从今年起，持牌金融机构，尤其是银行、消金等个人数据应用较多的信贷机构，已经开始大面积地将风控业务数据来源从数据公司迁转到百行、朴道等个人征信公司，以达到合规要求，同时，按照央行的助贷管理办法，银行、信托等资方也在持续开展助贷渠道数据的“断直连”工作，对金融大数据行业产生了很大冲击，数据行业受此影响，“巨头转型、中小关门”现象十分突出。

疫情持续期间，金融机构业务线上化比例正在日趋提高，征信管理办法实施后的数据源变动，对金融风控等科技应用产生了较大影响，主要体现在：

1.央行征信外的替代数据源减少，风控模型的质量和效率降低。

央行征信业务管理办法将数据源统一规范至征信公司管理，但在数据实际归集过程中，央行征信外的合法数据源大多来自于公安、运营商、工商、社会保障、司法、税务、电力、铁路、航空、地方政府等与央行具有同等行政管理权限的部门，这些部门机构下的数据服务部门都有自己所属行业的数据安全要求和标准，让他们都按照央行要求申请征信牌照，接受央行的数据统一管理，目前从条块分割的行政管理体制上来说十分困难。目前的金融科技大数据风控模型，特别是个人信贷业务风控模型，对公安、运营商、司法、工商、税务、地方信用等替代数据应用有较强的依赖性，一旦征信业务管理办法严格实施，金融机构将可能面临除了央行征信之外“无数可用”的境地，线上风控模型很可能将回归传统征信模式，各家金融机构的风控模型基本同质，其场景差异性审核必须结合线下手段，使得线上风控模型的效率降低，质量也可能有所下降。

2.金融科技服务能力弱化，风控成本上升。

在金融的数据服务市场上，企业端和个人端的数据调用比例大约是1:9，个人端服务占据绝对地位，在市场需求驱动下，目前还有数千家数据公司服务于金融需求。根据此次央行征信管理要求，今后这些数据服务均要集中到某几家征信公司上，而该几家征信公司的系统和服务能力肯定无法满足全行业金融机构的需要，导致金融科技整体服务能力显著弱化。服务提供稀缺后，通过征信渠道合规提供的数据价格必然抬高，部分数据成本今年已上升了50%，导致金融机构线上贷款的数据服务变差且成本高企。在金融机构无法提高贷款利率情况下，线上贷款的利润空间将大幅度缩小。

3.合规化数据管理将促成隐私计算的普及化。

替代数据在线上大数据风控模型中不仅起到增加判断维度，还是重要的模型因子算法优化手段。随着征信条例的落实，由于征信公司目前并不占有大量数据，金融机构的风控模型进行算法优化出现了很大问题，在此情况下，通过设立专有云，与数据公司及相关非征信数据源直接建立隐私计算平台进行联合优化，就成为金融机构突破征信条例且合规进行大数据模型优化的唯一选择。近期不少大型银行保险等金融机构都在招标建设隐私计算平台，预计2022年隐私计算还将会有一个较大的市场增长。

4.小型金融机构科技升级受阻，亟需有新的数据服务模式加入。

对于尚未摸索或建立起成熟线上体系的小规模金融机构来说，2022年征信条例实施后，其转向大数据线上金融科技之路愈发艰难。一方面，垄断的几大征信公司无暇顾及小规模金融机构的服务需求，无法提供相应的咨询和接入服务；另一方面，过去成熟的线上大数据模型，因数据因子变化，无法为小规模金融机构的线上化转型提供经验依据，导致小规模金融机构数据科技实践的试错成本大幅度上升。不少农商行、小贷、担保等金融机构的科技自主升级速度因此变缓，而转向与金融科技企业采取产品层面的系统化外包服务，使金融科技的风险与收益外部化，这也成为不少数据科技服务企业转型的路径。

金融大数据发展的未来

从国家总体政策导向上看，随着社会诚信体系的完善，征信数据的应用还将会有较大的增长空间，未来金融科技的发展还将会以数据应用作为主要基础，征信条例实施的影响将会长期存在。金融机构和数据服务企业采取何种模式来应对新的合规环境要求，将是决定金融科技行业发展的重要立点。对此笔者也有几点基本看法供行业参考：

