中國金融科技的發展經歷了信息化階段,并在2016開始逐步進入數字化階段。監管以多種方式指導金融機構開展數字化轉型,如人民銀行在2019年發布《金融科技發展規劃(2019-2021年)》,在《規劃》中提出到2021年建立健全中國金融科技發展的“四梁八柱”,并確定六方面重點任務。經過近三年實施以及一系列政策措施推動下,我國金融科技創新能力明顯增強,數字化能力得到充分建設。在2021年底又發布了《金融科技發展規劃(2022—2025年)》,提出了數字驅動、智慧為民、綠色低碳、公平普惠的發展原則,明確了健全金融科技治理體系、充分釋放數據要素潛能、打造新型數字基礎設施、深化關鍵核心技術應用、激活數字化經營新動能、加快金融服務智慧再造、強化金融科技審慎監管、夯實可持續化發展基礎八項重點任務。將促進金融與科技更深度融合、更持續發展,高質量推進數字化轉型,加快健全適應數字經濟發展的現代金融體系。此外,銀保監會也在2022年發布《中國銀保監會辦公廳關于銀行業保險業數字化轉型的指導意見》,要求加快數字經濟建設,全面推進銀行業保險業數字化轉型,推動金融高質量發展。

  租賃行業屬于金融行業細分領域,其底層邏輯和銀行信貸有共通之處,如在獲客、項目審批、放款、租后管理等環節已有應用案例。隨著租賃行業的高速發展期已過,行業逐步由搶增量轉向存量競爭,租賃公司必須改變現有模式,通過升級生產工具提升運營效率、提高風險管理質量。部分頭部租賃公司在近幾年逐步開展數字化轉型,意圖借助數字化建立競爭優勢,拉開與競爭對手的差距,在可見的未來,金融科技將是傳統租賃公司不可逾越的競爭壁壘。傳統認知中的信貸產品(或類信貸產品)可復制性強的觀點在金融科技中不再適用,因為金融科技的技術壁壘更高,并且隨著數據積累和挖掘,風險模型的豐富性、復雜性、準確性是后進者短短2、3年之內無法趕超的。如在汽車金融及小微租賃業務中,部分租賃公司通過數據挖掘建立數據驅動的風險模型,并基于風險模型開展流程再造,其審批效率、風險管理能力及盈利能力明顯優于依賴人工審批的公司,客戶粘性、渠道合作意愿也隨之提升,形成了良性循環。

  金融科技發展究竟到了什么階段,是否具備應用價值?如何建設金融科技,從何處入手?實現金融科技是否投入巨大,小公司有必要建設金融科技嗎?金融科技建設過程中有哪些難點,如何解決?以上問題在下文將逐一解答。

  金融科技經過這幾年的高速發展,行業生態已比較完善,金融科技已不再是“堂前燕”,具體表現在以下幾方面。在硬件端,算力和存儲等硬件技術的快速發展使海量數據存儲、運算不再是限制條件,現有算力可輕易應對深度神經網絡模型的訓練并應用在圖像識別、NLP等領域。在數據端,企業數據維度也日益豐富,如工商、司法、稅務、征信等數據都能夠結構化輸出,經過簡單加工后可以直接用于模型訓練,數據的豐富也助力信貸產品的豐富,如近幾年火爆的發票貸、稅貸等,已經完全擺脫傳統線下資料收集的方式轉而線上收集數據。在數據挖掘端,算法的發展能夠輕松應對金融領域的任務,如應用邏輯回歸或其他機器學習算法開發客戶違約模型等。在系統端,數據倉庫、決策系統、業務系統也得到長足發展,能夠很好的支撐金融科技應用。此外,在行業推進金融科技的過程中涌現出了一批服務機構,以上所述數據、系統等都能找到對應服務機構并提供成數的解決方案,服務機構的存在大大降低了金融科技門檻,同時也降低了金融科技的投入、加速金融科技推廣與應用。

  在討論如何建設金融科技之前我們先評估租賃公司的數字化發展階段,有個簡單的標準可以對照:1)原始階段。公司內部沒有系統,項目審批、內部管理依靠郵件、紙質文件傳達。除了初創公司,一般公司都不會處于這個階段。2)信息化階段,目前大部分租賃公司都處于這一階段,這一階段的公司具備業務系統,但系統僅服務于流程,即僅用于項目流轉過程中供各審批人出具意見,主要數據未結構化存儲,表現為授信報告需要大量人工手動作業等等。3)數字化過渡階段,頭部租賃公司大多處于這一階段。這類公司按需求建立了多個系統,但各系統間的數據信息均未打通,不具備統一的數倉、未做自上而下的治理;部分數據未結構化存儲,歷史數據無法產生價值;缺乏數據挖掘平臺,依賴人工分析數據、得出結論;數據質量較差,數據挖掘前需要花費大量時間做數據清洗。4)數字化階段,目前極少有公司實現。數字化轉型成功的公司在數據獲取、清洗、加工方面已全部或大部分實現系統自動化,數據實現全量結構化存儲,同時具備性能良好的數據分析及挖掘系統,各部門將數據資產應用于公司經營決策、業務管理、授信審批等。

