文/新浪財經意見領袖（微信公眾號kopleader）專欄作家 洪偌馨

　　一個真正有能力的公司風控不應該依賴場景的，因為我們不是給場景授信，我們是給人授信，是依賴于他背后的數據做授信。

　　不久前，馨金融發布了一篇與消費金融有關的文章，關于消費金融行業的場景對于風控而言是否有效、商業銀行的業務下沉以及消費金融業務運營成本不斷攀升等問題，提出了一些看法。

　　文章發布之后，有很多讀者在后臺和我交流，尤其是第一個問題，關于消費金融的線上線下場景，在獲客、風控等等方面分別有哪些優勢和劣勢，他們站在從業者的角度，給我分享了很多實際的經驗。

　　我在最近也帶著這些問題，和不同類型的消費金融服務提供商們、從業者們聊了聊，收獲頗多：

　　?  場景的存在固然是有價值的，但“場景為王”確實是一種迷思。有場景的公司在集中地批量獲客、降低獲客成本和控制資金流向方面確實會有一定作用，但是落實到業務上，也對于公司管理場景的能力提出了更高要求。因此，對于風控而言，更根本的邏輯仍然在于客群的選擇、能力的構建而非場景本身。

　　?  回歸消費金融公司風控能力的構建，核心還是要真正能夠通過新技術的應用，對于傳統的流程進行優化與再造。很多公司都已經引入智能客服、人臉識別、智能催收等技術提升效率與精度，但是這些能力到底如何落地，是引入第三方合作商還是自主研發，如何做取舍判斷仍然是很多公司頭疼的問題。

　　?  不過消費金融公司對于場景的布局，其實還有風控和獲客以外的其他考量。由于不同場景下，不同人群的產品設計、數據積累等都是不同的，同時布局不同種類不同領域的場景對于數據的收集、產品體驗的提升甚至是財務的穩健表現都有著積極作用。

　　1

　　一個大部分從業者都認同的觀點是：于消費金融業務而言，客群是最重要的因素，只要分析下各家的客群結構，就可以判斷出基本的風險狀況，而場景只能作為其中的一個判斷因子。

　　就像螞蟻金服的產品“借唄”、微眾銀行的借貸產品“微粒貸”其實也是不基于任何場景的在線借貸產品，甚至銀行的信用卡用戶、還有銀行的消費貸白名單用戶都是沒有辦法控制資金流向的，但是因為用戶群體足夠優質，壞賬率可以控制在極低的水平上。

　　相反，教育、醫美等等這些場景都爆發過大規模的風險事件，問題并不出在場景本身，而是太過于依賴場景而忽視了對“人”本身的判斷，這是非常危險的。

　　事實上，風控能力如果過于依賴場景的話，就等于別人在掌握自己的資金流向，這是對于公司能力的一種不自信，也不利于公司的長期發展。

　　在這一點上，我比較認同馬上消費金融CEO趙國慶的觀點，“一個真正有能力的公司風控不應該依賴場景的，因為我們不是給場景授信，我們是給人授信，給人授信是干什么的？是依賴于他背后的數據給他做受信。”

　　從這個角度看，場景之于風險控制的意義除了控制資金流向以外，更重要的其實是對于客群的獲取。

　　無論是在線上還是線下，優質的獲客場景及流量有利于公司以較低成本獲得較高質量用戶，進而占有更多有效數據提升風控水平、保持較低的壞賬水平，這些優勢有利于平臺獲得較低成本的資金青睞，促進盈利能力不斷提升，而利率的進一步降低有利于增強用戶的黏性，進入良性循環模式。

　　當然了，這也是一個相對理想狀態下的“良性循環”，許多公司面臨的現實狀況是，除了少數電商巨頭獨占線上的交易場景、一部分消費金融公司可以依靠股東資源壟斷線下部分場景以外，大部分消費金融提供商仍然主要依靠通過與第三方合作的方式嵌入場景，這也就意味著大部分平臺面對的客群質量可能是差不多的。

