1、孔 德 云36氪研究院2017年 9月如虎傅翼 革故鼎新FinTech行业研究 报告2 金融是在不确定的环境中进行资源 跨界的 最优配置决策行为，其本质是价值流通 。在目前阶段，科技的介入可以加速解决 传统金融的 信息采集、 风险定价模型、 投资决策、 信用 中介等 痛点，大数据、云计算、人工智能、区块链等均是 FinTech重要的技术维度驱动力。报告摘要科技 与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中产生的风险控制作用大数据风控发展较快，区块链和智能投顾仍处于早期阶段。就目前来看，具备一手信源，在数据 维度、量级和鲜 度上具备优势的大数据风控公司和持有牌照和用户存量的互联
2、网金融公司转型为智能投顾公司，都具备一定优势。 大数据风控作为征信数据覆盖不足的补充，具备一定参考价值，目前该领域发展较快，数据维度、量级和鲜度足以构建壁垒，但仍存在 信息孤岛、维度割裂现象 ，独立性问题也饱受质疑。目前，其在 金融行业的 应用主要包括风险 控制、风险定价、舆情分析和精准营销 等领域。 区块链 技术是 一种基于 P2P网络协议的分布式数据库， 解决的是价值传输的 问题，数字货币是其目前最成熟的应用。目前，区块链还处于极其早期的 阶段 ，理论上区块链可应用于资产 证券化、记录存证、跨境 支付、物 联网、供应链金融、智能 合约等多个场景。 智能投顾领域，美国发展较为 成熟 ，中国超
3、过 78%的智能投顾企业还处于A轮以前，整体行业还存在巨大发展空间 。另外，由于我国市场有效性和参与者构成都于美国有较大差异，不可 照搬美国产品，只能开发适应中国市场特色的智能投顾产品 ，技术难度也将 远超美国 。36Kr-FinTech行业 研究 报告2017.9目 录 Contents一 . FinTech行业综述 FinTech发展历程 FinTech发展驱动力二 . 大 数据风控 大数据风控行业概述 大 数据风控产业链图谱及参与者分析 风险之一 欺诈风险分析 风险之二 信用风险分析 大数据风控技术 未来发展分析三 . 区块链 区 块链行业概述 区 块链项目数量及融资情况分析 全球区块链
4、投资机构及创业公司 Top10 区 块链产业链图谱 区块链技术未来发展分析四 . 智能投顾 智能投顾行业概述 智能投顾人工投顾对比 中国市场其他市场对比 行业 参与者竞争力分析 政策监管 智能投顾产业链图谱五 . FinTech行业总结 FinTech行业总结 未来发展投资机会分析 致谢FinTech行业概述CHAPTER I FinTech发展历程 FinTech发展驱动力5 金融是在不确定的环境中进行资源跨期的最 优 配置决策行为，其本质 是价值 流通。从此角度看， 科技与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中产生的风险控制作用 。目前为止，金融与科技融合主要经历了三
5、 大发展阶段 ：金融 IT阶段、互联网金融阶段、金融科技阶段。医疗 卫宁健康科技 与 金融的融合动力在于加速价值的流通能力FinTech行业概述1. FinTech行业概述1.1 FinTech发展历程1.2 FinTech发展 驱动力金融IT互联网金融金融科技 指金融行业通过传统的 IT软硬件来实现办公和业务的电子化，提高金融行业的业务效率。 代表性产品包括 ATM、 POS机、银行的核心交易系统、信贷系统、清算系统等 金融业通过互联网或者移动终端渠道汇集海量用户 ，本质 上是对传统金融渠道的变革 。 代表性业务包括互联网基金销售、 P2P网络借贷、互联网保险、移动支付等。 金融业通过 大数
6、据 、人工智能 、区块链 等最新 IT技术 ，大幅 提升传统金融的 效率。 代表技术如 大 数据 风控 、 智能投顾 、数字货币 等 。 金融科技即是我们通常所说的FinTech（ Financial Technology），其与前两阶段最大的不同之处在于，金融 IT和互联网金融阶段是金融业内部的变革，主要作用在于提高业务效率，而 FinTech则主要是由外部科技公司对 传统金融行业所提供的产品及服务进行革新 ，可以解决传统 金融的信息采集、 风险定价模型、 投资决策、信用 中介等痛点，大 数据 、云计算、人工智能 、区 块链等均 是 FinTech的重要技术推动力。图示：科技金融变革历程人工
