放棄搜索引擎后，用錢寶是怎么做“變革性”金融服務的？

在前不久的創新工場年度峰會上，創業導師李開復談及投資經驗和趨勢時，將金融放在了人工智能之內。他認為，“金融改革和創新的機會在于它里面核心的技術，無論是人工智能的技術，還是區塊鏈的技術。”那具體而言，他會投怎么樣的金融科技公司呢？

一個例子是用錢寶，它為用戶提供500-5000元的小額貸款，期限在一個月內。由于不是持牌金融機構，用錢寶會與銀行及消費金融公司深度合作，為他們獲取客戶，做風控，他們作為放款主體來發放貸款。目前用錢寶每月有四五十萬的貸款量，上個月的放款額達到6億元。

用錢寶服務的則是傳統金融機構無法服務的人群，如服務員、業務員、私企文員等。這部分人群征信數據缺失，而目前也少有適合他們的信貸產品。

目標人群和交易數量都不是傳統金融業務擅長的，所以用錢寶最關鍵的是基于機器學習的大數據風控技術。公司創始人兼CEO焦可告訴雷鋒網 (公眾號：雷鋒網) ，現在每天放出2萬筆貸款，全由機器完成。他們會從數百個維度考察借款對象，這顯然是人類無法完成的。相比之下，傳統銀行的風控雖然也是基于不斷的學習來完善，但學習的主體是人，基本的維度和特征點很少，一般是十多項。

據了解，用錢寶累積融資額已超過2億元，投資者包括晨興創投，源碼資本，洪泰基金，創新工場，光信資本和51信用卡等。

從搜索引擎到用機器學習做風控

焦可創業的第一個項目不是用錢寶，而是貸款領域的搜索引擎，貸小秘。當時他們的想法是消除市場上的信息不對稱，讓貸款者和金融機構都能找到對方。但后來他們發現，金融產品同質性比較嚴重，這就像網站內容都一樣，那做搜索就價值不大。但在這一過程中，他們對傳統金融的方式和思考邏輯有了深入了解，也發現了傳統金融照顧不到的領域。

他們發現，真正的問題不在于信息不對稱，而是金融機構的服務能力有限。傳統金融的貸款，會基于用戶的強特征（如是否有房，抵押品，工資流水和社保等數據）來做出判斷，但很多人群這類信息缺失，以至于服務覆蓋率低。以信用卡為例，據統計國內目標人群大約在5億人左右，而發卡賬戶總量約為2億人，其中有巨大的落差。于是他們決定服務這類非銀行金融用戶。

焦可和核心團隊均是技術出身，曾在百度和趕集等公司任職，百度T6級別的技術大拿就有十多個，公司自然也以技術為導向。那么，哪一類金融服務可以用技術手段去覆蓋廣泛的需求呢？焦可的答案是短期小額借款。他發現，月光的年輕人經常工資沒發就把錢花完了，有小幾千的借款需求，月初和月末為甚。傳統銀行沒法滿足這種需求，一般不會只借數千，也沒有能力做這個事（征信數據不全）。

對于借款的額度和期限，焦可也有自己的考慮，他表示，“從需求和有足夠樣本來定價，這是當初選擇這種產品的考慮”。單從技術上說，風控模型需要有好的樣本量，而小額短期的業務就特別適合去積累適合的樣本。

以6億的放款額為例，如果是傳統方式，5萬元一筆就只有1.2萬筆，如果每期半年，一年會有2.4萬個樣本；但用錢寶一個月可以做到40多萬筆，每期一個月，一年可產生480萬樣本量。這樣的數據量才能發揮機器學習的優勢。

當然，并非所有業務都適合機器學習，比如抵押業務，有些抵押業務金額較大，一個月僅數百筆，每年的樣本有限，不夠訓練模型。

“不僅懂業務，還有業務”

目前做大數據風控的公司不少，不過焦可認為，相比其它提供風控服務的公司，用錢寶也有自己的優勢，主要體現在不僅懂業務，還有業務。

他表示，金融機構的還款數據一般不會對外公示，這讓做通用模型的公司很難拿到。即使是在美國，通用模型的效果也不如專業模型，它可以做基本的東西，但對具體的業務來說不夠，比如FICO做基礎分，但各公司只用它做參考。

“用錢寶除參考用戶是否還款這種簡單的數據外，還利用是否提前還款，是到期還或逾期還，逾期后又如何處理等，這些業務數據都會回饋給模型，而這種迭代深度是通用型模型做不到的。”

另外，他認為做通用風控模型一般適合BATJ這樣的公司，比如芝麻信用，因為他們天然在渠道和效率上有優勢。

而創業公司，在焦可看來，更重要的是從不能到能，擴大金融業務的能力和覆蓋率。他把新的金融技術分為技術型的變革，以及渠道和效率的改良。

“我認為改良適合大公司，創業公司要知道哪里可以破，不破不立，拓展新的業務機會，擴大傳統的Ability，要做變革性的東西。”

未來用錢寶會繼續關注當前的產品。雖然現在每月有四五十萬的貸款量，但與市場比起來量還很小。每個月有多少年輕人遇到錢不夠花？焦可給出的數字是千萬級。所以他認為還有很大增長空間，短期重心仍是小額短期產品。當然，如果非銀行用戶有新的需求，而這種需求可以被技術更好地滿足，一定會去提供更多產品。