数据市场乱象何解？资深行业大佬：三大参与方亟待明确业务边际_风闻

在科技的推动下，数据处理能力和风险控制能力已成为互联网金融业的核心竞争力。

但在过去的一整年里，接连不断的行业事件持续冲击着互金的这一核心能力。

无法避免的，“数据”成为了强监管、高压整治的主要着力点，也成为今年业内最为敏感的话题之一。

不过，除了聚焦关于数据产生的乱象、造成的恶果之外，正视它“为什么会产生这么多问题？是什么造成了接连不断的违规事件？有没有方法能够避免使整个市场再次陷入旋涡？未来市场又会朝什么方向发展？….”等问题同样值得探讨。

金融科技苦哈哈，做数据或只为“补贴家用”

为什么会频频出现数据乱象？

讨论这个问题我们需要一个稍微宏观点的视角。这里可以借用行列秩联合创始人常智超在新流财经第五次研讨会上分享的结构性理解方式，将数据市场理解为三个参与方，分别来自三个层次：业务方（层）、工具方（层）和数据方（层）。

图片来自行列秩联合创始人常智超的演讲演示

目前，整个互金行业的聚焦点都集中在工具层上，包括专注于设备指纹、爬虫、模型算法等科技公司成为了行业的敏感企业。之所以会造成现在的局面，是由于上述结构关系并不明晰，参与主体存在介入对方主业的问题。

具体而言，工具层会因为利润以及各类模型迭代更新的需要，会将自身业务下沉至数据层；而目前国内对数据层一边是严监管，另一边则是相对缺乏的规范指引措施，使得工具层目前处境尴尬；此外，业务层会因为自身逐渐成熟的科技技术和较好的终端市场表现，会开始对外输出自己的金融科技成果。

造成的结果就是，工具层下沉之路被监管堵死，上游业务层已经开始下探至金融科技领域，工具层在中间仿佛成了夹心饼干。

“为什么科技公司会去做数据那块儿的业务，这其实跟主业不赚钱密不可分。事实上，如果科技公司的人员产出比能够达到数据层的哪怕三分之一，我相信巨大部分科技公司都不会去做数据的事情。”

“因为工具层的人不是做数据出身的，工具层的人员更多的是专注于技术、研发、模型之类的事情，作为IT人员，他们是不屑于做数据的。”

“可是，纯做金融科技目前并不赚钱，长此以往当然是难以持续的。”

“其实，专注于技术，工具层的科技公司规模顶多在百人即可，但是为什么有那么多公司的规模会突破百人，甚至数千人呢？粗俗的理解就是为了‘补贴家用’。”常智超说道。

此外，客观来看，国内的金融科技水平在世界范围内处在头部领先区域，这从国内企业不断将金融科技输出海外市场可以加以证明。

但是，在数据层里面，国内除了央行征信、百行征信以及公安的公民认证系统，对外并没有其他官方认可的数据主体的存在，所以在数据严监管的情况下，各方会出现数据断供的问题。换言之，国内的数据层仍然是一个尚待开放的市场。

对此，常智超颇有些无奈，“所以，从技术的角度来说，科技公司等不了啊，他们需要更多的数据来迭代模型、更新技术，来持续输出金融科技成果，所以没有主体提供数据，那他们就会自己来做，自己掌控，实质上也有被动的因素在里面。”

“刚才说的都是工具层下沉至数据层，但还有一个现象就是，业务层也将下探到工具层领域。”从长期来看，常智超认为，各类业务公司（无论是银行、消费金融公司，或是小贷公司）都会有一个共同的需求，那就是尽可能地摆脱对外部第三方科技公司的依赖，这可以说是金融科技公司的一个宿命，这跟2008年阿里巴巴提出“去IOE”是一个道理。

事实上，这个趋势已经有业务方在推进了。“现在甲方也开始对外输出金融科技了，除了服务于自身业务体系内的需求，甲方也在扶植业务体系外的主体，如各类城商行、信托等。这就使得甲方和工具层主体之间的关系变得微妙了。”

厘清业务边际，金融科技亟需引入活水机制

其实，从上述的沟通中可以了解到，如果未来数据市场的三个参与方能够有较为清晰的层级结构，明确的业务边际，绝对的合规红线，那么之前的一些乱象很可能会得到较大的改善。

对于工具层而言，未来的理想状态是，工具层只专注于技术研发，从而使上游（业务层）难以超越，得到甲方的认可；同时，针对下游，工具层能得到相对公允的价值评估，进而得到合理的利润收入，从而避免越界行为的出现。

简言之，各层做各层擅长的事情，工具层聚焦技术，业务层优化运营，数据层合规提供材料，各司其职，尽可能避免越界事情的发生，以及尽可能减少违规事件对整个市场的负面影响。

