跨越界限的数据财智：跨行业互联网金融探索

6.1.4.1　互联网金融基本描述

互联网金融出现的较长一段时间里，业界和学术界对互联网金融尚无明确的、获得广泛认可的定义，直到人民银行发布《中国金融稳定报告（2014）》，才正式提出“互联网金融是互联网与金融的结合，是借助互联网和移动通信技术实现资金融通、支付和信息中介功能的新兴金融模式”。

“广义的互联网金融既包括作为非金融机构的互联网企业从事的金融业务，包括金融机构通过互联网开展的业务。狭义的互联网金融仅指互联网企业开展的、基于互联网技术的金融业务”。［4］

互联网金融所包含的内容非常广泛，而我们更关心的是互联网金融所能带来的创新和突破。因此，除了中央银行关注的电子货币外，我们将目前国内互联网金融创新分为支付方式创新、渠道创新、投融资方式创新和金融机构创新四种。主要的互联网的新金融形式见表6-8。

表6-8　互联网新金融形式

支付方式创新的一个典型代表就是第三方支付。“第三方支付”作为资金支付结算的环节，按发展历程分为：“线下支付”、“线上支付”和“移动支付”。2012年线下第三方支付规模约8.9万亿，占到线下收单市场的42%，但其中有九成来自银联；2012年第三方支付在线支付的规模大约有3.66万亿，过去7年的年均增速达到111%，但随着线上支付应用的深入，2012年行业增速已经下滑至66%。

渠道的创新表现在传统金融渠道的虚拟化。互联网有效整合交易、支付和理财等业务，突破了时间和地域的限制，为客户提供一体化、多样化金融解决方案，促进虚拟市场的形成和发展，如券商综合理财账户、余额宝等。余额宝自2013年6月13日问世后，在不到6天的时间，余额宝支持的天弘“增利宝”基金客户突破100万人，在国内个人有效基金开户数中占比达到2.6%，平均每日净申购超过五六千万元，至今“余额宝”用户数已突破1 600万。

基于网络数据贷款的一个代表就是阿里小贷。阿里小贷的成功归结为交易数据相对完整、客户需求零散、支付宝扣款及存货处理等风控措施完善。据统计，阿里户均贷款7 000元左右，截至2013年10月，累计发放贷款金额超1 200亿贷款，服务小微企业数量累计超过50万家，日均贷款超10 000笔，实际发放小微贷款利率6.7%，不良贷款率控制在0.87%。［5］

6.1.4.2　互联网金融业数据种类与特征(www.xing528.com)

在互联网技术高速发展的今天，以较低时间成本和经济成本提供支付和融资服务已经成为可能。网络化的平台、标准的流程极大地降低了数据收集的成本。以BAT为代表的互联网公司积累了大量数据。其中，阿里巴巴在金融相关数据积累方面一直走在业界前沿。淘宝创立之时，阿里巴巴就开始搜集平台上的数据，直至支付宝、聚划算、一淘等平台，随着业务的爆发式增长，阿里诸平台上的数据成倍增加，汇集成海。互联网金融业数据类型见表6-9。

表6-9　互联网金融业数据类型

在支付服务中，数据资源主要包括用户的转账汇款、机票订购、火车票代购、保险续费、生活缴费、考试缴费等支付服务数据；在网络融资服务中，数据资源主要是贷款方的财务报表、运营状况、个人财产等资信相关数据，投资方的个人基本信息、显性行为信息和隐性行为信息等与其风险或收益偏好相关的数据。无论是支付还是融资服务，除了在自身服务平台上搜集的数据，都可以从互联网上获取海量数据资源，对客户的行为进行交叉验证，这些数据可以是用户的网页浏览数据、在其他电商平台上的交易数据、博客上发布的言论、社交网站上发布的信息，也可以是相关新闻的文本、照片甚至是视频等。

6.1.4.3　互联网金融业数据缺陷

（1）基础数据整合难度较大。随着互联网带来的广泛网络化潮流，政府职能部门开始逐步信息化，同时强化数据共享，但是由于种种原因，数据整合程度但仍不能满足大数据征信需要。政府的自来水公司、电力部分、煤气公司为代表的基础信息以及个人的档案、户籍、司法系统，社保等系统尚未完全联网互通，社会基础信息相对缺乏。

（2）互联网线上个人交易转账信息和个人交往交流信息呈彼此封闭、割裂的状态，市场上的电商、社交平台企业相互在彼此领域竞争非常激烈，这导致数据的整合提取非常困难。另外所建构的大数据模型的可信赖性有待检验。征信数据模型的准确性建立海量数据处理的基础上，同时需要不断地根据实际情况调整模型参数和维度。由于系统应用时间短数据少，目前的大数据模型大都基于规则制定，其中征信规则占有很大的比例，未能完全发挥大数据征信的优势特点。再次就是大数据征信的受众面窄。大数据征信的大部分数据取自于互联网，因此不使用网络的人群就不能被覆盖到，例如技术发展落后的确的人群以及老年人等。对于这类只能依靠其他方式获取其征信数据，从而实现覆盖。［6］

（3）海量、低密度数据：每天，人们在facebook上点27亿次“赞”；蛇年新年来临时，新浪微博每分钟发送量达到73万条；现在已经有超过1 EB的数据存储在云端，相当于6 700万部iPhone的容量；2012年圣诞，亚马逊每秒钟平均售出306份商品。Web3.0时代，网络无时不刻在产生着数据。大数据无疑是有价值的，但对这些海量数据的存储，超过了任何一家传统企业的能力，如何存储、处理这些数据并挖掘出其中的价值，就成为当今的一大难题。如视频监控，每天产生24小时的视频数据，绝大部分都没有利用价值。可能是几秒镜头捕捉到某罪犯体貌特征，对公安部门而言就是弥足珍贵的。为了这几秒钟，必须要保存全部的24小时。这也是大数据的一个典型特征。用术语来说，就是价值密度比较低。