
俞胜法认为,与互联网金融相比,在个性化、定制化、大额金融服务方面,传统金融仍有明显的优势,要彻底去掉传统金融因素是非常困难的,两种运营模式是互补的关系。当然也有竞争,比如在成本上、信息上,尤其是在大数据方面,互联网企业有非常明显的优势,对传统金融行业造成很大的冲击。
以下为演讲实录:
俞胜法:大家下午好!我是来自蚂蚁金服的俞胜法。今天这个主题是“大数据背景下的互联网金融”。一个月以前,蚂蚁金融集团正式成立,有些人对蚂蚁金融可能还不是很了解,大家对余额宝、招财宝比较了解,支付宝、招财宝都是蚂蚁金服下面的一些品牌,包括蚂蚁小贷,原来叫蚂蚁小贷。
今天的主题是“大数据背景下的互联网金融”,蚂蚁金服里边的“蚂蚁小贷”是真正实现利用大数据驱动贷款业务的部门,我觉得是比较典型的利用大数据进行业务创新的部门。借今天这个机会,简单地把我对互联网金融的理解跟大家分享一下,包括三方面内容:
第一,互联网金融和传统金融的关系,我原来是从事传统金融行业的,原来对互联网金融了解的比较少,到蚂蚁金服以后,一方面从事这方面工作;另外一方面,我对互联网金融和传统金融的关系有了更深刻的理解,我觉得双方是互补的、竞合的关系,在大众化、标准化、小额零售方面的金融服务方面,互联网金融是非常有优势的,我也相信,今后在产品标准化或者服务的标准化方面,互联网金融肯定会成为主流。
但是,在个性化、定制化或者大额金融服务方面,我觉得传统金融还是有非常明显的优势,要彻底去掉传统金融因素是非常困难的,这两个不同的运营模式是互补的关系。当然,也有竞争,比如我们在为客户提供这些产品和服务方面,刚才前面几位嘉宾也讲了,会发生很多的冲击,比如在成本上、在信息上,尤其是在大数据方面。像这些,互联网企业有非常明显的优势,对传统金融行业会造成很大的冲击,可能里面有竞争。
互联网金融对消除金融压抑或者推动金融自由化作出了相当大的贡献,比如刚才徐司长讲到余额宝,短短几个月时间,客户量到 8000户,总金额到5000多亿,传统金融行业是没办法想象的,今后互联网进和传统金融会形成差异化的、互补的、共生共荣的金融生态圈。
第二,互联网金融的创新问题。应该说创新是互联网企业天生的一种能力或者禀赋,互联网企业的没有创新的话,可能就活不到明天,这也是所处的环境所迫。互联网企业介入到金融的时候,给我们非常大的想象空间,传统的金融机构,往往以产品为中心垂直化的销售或者服务模式。
但是,互联网金融里或者互联网企业主办的金融里,主要从客户的需求或者客户的需求场景出发,在最合适的时间、最合适的渠道用最合适的产品打造客户最佳的体验,从这个角度讲,我觉得传统金融机构和互联网金融机构最大的区别还是在理念上的区别,思维模式的区别。
我从传统金融机构到互联网企业,受的最大教育是思考问题的模式、方式方法完全是不同的角度,这一点是值得传统金融机构学习的,如果能够用这个理念改造传统进机构的话,我觉得这是跟互联网企业非常好的融合的过程。
利用大数据创新,这是互联网金融机构今后开创性或者非常有前景的领域,小贷就是完全利用大数据,我们给小微企业贷款,不仅仅包括阿里平台上的企业,从客户营销一直到贷款授信监控,甚至到贷后催收都是利用大数据模型进行。蚂蚁小贷中,1/5人是搞数据的,利用大数据会延伸出很多服务内容、新的产品,以后有非常大的潜力。
第三,互联网金融的监管。昨天大家也看到了,互联网金融监管的掌门人谈了互联网金融怎么监管、原则、基本思路,我们非常欢迎监管,也愿意接受监管,对于互联网金融机构的规范的发展、可持续的发展是非常有好处的。
同时,在合适监管的条件下大家才能够在比较公平、公正的平台上一起运作,互联网企业对互联网金融机构的发展是非常有利的,但是,从监管角度来讲,还是要体现底线的思维、体现法治的思维,要给互联网创新留有一定的空间,从业务的角度,从产品的角度, 或者从服务的角度,确实要体现互联网的属性,不能用对传统金融机构的监管方式方法监管互联网金融,希望监管部门能够持比较开放的、创新的监管理念为互联网金融企业的可持续发展创造良好的监管环境。
CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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