1.通过与指定的几家征信机构合作，解决现有数据服务能力的延续性。

今年以来金融机构数据服务普遍要求向征信机构转移，一些数据服务企业的原有市场被迫停更，金融机构也因此中断一些产品的投放。针对此类情况，目前主要的解决方案仍是征信迁移，即数据服务企业将自身的数据源和相应服务转签给某一家或几家指定征信公司，由他们作为代表与金融机构重新签约并延续服务。在此过程中，一些中小数据服务企业因过不了征信机构的合规审查关而不得不终止业务，而延续服务的企业为支付通道的分成，将不得不提高服务价格，市场上的数据服务价格大幅度提升应该是大概率事件。对此，使用数据服务的金融机构可能会在产品设计中优化数据使用流程，避免多次调用带来的成本上升，由此降低整体数据调用频次。

2.数据服务能力将由消费端逐步转向生产端，面向小微企业的线下IPC仿生逻辑模型将可能成为新的金融科技服务方向。

消费金融的数据风控模型大多建立在相关性盲盒式算法基础上，通过风控经验选择数据因子，根据结果与因子间相关性优化算法，这类算法的准确性依赖数据因子的多样性以及积累足够的数据量。征信管理办法实施后，迫于数据源和可用数据量的减少，此类算法的发展空间将受到很大挤压。与此同时，随着政策偏向于生产端金融服务，风控使用传统IPC法成熟的交叉验证逻辑模型，其对行业及场景经验数据维度需求多，但数据量要求少，可充分利用现有金融风控人员经验，试错成本低，这些风控能力的优势将会被金融机构重新发现重视，由此促进逻辑经验模型与数据模型的结合，形成经验为主、算法为辅的新的金融科技发展方向。在这个方向上，强人工智能的仿生技术可能会替代以往依赖算力的弱人工智能数据算法，是金融科技公司应考虑布局转型的方向。

3.从科技服务转向金融风险运营服务，将是解决中小规模金融机构科技服务合规性的重要手段。

中小金融机构科技能力弱，线上化转型过程缺少征信机构合规能力的支持，以往多依赖助贷机构进行科技服务，在“断直连”后，一些缺少积累的金融机构无力自建体系，采用类似信用卡发展初期的产品经营外包委托模式，便成为了一种可能的发展路径。目前已有部分数据服务公司和助贷机构，将风险运营包含在交易银行模式中开展受托打包服务，在严格执行数据“不出门”的情况下，不失为一种变通的市场运营模式。

4.开发“Mydata”模式，通过合规主体独立授权，解决金融营销数据服务合规问题。

个人隐私保护是目前金融机构数据利用过程中的合规基础之一，征信管理办法将数据源简单归集到了征信持牌机构统一管理，但并未完全解决我国类GDPR管理模式下个人数据权利转移的合规边界问题，很多替代数据目前均存在使用边界不清晰，数据确权难的情况，征信机构在数据使用中也存在大量合规性问题。尤其是金融机构营销时需要使用未授权标签数据问题，一直是金融大数据科技发展的合规难题。2014年以来欧洲兴起的“Mydata”模式，通过个人数据使用收益共享模式解决隐私授权，从而解决数据确权流通问题，已成为国际上解决营销数据使用的主要模式，韩国2022年1月实施了相应的法律，将目前1.0的数据集中型征信模式转变为2.0的分布式共享数据模式，为交易银行的数据应用开启了新的应用前景，值得金融行业重点研究。目前我国的绿色金融碳积分已做了类似探索，该模式可能成为国内数据交易所唯一可能实现数据流通的商业模式，是金融大数据行业可见的趋势性方向。

5.隐私计算叫好但不叫座，需要与数据服务结合形成组合拳。

隐私计算可以解决数据算法优化中的数据调用合规问题，但其部署仅解决了合规性问题，但无论是沟通成本还是使用方便性相比之前都有不足，大型金融机构部署隐私计算系统往往都为了应付合规审计，实际应用部门在使用中积极性低，导致隐私计算平台大多处于部署完毕却无米下锅的状态。征信管理办法实施后，会倒逼隐私计算市场的普及，但真让市场认可并发挥隐私计算的能力，还需要金融科技企业探索将隐私计算与数据服务结合的模式，通过解决金融机构风控或营销的实际需求，才会有长久的市场空间。

来源：信贷风险管理

申明：本文转载发布仅供学习，版权归属原作者

END