完成了對C端市場的瓜分之后，BAT等互聯網巨頭們還是瞄向了B端市場。

在2016年及之前，BAT、網易、京東等互聯網巨頭們已經在云計算、人工智能等領域推出了諸多針對企業級市場的服務，從如今的趨勢來看，被暢談許久的大數據或將是BAT們爭奪的又一塊價值洼地。

日前，百度云傳出消息為民生銀行提供信貸企業的風險管理和預警的云服務。在尋找大數據布局切口的問題上，風控和銀行成為BAT們的共同選擇。

風控是銀行業的七寸，也是大數據的練武場

顧名思義，風控即風險控制，通過建模的方法對借款人進行風險控制和風險提示，消滅或減少風險事件發生的各種可能性，或減少風險事件發生時造成的損失。

現在的商業銀行在本質上屬于經營風險的特殊企業，通過承擔風險，轉化風險，并將風險植入金融產品和服務中再加工風險。在國內外商業銀行的發展史中，因風險管理不當、資產質量低下而導致倒閉、被政府接管的不乏其例。如何有效的管理風險、規避風險成為商業銀行生存與發展的靈魂。

銀監會在去年7月份發布的《中國銀行業信息科技“十三五”發展規劃監管指導意見》成為大數據風控加速落地的催化劑，比如說在服務和應用層面強調基于大數據的營銷、風控應用的推廣。

動作敏銳的互聯網金融早早完成了大數據風控的布局，看起來有些傳統的銀行業在節奏上似乎有些遲緩。

對于線上的純數據和信用類貸款平臺而言，引入大數據風控產品并沒有太多門檻。對于商業銀行卻不然，尤其是中小銀行，對大數據風控技術的應用尚不成熟，其風控模式更多關注的是靜態的風險預判，這和中小銀行科技水平和風控能力相對較低、數據信息的數量和質量存在缺陷等不無關系。

一般來說，大數據風控有著三個核心要素，即風控模型、場景和資金。商業銀行仍然擁有著低成本資金優勢，在線下場景也有著長期客戶積累，大數據和海量風控因子恰恰是很多商業銀行所欠缺的。

反觀BAT等互聯網巨頭，在海量數據、金融云、用戶畫像、信用體系等方面有著先天的優勢，特別是在銀行逐漸實現業務電子化、金融監管收緊的情況下，BAT與商業銀行在大數據風控方面的合作似乎是水到渠成的。

背靠大數據金庫的BAT，如何開局？

BAT在大數據風控方面有著相似的邏輯，依靠自身積累的大數據體系，利用技術打造風控能力，再將這種能力開放給銀行等金融客戶。

以百度云和民生銀行合作的風險預警項目為例，依靠百度云的大數據收集、分析和計算建模能力，為民生銀行提供海量非結構化數據的加工處理，和目標企業進行關聯，并借助風險識別模型判斷產生風險信號，再通過百度云bos服務和API對接銀行內部業務，以實現對授信企業的風險監測。其中涉及了百度云在大數據方面的三層應用：

數據挖掘： 作為國內最大的搜索引擎，百度擁有大量的公共數據和需求數據，且在樣本數據的復雜性、廣度、多樣性等方面占據優勢。尤其在金融領域的數據涵蓋了支付、貸款、理財、保險、證券、銀行、征信、基金、眾籌等各個領域。而銀行不良貸款率的增加和信息的不對稱有很大的關系，百度在數據層面較于銀行自身的積累有著不可比擬的優勢。舉個例子來說，通過百度的大數據可以對銀行的借貸用戶進行全方位的追蹤，包括搜索習慣、交易信息、個人信用、地理位置等等，將風險控制到最低。

