1月4日，李克強總理在騰訊發起的前海微眾銀行敲下了電腦回車鍵，卡車司機徐軍就拿到了3.5萬元貸款，成為國內首家互聯網銀行的首筆貸款業務。這一無網點、無柜臺也無財產擔保要求的微眾銀行，全憑人臉識別技術和大數據信用評級放貸。“微眾銀行一小步，金融改革一大步。”李克強評價道。

三周后，BAT另一巨頭阿里巴巴，因淘寶售假受到國家工商總局質疑，馬云高調宣布“將設300人專職打假”，用大數據手段向假貨宣戰，加之其幾近成熟的大數據金融體系，一起開啟阿里式的大數據新時代。

全球知名數據公司IDC統計，2014年全球大數據金融領域開支上漲30%，超過140億美元，產值約161億美元，增速達全球IT產業的7倍。量化其在金融改革、社會便利、人員就業和技術進步等方面的紅利，3年內至少高達1000億美元。

當下，大數據已全面嵌入產業、商業中，釋放出巨大的革新動力。隨著移動互聯網技術的創新性發展，大數據金融也將進一步顛覆傳統行業，構建成本更低、效率更高的行業新格局。

普惠金融提速

“從事金融行業多年，始終在關注新技術，但大多都是隔靴搔癢。只有大數據讓人眼前一亮。”正德人壽保險公司CIO裴兆旭說，大數據金融就是那只能伸進靴子里的抓手。

國內首家互聯網保險公司—眾安保險CEO陳勁也公開表示，自己面臨的最大考驗便是跳出傳統金融思維，以技術創新和開拓性眼光規劃未來。眾安的互聯網生態、直達用戶以及開發空白領域這三大定位，抓手均是大數據技術。

馬云要打假，靠的是大數據，通過智能識別、數據抓取與交叉分析、智能追蹤、大數據建模等技術手段，將假貨從10億量級的在線商品中撈取出來。而阿里小貸的運營乃至開設民營銀行，更需要大數據的支撐。

阿里人常說，淘寶上每一筆交易的背后都有無數技術細節和信息抓取，有8000多個工程師在組織和修正模型—消費者的消費偏好、上網時長、登陸IP、發退貨、信用評價、維權記錄和社交媒體數據等16個維度、上千個數據變量被提取和交叉分析。

“住址、手機、證件號等基礎搜集相對簡單，阿里更看重個人習慣的微妙變化，比如輸入密碼時習慣停頓，或者某個字母常用左手。”支付寶一位技術部門主管稱，互聯網銀行旨在精準定位，比貸款者更了解貸款者。

同樣，在阿里小微金融服務集團副總裁俞勝法看來，大數據就意味著無極限。他認為，所有看似毫無關聯的數據皆可用作信用評級。之于個人，是對其細微行為的全畫像；之于企業，是對其現金流、貿易流、訂單流等的全維度描述。

之于個人，阿里等大數據公司會從微博、社交平臺、同學錄等獲取大事記、信用卡限額、訴訟信息、朋友圈、中小學教育甚至既往病史等等，還可能獲取婚姻狀況、投資偏好、配偶、擔保人、房貸車貸、個人和家庭年收入等信息。

一些大數據公司還會利用個人瀏覽器中的痕跡，發現瀏覽足跡和生活習慣，描繪出一幅包括社會關系、網絡關系和企業關系的全圖譜。

“不同于傳統征信關注還款、負債、抵押等資金流動信息，大數據對個人行為的刻畫，無孔不入。”俞勝法說，這一切幾乎完全自動化，人工部分僅限于事后的模型完善。

例如，阿里的微貸系統就像科幻電影中的中央超核，接入企業B2B數據、消費者數據、淘寶平臺數據等，在模型分析后輸出決策。這些決策中，會給出貸款人的準入、授信、定價和反欺詐評分，以及不同貸款額度對應的風險系數。其中，還包括對貸款人的成長、流失及其扶植價值等預判。最后，銀行等貸款機構將購買數據用以評分，確定細節。

這樣的原理也被運用在對企業的考察中。

“我們給多家銀行提供服務，統計對象已達1億規模，既包括資產負債表和水表、電表、報關表等傳統信息，也包括企業訂單、庫存、物流和聯保互保等數百個變量。”金電聯行（北京）信息技術有限公司董事長范曉忻介紹，數據一有異動就會生成風險提示，比如某筆訂單收貨期被拖延，系統會立即關注其聯保、互保企業。“風控方式從傳統金融的事后降低不良率，變為了事前提高風險抑制率”。

例如，阿里小貸的大數據系統就比貸款人更清楚錢的去處及可能導致的壞賬率，從而將壞賬“扼殺在搖籃中”。

阿里原安全部技術總監蔣韜告訴《財經國家周刊》記者，多年的數據積累和模型修正，使得信用評級模型日趨強大，能持續灌入巨量信息。與傳統銀行相對落后、割裂的軟硬件設施相比，大數據已經無所不能。