7、智能 大 数据 区块链传 统 金 融 行 业大数据 风控智能投顾供应 链金融移动支付互联网银行量化投资 数字货币其他36Kr-FinTech行业 研究 报告2017.9大数据风控CHAPTER 大 数据风控行业概述 大数据风控产业链图谱及参与者分析 风险之一 欺诈风险分析 风险之二 信用风险分析7 金融 是个强数据导向的行业 ， 大 数据技术的发展极大地促进了金融行业的发展，其在金融行业的应用目前主要包括了风险控制、风险定价、舆情分析和精准营销等领域。我们认为，大数据对金融行业最根本的推动作用在于其可以帮助金融企业发现市场真相，进而能够更好地进行资源的优化配置。医疗 卫宁健康大数据技术助力企业
8、拨开迷雾，发现 市场真相大数据风控行业概述2. 大数据风控2.1 大数据风控行业概述众包数据源 数据存储 数据挖掘 机器学习 模型应用 资源配置 众包指的是把过去由员工执行的工作任务，以自由自愿的形式外包给非特定大众网络的做法。 磁盘 云存储 模糊匹配 数据预处理 文本分割与词条分析 支持向量机 朴素贝叶斯分类 线性降维算法 决策树 神经网络 逻辑回归 评估 迭代 风险控制反欺诈征信授信 风险定价人保车保 舆情分析竞争环境洞察预测股市波动调整创投方向 精准营销偏好推荐运营推广图示：大数据在金融行业的应用步骤 目前大数据在金融行业首要落地场景便是大数据风控。 我们整理历史投资事件中发现，金融大数
9、据融资数量整体均高于其他细分领域 。并且，在 2015年 Q2时，融资数量达到一个峰值，其中 3/4为大数据风控公司。在经过 2015年Q3到 2017年 Q1的低潮后，融资数量如今再次达到历史新高。0102030405060金融大数据 医疗 大数据 其他领域上 证指数2000300040005000上证指数2015Q2，金融大数据领域获投数量环比上涨 120%数据来源： 36氪创投助手 App2014.01-2017.06大数据应用层各领域投资事件数量（个）01000200030004000500060002017.92015Q2，金融大数据获投企业四分之三为 大数据风控 公司，此高点与 2
10、015年 4-6月份的上证综指峰值相吻合36Kr-FinTech行业 研究 报告82. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱参与者分析 我国大数据风 控产业 链条可分为数据生产主体、数据供应方、数据加工方和数据使用方四部分。医疗 卫宁健康大数据风控产业链图谱大数据风控产业链图谱与参与者分析数据生产主体个人 企业数据供应方 数据加工方数据使用方图示： 征 信市场产业链分析；来源： 36氪研究院2017.936Kr-FinTech行业 研究 报告9 数据生产主体：此处的主体主要指个人和企业，数据在此环节产生，后流入数据供应方。以个人为例，此环节主要存在两方面问题：1
11、. 缺乏主体意识，主要表现在无自我数据保护意识，隐私泄露严重。2. 存在侥幸心理，认为偶尔的违规不会影响到其他平台的信用。随着信用平台的打通和信用生活的普及，人们将逐步提高对个人征信的认知。 数据供应方：数据供应方主要包括各大银行、电商、社交平台、公共服务机构等，其拥有数据生产主体的一手数据，可开放给下游的数据加工方。此环节存在的问题：1. 缺乏用户许可或利用用户无意识许可后，随意将用户数据作其他商用。2. 在数据的反爬取方面投入较保守，缺乏保护用户隐私意识。此问题或将通过用户主体意识的觉醒和立法得到进一步解决。 数据加工方：数据加工方通过从多渠道上游数据供应方处得到数据后通过自有模型分析并产
12、出包括但不限于信用分数、信用评级、信用报告等产品 。医疗 卫宁健康大数据产业链参与者现状分析大数据风控产业链图谱与参与者分析2. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱及参与者分析2017.936Kr-FinTech行业 研究 报告102. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱及参与者分析 此环节存在的问题：1. 存在信息孤岛、维度割裂现象， 在数量、相关性和维度等方面都无法得到满足。解决此问题一方面需要制定市场统一认可的风控模型，加强数据清洗、脱敏等治理手段的标准化建设，进而解决数据定价问题，最终 解决 数据的流通问题；另一方面需
