(电子商务研究中心讯)　　近日，大数金融宣布完成近5亿元人民币B轮融资，由太盟投资集团(PAG)领投、红杉资本跟投。此前，大数金融在2014年底获得红杉资本1亿元人民币首轮投资。

　　大数金融的定位是数据化的专业化信贷工厂，采用订单生产的模式，与银行等金融机构合作，为其生产中大金额的个人无担保贷款。

　　信贷工厂的模式

　　大数金融提供的是信贷技术的服务，包括贷款的审核、审批和贷后管理等，其本身并不参与对信贷资产的投资。银行作为资产的“买家”，按照自身对相应资产的需求，向大数下订单进行采购，通常银行会自己进行面谈面签和最后的审批，目前大数已经和北京银行、华兴银行等9家银行达成了合作。

　　信贷业务是银行的核心业务，通常银行不会对此进行外包。但是银行的产品线众多，一家银行不可能做到样样精专。过去我国利率不是市场化的，银行的利润丰厚，精细化运营的需求不迫切，但随着存贷差变小，竞争将越来越激烈，各家银行只能专注于最擅长的业务，才能够生存。

　　对比美国的情况，可以清晰的看到行业分工的趋势。在美国几乎没有一家机构垄断产业链的各个环节，网点众多的零售银行就主要进行获客，拥有风险模型的机构负责贷款的审核，投行业务做得好的机构负责资产证券化，最终销售给有投资需求的机构。

　　国内之前的情况是，银行的风控能力最强，随着银行内部专业人士的出走和一些在海外经验丰富的专业人士的回归，渐渐一些外部公司在某些专业领域的风控能力已经超过大多数银行，对于银行来说，将业务外包给这些公司，将会提高运营的效率。

　　数据化风控技术

　　信贷的风控技术基本可以分为两种，分别是信贷员技术和数据化技术。大数金融采用的是后者。

　　信贷员技术是指通过信贷员与客户的交谈、现场调查，反应客户真实的情况。这也是行之有效的方式，优点在于启动比较快，有少量的信贷员就可以开展业务，再由师傅带徒弟来扩张；缺点在于人的培训是有周期的，很难大规模扩张。此外，过于依赖一线人员，道德风险就很难控制，规模大了容易失控。

　　数据化技术壁垒较高，需要对模型进行不断的调试，完成长度、宽度、厚度三个维度的积累。其中，长度指时间足够长，贷款要走过完整的生命周期，让风险充分暴露；宽度指考察的指标足够多，可以充分反映风险的维度；厚度指样本的量要足够多，保证模型的普适性。采用数据化技术，起步比较难，但后期可以迅速扩张。

　　中大额信用贷款模型

　　数据化技术对小额贷款很有效，例如信用卡和小额信用贷款，相关模型也比较成熟。大数金融做的是最高50万、平均20万左右规模的个人无担保贷款，这一细分市场目前很少有机构涉足。

　　这一市场的客群主要是小企业主，但是由于小公司账务不明确，经营有风险，借款的主体还是企业主个人。贷款通常被用于生意投入和企业现金流周转，用户的需求普遍很紧急，大数金融由于是数据化风控，可以做到当天完成审批。

　　如果市场没有相应的服务，这一部分人群就只能走向小贷和P2P，承担更高的利率。因此市场的完善，客观上帮助小微企业主获得了正规金融机构价格合理的贷款，降低了资金成本。

　　在资产获取方面，大数金融的思路是调动传统金融销售人员。数据化风控的好处就是对前端人员要求低，不需要专业化培训，风控也不依赖前端提供的资料，业务员只负责获客就可以了。我国有大量工作负荷不满的信贷、保险、理财、证券类的业务员，都可以作为资产的提供者。

　　大数金融创始合伙人团队均来自于平安银行总行高层和中层管理，拥有发放超千亿无担保贷款的管理经验，在产品创新和风险管理上具有实证的技术。董事长柳博是原深圳发展银行零售银行负责人、原平安银行总行零售总监。创始人团队中陈志坚、王海龙等此前亦均为平安银行总行个贷的风险和业务部门的负责人。（来源：36氪）