截至2014年上半年，淘寶已擁有近900多萬店鋪，針對其提供信貸的阿里小貸從2010年起，業務規模每年數倍翻番。其微貸事業部累積客戶數已達60萬人，貸款余額150億元且全年預計超過250億元，累計放款超過1900億元。

同樣，微眾銀行的貸款業務原理趨同，數據偏重社交信息，但最終殊途同歸。

近年來，國務院多次針對融資難、融資貴問題發文，將其作為新常態下金融改革的重中之重。一部分無法在傳統金融中找到位置的“小微”們，也在大數據上終于嘗到了普惠金融的甜頭。

征信監管新局

“所有領域中，最早使用大數據的是征信行業。”信而富小貸公司創始人王征宇表示。消費信貸、信用卡等需要大量數據積累，龐大的受眾又需要大型運算功能和存儲體系，且資金流動風險亦亟須深度把控，使得金融征信業理所當然地成為享用大數據技術紅利的首個行業。

例如，針對額度10萬元以下的信用卡客戶，銀行會盯住三個問題：還款能力、還款意愿和收入穩定性，盡管央行征信系統能囊括90%，但壞賬率卻隨著經濟下行而不斷上升。解決之道，便是用社交、電商等大數據來深入分析剩下的10%，豐滿用戶“全畫像”。

目前，征信數據來源于多個方面：

一是電商，即阿里等的風控數據挖掘系統；二是銀行信用卡類，其申請年份、審批、授信額度、還款情況等均為信用參考數據；三是社交網站，以美國LendingClub為例，搭建借貸雙方平臺，將借款人分為若干信用等級；四是小額貸款類，例如信貸額度、違約記錄等，但目前單一企業數據地域性強、數量級低，亟須建立業內共享模式；五是第三方支付，其資金入口和結算通道的角色，使其用戶支付方向、月支付額、消費品牌等均可用作評級參考；六則是生活服務類，例如水、電、煤氣、物業費等傳統金融中的基礎信息。

“眼下，P2P非常艱難，實體經濟去杠桿，企業違約率快速提升。”金信網首席運營官安丹方表示，P2P須引入真正的互聯網基因來革新風控手段，哪怕是高價購買一些大數據后臺服務來救急，否則風聲鶴唳的P2P行業還將迎來下一輪倒閉潮。

要致富、先修路，這是常識。

1月5日，央行印發《關于做好個人征信業務準備工作的通知》，要求阿里旗下的芝麻信用管理有限公司、騰訊征信有限公司、深圳前海征信中心股份有限公司、鵬元征信有限公司等8家機構做好個人征信業務的準備工作。這一舉動，被視為央行架構個人征信“高速公路”的開始。

央行人士稱，大數據征信既防范風險，又能提高銀行凈收益，且隨著信貸行業和消費行業的發展提速，將催生出征信業的巨大需求—

《中國征信業發展報告(2003?2013)》顯示,目前我國約150家征信機構，總規模僅20億元左右，與美國和日本分別近800億元和40億元的規模相去甚遠。以現有規模和征信產品價格計算，我國僅個人征信的市場空間就將達1000億元，未來將以50倍的力量飆漲。

央行旗下征信機構上海資信有限公司的數據也顯示，該公司網絡金融征信系統（NFCS）共接入203家P2P平臺，日均查詢量達2000次。而北京安融惠眾征信有限公司的小額信貸行業信用信息共享服務平臺，上線一年半內，會員機構達405家，會員間信用信息共享查詢量日均約9000次，有信用交易記錄的個人更是突破了100萬。

“實際上，央行內部對開放個人征信有過爭議，焦點在于民間征信數據來源的合法性、合理性，一切都還是摸著石頭過河。”央行征信中心一位負責人告訴《財經國家周刊》記者。

監管層真正的顧慮在于，征信市場一旦開放，尋租空間可能難以估量。但大數據時代已大勢所趨，在頂層設計上逆勢蹣跚不如順勢而為，摸索出一條正道。

當然，不能任由各種民間征信機構扒掉民眾的“衣服”，如何對隱私保護拿捏得當，還需司法部門盡快跟上。

全球知名數據庫公司Couchbase總裁韋德霍得告訴《財經國家周刊》記者，2015年年初，牛津大學成立了首個金融大數據實驗室，旨在將金融市場行為和數據更準確、緊密的融合，解決傳統金融業的弊端。美國麻省理工學院也成立了大數據與互聯網金融研究中心，開展P2P平臺評估、行業風險預警等研究，用大數據建立風控模型、開發新產品—“中國若能持續保持技術前列，則經濟增長潛力將被進一步激發。”