1、孔德云 36氪研究院 2017年9月 如虎傅翼 革故鼎新 FinTech行业研究报告 2 金融是在不确定的环境中进行资源跨界的最优配置决策行为，其本质是价 值流通。在目前阶段，科技的介入可以加速解决传统金融的信息采集、风 险定价模型、投资决策、信用中介等痛点，大数据、云计算、人工智能、 区块链等均是FinTech重要的技术维度驱动力。 报告摘要 科技与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中 产生的风险控制作用 大数据风控发展较快，区块链和智能投顾仍处于早期阶段。就目前来看，具 备一手信源，在数据维度、量级和鲜度上具备优势的大数据风控公司和持有 牌照和用户存量的互联网金融公
2、司转型为智能投顾公司，都具备一定优势。 大数据风控作为征信数据覆盖不足的补充，具备一定参考价值，目前该领 域发展较快，数据维度、量级和鲜度足以构建壁垒，但仍存在信息孤岛、 维度割裂现象，独立性问题也饱受质疑。目前，其在金融行业的应用主要 包括风险控制、风险定价、舆情分析和精准营销等领域。 区块链技术是一种基于P2P网络协议的分布式数据库，解决的是价值传输 的问题，数字货币是其目前最成熟的应用。目前，区块链还处于极其早期 的阶段，理论上区块链可应用于资产证券化、记录存证、跨境支付、物联 网、供应链金融、智能合约等多个场景。 智能投顾领域，美国发展较为成熟，中国超过78%的智能投顾企业还处于 A轮
3、以前，整体行业还存在巨大发展空间。另外，由于我国市场有效性和 参与者构成都于美国有较大差异，不可照搬美国产品，只能开发适应中国 市场特色的智能投顾产品，技术难度也将远超美国。 36Kr-FinTech行业研究报告 2017.9 目 录 Contents 一. FinTech行业综述 FinTech发展历程 FinTech发展驱动力 二. 大数据风控 大数据风控行业概述 大数据风控产业链图谱及参与者分析 风险之一欺诈风险分析 风险之二信用风险分析 大数据风控技术未来发展分析 三. 区块链 区块链行业概述 区块链项目数量及融资情况分析 全球区块链投资机构及创业公司Top10 区块链产业链图谱 区块
4、链技术未来发展分析 四. 智能投顾 智能投顾行业概述 智能投顾人工投顾对比 中国市场其他市场对比 行业参与者竞争力分析 政策监管 智能投顾产业链图谱 五. FinTech行业总结 FinTech行业总结 未来发展投资机会分析 致谢 FinTech行业概述 CHAPTER I FinTech发展历程 FinTech发展驱动力 5 金融是在不确定的环境中进行资源跨期的最优配置 决策行为，其本质是价值流通。从此角度看，科技 与金融的融合动力主要体现在其对价值流通的加速 能力以及流通过程中产生的风险控制作用。目前为 止，金融与科技融合主要经历了三大发展阶段：金 融IT阶段、互联网金融阶段、金融科技阶段
5、。 医疗卫宁健康 科技与金融的融合动力在于加速 价值的流通能力 FinTech行业概述1. FinTech行业概述 1.1 FinTech发展历程 1.2 FinTech发展驱动力 金融 IT 互联网 金融 金融 科技 指金融行业通过传统的IT软硬件来实现办公和业务的电子化，提高金融行业的业务效率。 代表性产品包括ATM、POS机、银行的核心交易系统、信贷系统、清算系统等 金融业通过互联网或者移动终端渠道汇集海量用户，本质上是对传统金融渠道的变革。 代表性业务包括互联网基金销售、P2P网络借贷、互联网保险、移动支付等。 金融业通过大数据、人工智能、区块链等最新IT技术，大幅提升传统金融的效率。
6、 代表技术如大数据风控、智能投顾、数字货币等。 金融科技即是我们通常所说的 FinTech（Financial Technology）， 其与前两阶段最大的不同之处在于， 金融IT和互联网金融阶段是金融业内 部的变革，主要作用在于提高业务效 率，而FinTech则主要是由外部科技 公司对传统金融行业所提供的产品及 服务进行革新，可以解决传统金融的 信息采集、风险定价模型、投资决策、 信用中介等痛点，大数据、云计算、 人工智能、区块链等均是FinTech的 重要技术推动力。 图示：科技金融变革历程 人工智能大数据区块链 传 统 金 融 行 业 大数据风控智能投顾 供应链金融移动支付互联网银行 量
