。
风控不是目的，基于人的画像才是目的
我们虽然参与大数据风控的论坛，很多人觉得风控是目的，其实在我们看来风控只是手段，最终是基于人群，目标掌握的这部分年轻人人群的信用画像才是我们今天真的目的。有了画像，针对人群的画像，有了背后所能够支持它进行画像的资金之后，场景只是获得的手段和应用层。所以很多人在说大数据风控，反而这里要为非大数据风控正名，我们认为好的风控不仅仅是单一的骄傲，虽然我们掌握了大量优质数据源，数据源已经给我们带来了很多的业绩，但是仍然不觉得单一的风控是好风控，是希望建立的大数据基础上，通过人的力量补充好大数据风控完整的多层次的风控模型的建设，才是我们这家公司最终的一个目标的基础。
