
不设实体网点 微众银行探索人脸识别和大数据信用评级
“我们更像是一个金融系统的‘补充者’。”在深圳田厦国际中心A座37层,深圳前海微众银行(以下简称“微众银行”)总部所在地,行长曹彤对《经济日报》记者表示,小微业务在理念上、实践上均已受到银行业高度重视,微众银行希望做的,是如何在各家银行已经提供的基础上,以更低成本、更高效、便捷的方式提供更多服务,覆盖更多群体。
“现在正处于内部试营业阶段,主要测试3方面内容:跑通系统、设计更合理的产品、测试风控模型。”曹彤表示,目前这3方面进展均比较顺利,希望尽早正式对外营业。
深挖消费信用贷款
在微众银行希望提供的“更多服务”中,具有小额、无抵押担保特征的“消费信用贷款”是一大亮点。1月4日,李克强总理在此为卡车司机徐军发放的3.5万元贷款即属于这一服务的典型案例。
从客户定位上看,微众银行聚焦工薪阶层、自由职业者、进城务工人员,以及符合国家政策导向的小微企业和创业企业。
面对如此庞大的群体,微众银行将如何获客?如何发挥网络银行的优势?
据悉,该行目前采用主动授信模式,整个业务流程全部线上化处理,走轻资产路线。“比如卡车司机、保姆等,他们的单笔业务偏小,需要走量,这就要求银行的成本更低、效率更高,因此需要采取线上模式。”微众银行副行长黄黎明表示,暂时还没有设立实体网点、客户经理的打算。
为快速定位这部分群体,微众银行选择与APP平台合作。据了解,徐军就是该行通过“货车帮”平台搜索而来的客户,“货车帮”利用自身积累的司机、货车、物流等数据,筛选出符合放贷要求的司机,微众银行则为之提供金融模型。
一位业内人士表示,很多互联网平台对实体产业需求很敏感,早已通过网站、QQ群、APP等方式搭建了信息集成数据库。互联网银行的角色之一,是发挥线上优势与这些既有平台合作,挖掘实体产业中尚未被传统商业银行发现的金融需求。此外,由于目前受面签开户、弱实名电子账户等规则影响,网络银行必将依靠同业合作,由此实现了上述客户资源与传统商业银行交叉共享,进而拉动传统商业银行的互联网化步伐。
新的风控尝试
从徐军3.5万元贷款的发放流程来看,无抵押担保、线上化处理的背后,风控主要依靠的是人脸识别技术和大数据信用评级。
据黄黎明介绍,由于以小额、分散业务为主并采用线上模式,银行最关注的是伪贸欺诈风险和信用风险。人脸识别技术主要预防欺诈风险,即判断一个人的身份真实性、意愿真实性,了解账户的实际控制人和交易的实际受益人。
“从整个行业看,除了人脸识别,指纹、声波、虹膜等生物识别技术都已日渐成熟,并运用在很多场景和金融领域。”曹彤说,该行的人脸识别正处于内部测试阶段,能不能最终走向市场并得到各方认可,还需要不断与各方互动。
大数据信用评级则更多用于预防信用风险,即通过征信信息来判断客户的还款能力。目前,各家商业银行发放网络贷款时,授信审批的基础数据来源是央行征信系统,补充数据是银行自身数据库,即存量客户在该行的业务数据,如负债、资产、资金交易情况等。最终贷款额度确定、发放获批,则是内外部信息交叉审核的结果。
“未来会不断吸收多元数据加入,包括在客户同意的前提下从合作伙伴那里获得一些数据。”曹彤说,目前,人脸识别、大数据信用评级还只是微众银行做的相关设想和尝试,在线银行到底采用什么模式,上述风控模型能不能跑通,均有待实践。
对内开放的标杆意义
在微众银行内部试营业的同时,其他民营银行获批开业的进程也在加速。1月28日,上海华瑞银行成为第二家获批开业的民营银行。由此,在2014年批筹的5家民营银行中,还有浙江网商银行等3家尚在筹建中。
民营银行之所以广受关注,在于其标志着银行业对内开放扩大的标杆意义。
实际上,民营资本进入银行,法律上本身没有障碍,实践中也较为普遍,主要方式是通过兼并重组和在银行改制、改造的过程中进入银行业。
“真正由民营资本发起设立的还比较少,真正自担剩余风险的并不多。”中国银监会主席尚福林在试点启动之初曾表示,试点主要是试行自担风险的新机制。具体来讲,一是让资本说话的公司治理机制,二是让资本决策的经营管理机制,三是让资本所有者承担风险损失的市场约束机制。
之所以强调自担风险新机制,与银行的经营活动外溢性、风险外溢性有关。作为资金配置中枢,一家银行发生问题都会产生系统性影响。为此,银监会对试点民营银行提出3条监管思路:一是按属地原则监管,即在哪里试点,就由当地银监局负试点责任,守住不发生系统性和区域性金融风险的底线,让金融成为一池活水;二是按照统一标准实施审慎监管和行为监管,特别是强化对关联交易的监管;三是严格风险控制和处置,按照风险为本的原则,强化银行内控制度建设,防止风险外溢,确保存款人和相关债权人合法权益不受损失。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04