7、化投资数字货币 其他 36Kr-FinTech行业研究报告 2017.9 大数据风控 CHAPTER 大数据风控行业概述 大数据风控产业链图谱及参与者分析 风险之一欺诈风险分析 风险之二信用风险分析 7 金融是个强数据导向的行业，大数据技术的发展极 大地促进了金融行业的发展，其在金融行业的应用 目前主要包括了风险控制、风险定价、舆情分析和 精准营销等领域。我们认为，大数据对金融行业最 根本的推动作用在于其可以帮助金融企业发现市场 真相，进而能够更好地进行资源的优化配置。 医疗卫宁健康 大数据技术助力企业拨开迷雾， 发现市场真相 大数据风控行业概述2. 大数据风控 2.1 大数据风控行业概述 众
8、包数据源数据存储数据挖掘机器学习模型应用资源配置 众包指的是把过 去由员工执行的 工作任务，以自 由自愿的形式外 包给非特定大众 网络的做法。 磁盘 云存储 模糊匹配 数据预处理 文本分割与 词条分析 支持向量机 朴素贝叶斯分类 线性降维算法 决策树 神经网络 逻辑回归 评估 迭代 风险控制 反欺诈 征信 授信 风险定价 人保 车保 舆情分析 竞争环境洞察 预测股市波动 调整创投方向 精准营销 偏好推荐 运营推广图示：大数据在金融行业的应用步骤 目前大数据在金融行业 首要落地场景便是大数 据风控。我们整理历史 投资事件中发现，金融 大数据融资数量整体均 高于其他细分领域。并 且，在2015年Q
9、2时， 融资数量达到一个峰值， 其中3/4为大数据风控 公司。在经过2015年 Q3到2017年Q1的低 潮后，融资数量如今再 次达到历史新高。 0 10 20 30 40 50 60 金融大数据医疗大数据其他领域 上证指数 2000 3000 4000 5000 上证指数 2015Q2，金融大数据领域 获投数量环比上涨120% 数据来源：36氪创投助手App 2014.01-2017.06 大数据应用层各领域投资事件数量（个） 0 1000 2000 3000 4000 5000 6000 2017.9 2015Q2，金融大数据获投企业四分之 三为大数据风控公司，此高点与2015 年4-6月
10、份的上证综指峰值相吻合 36Kr-FinTech行业研究报告 8 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱参与者分析 我国大数据风控产业链条可分为数据生产主体、数 据供应方、数据加工方和数据使用方四部分。 医疗卫宁健康 大数据风控产业链图谱 大数据风控产业链图谱与参与者分析 数据生产主体 个人企业 数据供应方数据加工方 数据使用方 图示：征信市场产业链分析；来源：36氪研究院 2017.9 36Kr-FinTech行业研究报告 9 数据生产主体： 此处的主体主要指个人和企业，数据在此环节产 生，后流入数据供应方。以个人为例，此环节主要 存在两方面问题： 1.
11、缺乏主体意识，主要表现在无自我数据保护意识， 隐私泄露严重。 2.存在侥幸心理，认为偶尔的违规不会影响到其他 平台的信用。随着信用平台的打通和信用生活的普 及，人们将逐步提高对个人征信的认知。 数据供应方： 数据供应方主要包括各大银行、电商、社交平台、公 共服务机构等，其拥有数据生产主体的一手数据，可 开放给下游的数据加工方。此环节存在的问题： 1.缺乏用户许可或利用用户无意识许可后，随意将 用户数据作其他商用。 2.在数据的反爬取方面投入较保守，缺乏保护用户 隐私意识。此问题或将通过用户主体意识的觉醒和立 法得到进一步解决。 数据加工方： 数据加工方通过从多渠道上游数据供应方处得到数据 后通
12、过自有模型分析并产出包括但不限于信用分数、 信用评级、信用报告等产品。 医疗卫宁健康 大数据产业链参与者现状分析 大数据风控产业链图谱与参与者分析 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱及参与者分析 2017.9 36Kr-FinTech行业研究报告 10 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱及参与者分析 此环节存在的问题： 1.存在信息孤岛、维度割裂现象， 在数量、相关性和 维度等方面都无法得到满足。解决此问题一方面需 要制定市场统一认可的风控模型，加强数据清洗、 脱敏等治理手段的标准化建设，进而解决数据定价 问题