13、要在一定前提下，央行进一步 开放 数据给更多 下游 企业以解决数据缺乏相关性等问题。2. 第三方征信行业的独立性问题。 2015年 1月份被央行批准的可以 开展 个人征信业务相关准备 工作的八家企业目前 仍未 获得 实质牌照，据中国人民银行征信局局长万存知 表示 *其中存在的问题之一就是其不具备 独立性，存在利益冲突。此背景下，成长起了一批相对独立的征信机构例如百融金服、同盾科技等。3. 为吸引足够多的数据使用者即资金方，盲目提高客户的融资价值。此问题可能会触发系统性风险，对新兴的大数据征信行业造成难以扭转的信任风险。 数据使用方：数据使用方包括了银行、消金 、 P2P、泛 信用生活 领域 等
14、 对信用 有知晓需求的机构。数据使用方对信用 的第一需求是 数据的相关性，此部分主要存在的挑战 是创新数据 在实际应用过程中的有效性问题， 仍需 时间验证 。医疗 卫宁健康大数据产业链参与者现状分析大数据风控产业链图谱与参与者分析*来自公开资料整理2017.936Kr-FinTech行业 研究 报告11 在 风控 产业链中，数据加工方需要应对的风险主要包括欺诈风险和信用风险。欺诈风险具有主观性，是客户主动带来的风险，在发起请求时即无还款意愿；信用风险具有客观性，指的是借款人因由未能及时、足额偿还债务而违约。总体而言，欺诈是信用的基石，是贷前风控的首要步骤。 根据益 博睿发布 的 欺诈 经济学：
15、规避 快速增长和创新中的风险 显示 中国互联网欺诈风险排名全球前三位，网络欺诈的损失达到了 GDP的 0.63%，仅次于美国的 0.64%，而来自猎网的数据显示互联网欺诈中金融欺诈最为严重。医疗 卫宁健康反 欺诈是征信行业的基石风险 之一 欺诈 风险分析03,0006,0009,000 2016年互联网欺诈涉案金额（单位：万元）来源： 360猎网平台 当前 互联网欺诈已经发展出了完整的产业链，欺诈产业链可以分为上游信息盗取者、中游信息售卖者和下游欺诈实施者以及最终的分赃销赃者四个环节。2. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱及参与者分析2.3 风险 之一 欺诈
16、风险分析2017.936Kr-FinTech行业 研究 报告12医疗 卫宁健康欺诈与反欺诈产业链分析风险 之一 欺诈 风险分析图示：反欺诈产业链来源： 36氪研究院 相应地，反 欺诈产业 链也较为健全，主要参与者有上游 数据供应商、中游第三方反欺诈机构和下游反欺诈使用方。信息盗取木马开发者钓鱼编辑盗库黑客线下盗取信息 售卖钓鱼零售商域名贩子个信批发商卡贩子欺诈实施P2P平台欺诈消费金融欺诈银行信贷欺诈交易欺诈分赃销赃财务会计师ATM小马仔分赃中间人图示 ：欺诈产业链来源：方正证券， 36氪研究院银行数 据 提 供 方公安、司法 电商 P2P平台 社交平台 征信机构 其他身份信息 设备信息司法信
17、息 行为偏好 跨 平台交易记录神经网络模型 随机森林模型机器学习实时规则引擎 行为分析引擎业务规则引擎威胁情报库 风险规则库 黑灰名单 用户关联图谱第 三 方 反 欺 诈 机 构P2P平台 消费金融平台 银行 其他综合金融平台反 欺 诈 数 据 使 用 方 下面我们将以同盾科技作为第三方反欺诈代表企业作简要分析。数据回流2. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱 及参与者分析2.3 风险 之一 欺诈风险分析2017.936Kr-FinTech行业 研究 报告13医疗 卫宁健康同盾科技基于大数据，提供跨行业跨应用的联防联控反欺诈服务反欺诈 企业 案例 同 盾科技创
18、办 时间： 2013年地址： 浙江杭州最新融资： B+轮获 投时间： 2016年 4月融资额： 3200万美元 同盾科技创办于 2013年 ，是国内专业的第三方大数据智能风控服务提供商，提供的服务 包括业务反欺诈、信贷风控和信息核验。IP地理位置设备指纹个人信息金融活动记录网络行为关联分析文本 分析图片 分析模糊匹配数据建模数据可视化基础数据开放平台平台工具反欺诈服务安全保护安全保护反欺诈服务贷 前预筛贷中复核贷 后监控数据源 数据分析 数据 应用图示：同盾科技业务框架 同 盾科技以反欺诈服务见长 ， 包括 信贷 反 欺诈 和业务反欺诈，其核心技术包括设备指纹、人机识别、黑产工具识别、代理检测
