
大数据带来信贷“四则运算”
当前,金融业的收入只不过随着资产价值的变化而增减。这表明了金融业从经手的资金中捞取了大量油水。此外,有1000万美国家庭和150万英国成年人依然没有银行账户。世界范围内,银行从支付服务中获得的收入达到令人咋舌的1.7万亿美元,占银行业总收入的40%。我们已经进入计算机时代,结算却依然可能要花上数小时乃至数天时间。
3月25日,金融大数据服务平台元宝铺扔出两枚“炸弹”:正式宣布获得由腾讯领投高榕跟投的1亿元B轮融资;正式发布为金融机构提供数据化信贷解决方案 的全新产品——FIDE(金融大数据引擎)。业内人士认为,投资元宝铺是腾讯抢占TOB(金融机构、小微企业)风口的一招棋。
“大家常说互联网+,大数据+。在现阶段,整个金融生态已经不单单是"加"的问题,而应该是"加减乘除"。"加"是把互联网、大数据等嵌入传统行业,"减"是把传统行业中不好的东西去掉,"乘"是通过平台叠加获取客户,"除"则强调更加专业化的分工。”在平安银行杭州分行小企业金融部、公司网络部总经理杜志良看来,元宝铺和多家银行反复磨合打造出的FIDE是一个兼具“四则运算”功能且极具发展潜力的数据业务线。
帮助金融行业提升效率是核心“近百年的金融创新历史有两条主线,一条是金融产品的创新,另一条是金融科技的创新。在未来的一段时期,互联网金融更 大的价值应该在金融科技创新。”元宝铺创始人陈瑞贵告诉记者,大数据公司应当把注意力集中在渠道、技术和数据这三个重要领域。比如怎样为金融行业创造更多 高效的渠道,怎样为金融行业提供更多的获客通道,怎样开发并提供一些新技术来推动微金融的发展,其核心是通过大数据的嵌入,提升渠道的效率、交易的效率和 识别风险的效率。
FIDE是针对小微企业和个人消费者,专注于利用数据和技术手段,为金融机构提供更加高效的借贷基础设施。它从贷前营销风控,贷中管理和贷后预警催收,为金融机构提升全业务周期每个信贷环节的效率。
“我们最新研发了一个产品,叫滴滴贷。按传统业务流程,滴滴司机从银行贷款必须经过申请、资料提交、审批、授信、面签、放款、贷后和催款,8个环节。如 果使用滴滴贷,滴滴司机只须下载我们为银行定制的APP,经过申请、提交、数据、审批、授信和贷后6个环节,就可在线完成整个流程并且实现数据化风控,效 率大幅提升。” 陈瑞贵说。
为金融机构提供精准服务是关键
最近,英国央行的安德鲁·霍尔丹在一次关于金融革命可能性的演讲中指出,近100多年,美国的金融中介单位成本几乎没有变化。“这意味着,过去的金融科技创新主要源自行业内部。随着经济下行压力增大,金融机构开始面临越来越多的竞争压力。”陈瑞贵解释说。
“从2012年开始我们就意识到,应当面向中小企业提供信贷服务。但是,严重的信息不对称制约了相关业务的开展。”杜志良强调,金融机构需要开发新的客户资源,但首先考虑的是风险,其次才考虑收益,流动性,项目的成长性,等等。
“FIDE数据平台集成了包括基础信息、经营和消费数据、运营商数据以及互联网征信信息等多维数据。”元宝铺首席数据官翟建华指出,通过数据分析及建模,可以对客群分层、分类,实现精准营销及信贷风险控制。
在合作的近两年时间里,通过元宝铺落地平安银行的客户已超过1000户,授信额突破2个亿,资产质量控制远远好于传统小微的风险控制。
深挖新的发展空间将是未来的重点
FIDE测试运行两年,已与平安银行、招商银行、浙商银行、浦发银行、江苏银行、富滇银行、佐力小贷等10余家金融机构建立了战略合作关系,在全国50多个城市的2万多个小微企业通过它获得了投资。
德国IPC 公司研发的小贷技术(简称IPC技术),从2005年开始进入我国。它充分考虑了小贷的特点,在业务流程上尽量简化,但软信息和硬信息仍是通过人工的线下 调查来完成。陈瑞贵将元宝铺开发的FIDE看作是IPC技术的升级版,它通过数据和自动化技术来采集跟信贷相关的信息,以便更加高效地为金融机构服务。
“FIDE还有很大的优化空间。”陈瑞贵告诉记者,元宝铺将把B轮融资主要用于提升服务品质和挖掘新的发展空间。“我们将增强研发力量投入,帮助金融机构降低运营成本、风险成本,探索更加高效的获客渠道组合,深度对接金融机构和消费交易场景。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10