13、，最终解决数据的流通问题；另一方面需要在 一定前提下，央行进一步开放数据给更多下游企业 以解决数据缺乏相关性等问题。 2.第三方征信行业的独立性问题。2015年1月份被央 行批准的可以开展个人征信业务相关准备工作的八 家企业目前仍未获得实质牌照，据中国人民银行征 信局局长万存知表示*其中存在的问题之一就是其不 具备独立性，存在利益冲突。此背景下，成长起了 一批相对独立的征信机构例如百融金服、同盾科技 等。 3.为吸引足够多的数据使用者即资金方，盲目提高客 户的融资价值。此问题可能会触发系统性风险，对 新兴的大数据征信行业造成难以扭转的信任风险。 数据使用方： 数据使用方包括了银行、消金、P2P
14、、泛信用生活领 域等对信用有知晓需求的机构。数据使用方对信用的 第一需求是数据的相关性，此部分主要存在的挑战是 创新数据在实际应用过程中的有效性问题，仍需时间 验证。 医疗卫宁健康 大数据产业链参与者现状分析 大数据风控产业链图谱与参与者分析 *来自公开资料整理 2017.9 36Kr-FinTech行业研究报告 11 在风控产业链中，数据加工方需要应对的风险主要 包括欺诈风险和信用风险。欺诈风险具有主观性， 是客户主动带来的风险，在发起请求时即无还款意 愿；信用风险具有客观性，指的是借款人因由未能 及时、足额偿还债务而违约。总体而言，欺诈是信 用的基石，是贷前风控的首要步骤。 根据益博睿发布
15、的欺诈经济学：规避快速增长和 创新中的风险显示中国互联网欺诈风险排名全球 前三位，网络欺诈的损失达到了GDP的0.63%，仅 次于美国的0.64%，而来自猎网的数据显示互联网 欺诈中金融欺诈最为严重。 医疗卫宁健康 反欺诈是征信行业的基石 风险之一 欺诈风险分析 0 3,000 6,000 9,000 2016年互联网欺诈涉案金额 （单位：万元） 来源：360猎网平台 当前互联网欺诈已经发展出了完整的产业链，欺诈 产业链可以分为上游信息盗取者、中游信息售卖者 和下游欺诈实施者以及最终的分赃销赃者四个环 节。 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱及参与者分
16、析 2.3 风险之一欺诈风 险分析 2017.9 36Kr-FinTech行业研究报告 12 医疗卫宁健康 欺诈与反欺诈产业链分析 风险之一 欺诈风险分析 图示：反欺诈产业链 来源：36氪研究院 相应地，反欺诈产业链也较为健全，主要参与者有 上游数据供应商、中游第三方反欺诈机构和下游反 欺诈使用方。 信息盗取 木马开发者 钓鱼编辑 盗库黑客 线下盗取 信息售卖 钓鱼零售商 域名贩子 个信批发商 卡贩子 欺诈实施 P2P平台欺诈 消费金融欺诈 银行信贷欺诈 交易欺诈 分赃销赃 财务会计师 ATM小马仔 分赃中间人 图示：欺诈产业链 来源：方正证券，36氪研究院 银行 数据提供方 公安、司法电商P
17、2P平台社交平台征信机构其他 身份信息设备信息司法信息行为偏好跨平台交易记录 神经网络模型随机森林模型 机器学习 实时规则引擎行为分析引擎 业务规则引擎 威胁情报库风险规则库黑灰名单用户关联图谱 第 三 方 反 欺 诈 机 构 P2P平台消费金融平台银行其他综合金融平台 反 欺 诈 数 据 使 用 方 下面我们将以同盾科技作为第三方反欺诈代表企业 作简要分析。 数 据 回 流 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱及参与者分析 2.3 风险之一欺诈风 险分析 2017.9 36Kr-FinTech行业研究报告 13 医疗卫宁健康 同盾科技基于大数据，提供跨
18、行 业跨应用的联防联控反欺诈服务 反欺诈企业案例 同盾科技 创办时间：2013年 地址：浙江杭州 最新融资：B+轮 获投时间：2016年4月 融资额：3200万美元 同盾科技创办于2013年，是国内专业的第三方大数 据智能风控服务提供商，提供的服务包括业务反欺 诈、信贷风控和信息核验。 IP地理位置 设备指纹 个人信息 金融活动 记录 网络行为 关联分析 文本分析 图片分析 模糊匹配 数据建模 数据可视化 基础数据 开放平台 平台工具 反欺诈服务 安全保护 安全保护 反欺诈服务 贷前预筛 贷中复核 贷后监控 数据源数据分析数据应用 图示：同盾科技业务框架 同盾科技以反欺诈服务见长，包括信贷反欺
19、诈和业 务反欺诈，其核心技术包括设备指纹、人机识别、 黑产工具识别、代理检测、AI风控模型等。通过实 时监测全网IP代理端口和接码平台，同盾建立了 设 备画像、IP画像和手机号画像。目前，同盾监控的 手机号码达3000万，代理IP地址达数2亿，失信名 单、司法不良信息达千万级，覆盖终端超30亿*。 用途描述 虚假IP/ 虚假手机号 垃圾注册 为刷单、刷阅读数、抢票、薅羊毛等 行为提供账号 验证/绑定/解绑 如果号码已被注册，可能会通过虚假 号码进行解绑、验证等方式收获账号 的所有权 隐私保护 匿名自我保护或利用代理IP进入“暗 网”等进行黑色产业往来 *数据均来自于同盾科技 2017.9 36