19、、 AI风控模型等。通过实时监测全网 IP代理端口和接码平台，同盾建立了 设备画像、 IP画像 和手机号 画像 。 目前 ，同盾 监控 的手机号码 达 3000万 ， 代理 IP地址达 数 2亿 ， 失信名单 、 司法不良信息 达 千万 级 ， 覆盖 终端超 30亿 *。用途 描述虚假 IP/虚假手机号垃圾注册 为刷单、刷阅读数、抢票、薅羊毛等行为提供账号验证 /绑定 /解绑如果号码已被注册，可能会通过虚假号码进行解绑、验证等方式收获账号的所有权隐私保护 匿名自我保护或利用代理 IP进入“暗网”等进行黑色产业往来*数据均来自于同盾科技2017.936Kr-FinTech行业 研究 报告14 设
20、备指纹是 指可以用于唯一标识出该设备的设备特征或者独特的设备 标识，通常设备 的特征集合可以用来当做设备 指纹，主要包括硬件属性 、 软件属性和用户行为三大类。医疗 卫宁健康设备指纹是目前反欺诈的主要技术手段之一反欺诈企业案例 同盾科技硬件属性用户行为软件属性手机 品牌Mac地址手机型号imeiseriaino应用启动 时间应用 操作 习惯年龄 性别推算输入习惯指 压 习惯OS版系统设置网络配置浏览器GPS、 IP、 app 按照配合程度不同，设备指纹可分为主动式、被动式和混合式三种。 主动式设备指纹识别技术需要主动的得到设备的配合获取相应的信息，最直接的主动方法就是直接在设备上 植入 SDK
21、或 JS代码 程序，其响应 速度和准确度相对较高，但使用场景常因为隐私保护而受 限 。同盾科技目前利用的主要是混合式设备指纹识别技术来做终端的唯一性鉴别。图示：设备指纹依据特征简析来源： 36氪研究院主动式 通过 SDK或 JS代码在客户端主动收集设备信息，来实现设备的精准识别，响应速度和准确度相对较高，但使用场景常因为隐私保护而受 限 。被 动式被动式主要通过在服务器端收集通信协议和网络的特征来识别设备， 100%保护用户隐私，有更大的适用范围。同时，也具备响应时间较长、研发难度大等局限 。混合 式 混合式设备指纹技术融合 了以上两者各自 的优点 ，并能将其识别 结果相互印证和校验 ，准确率
22、 进一步 提高 的 同时，也扩大 了设备指纹技术的 适用范围。创办 时间： 2013年地址： 浙江杭州最新融资： B+轮获 投时间： 2016年 4月融资额： 3200万美元2017.936Kr-FinTech行业 研究 报告15 单设备绑定身份证多 单设备绑定手机号多 工作日操作，夜猫子属性 偏好跨 平台借贷 更爱 P2P平台借贷 老赖爱做什么？ 老赖是谁？ 男性居多 平均年龄 39 34-43人数最多 44-53岁概率最高 同 盾目前服务客户已超 6000家，其中 2500余家金融领域客户，包括互联网金融、消费金融、传统金融，金融领域等。另外也服务于像美团、京东、神州租车、 e袋洗、唯品会
23、等电商、 O2O、社交类 客户 *。 市场上同盾也同样结合其他行业客户，目的 在于构建 跨行业联防联控的系统性能 力。医疗 卫宁健康同盾老赖画像显示：老赖以男性居多，平均年龄 39岁反欺诈企业案例 同盾科技互联网金融宜人贷、拍拍贷、铜板街、你我贷、挖财、恒昌、人人贷、点融网、红岭创投 消费 金融捷信、中银消费金融、北银消费金融、国美金融、人人分析、乐信、爱学贷 银行保险中信、招商、兴业、民生、杭州银行、恒丰银行、阳光保险、众 安保险、易方达基金 社交论坛百合 网、珍爱网、有缘网、博 客园 第三方支付新浪支付、海尔支付、瀚银支付、汇 通金财、融宝支付 电商 O2O京东、美团、大众点评、神州租车、
24、唯品会、酒仙网 依据庞大使用群体， 同 盾科技于 2016年 10月份发布了老赖 画像，老赖 的群体特征主要如下：男性居多，平均年龄 39岁，而 34-43岁的老赖人数最多，44-53岁的借贷风险最高 。*数据来源于同盾科技创办 时间： 2013年地址： 浙江杭州最新融资： B+轮获 投时间： 2016年 4月融资额： 3200万美元2017.936Kr-FinTech行业 研究 报告16 反 欺诈是消费 金融产品 中的第一道 防火墙，消费金融是反欺诈产品的最大客户群体之一。消费金融公司为了保证数据的覆盖广度和交叉验证正确性，大多选择与多家数据公司进行 合作 。 面向年轻群体的消费金融公司爱
