似乎有句話我們每個人都會知道，禍兮福所倚，福兮禍所伏。 指福與禍相互依存，互相轉化。而這句話放在金融風控上面也很恰當，凡事過猶不及，當整個行業都在談場景金融，都在談大數據風控時，當人們都覺得大數據與場景相比于傳統的風控手段相比，更加的安全，然而，也就在沾沾自喜的時候，危機已經悄然而至。

　　其實但凡是與數據相關系的，似乎都會與大數據過分的相結合，如今，不光是金融科技公司在談，互聯網巨頭在談，整個銀行圈也在談。

　　城商行、農商行覺得這是彎道超車的機會，國有大行害怕掉隊，金融科技公司對誰都在鼓吹。

　　面對這互聯網金融一片黃金蔚藍，即使以最寬泛的標準算，中國互聯網金融的歷史不到10年。10年前，甚至在為到底是互聯網金融還是金融互聯網而爭論。

　　在行業內，普遍以余額寶成立的2013年作為中國互聯網金融元年。也就是說，互聯網金融這個名詞為大多數人知曉只有6年。

　　所謂的金融科技公司或者平臺公司，僅只是監管機構一度對互聯網金融這個名稱表述偏負面，各家想出的替代詞。

　　在這短短的幾年當中，又有誰能說自己是這方面的“行業專家”呢?在這個行業放過千億貸款，而又經歷過經濟周期、信貸周期的，只有很少一群人。多數人只是好風憑借力，送我上青云罷了。

　　經濟周期上行時，萬丈高樓平地起，只要不出大格，都沒有事。一旦風停了，無根高樓宴賓客，越是喧囂，越是熱鬧，越多人粉身碎骨。其實這些，很多人又未嘗不知呢?

　　二、

　　大數據風控和場景。其實在之前，筆者也曾說過大數據和場景的，或許只是沒有說的那么透徹，想要了解的，傳送門(場景化消費借貸——教育分期貸糾紛四起，借貸教育需謹慎)http://www.zu001.cn/itonline/hlwjr/395151.html，在這片文里，筆者也只是一筆帶過相關于場景對于風控的作用。

　　很多人認為在線信貸的核心是大數據風控。這樣說，確實沒錯，但對比10年前、5年前、甚至3年前，這一塊的門檻正逐步降低。

　　整個行業在線信貸的余額已經幾萬億了(P2P目前9000億在貸，24家消金公司總在管信貸余額4200億，花唄借唄8000億，三家互聯網銀行在管信貸還有6000億，其他銀行放款也不少，只是缺乏公開的統計數據……)

　　人才是流通的，建模的各種方法論在頭部平臺里已經不是秘密。

　　建好核心團隊，招985、211數學和統計學專業的好苗子培養形成梯隊，風控團隊的建設幾乎都模板化了。

　　大數據是標配，數據大才是關鍵，只有數據才能撐得起場景

　　全國范圍內合法且有價值的數據源只有那么些，無非征信、銀聯、運營商、公安、司法、工商、稅務等等。公積金、社保、房產這些，征信報告有一部分，其他的就需要一個城市一個城市和當地政府部門談。至于人臉、評分、多頭、反欺詐，也就那么幾家眾所周知的公司做得不錯。

　　若無自身特色數據，絕大多數在線信貸的數據源和風控方法論是趨同的。

　　若不是少數經歷過周期的人在操盤，大多數平臺每天幾千萬、上億的放款，會放到很多人心里發毛。

　　特色數據哪里有?所有人的眼睛都瞄向了場景。

　　好是好，但似乎也并不是那么完美!

　　場景金融好不好?好!這一點毋庸置疑，因為場景的消費決定了人的檔次與層次，所以風控也相對準確，而，面對這樣的風控模型能不能干的成呢?干得成!肯定是能干的成的。只要場景是真實的，數據是真實的，假以時日，一定會有人干成。但是數據和場景模型的構成是需要成本的，經濟成本與時間成本。在這一過程中，作為債權人需要花費多少億呢?這是值得我們思量的。

　　據了解，很多稍微有點資本的公司，踩過的坑造成的信貸損失肯定是不會少于一個億。每一份風控模型，(亦或者說是經驗)的背后，都是海量的試錯成本。

　　在這里，筆者舉個例子：

　　運營商經常在推0元購機，只要客戶定制100-300元不等的2年或3年話費套餐既可拿走不同價位檔次的手機。背后的邏輯是金融機構的一筆手機分期貸款，運營商每月從客戶繳納的話費中扣除一部分歸還貸款，甚至連利息都是運營商貼。