20、Kr-FinTech行业研究报告 14 设备指纹是指可以用于唯一标识出该设备的设备特 征或者独特的设备标识，通常设备的特征集合可以 用来当做设备指纹，主要包括硬件属性、软件属性 和用户行为三大类。 医疗卫宁健康 设备指纹是目前反欺诈的主要技 术手段之一 反欺诈企业案例 同盾科技 硬件 属性 用户 行为 软件 属性 手机品牌 Mac地址 手机型号 imei seriaino 应用启动时间 应用操作习惯 年龄性别推算 输入习惯 指压习惯 OS版 系统设置 网络配置 浏览器 GPS、IP、app 按照配合程度不同，设备指纹可分为主动式、被动 式和混合式三种。主动式设备指纹识别技术需要主 动的得到设备
21、的配合获取相应的信息，最直接的主 动方法就是直接在设备上植入SDK或JS代码程序， 其响应速度和准确度相对较高，但使用场景常因为 隐私保护而受限。同盾科技目前利用的主要是混合 式设备指纹识别技术来做终端的唯一性鉴别。 图示：设备指纹依据特征简析 来源：36氪研究院 主动式 通过SDK或JS代码在客户端主动收集设备信息，来实现设备的精准识别，响应速 度和准确度相对较高，但使用场景常因为隐私保护而受限。 被动式 被动式主要通过在服务器端收集通信协议和网络的特征来识别设备， 100%保护 用户隐私，有更大的适用范围。同时，也具备响应时间较长、研发难度大等局 限。 混合式 混合式设备指纹技术融合了以上
22、两者各自的优点，并能将其识别结果相互印证和 校验，准确率进一步提高的同时，也扩大了设备指纹技术的适用范围。 创办时间：2013年 地址：浙江杭州 最新融资：B+轮 获投时间：2016年4月 融资额：3200万美元 2017.9 36Kr-FinTech行业研究报告 15 单设备绑定身份证多 单设备绑定手机号多 工作日操作，夜猫子属性 偏好跨平台借贷 更爱P2P平台借贷 老赖爱做什么？ 老赖是谁？ 男性居多 平均年龄39 34-43人数最多 44-53岁概率最高 同盾目前服务客户已超6000家，其中2500余家金融 领域客户，包括互联网金融、消费金融、传统金 融，金融领域等。另外也服务于像美团、
23、京东、神 州租车、 e袋洗、唯品会等电商、O2O、社交类客 户*。市场上同盾也同样结合其他行业客户，目的在 于构建跨行业联防联控的系统性能力。 医疗卫宁健康 同盾老赖画像显示：老赖以男性 居多，平均年龄39岁 反欺诈企业案例 同盾科技 互联网金融 宜人贷、拍拍贷、铜板街、 你我贷、挖财、恒昌、人人贷、 点融网、红岭创投 消费金融 捷信、中银消费金融、 北银消费金融、国美金融、 人人分析、乐信、爱学贷 银行保险 中信、招商、兴业、民生、 杭州银行、恒丰银行、阳光保险、 众安保险、易方达基金 社交论坛 百合网、珍爱网、有缘网、 博客园 第三方支付 新浪支付、海尔支付、瀚银支付、 汇通金财、融宝支付
24、 电商O2O 京东、美团、大众点评、 神州租车、唯品会、酒仙网 依据庞大使用群体，同盾科技于2016年10月份发布 了老赖画像，老赖的群体特征主要如下：男性居 多，平均年龄39岁，而34-43岁的老赖人数最多， 44-53岁的借贷风险最高。 *数据来源于同盾科技 创办时间：2013年 地址：浙江杭州 最新融资：B+轮 获投时间：2016年4月 融资额：3200万美元 2017.9 36Kr-FinTech行业研究报告 16 反欺诈是消费金融产品中的第一道防火墙，消费金 融是反欺诈产品的最大客户群体之一。消费金融公 司为了保证数据的覆盖广度和交叉验证正确性，大 多选择与多家数据公司进行合作。 面
25、向年轻群体的消费金融公司爱又米与同盾科技、 邦盛、数美、数尊等十余家大数据风控公司合作， 建立了覆盖贷前、贷中、贷后的全流程智能风控体 系；并与依图科技合作建立了智能活体检测和秒级 人脸识别体系。基于自身生态积累数据源和第三方 数据源，爱又米目前银行口径的M3+*逾期率 1%。 反欺诈数据使用方消费金融公 司爱又米案例分析 消费金融企业案例 爱又米 2017.9 公司名称：爱又米 创办时间：2014年3月 地址：杭州 最新融资：C 轮 获投时间：2017年4月 融资额：2.2亿人民币 投资方： 中顺易；星辉互动；神州泰岳 中银投资浙商产业基金 *一般将90天以上的逾期定义 为“M3”或“M3+