25、又 米与同 盾科技、邦盛、数美、数 尊等十余家 大数据风 控公司合作，建立了覆盖贷 前、贷中、贷后的全流程智能风控 体系；并与依图科技合作建立了智能 活体检测和秒级人脸 识别体系。基于自身 生态积累数据源和第三方数据源 ， 爱又 米目前 银行 口径的 M3+*逾期率 1%。反欺诈数据使用方 消费金融公司爱又米案例分析消费金融 企业 案例 爱又米2017.9公司名称： 爱又米创办时间： 2014年 3月地址： 杭州最新融资 ： C 轮获投时间： 2017年 4月融资额 ： 2.2亿人民币投资方：中 顺 易 ； 星 辉 互动 ； 神州 泰 岳中银投资浙商产业基金*一般 将 90天以上的 逾期定义为
26、“ M3” 或“ M3+” ，被认为还款可能较小，一般进行最高级别催收或者外包催收。 目前，爱 又米 平台 注册 用户 1400万 +， 月活 用户 300万 +，放款 总额超 70亿，商品销售 总额逾 15亿， 业务覆盖 全国 32个 省，目前已与中国银行、平安银行、海尔消费金融等多家持牌金融机构达成战略合作 ， 共同布局年轻人消费 金融市场 。我们认为反欺诈产品是消费金融市场的底层基础设施，更低的资金成本和更可靠的风控体系将构成消金公司的竞争壁垒。借款均额 3000元合作银行合作品牌男 83%成人 18周岁 +偏好 3C白领占比 60%图示：资金、商品流转架构（非全部资源）来源：爱又米；
27、36氪研究院风险平衡用户画像36Kr-FinTech行业 研究 报告17 除消费金融之外， P2P信贷企业也是反欺诈产品的受众之一。中业兴融创办于 2015年，作为一家 P2P金融平台，其资管银行为上海华瑞银行，同时借助 同盾科技、前海征信等第三方科技公司和自身风控能力筛选优质 客户 。 此外，通过第三方进件方出资于中国建设银行开立第 三 方过失 保证金 *账户保证投资者利益，构建 P2P行业的商业 闭环。P2P行业借助大数据风控体系优选资金融出对象，构建商业闭环P2P企业 案例 中业兴融创办 时间： 2015年 2月地址： 深圳最新融资： A轮2017.9中业兴融严格准入融资推荐进件方还款支
28、付指令终审 借款人发布合格借款信息投标支付指令投资 人资金存管转发支付指令商业银行到期还款资金转入到期还款资金 划 转融资申请初审第三 方过失保证金图示：中业兴融资金流转架构来源：中业兴融官网中业兴融第三方合作进件单位一览北京中业众信普惠信息咨询有限公司 云南正川经济信息咨询服务有限公司云南中业普惠经济信息咨询有限公司 康辉拎包游网络科技（深圳）有限公司中业普惠（深圳）信息咨询有限公司来源：中业兴融； 36氪研究院*第三方过失保证金包含：1. 初始 第三方过失保证金。与平台合作的第三方进件单位一次性存入一笔资金作为初始准备金 。2. 计 提第三方过失保证金。后续运营过程中，第三方进件单位每推荐
29、一笔借款项目，从其服务费收入中按所推荐项目年化借款金额的 0.2%-0.5%比例计提第三方过失保证金，存入第三方过失保证金专户。36Kr-FinTech行业 研究 报告18 中业兴融的资金融入产品有中业智选、兴融计划和定期理财 。截至目前，累积投资人总数逾 12.54万，投资笔数 32.20万，总额达 80.51亿，逾期项目 78个，项目逾期率 0.8%。逾期金额 全部 由第三方担保公司全额垫付，未造成投资人损失。创办 时间： 2015年 2月地址： 深圳最新融资： A轮2017.9图示：中业兴融平台投资期限分布性别占比数据截至 2017-08-31； T代表 项目 期限来源：中业 兴融42.
30、37 亿元女性投资金额52.63%女性投资金额占比38.13 亿元男 性投资金额47.37%男 性投资金额占比1T 3个月5032个；29.04亿；占比 36.07%3T 6个月4963个； 26.17亿；占比 32.51%6T 12个月2856个；16.28亿；占比 20.22%T*12个月2050个； 9.02亿；占比 11.21% 中业兴融 的资金 融出产品有惠农宝、车融宝、企融宝、医融 宝等， 前两者 面向 C端， 后两者面向 B端。其中，在 B端企业环节，中业兴融更关注 “社区卫生服务站” 等实业领域 ， 意在 掌握独有 的特色优质资产 ，最大 程度 避免行业资产同 质化。提交借款申
31、请系统实名验证进件方初步审核进 件方 实际 调查平台终审签订合同发标放款贷 后管理正常还款图示：中业兴融借贷流程P2P企业 案例 中业兴融P2P行业借助大数据风控体系优选资金融出对象，构建商业闭环36Kr-FinTech行业 研究 报告19弱相关强相关 除欺诈风险之外，风险控制还包括了大量的信用风险。我国征信体系建设以掌握信用强相关数据的央行为主导，以利用具备网络效应的数据源来探索信用评断依据的其他公司、机构为辅，我们将后者定义为大数据 征信 *公司。医疗 卫宁健康大数据风控弥补央行征信空白，具备参考价值风险之 二 信用 风险分析2004年 4月 ，中国人民银行成立银行信贷征 信 服务中心20