　　有交易有場景，還是受托支付，運營商合作又最大程度降低了欺詐風險，人群又是主流人群，話費是穩定支出……

　　從數據模型上來看，頭3個月好得嚇人，十幾億的放款，回款率高到嚇人。但1年后，逾期率大幅上升，當你看到數據惡化，開始收業務時，完全遏制不住，3年下來核算財務不良超過了10%。

　　不是人群出現了問題，也不是風控出現了問題，反查客戶評分，客群質量完全沒問題，若是正常的幾千元現金貸款，不良率會在1%左右。

　　問題就出現在了消費場景

　　一臺新手機的客戶蜜月期只有半年到1年，1年后手機使用速度會明顯下降，更何況質量再好的手機品牌，使用1年后故障率也不小。手機都壞了，客戶就不愿繼續歸還貸款了。

　　由于是0元購機，客戶的話費套餐一般比較高，超出了實際需要。當新款手機出現時，客戶有極大動力換新手機。手機都換了，老手機的高額話費套餐客戶怎么會繼續繳納?

　　運營商員工在營業網點推薦業務時，都會重點講0元購機優勢，談到貸款基本是一筆帶過(反正運營商貼息了，客戶不出錢也不太關心)。造成雖然所有客戶都簽署了紙質貸款合同，但未必100%都知曉這是一筆分期購機業務，當你催收時，很多客戶會否認貸款。

　　你看，介入這個場景中，沒有人故意害你，風控上你也沒出任何紕漏，但卻莫名其妙的卷入了手機交易糾紛、質量糾紛、貸款有效性糾紛。你背了一身壞賬，客戶還要因為人行征信被記錄，向人行投訴你。

　　這樣的業務，直至今天還在全國大范圍開展。永遠有后來者躊躇滿志的跳進去，而吃過虧的人永遠在河岸上笑而不語。

　　另一個例子是長租公寓，客群也非常不錯，都是一二線城市對租房品質有一定要求的年青人。白領上班族，剛需，受托支付，逾期電子鎖還可自動鎖房。粗看下來，真是做租房分期的好場景。

　　那通過客戶拍照聲明解決貸款知曉度問題，就意味著這是一項好業務呢?未必!客戶的長期租房貸款打給了長租公寓公司(一般1年以上，因為租賃合同上寫的基本都是一年)，長租公寓公司拿著客戶的錢集中和房東租房、裝修，租金支付周期一般都是按月或按季。在行業穩定不繼續瘋狂擴張前，這就是一場和現金流賽跑的游戲。一旦長租公寓公司資金斷裂，是無法繼續支付房東房租的，房東沒有收到房租，當然會收房。而尷尬的是，租客已經付過了房租。這個時候，你的貸款還怎么收得回?

　　除了信用風險，場景本身就有場景風險。除了資金斷裂，裝修甲醛超標一直也是大問題，租客死了都沒解決，更別談貸款了。

　　降低風險，提高風控效率，必須將大數據與場景相互結合

　　但金融從來就不僅是數據及算法而已。互聯網并沒有創造場景，場景它一直在那，無非是用不同的方式呈現而已。

　　場景有場景的特點，若非世事洞明，又怎能弄清一個行業的背影。數據成就你，也會欺騙你。在發現錯之前，你一直都是對的。

　　個人的消費習慣與環境成就了場景，而在場景中所消耗的貨幣，便就成了場景金融的前身。對于場景金融，它的歷史比互聯網金融長得多。每一筆分期貸款、每一筆供應鏈貸款的背后，又怎會沒有場景?

　　并不是場景遇上了互聯網風險就會變小，而是場景遇到了懂得該場景的行業專家風險會變小。用大數據風控切入場景，算法工程師和行業專家同等重要。

　　人性有人性的弱點，若非人情練達，又怎能了解人內心的陰影。純粹的好人和純粹壞人一樣稀少，大多數人內心有善也有惡。

　　真正珍貴的從來不是算法和數據，而是你踩過的坑，見過的血，受過的傷，死過的人。沒有見過大的不良，幾千萬上億壞賬出現時，別談控制風險，或許，當你面對的時候，都會亂了方寸。

　　你積累的一個個經驗和教訓，會讓你在風險塌方時，在眾多機構撤退搶路的修羅戰場握得緊劍、拿得起刀，從容面對。