
互联网、大数据、同业合作:消费金融“新晋”们的格局观
试点推广以来,消费金融公司发展的巨大潜力得到进一步挖掘和释放。记者通过采访发现,无论是持牌的还是没有牌照的公司,大家对消费金融市场前景普遍持乐观态度,定位“互联网+”、如何运用“大数据”,这些都是行业“新晋”们关注的焦点。
定位互联网消费金融
苏宁消费金融公司今年5月29日开业,迄今5个多月,还处在试运行期,其大股东是苏宁电器,同时还有南京银行、法国巴黎银行以及洋河股份等四个股东。苏宁消费金融有限公司总经理陈鸣说:“我们公司从一开始就定位在互联网的消费金融。同时,因为苏宁有1600多家门店遍布全国,所以提出O2O的零售业务战略,我本人从事消费金融行业有10多年时间,从2005年接触这个行业,到这边来4个多月,让我充分体会到互联网消费金融的魅力。”
据陈鸣介绍,他们把其产品设计叫“互联网+消费+金融”,互联网是一个工具,是一种生态环境,消费是金融服务的对象,现在消费者都上网,所以金融服务也必须上网,同时消费金融的服务应该更加场景化。什么是消费场景化?陈鸣说:“就是将我们的产品嵌入日常的消费场景中,比如我们的任性付产品,就是在交易的环节将贷款服务嵌入其中,不像传统银行,客户到银行贷款,拿到钱后再消费,这两个是脱节的。而我们依托线上平台及线下的苏宁门店,将金融产品嵌入,这是未来消费金融发展的方向。我们还在拓展其他的消费场景和领域,包括家装、旅游等行业。”
陈鸣认为,大数据也是消费金融发展的一个关键机遇,这也是互联网带来的。通过获得各种各样的数据,并对这些数据进行挖掘和分析,为客户更清晰、更精准地做一些“画像”,无论在精准营销还是客户选择上都提供了极大帮助。据其介绍,苏宁在短短4个月已经向1000多万遍布全国的客户发出了预售性邀请。
创新型消费金融公司
马上消费金融公司是注册在重庆的一家消费金融公司,今年6月19日正式开业,股东包括重庆百货、重庆银行、物美控股、义乌小商品城以及阳光保险。据该公司副总裁吴宇建介绍,公司从股东结构来看是相对跨界比较丰富的一家消费金融公司,股东的地域分布也非常广,覆盖西南、西北、华北、华东,实际上是一家创新型、合伙人制的消费金融公司。
吴宇建表示,马上消费金融自成立之初,就将自己定位为一家“互联网+”的消费金融公司。国内的消费金融还处在发展初期,同业之间虽有竞争,但更多的是合作,马上消费金融将始终以开放的姿态与同业更好地进行合作、协同发展。
对于业内比较关心的风控问题,吴宇建说,马上消费金融的风控体系由传统的FICO规则引擎和大数据模型组成,称作双轮驱动。该系统可形象地通过中西医的理念进行理解,传统的FICO规则引擎可以理解为中医,大数据模型是西医,整个风控体系是中西医结合的双轮驱动。
风控基础是大数据,为了达到剔除恶意欺诈和对客户精准授信这两个目的,马上消费金融秉持了一个开放的态度,到目前为止已经接入社保、征信、公安、出行、电商、线下消费场景以及运营商等各种各样的数据,已上线的面向全国陌生用户的现金贷产品,运行效果良好,在一定程度上验证了马上消费金融风控模式的有效性。
合作远大于竞争
未来伴随着消费金融公司试点的全面推开,“牌照优势”或会消失。面对同业间的竞争,业内普遍表示,合作肯定要大于竞争。吴宇建就提出,可以建立反欺诈的黑名单,这种合作将对整个行业带来很大的益处。
中国邮政储蓄银行消费金融部总经理王蓉晖对此表示认同。王蓉晖说,正在商讨与某消费金融公司签订战略合作协议,在融资、反欺诈等领域开展合作。王蓉晖认为,中国的消费金融市场渗透率远远不够,因此市场前景非常广阔。同时在筹建消费金融公司的过程中还发现,这项工作不像传统的银行那么容易去做,因为是在服务小微企业,原来邮储银行做小额贷款,笔均大概5万元左右,现在做消费金融,可能笔均做到几千元,如果想可持续发展,可能需要依托更多高科技的商业模式,或者更便捷、更快捷的服务赢得客户。
京东金融消费金融事业部总经理许凌表示,2014年2月份推出京东白条以来,每天都有近20万笔京东白条小额消费金融信贷在发生,今年还把消费金融引进了教育领域和旅游行业,比如校园白条、旅游白条、租房白条等。他认为,传统金融和互联网方式相结合,通过原有模式和现代的互联网手段、效率和数据创新,可以进行很多产品方面的改造,实现风控能力的提升,最终服务于终端金融消费者。
经过几年发展,中国的消费金融市场正在发生变化。王蓉晖概括了当前的几个特点:一是传统住房类的消费需求,非住房类像教育、旅游等其他类的消费需求都是非常旺盛的。二是农村的需求非常旺盛。三是30岁以下的消费群体增速非常快,说明消费信贷的渗透率在不断下沉。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29