32、06年 1月，中国人民银行宣布 个人征 信系统 正式 运行2008年 5月，中国人民银行征信中心 在 上海揭牌2009年 10月 ，征 信中心完成 对上海 资信的收购 工作2010年 6月，企业 和个人征信 系统成功切换 至上海运行 ，并 正式对外提供 服务2012年 9月，与 FICO达成合作，正式启动个人信用评分 模型开发 项目2013年 3月， 征信业管理条例 正式实施 ，明确 企业和个人征信 系统为 国家金融信用信息基础 数据库6.4 6.6 7.8 8.1 8.2 8.4 8.6 8.8 1.4 1.8 2.2 2.6 2.9 3.2 3.5 3.8 05102008 2009 20
33、10 2011 2012 2013 2014 2015自然人数 信贷人数个人 征信系统收录自然人数及信贷 人数（单位：亿人）数据来源：中国人民银行征信中心； 36氪整理截至 2016年，央行共记录了 8.8亿人的个人金融 数据，但有信贷数据的仅有 3.8亿，覆盖率仅占 28%。随着普惠金融和消费金融的普及，越来越多的人具备信贷需求，央行数据难以支撑，在此背景之下，大数据征信企业开始蓬勃发展发展。以下将以芝麻信用和腾讯信用为代表进行说明。*此处主要讨论个人征信企业征信体系大数据征信芝麻信用腾讯信用前海征信鹏元征信中诚信中智诚拉卡拉华道征信传统 征信中国人民银行征信中心 图示：信用强相关和弱相关数
34、据分类来源： 36氪研究院年龄 职业 收入 学历工作单位 房产 汽车借贷情况 还贷记录社交 电商 信用卡 社保公积金 浏览记录 手机号年限出入消费场所 爱心慈善 信用借还2. 大数据风控2.1 大数据风控行业概述2.2 大 数据风控产业链 图谱及参与者分析2.3 风险 之一 欺诈风险分析2.4 风险 之二 信用风险分析2017.936Kr-FinTech行业 研究 报告20 芝麻信用是蚂蚁金服旗下独立的第三 方征 信 机构，于 2015年 1月份正式上线公测。芝麻信用征信体系通过 分析大量的网络交易及行为数据 ，围绕 用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度 进行评估，于每
35、月 6日进行分数更新。医疗 卫宁健康芝麻信用基于五大维度输出信用分数，将信用生活融入各大场景大数据征信企业案例 芝麻信用 基于对不同维度的信息数据的综合处理和评估，可生成适用于个人的芝麻信用分，分值区间为处于 350-950 之间 ， 分数越高代表信用程度越 好，可享受的 “信用生活” 便利程度也逐步提高。信用生活栏目目前覆盖领域包括 出行、住宿、金融、购物以及社交 等领域 。身份 履约 信用 人脉 行为 学历、职业、驾驶证、海外信用报告、车辆、房产、实名消费行为、信用卡 账单接入的各维度过往履约 记录好友 群体品质及往来 情况650图示：芝麻信用分评判维度较差 中等 良好 优秀 极好350
36、950550 600 650 700图示：芝麻信用分数 /等级对应关系图示：芝麻信用产品功能架构图来源： 36氪研究院芝麻信用分评分依据 评分标准信用生活数据来源 授权管理授权管理出行 金融住宿 购物 社交信用 借还 ；生活费用续缴；分期偿还浏览、交易数据身份特质履约能力身份特质人 脉关系行为偏好上线时间： 2015年 1月地址： 浙江杭州最新融资： B轮（蚂蚁金服）获 投时间： 2016年 4月融资额： 45亿美元2017.936Kr-FinTech行业 研究 报告21 数据维度方面， 芝麻信用除了接入 阿里巴巴集团的电商数据和蚂蚁 金服集团的金融 数据外 ，还基于自身生态系统覆盖了出行、餐
37、饮、文娱、社交等多个方面。 此外，芝麻信用还 与公安 网、公积金、水电费等多 个 公共 机构以及合作伙伴建立了数据合作关系，同时也将 开辟 多种 渠道 允许用户主动提交各类信用相关信息 。 存在问题方面，除了前面提到的第三方独立性问题，万存知还表示目前首批开展个人征信准备工作的八家企业还存在 信息 误 采 误用和信息不全面等问题 。信息 误采误用问题，一方面需要国家加快相关法律法规立法进程，另一方面，芝麻信用于 2017年7月份设立首席隐私官，旨在保护了芝麻信用数据安全和用户隐私 ，在 促进征信行业提高隐私重视、保护方面起到了一定作用。关于“信息不全面”的问题，我们认为，在互联网金融领域，最大