26、”，被认 为还款可能较小，一般进行最 高级别催收或者外包催收。 目前，爱又米平台注册用户1400万+，月活用户300 万+，放款总额超70亿，商品销售总额逾15亿，业 务覆盖全国32个省，目前已与中国银行、平安银 行、海尔消费金融等多家持牌金融机构达成战略合 作，共同布局年轻人消费金融市场。我们认为反欺 诈产品是消费金融市场的底层基础设施，更低的资 金成本和更可靠的风控体系将构成消金公司的竞争 壁垒。 借款均额 3000元 合作银行 合作品牌 男 83% 成人 18周岁+ 偏好 3C 白领占比 60% 图示：资金、商品流转架构（非全部资源） 来源：爱又米；36氪研究院 风险平衡 用户画像 36
27、Kr-FinTech行业研究报告 17 除消费金融之外，P2P信贷企业也是反欺诈产品的受 众之一。中业兴融创办于2015年，作为一家P2P金 融平台，其资管银行为上海华瑞银行，同时借助同 盾科技、前海征信等第三方科技公司和自身风控能 力筛选优质客户。此外，通过第三方进件方出资于 中国建设银行开立第三方过失保证金*账户保证投资 者利益，构建P2P行业的商业闭环。 P2P行业借助大数据风控体系优 选资金融出对象，构建商业闭环 P2P企业案例 中业兴融 创办时间：2015年2月 地址：深圳 最新融资：A轮 2017.9 中业兴融 严 格 准 入 融 资 推 荐 进件方 还款支付指令 终审 借款人 发
28、布合格借款信息 投标支付指令 投资人 资 金 存 管 转 发 支 付 指 令 商业银行 到期还款 资金转入 到期还款 资金划转 融资申请 初审 第三方过失保证金 图示：中业兴融资金流转架构 来源：中业兴融官网 中业兴融第三方合作进件单位一览 北京中业众信普惠信息咨询有限公司云南正川经济信息咨询服务有限公司 云南中业普惠经济信息咨询有限公司康辉拎包游网络科技（深圳）有限公司 中业普惠（深圳）信息咨询有限公司 来源：中业兴融；36氪研究院 *第三方过失保证金包含： 1. 初始第三方过失保证金。与平台合 作的第三方进件单位一次性存入一笔 资金作为初始准备金。 2. 计提第三方过失保证金。后续运营 过
29、程中，第三方进件单位每推荐一笔 借款项目，从其服务费收入中按所推 荐项目年化借款金额的0.2%-0.5%比 例计提第三方过失保证金，存入第三 方过失保证金专户。 36Kr-FinTech行业研究报告 18 中业兴融的资金融入产品有中业智选、兴融计划和 定期理财。截至目前，累积投资人总数逾12.54万， 投资笔数32.20万，总额达80.51亿，逾期项目78 个，项目逾期率0.8%。逾期金额全部由第三方担保 公司全额垫付，未造成投资人损失。 创办时间：2015年2月 地址：深圳 最新融资：A轮 2017.9 图示：中业兴融平台投资期限分布性别占比 数据截至2017-08-31；T代表项目期限 来
30、源：中业兴融 42.37 亿元 女性投资金额 52.63% 女性投资金额占比 38.13 亿元 男性投资金额 47.37% 男性投资金额占比 1T3个月 5032个； 29.04亿； 占比36.07% 3T6个月 4963个；26.17亿；占比32.51% 6T12个月 2856个； 16.28亿； 占比20.22% T*12个月 2050个；9.02亿；占比11.21% 中业兴融的资金融出产品有惠农宝、车融宝、企融 宝、医融宝等，前两者面向C端，后两者面向B端。 其中，在B端企业环节，中业兴融更关注“社区卫生 服务站”等实业领域，意在掌握独有的特色优质资 产，最大程度避免行业资产同质化。 提
31、交借款申请 系统实名验证 进件方初步审核 进件方实际调查 平台终审 签订合同 发标放款 贷后管理 正常还款 图示：中业兴融借贷流程 P2P企业案例 中业兴融 P2P行业借助大数据风控体系优 选资金融出对象，构建商业闭环 36Kr-FinTech行业研究报告 19 弱 相 关 强 相 关 除欺诈风险之外，风险控制还包括了大量的信用风 险。我国征信体系建设以掌握信用强相关数据的央 行为主导，以利用具备网络效应的数据源来探索信 用评断依据的其他公司、机构为辅，我们将后者定 义为大数据征信*公司。 医疗卫宁健康 大数据风控弥补央行征信空白， 具备参考价值 风险之二信用风险分析 2004年4月， 中国人