　　而如果場景、人群高度重合，消費金融的場景之爭大概只能決定“量”，而真正決定“質”的還是要看誰能把多頭借貸的人群、資金流向控制得更到位、更精細，這本身還是能力的問題。

　　2

　　而在消費金融行業內提起能力建設，很多人仍然認為這是一個“務虛”的話題，人人都在說大數據、人工智能，到底如何應用、效果如何，很像是有一座“圍城”隔著，外面的人始終很難理解。

　　事實上，在我與很多公司交流之后的感受是，這些技術在整個業務流程的不同階段都有應用，許多優化可能只是在某個很小的步驟，用戶甚至可能完全感受不到，但是數據上的提升卻很顯著。

　　舉幾個例子，可能會有更直觀的體會：

　　比如，之前和馬上消費金融公司的人工智能團隊接觸時，他們一直在自主研發人臉比對系統，準確率達到99.99%。根據馬上消費金融的測算結果，在實際應用中，該產品可能要比國內其他人臉比對產品的識別率高幾個百分點。

　　普通人其實很難感受到一兩個百分點通過率的差別到底有多大，但是對于這些消費金融公司卻是意義重大。據了解，持牌消費金融公司中的頭部企業的年度交易規模可達到數百億元，如果欺詐風險能夠降低一個百分點，就將為平臺減少幾個億的損失。

　　同樣的，人工智能客服對于人力成本的節省，也是這個道理。之前大部分提供消費金融服務的公司，都有規模龐大的電呼中心，負責信用審核、客戶服務甚至催收等一系列工作，規模大的可能達到幾千人。然而眼下，智能客服已經開始大面積取代人工客服。

　　此前騰訊公布的數據顯示，微眾銀行的智能客服和8名人工客服，日消息處理量達到180萬，而這相當于每天800個人工客服連續10個小時電話連線的工作量，螞蟻金服的客服工作有九成以上都由人工智能完成。

　　與此同時，智能客服的準確率也越來越高。趙國慶表示，馬上消費金融擁有自主知識的產權自然語言解析引擎的智能客服系統每天回復電話的數量也突破10萬，結合電商的智能客服的能力，其準確率到達90%以上。

　　這里值得強調的一點是，許多消費金融公司的技術服務都是由第三方提供的，因為將成熟的技術嵌入場景可以使得新技術迅速進入應用階段，服務于產品和用戶。但是一個新的趨勢是，許多具有用戶和數據優勢的平臺，已經開始探索自主研發技術系統。

　　仍然以人臉識別技術為例，對于人工智能的發展而言，數據、場景、科技能力三者缺一不可。尤其是在足夠大的樣本數據積累上，不僅需要正面樣本的積累，更需要“壞種子”的反饋，然而通過第三方技術服務商嵌入場景之中提供服務，負面的反饋無法直接作用于學習引擎，因此可能很難將精度進一步提高。

　　“在AI上，一些有數據的公司缺乏技術，不知道如何使用數據；還有一些有科技的公司缺乏有場景。”馬上消費金融CTO蔣寧表示，“馬上消費金融是兩方都具備的，所以我們希望通過自主研發在這個方面做得更好。

　　3

　　關于消費金融的場景、風控、能力建設的討論，其實也是一個在發展過程中不斷動態變化的事情，很難有定論。尤其是行業發展來到了一個新的階段，一些公司在布局上也會有一些新的考慮。

　　之前很多公司認為，線上線下的產品和針對的人群截然不同、風控邏輯截然不同，很難做到全覆蓋。

　　但是也有很多公司在前期積累了足夠的數據和用戶之后，從線下延伸到線上，為白名單用戶提供線上借貸、提升用戶體驗；或者是線上業務入局線下，擴大用戶群體、豐富數據和產品，甚至進一步起到財務防御等作用。

　　然而產品越是復雜、客群越是多樣，對于消費金融公司的能力也就提出了越高的要求。尤其是在流量紅利期過后，這些公司還有更長的路要走。

　　(本文作者介紹：洪偌馨，資深財經記者、主持人，自媒體“馨金融”創始人。)