38、的数据权重应该消费行为和社交行为。消费行为相对于其他数据与个人身份特质关系更为密切，但其不稳定性较大；而社交行为基于互联网，更易行为网络效应 ，可以不 断链接到更广泛人群，相对稳定性也较强 。医疗 卫宁健康芝麻信用基于阿里巴巴生态接入多维数据，却又存在三大问题大数据征信企业案例 芝麻信用图示：芝麻信用数据来源分析来源： 36氪研究院上线时间： 2015年 1月地址： 浙江杭州最新融资： B轮（蚂蚁金服）获 投时间： 2016年 4月融资额： 45亿美元2017.936Kr-FinTech行业 研究 报告222013年 9月 芝麻信用背靠阿里巴巴集团，其拥有一手的电商数据，但另一方面，电商数据在
39、评分模型中比重过大，导致评判维度不够全面。 在此 方面，我们从 C端角度，也 看到了阿里在社交方面的不断尝试 。芝麻信用 副总经理 邓一鸣曾表示 *，未来在芝麻信用的 测评权重中，来自淘宝、支付宝等阿里系的数据占 比将降低到 30%40%。医疗 卫宁健康社交 只 是重要 的 配角 ，人以群分的信用背书才是要点大数据征信企业案例 芝麻信用2012年 7月2012年 开始 ，阿里巴巴先后两次投资陌陌，合计 占股 20.7%。后因私有化分歧，阿里处于不断减持抛售中 。阿里巴巴宣以 5.86亿美元买入新浪微博 18%股份 ，在 社交大趋势性产品中占据了重要的一席 。2013年 9月，阿里巴巴发布移动好
40、友互动平台 “来往” 。支付 宝上线“服务窗”，后改名为“生活号”，对 标微信公众号。2014年 5月2013年 4月2015年 1月“闲鱼” App上线，其内置鱼塘 功能即能基于地理位置区域建立，也能基于兴趣爱好或物品 建立 。 据 CBNData统计， 90后在闲鱼每月面交次数 达 3.6次，线下当面交易闲置 物品成为 互动交友新 方式。2015年 1月来往团队转战“钉钉”，定位于智能移动办公平台，主打商务沟通和工作协同，对 C端身份特质中的职业信用可以起到交叉验证作用。2015年 10月支付宝推出“生活圈”，对标朋友圈，除具备点赞及评论功能外，还有打赏 功能 。2016年 1月支付 宝推
41、 出 了年度集福活动， 2017年1月 延续 。2016年 9月*来自公开资料整理2016年 8月 蚂蚁金服基于支付宝平台推出“蚂蚁森林”公益 行动，想得更多能量的最直接方式之一即加更多好友。为激活“生活圈”，支付宝上线“圈子”功能，主推“校园日记”“白领日记”等圈子，一度引起热议，后“擦边球”圈子被关闭。上线时间： 2015年 1月地址： 浙江杭州最新融资： B轮（蚂蚁金服）获 投时间： 2016年 4月融资额： 45亿美元2017.936Kr-FinTech行业 研究 报告23 支付宝定位为信用 支付、担保交易 ，而不仅仅是支付工具，也不存在业内所说 的“一台 ATM机的社交化尝试 ”。我
42、们认为支付宝社交化进程中存在的问题主要是： 支付宝不 具备社交 所 必备 的 朋友圈子 ，而且 通过即时通讯的功能来吸引 朋友加入 这条道路上已经存在 微信 、 QQ两座大山 ； 支付 宝也不具备一个内容社区所需要的优质 内容来 聚集用户 。 既没有朋友也没有内容，简而言之，支付宝面临的可能是先有蛋还是先有鸡的历史难题。 我们认为，作为一个信用平台，甚至是 金融 理财入口 ， 支付宝 服务的是大量长尾用户，随着时间的推移，其是在不断产生 理财需求 和资本的 ， 但可能恰恰缺少了理财 知识 。 基于此背景，我们认为支付宝更适合的场景是去做理财、金融方面的社区， 甚至可以踩内容付费 的 风口，形成
43、行业闭环。 近期 ，支付宝 发起 了 信用 自媒体联盟，开始邀请泛金融行业的自媒体入驻生活号，或许是一个好的开端。医疗 卫宁健康做社交需解决先有蛋还是先有鸡的问题，金融社区或是突破口大数据征信企业案例 芝麻信用理财 /其他内容社区余额宝蚂蚁财富芝麻信用分信用生活涌入 理财端口交流实践经验风险承受能力反馈额度、利率调整具体借还反馈促进普及信用社会交流促进更多尝试产生更多维度话题图示：信用社会闭环方案来源： 36氪研究院上线时间： 2015年 1月地址： 浙江杭州最新融资： B轮（蚂蚁金服）获 投时间： 2016年 4月融资额： 45亿美元2017.936Kr-FinTech行业 研究 报告24