“当然，这也都是后话了，目前监管的意图其实也很明确，就是要通过严监管出清违规的金融科技公司，必须敲响绝对的行业警钟，等到金融科技这一池塘的浊水净化之后，相信当局会着手引入活水机制的！”一家金融科技公司的业务负责人许伟表示。

实际上，除了数据行业结构性欠缺所带来的问题之外，还有一个根本原因很可能是因为行业壁垒过低，由于互金行业整体规模在过去四五年里高速增长，外加行业规范及准入机制的姗姗来迟，自然地，鱼龙混杂的参与者都将涌入金融科技这一池塘。

在许伟看来，数据公司其实是不具备技术壁垒的，行业内的头部公司和尾部公司的技术差距并不明显，关键是在人力资源上的差异，头部公司所聚拥的精兵将会更多。但硬币的另一面是人员流动性的问题，那么归根结底就是资本角逐，并非是技术储备。

这也就可以理解行业在如此风声鹤唳的情况下，监管方仍持续加码整治力度，这也是为了从根本上扭转市场预期，消除各方仍可能存在的侥幸心理。

但任何事物的主旋律都应该是“发展”两字，行业的“宵禁管制”不可能长期存在。

中国互联网金融协会战略部负责人兼标准研究院副院长肖翔于去年12月初表示：“金融机构与金融科技公司有必要按照‘疏堵结合、趋利避害’的原则，对金融机构与金融科技公司合作进行规范管理。总体上，展业范围与牌照相匹配，风控能力与规模相匹配，合作权利与责任相匹配，数据使用与授权相匹配。”

这意味着行业管理者已着手制定规范机制，未来金融科技以及数据使用的权责划分、行业准入和业务边际将会更为明确。

“一主多备”“非同源数据”被搬上台面

受2019年互金行业内各种事件的影响，目前至少产生了两个较为明显的结果：

第一，针对个人信贷行业的风控数据的种类急剧减少，整个信用评估体系受到较为剧烈的冲击。从结果上来看，原来很多有待开发的潜在用户被迫放弃了；

第二，信用贷款规模增速出现了暂时性收缩。由于金融机构的信贷产品需要不断更新迭代，但原有的信用评估体系被打破，旧产品会逐渐消亡，导致现有的产品生命周期大幅萎缩，在这段时期内就会出现贷款规模收缩的情况。而客群也将随之发生迁移，从旧产品迁出，汇聚到新的信贷产品中。

从上述结果来看，新的产业上下游合作关系将被催生出来。未来对风控数据的使用将趋于理性，相关配套的存储、加工、以及人才储备等环节将会规模化，同时会有大量关于数据协作的技术诞生，这会是未来大几率将要发生的事情。

在这里面，联邦建模被业内给予了厚望，希望通过它实现合规的跨组织数据合作。但据业内人士透露，目前国内的联邦学习离真正的数据可用还有相当的距离。

常智超认为，现阶段金融机构和科技公司的联合建模仍然存在问题。形式上双方在联合研发风控模型，但实质上是变标不变本，是一种假联合，内部还是存在原有的数据计费关系。

“这里有双方原有业务惯性的问题，也有这种联合建模在业内没有先例的客观因素，双方就项目或业务的分润存在各自的理解。”他表示，但更重要的是，目前对数据使用的定性问题仍然没有结果。

所以在面对上述信用评估体系以及信贷规模增速受到的影响，目前金融机构更多的是将原来并不被重视的“一主多备”和“非同源数据”策略大大置前于台面上。

事实上，类似于数据断供这样的事件在2019年以前是极少出现的，对金融机构而言算是黑天鹅事件。但2019年这类事件陆续发生，这对金融机构的业务影响非常大。

“所谓‘一主’，无论是数据源还是模型，主要是要保证数据的持续性。这要求金融机构能够通过其他渠道获得同一类型的数据或是同一来源的数据；所谓‘多备’，是要防止数据或是金融机构业务的效果下降。”

“以往科技公司通过更多模型的组合来达到更出色的业务效果，如KS测试值从30提升到35，但现在的诉求是，保证通过各种非同源数据维持模型KS值30的效果，避免KS值从30下滑至25的事件发生。”常智超称。

据了解，如果金融机构未能有效运转“一主多备”和“非同源数据”策略，在发生数据断供事件后，金融机构的业务运营及配套系统都将出现混乱局面。

例如前端用户通过率可能会出现大幅上升或大幅下降的情况，导致后端运营管理的难度增加，进而对之后的贷后环节、不良资产定价环节造成影响。

换言之，行业上下游的参与者都将受到波及，影响将非常大。这也是为什么“一主多备”和“非同源数据”策略会愈发被重视。

实际上，互联网金融本质仍是金融，其活动始终没有超出资金融通、信用创造、风险管理的范畴，而金融的核心仍然是风控，这离不开数据市场的助力，金融科技企业的加持。

可以肯定的是，合理的驾驭数据绝对能够造福于整个社会。面对寒冬，请大家多留一分守候，多给它一些时间。