數據處理：百度云推出了“天算”平臺，基于百度的大數據和人工智能技術，為企業提供從數據收集、存儲、處理分析到應用場景的一站式服務。比如針對金融風控行業的特點,“天算”制定了相應的解決方案,通過百度搜索、地圖、社交、交易、政府等各類數據的收集,以人工智能技術、深度學習技術、大數據能力為支撐,實現了對各類金融客戶深度場景的定制,如購車貸款、企業貸款、教育貸款、家裝貸款等,為金融機構提供安全高效的風控服務。此外百度云BOS提供的云存儲服務，實現了銀行內部數據和外部大數據的打通。

風控模型：相比于市場上很多紙上談兵的風控模型，百度的優勢在于搭建了已經應用于實戰的風控模型，具體體現在百度金融的主動預警捕捉高危行為。百度金融打通了“人+手機+設備+IP”等關聯緯度，基于全網行為進行監測，捕捉高危行為特征，在貸前準入方面就開始排查風險，進行反欺詐識別，生產黑名單，對借款人的行為進行預測。并在貸款后對借款人貸后行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。由此可以看出，為百度金融提供技術能力和風控能力的百度云，在風控模型上的能力不可小覷。

與此同時，阿里和騰訊也打起了大數據風控的主意，典型的就是螞蟻金服、微眾銀行等也在試圖對外進行技術開放。但百度的做法給行業帶來了新的啟示，以云服務的姿態進行大數據能力的輸出，和第三方平臺純粹的大數據風控體系相比，云計算、人工智能、大數據結合的服務模式無疑更具備優勢。

從大數據農民到大數據商人

覬覦銀行業的不只有BAT，還有形形色色的創業者，畢竟百萬億規模的銀行業是一個不可多得的蛋糕。不過，民生銀行作為股份制銀行將云服務應用到貸后管理和信貸決策領域，卻給行業帶來了更多值得解讀的信號。從云服務的角度來講，金融云在安全層面又一次刷新了歷史，但從大數據的角度來看，BAT正從自給自足的“農民”轉型成為大數據“商人”。

其實從2014年開始，BAT就開始加速大數據的應用，比如騰訊的社交大數據、阿里的電商大數據以及百度的搜索數據。不過這個階段，BAT扮演更多的是大數據“農民”的角色，阿里應用大數據進行用戶畫像主要在電商層面，百度用大數據來改善廣告和營銷效果，騰訊用大數據來改善運營等等。云服務的大規模應用為大數據的開放提供了良好的“媒介”，BAT也開始進行角色轉變。

但在當前的大數據格局中，除了政府所掌握的數據，BAT等互聯網巨頭成為大數據資源的壟斷者之一。可即便如此，數據孤島仍是圍困BAT在大數據方面想象力的重要原因，正如阿里對于社交數據的缺失，騰訊在生活場景數據方面的不足。同樣的困局還存在于銀行業，目前央行個人征信記錄覆蓋率僅為35%，這一數字在某種程度上甚至不及BAT所搭建的信用體系和風控模型，尤其體現在數據的維度上。從這個角度或許也能夠解釋，為何BAT把大數據風控的潛在客戶指向了銀行業。

大數據應用的云服務化或是結束數據割裂最行之有效的方式，比如說百度云和民生銀行的合作方式在服務的標準化和可復制方面并沒有太大的門檻，這就意味著未來將適用于更多的企業，而作為云服務的供應方也將從更多維度獲取到數據。

數據顯示，目前國內大數據的市場份額已經達到了1000億人民幣，預測到2025年中國的大數據產業會是一萬億元的規模，有著近十倍的增長。數據的流通勢必將以指數級的形式加速大數據產業的發展，但在誘人的前景背后也面臨著標準化、規范化、安全性、公平性等一系列亟待解決的問題。

結語

30多年前，世界著名未來學家阿爾文·托夫勒就在《第三次浪潮》一書中預言，大數據極有可能是繼農業革命和工業革命后的“第三次浪潮”。或許其中的過程有些曲折，從銀行業和大數據風控身上，我們看到了未來的希望。

Alter，互聯網觀察者，長期致力于對智能硬件、云計算、VR等行業的觀察研究。微信公眾號：spnews