  租賃公司如需實現數字化轉型或科技金融,首先需要制定建設目標,且建設目標直接與經營目標掛鉤,換言之,數字化轉型必須產生可衡量的經濟價值,再結合當前數字化所處階段制定金融科技推進計劃,在資源有限的前提下有選擇的優先發展薄弱環節。在具體開展建設任務之前需要制定數字化主題,并評估數字化價值,對于投入過大但價值不高的項目可以暫緩推進,優先推進投入低、產出高的數字化項目。其次,需要適配合適的人員推進數字化,需要同時配置業務及技術人員,包括但不限于資深業務及信審(構建場景、沉淀經驗)、數據崗(數據分析、規則提取、數據管理)、模型崗(模型訓練)、策略分析師(制定規則和模型應用策略)、模型監控、系統開發工程師等。不可寄希望某幾個人大包大攬,金融科技不是單純的金融,亦非單純的科技,而是由多個專業壁壘較高的領域疊加而成,故必須結合各自優勢共同推進,必要時需要聘請有經驗的咨詢公司開展數字化轉型的咨詢與落地。需要注意的是,如果咨詢公司只是提了數字化框架而非細致到具體實施,這類咨詢大概率是脫離業務的,不具備操作性,從根源上是注定失敗的。此外,在數據層面需要梳理數據資源,優化數據獲取、清洗、加工流程,建立數據標準提升數據質量,打通業務系統的數據孤島,并通過數據可視化、模型應用等方式發揮數據價值。最后,則是圍繞數據化結果制定應用方案,應用方向涉及到租賃產品開發、流程優化、系統調整、職能分工、制度建設乃至經營策略、發展戰略等等。

  對于租賃公司而言,在營銷端和風險管理端實現金融科技是對公司經營與發展助力最大的,尤其是以零售業務為主(例如汽車租賃、中小微租賃業務),或想要轉型零售業務的租賃公司?萍蓟A比較薄弱的租賃公司可以優先考慮風險管理的數字化轉型,再將數字化轉型的經驗應用至公司企業經營管理中。金融科技在信用風險管理端可用于以下環節:1)項目審批。通過對客戶風險分層實現自動拒絕、自動通過、轉人工處理等。由于數據的處理過程沒有人工干預,操作風險大大降低,取而代之的是系統風險,由多個風險來源(多人、多層級)降低到單一來源(系統風險),系統的管理難度明顯低于對人的管理,數字化降低了風險管理難度。在提升效率方面,因為數據獲取和加工都由系統自動實現,避免了業務和信審的重復勞動,也規避了其中存在的操作風險。2)貸中監控。通過貸中模型可實現客戶風險自動預警,有助于租賃公司及時發現風險、提前介入。此外,基于客戶歷史數據可輔助營銷,如項目翻單等決策。3)貸后管理。通過模型預測回收概率或向下遷徙概率,并基于風險等級分配催收資源,資源向回收概率高的項目傾斜,回收概率低的項目可提前轉外包處置。若租賃公司數據積累比較少,或者數據量大但維度少,可以考慮與外部咨詢公司聯合建模,采用合適的模型算法或專家法等方式逐步建立。

  金融科技本質上是工具的升級,如果沒有與之配套的應用則難以發揮其作用。故須同步推進產品、制度、流程、考核標準等配套機制的改革。配套機制往往是科技金融推進過程中的難點與重點,大量失敗的案例告訴我們最終數字化轉型的失敗就是倒在這最后一公里,其建設原則是在風險可控的前提下做到效率最大化、人員(成本)最小化。需要重點說明的是,建議基于科技金融帶來的流程重塑對各流程節點的職能做進一步細分,重點梳理和分析流程中卡點或限制產能提升的環節,基于金融科技通過服務外包等形式打破原有模式下的束縛。

  金融科技雖然能降低操作風險、提升風險管理水平,但也涌現出其他風險關注點:1)欺詐風險。若黑產摸清了風險模型的邏輯,可能會發生欺詐案件,故模型背后的審批邏輯、產品設計的完整度等須考慮全面,并且需要實時監控、調整風險模型。2)模型風險。因系統性風險、客群偏移(由于展業區域、行業、客群等發生變化造成)、建模過程(樣本、數據處理、過擬合等)導致的模型性能下降,須實時監控、優化模型,不斷提升模型的準確性及泛化能力。3)系統風險。如模型、策略部署出錯,數據源變化導致規則無法加工(無返回或返回的數據結構發生變化)。4)操作風險。策略制定錯誤、監控不及時、模型結果應用錯誤等。

  實現金融科技存在以下難點:1)認知。對于行業發展趨勢的認知偏差、對于業務規劃的短視、對于金融科技的不了解等導致認知出現偏差。無論是管理層還是執行層,任何環節的認知偏差都可能導致金融科技建設的失敗。2)人員。合適的人員是實現金融科技的關鍵,如上文所述,必須找到合適的人員推進金融科技項目。3)資源整合。業務、數據、系統的整合能力決定金融科技建設質量。金融科技存在一些壁壘,外行很難具備全局觀去整合資源并實施應用。4)應用。業務轉型無法跟上金融科技建設步伐,導致經濟收益不明顯。

  在未來的2-3年,有2個趨勢是明確的。首先是規則和模型將更成熟,金融科技的應用場景將進一步豐富,尤其是在貸中、貸后階段。在營銷端,將帶來獲客模式的轉變,而在審批端,隨著小額租賃產品全自動化審批的實施及風控模型有效性的不斷提升,中大金額租賃產品也將得以應用。其次,趕上實施金融科技方案早集市的租賃公司將形成壁壘,并借助豐富的金融科技工具形成更為全面的客戶服務能力(更豐富的產品形式、更下沉的客戶、更細分的行業等)。這為我們敲響了警鐘,租賃公司務必在這幾年抓住行業發展機會,趕上金融科技發展浪潮。