32、民银行 成立银行信贷 征信服务中心 2006年1月， 中国人民银行 宣布个人征信 系统正式运行 2008年5月， 中国人民银行 征信中心在上海揭牌 2009年10月， 征信中心完成对 上海资信的收购工作 2010年6月， 企业和个人征信系统 成功切换至上海运行， 并正式对外提供服务 2012年9月， 与FICO达成合作， 正式启动个人信用 评分模型开发项目 2013年3月， 征信业管理条例正式实施， 明确企业和个人征信系统 为国家金融信用信息基础数据库 6.4 6.6 7.8 8.1 8.2 8.4 8.6 8.8 1.4 1.8 2.2 2.6 2.9 3.2 3.5 3.8 0 5 10
33、2008 2009 2010 2011 2012 2013 2014 2015 自然人数信贷人数 个人征信系统收录自然人数及信贷人数 （单位：亿人） 数据来源：中国人民银行征信中心；36氪整理 截至2016年，央行共记录了8.8亿 人的个人金融数据，但有信贷数据 的仅有3.8亿，覆盖率仅占28%。 随着普惠金融和消费金融的普及， 越来越多的人具备信贷需求，央行 数据难以支撑，在此背景之下，大 数据征信企业开始蓬勃发展发展。 以下将以芝麻信用和腾讯信用为代 表进行说明。 *此处主要讨论个人征信企业 征信体系 大数据征信 芝 麻 信 用 腾 讯 信 用 前 海 征 信 鹏 元 征 信 中 诚 信
34、中 智 诚 拉 卡 拉 华 道 征 信 传统征信 中 国 人 民 银 行 征 信 中 心 图示：信用强相关和弱相关数据分类 来源：36氪研究院 年龄 职业 收入 学历 工作单位 房产 汽车 借贷情况 还贷记录 社交 电商 信用卡 社保 公积金 浏览记录 手机号年限 出入消费场所 爱心慈善 信用借还 2. 大数据风控 2.1 大数据风控行业概述 2.2 大数据风控产业链图 谱及参与者分析 2.3 风险之一欺诈风 险分析 2.4 风险之二信用风 险分析 2017.9 36Kr-FinTech行业研究报告 20 芝麻信用是蚂蚁金服旗下独立的第三方征信机构， 于2015年1月份正式上线公测。芝麻信用征
35、信体系 通过分析大量的网络交易及行为数据，围绕用户信 用历史、行为偏好、履约能力、身份特质、人脉关 系五个维度进行评估，于每月6日进行分数更新。 医疗卫宁健康 芝麻信用基于五大维度输出信用 分数，将信用生活融入各大场景 大数据征信企业案例 芝麻信用 基于对不同维度的信息数据的综合处 理和评估，可生成适用于个人的芝麻 信用分，分值区间为处于350-950 之间，分数越高代表信用程度越好， 可享受的“信用生活”便利程度也逐 步提高。信用生活栏目目前覆盖领域 包括出行、住宿、金融、购物以及社 交等领域。 身份 履约 信用人脉 行为 学历、职业、驾驶证、海外信 用报告、车辆、房产、实名消 费行为、信用
36、卡账单 接入的各维度过 往履约记录 好友群体品质及 往来情况 650 图示：芝麻信用分评判维度 较差中等良好优秀极好 350950550600650700 图示：芝麻信用分数/等级对应关系 图示：芝麻信用产品功能架构图 来源：36氪研究院 芝麻信用分 评分依据评分标准 信用生活 数据来源授权管理 授权管理 出行金融住宿购物社交 信用借还； 生活费用 续缴； 分期偿还 浏览、 交易 数据 身份特质 履约能力 身份特质人脉关系 行为偏好 上线时间：2015年1月 地址：浙江杭州 最新融资：B轮（蚂蚁金服） 获投时间：2016年4月 融资额：45亿美元 2017.9 36Kr-FinTech行业研究
37、报告 21 数据维度方面，芝麻信用除了接入阿里巴巴集团的 电商数据和蚂蚁金服集团的金融数据外，还基于自 身生态系统覆盖了出行、餐饮、文娱、社交等多个 方面。此外，芝麻信用还与公安网、公积金、水电 费等多个公共机构以及合作伙伴建立了数据合作关 系，同时也将开辟多种渠道允许用户主动提交各类 信用相关信息。 存在问题方面，除了前面提到的第三方独立性问 题，万存知还表示目前首批开展个人征信准备工作 的八家企业还存在信息误采误用和信息不全面等问 题。信息误采误用问题，一方面需要国家加快相关 法律法规立法进程，另一方面，芝麻信用于2017年 7月份设立首席隐私官，旨在保护了芝麻信用数据安 全和用户隐私，在
