王征宇：中国P2P行业有非常大的市场容量

我们给大家看一个例子，大家知道中国建设银行的信用卡，我们为建设银行做了一个项目，这个项目的目标是建设银行找到我们，希望我们帮他们来提高申请评分审批自动化的体系，我们做了这个项目，做下来之后看结果，审批通过率提高了12.3%，风险调整后的收益率提高了35%，违约率降低了2.48%，审批成本降低了52.9%，同时申请欺诈发生率降低了33%。用更少的人，更高的收益率，这个就是在自动化审批、决策引擎、评分管理水平体系之下，我们所进行管理的基本手段。在这种情况之下，我们认为对于小额度的、无担保、无抵押的风险，也是可以控制的。

我们看一下大家提到的大数据，在这个行业之中，所谓的大数据的环境，大数据的应用，我们认为对于数据的基本问题，业务决策之中面临很多很多的问题，这些都是小额度的，这些问题当中面临的基本的数据问题是，这个人的还款意愿怎么样，这个人的还款能力怎么样，还款的资金量怎么样，抵押物的水平，社会经济生活状况，他的还款稳定性，所有的这些参数，每个字头都是C，最后一个自头是S，这些是基本要回答的问题，用征信局的报告可以回答的问题是这3个，还款意愿、还款能力、还款的稳定性，这些是通过征信局数据就可以直接回答的，这三类问题的回答，基本上就可以做出信贷的决定，这个对于国内信用卡行业，对于美国的P2P同行，基本上用的都是这些数据。在美国大数据最领先的机构，大的公司有太好的数据，可以到美国征信局抓数据，大数据之所以起来，是因为在互联网金融征信的数据对我们来说存取不够。所以大数据可以回答的问题不是这三个，所以大家说大数据可不可以取代征信局，这个问题本身就错了，他们解决的问题不一样，大数据解决的是身份验证问题、职业归属问题、社会属性问题，大数据必须要和其他问题结合在一起，才能进行有效的预测。

目前在数据发展行业，我们讲互联网金融，讲今天中国是馅饼还是陷井，取决于我们对技术的把握程度。在技术发展行业当中，从40年之前到今天，我们的整个数据分析的体系，从数据到信用评分现在已经到了解决方案，已经到了决策系统，不再是简单的评分，评分柔和在业务之中，通过决策引擎的方式自动的实施。数据也已经从基于行业的数据，比如说借款、还款，进入到了整个基于整个社会网络的数据，这个是今天的现状。技术手段、分析手段，已经从基本的评分模型，进入到了决策数、神经网络、进入到了大数据，特别是弱相关分析，弱相关分析是目前在互联网金融之中最前沿的几个领域基地。其中当然还有图形识别等等。弱相关分析，可以帮助我们在更多的变量，更大的数据之中抽提出对于申请人情况分析评分的手段，这些是前沿机构所要赛跑的主战场。大家看最终谁的评分最好，用这个原则干过行业的都有，最终看的是谁的评分更精准，谁的决策速度更快，谁的技术更先进，这个是整个发展趋势在P2P行业，在小额贷款领域之中最终决胜负的主战场。

对于信而富公司，我们相信的不是简单的你的风险防范能力有多大，你的注册资本有多少，你有多少钱可以承担什么，对我们来说都不是。对于我们来说，核心的理念是测试和学习，不断的测试、不断的学习，递推式的发展。由于中国特定的数据挑战要求具备更多中国独特性的解决方案，目前信用评分的实施和开发能力，是来解决中国数据挑战的重点方式，就是怎么样通过弱相关数据，通过别人容易忽视的数据之中采集到你认为相关的数据，获得有效的信息。这张图说明了这个问题，用人民银行征信局的报告，可以获得非常有效的数据，可惜这些数据很少，20%的覆盖人群，80%没有数据，对于这些没有数据的人，只能获取碎片式的非信用数据，用这些所谓的弱相关数据来进行风险评分没有那么有效。问题是能不能站在信用的前沿，找到相应的方法建立这一套东西。我们认为我们在方面正在积极的探索，我们认为这方面的工作是最终取决于你这个行业到底能走多块，你能规避陷井，获得发展的关键。通过信用评分的开发，通过技术手段，不断的进行通过你的信贷实践进行测试，通过结果来改善你的评分，你这个周期转的次数越多，改善的越充分，调整的周期越快，你的技术进步就越快，你在市场上的竞争，和你的行业竞争，和其他的机构相比，就可以绕开暗礁，绕开陷阱。