44、除了以电商数据为主要权重的芝麻信用外，还有以社交关系为主要权重的腾讯信用。腾讯信用是腾讯征信推出的个人征信管理平台，分值区间处于 300-850之间 ，目前还处于邀请制的限量公测中，信用分主要围绕履约、安全、财富、消费和社交五个维度进行评估，每月月初会进行更新。医疗 卫宁健康基于社交数据，腾 讯 信用将“人以群分”发挥极致大数据征信企业案例 腾 讯信用个人信息准确性、完善性；账户安全性、联系方式更换频次履约安全财富消费社交贷款、信用卡、分期消费、生活缴费等履约能力721图示： 腾讯 信用分评判维度社交行为及人脉关系个人资产构成、存续 ；理财 记录；腾讯公益微信支付行为及基于 LBS的消费场景分
45、析消费偏好履约指数安全指数财富指数消费指数社交指数 基于腾讯信用分，可以享受良好信用带来的“金融特权”和“生活特权”两大服务，前者主要包括现金借贷、银行办卡、消费分期等，合作机构包括微众银行、建设银行、光大银行、众安保险、浦发银行和招联金融等；后者主要包括消费保险、信用出行等服务，合作商家包括托保骉车险、普思维手机延保等。上线时间： 未知地址： 深圳2017.936Kr-FinTech行业 研究 报告25 数据维度方面，腾讯基于 QQ月活跃用户 8亿、微信 5亿 *的背景下， 腾讯凭借 QQ、微信、财付通、 QQ空间、腾讯网、 QQ邮箱等 多种服务聚集了海量的个人信息，社交信息成为其最大 数据
46、 来源 。 社交信息作为大数据风控中一个重要的创新维度，其极易形成庞大的社交网络，产生庞大的关联数据，寻求数据之间联系的场景正是机器学习、大数据技术的最佳应用场景。 另一方面，社交性数据存在金融 相关性 较低、权威性较差等问题。 为弥补这一短板，腾讯于 2014年 9月推出了微信支付，以抢红包概念切入，于 2015年春节揽获 2亿绑卡用户。在线下支付场景，由于微信粘性更高，调用更方便，人们往往会直接使用微信支付；线上场景中，截至 2016年 8月份，腾讯已成为京东最大股东，开辟了线上数据入口。此外，腾讯还多次投资了一家互联网证券公司富 途证券 ，后者已成为腾 讯自选股 APP中港股的唯一 合作
47、 券商。腾讯通过支付和电商卡位，弥补社交数据金融相关性差短板大数据征信企业案例 腾讯 信用*自腾讯 QQ手机客户端图示：腾讯征信数据来源分析来源： 36氪研究院上线时间： 未知地址： 深圳2017.936Kr-FinTech行业 研究 报告26 富途证券 创办于 2012年，提供港股、美股和 A股市场的行情和交易服务， 是香港证监会认可的持牌法团。 截至 2017年 8月，富 途 证券用户 数 超 360万，累计交易额超过 6000亿， 2016全年交易额近 3000亿*。互联网券商 富途证券，已初步打通三大证券交易市场互联网券商企业案例 - 富途证券公司名称： 富途证券创办时间： 2012年
48、地址： 香港最新融资 ： C 轮获投时间： 2017年 6月融资额 ： 1.455亿 美元投资方： 腾讯 经纬 红杉2017.9*本页数据均来自于富途证券富途证券港股美股A股佣金 ： 0.03%最低 3港元方案 一 ： $0.0049/股最低 $0.99/笔方案 二： $5/笔佣金： 0.025%持有第 1/2/4/9类受规管活动牌照清算通道：盈透证券等清算通道：长城证券、平安证券 富 途证券的银证转账业务合作伙伴为招商银行 香港分行 ， 第三 方 资 管 银行包括招商银行、工银亚洲等 8家 银行 。作为互联网券商，富 途 证券更加关注 客户体验，于 2013年发布了集行情、交易、资讯、社交等
49、功能于一体的富 途牛 牛 App，通过线上方式提供证券及其他衍生品交易活动相关的金融 服务。 投资富 途证券是腾 讯继 微众银行、理财通之后的又一金融布局大动作 。除此之外，富途与 腾讯 在其他方面也有深入的的战略合作关系， 包括 富 途的 IT架构在腾讯云 之上； 腾讯为富途输出了管理 理念 ；富途为腾讯自选股 App提供港股购买通道等。36Kr-FinTech行业 研究 报告27 我们认为，随着时间的推移，腾讯在强金融数据领域的短板将逐步消失。但至今，腾讯征信还未完全开放，其仍处于验证创新数据（社交数据）在风控行业的有效性和消费数据累积阶段。相应地，在信用生活方面，也未见大规模应用。 此角度去看，时间或将成为腾讯征信的最大敌手。 征信归根结底是对人的研究，基于用户画像，我们认为，征信的商业价值除了应用于泛信贷行业做风险控制之外，对于更广泛的行业 ，其 商业