38、促进征信行业提高隐私重视、保 护方面起到了一定作用。关于“信息不全面”的问 题，我们认为，在互联网金融领域，最大的数据权 重应该消费行为和社交行为。消费行为相对于其他 数据与个人身份特质关系更为密切，但其不稳定性 较大；而社交行为基于互联网，更易行为网络效 应，可以不断链接到更广泛人群，相对稳定性也较 强。 医疗卫宁健康 芝麻信用基于阿里巴巴生态接入 多维数据，却又存在三大问题 大数据征信企业案例 芝麻信用 图示：芝麻信用数据来源分析 来源：36氪研究院 上线时间：2015年1月 地址：浙江杭州 最新融资：B轮（蚂蚁金服） 获投时间：2016年4月 融资额：45亿美元 2017.9 36Kr-
39、FinTech行业研究报告 22 2013年9月 芝麻信用背靠阿里巴巴集团，其拥有一手的电商数 据，但另一方面，电商数据在评分模型中比重过 大，导致评判维度不够全面。在此方面，我们从C端 角度，也看到了阿里在社交方面的不断尝试。芝麻 信用副总经理邓一鸣曾表示*，未来在芝麻信用的测 评权重中，来自淘宝、支付宝等阿里系的数据占比 将降低到30%40%。 医疗卫宁健康 社交只是重要的配角，人以群分 的信用背书才是要点 大数据征信企业案例 芝麻信用 2012年7月 2012年开始，阿里巴巴先后两次投资 陌陌，合计占股20.7%。后因私有化 分歧，阿里处于不断减持抛售中。 阿里巴巴宣以5.86亿美元买入
40、新浪微 博18%股份，在社交大趋势性产品中 占据了重要的一席。 2013年9月，阿里巴巴发布移动好友 互动平台“来往”。 支付宝上线“服务窗”，后改名为 “生活号”，对标微信公众号。 2014年5月 2013年4月 2015年1月 “闲鱼”App上线，其内置鱼塘功能 即能基于地理位置区域建立，也能基 于兴趣爱好或物品建立。据CBNData 统计，90后在闲鱼每月面交次数达3.6 次，线下当面交易闲置物品成为互动 交友新方式。 2015年1月 来往团队转战“钉钉”，定位于智能 移动办公平台，主打商务沟通和工作 协同，对C端身份特质中的职业信用可 以起到交叉验证作用。 2015年10月 支付宝推出
41、“生活圈”，对标朋友 圈，除具备点赞及评论功能外，还有 打赏功能。 2016年1月 支付宝推出了年度集福活动，2017年 1月延续。 2016年9月 *来自公开资料整理 2016年8月 蚂蚁金服基于支付宝平台推出“蚂蚁 森林”公益行动，想得更多能量的最 直接方式之一即加更多好友。 为激活“生活圈”，支付宝上线“圈 子”功能，主推“校园日记”“白领 日记”等圈子，一度引起热议，后 “擦边球”圈子被关闭。 上线时间：2015年1月 地址：浙江杭州 最新融资：B轮（蚂蚁金服） 获投时间：2016年4月 融资额：45亿美元 2017.9 36Kr-FinTech行业研究报告 23 支付宝定位为信用支付
42、、担保交易，而不仅仅是支 付工具，也不存在业内所说的“一台ATM机的社交 化尝试”。我们认为支付宝社交化进程中存在的问 题主要是：支付宝不具备社交所必备的朋友圈子， 而且通过即时通讯的功能来吸引朋友加入这条道路 上已经存在微信、QQ两座大山；支付宝也不具备一 个内容社区所需要的优质内容来聚集用户。既没有 朋友也没有内容，简而言之，支付宝面临的可能是 先有蛋还是先有鸡的历史难题。 我们认为，作为一个信用平台，甚至是金融理财入 口，支付宝服务的是大量长尾用户，随着时间的推 移，其是在不断产生理财需求和资本的，但可能恰 恰缺少了理财知识。基于此背景，我们认为支付宝 更适合的场景是去做理财、金融方面的
43、社区，甚至 可以踩内容付费的风口，形成行业闭环。近期，支 付宝发起了信用自媒体联盟，开始邀请泛金融行业 的自媒体入驻生活号，或许是一个好的开端。 医疗卫宁健康 做社交需解决先有蛋还是先有鸡 的问题，金融社区或是突破口 大数据征信企业案例 芝麻信用 理财/其他 内容社区 余额宝 蚂蚁财富 芝麻 信用分 信用 生活 涌入理财端口 交流实践经验 风 险 承 受 能 力 反 馈 额 度 、 利 率 调 整 具体借还反馈 促进普及信用社会 交 流 促 进 更 多 尝 试 产 生 更 多 维 度 话 题 图示：信用社会闭环方案 来源：36氪研究院 上线时间：2015年1月 地址：浙江杭州 最新融资：B轮（
44、蚂蚁金服） 获投时间：2016年4月 融资额：45亿美元 2017.9 36Kr-FinTech行业研究报告 24 除了以电商数据为主要权重的芝麻信用外，还有以 社交关系为主要权重的腾讯信用。腾讯信用是腾讯 征信推出的个人征信管理平台，分值区间处于300- 850之间，目前还处于邀请制的限量公测中，信用分 主要围绕履约、安全、财富、消费和社交五个维度 进行评估，每月月初会进行更新。 医疗卫宁健康 基于社交数据，腾讯信用将“人 以群分”发挥极致 大数据征信企业案例 腾讯信用 个人信息 准确性、 完善性； 账户安全 性、联系 方式更换 频次 履约 安全 财富消费 社交 贷款、信用卡、分期消 费、生
45、活缴费等履约能力 721 图示：腾讯信用分评判维度 社交行 为及人 脉关系 个人资产构成、存续； 理财记录；腾讯公益 微信支付行为及基于LBS 的消费场景分析消费偏好 履约指数 安全指数 财富指数消费指数 社交指数 基于腾讯信用分，可以享受良好信用带来的“金融 特权”和“生活特权”两大服务，前者主要包括现 金借贷、银行办卡、消费分期等，合作机构包括微 众银行、建设银行、光大银行、众安保险、浦发银 行和招联金融等；后者主要包括消费保险、信用出 行等服务，合作商家包括托保骉车险、普思维手机 延保等。 上线时间：未知 地址：深圳 2017.9 36Kr-FinTech行业研究报告 25 数据维度方面
46、，腾讯基于QQ月活跃用户8亿、微信5 亿*的背景下，腾讯凭借QQ、微信、财付通、QQ空 间、腾讯网、QQ邮箱等多种服务聚集了海量的个人 信息，社交信息成为其最大数据来源。社交信息作 为大数据风控中一个重要的创新维度，其极易形成 庞大的社交网络，产生庞大的关联数据，寻求数据 之间联系的场景正是机器学习、大数据技术的最佳 应用场景。 另一方面，社交性数据存在金融相关性较低、权威 性较差等问题。为弥补这一短板，腾讯于2014年9 月推出了微信支付，以抢红包概念切入，于2015年 春节揽获2亿绑卡用户。在线下支付场景，由于微信 粘性更高，调用更方便，人们往往会直接使用微信 支付；线上场景中，截至201
47、6年8月份，腾讯已成 为京东最大股东，开辟了线上数据入口。此外，腾 讯还多次投资了一家互联网证券公司富途证券，后 者已成为腾讯自选股APP中港股的唯一合作券商。 腾讯通过支付和电商卡位，弥补 社交数据金融相关性差短板 大数据征信企业案例 腾讯信用 *自腾讯QQ手机客户端 图示：腾讯征信数据来源分析 来源：36氪研究院 上线时间：未知 地址：深圳 2017.9 36Kr-FinTech行业研究报告 26 富途证券创办于2012年，提供港股、美股和A股市 场的行情和交易服务，是香港证监会认可的持牌法 团。截至2017年8月，富途证券用户数超360万，累 计交易额超过6000亿，2016全年交易额近
48、3000亿 *。 互联网券商富途证券，已初步 打通三大证券交易市场 互联网券商企业案例- 富途证券 公司名称：富途证券 创办时间：2012年 地址：香港 最新融资：C 轮 获投时间：2017年6月 融资额：1.455亿美元 投资方：腾讯 经纬 红杉 2017.9 *本页数据均来自于富途证券 富途证券 港股 美股 A股 佣金：0.03% 最低3港元 方案一：$0.0049/股 最低$0.99/笔 方案二：$5/笔 佣金：0.025% 持有第1/2/4/9类受规管活动牌照 清算通道：盈透证券等 清算通道：长城证券、平安证券 富途证券的银证转账业务合作伙伴为招商银行香港 分行，第三方资管银行包括招商
49、银行、工银亚洲等8 家银行。作为互联网券商，富途证券更加关注客户 体验，于2013年发布了集行情、交易、资讯、社交 等功能于一体的富途牛牛App，通过线上方式提供 证券及其他衍生品交易活动相关的金融服务。 投资富途证券是腾讯继微众银行、理财通之后的又 一金融布局大动作。除此之外，富途与腾讯在其他 方面也有深入的的战略合作关系，包括富途的IT架构 在腾讯云之上；腾讯为富途输出了管理理念；富途 为腾讯自选股App提供港股购买通道等。 36Kr-FinTech行业研究报告 27 我们认为，随着时间的推移，腾讯在强金融数据领 域的短板将逐步消失。但至今，腾讯征信还未完全 开放，其仍处于验证创新数据（社交数据）在风控 行业的有效性和消费数据累积阶段。相应地，在信 用生活方面，也未见大规模应用。此角度去看，时 间或将成为腾讯征信的最大敌手。 征信归根结底是对人的研究，基于用户画像，我们 认为，征信的商业价值除了应用于泛信贷行业做风 险控制之外，对于更广泛的行业，其商业价值则在 于精准营销。相对于利润较低的风控行业，显然帮 助客户精准营销拥有更高的利润空间，而且应用渠 道也得到了极大的拓展，同时也避免了信用数据相 关性低、”牌照生意“等短板，精准营销将是征信 行业未来最重要
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产开发
传统产业
全球化
其它
扫码登录
手机快捷登录
账号登录
