圆桌对话二：P2P平台数据化应用场景与执行策略|p2p|互联网金融|利率

胆小如鼠

　　2016中关村互联网金融论坛暨第三届普惠金融论坛于2016年1月8日在北京召开。本届论坛的主题为：助力“供给侧改革”服务实体经济”。以下为“圆桌对话二：P2P平台数据化应用场景与执行策略”实录：
　　主持人：
　　王世今  费埃哲公司(FICO)中国区副总裁
　　对话嘉宾：
　　谢  群 积木盒子风控副总裁
　　柴如军中国光大银行信用卡中心副总经理
　　谭义斌安存科技副总裁
　　葛伟平考拉征信服务有限公司首席技术官
　　王世今：谢谢大家！谢谢朱总！下面这一场圆桌对话，我相信都是大家很期待的，为什么？因为他讲的就是目前最热的话题，大数据、风控、数据应用场景，这一系列的名词，我们特别期待我们下面的嘉宾接着第一轮圆桌，以非常务实的态度碰撞出火花来。简单介绍一下FICO和我自己，FICO是全世界最大的个人信用评分机构，是世界领袖的软件及科技公司，FICO有60年历史，总部在美国硅谷，纽约上市的公司。全球几十个国家，五千余客户，世界五百强的企业几乎都是FICO的客户，全世界像美国，美国前十大的银行全部都是FICO的典型的客户。FICO60年的历史，全部都是一场不停的研发创新，不停的发明新的东西，比如说有170多个基于算法和统计数学的专利，在模型上绝对是世界领袖，几十年以前，世界第一张评分卡就是FICO发明创造的，第一个自动化的决策引擎也是FICO发明创造的，第一个无监督的欺诈模型也是FICO发明的。再说评分卡，在座每一位朋友都很熟悉，今天的FICO，50%以上的银行催收是FICO做，每说话一秒钟就有9000多个交易的欺诈，我们在管理，世界上信用卡领域1/2的新卡也是我们发表的，FICO是非常小而精，全球2400多人，小而精非常专注做评分、风控、决策引擎的公司，非常有幸给大家介绍了FICO的背景。下面几位嘉宾非常有趣，因为我们下面这几位嘉宾，包括我自己来自方方面面，首先我是来自评分机构，世界最大的个人中心评分，是科技和软件公司的。我们也有来自最优秀传统银行的代表，一会儿有请柴总，也有新生态的P2P平台，积木盒子的领导，我们也有科技公司来自杭州安存网络科技的，专注于平台建设的机构。我们还有考拉征信，所以是来自方方面面传统银行P2P领域，网络科技公司，以及征信行业，下面有请这四位老总上台。
　　这几位大佬已经坐在台上了，各个都非常帅，今天话题是大数据、风控，尤其风控战略及落地，这个领域里有这样一个安排。第一个环节，我们会请每一位老总们自我介绍一下，个人，介绍一下自己的机构。之后一个环节由我主持人问到各位，问到各位的环节里，我会有集体的问题，也会有单独针对每一位老总的问题，最后一个环节有请大家像朱总解释的，请大家来提问，我们会甄选一些问题，问到各位。现在就有请各位先请谢总。
　　谢群：大家好，非常高兴跟大家交流一下关于大数据场景应用，特别在P2P平台上。我本人本科念的数学，我对大数据相关的应用非常亲切。我个人是金融系统出身的，在中资和外资银行都工作过，一直从事风险管理的工作。十几年前，开始在金融机构工作到今天在我看来，风险管理的本质一直就没有变过，虽然在中国，咱们有了更多的场景上的一些便宜，包括一些聪明人，也有很多日新月异的科技，但是它的实质重来没有偏离过。我所在的积木盒子，2013年8月份上线的，到现在经过同事的拼搏，已经走在行业比较前的位置。我们认为P2P，特别是P2P网站，只是网站前进第一步，在中国由于很多家庭，特别是中产家庭，对于理财的家庭，有很多需要融资的人，信息是对称的，我们希望做到一站式多品种，基于互联网的理财，上个月，积木盒子，改为积木。我们开发了推出了基金、股票、锦囊妙计，希望给大家带来更好的投资的体验。
　　柴如军：大家好！非常高兴参加这个论坛的讨论，我本人来自于中国光大银行信用卡中心，分管风险这一块，开始之前，特别要感谢主办方，这次互联网金融论坛，我发现作为传统金融机构，参加者比较少，我感觉坐在这儿比较另类一些。互联网金融作为传统金融机构也是互联网金融组成部分，我们也在积极的拥抱互联网。今天讲的P2P数据化，我的从业经历一直在商业银行，在传统的金融机构，作为信用卡业务是传统的银行业务里头最具有创新的一块业务。这个业务从开始之初，我们就把风控放在第一位，因为它是信用贷款业务，而且我们一直致力于用数据，用量化模型来管理风险，我们有这样的基因和属性。今天非常高兴有这样的机会看看传统银行之外的互联网金融发展的一些趋势，能够跟大家做一些交流，所以我非常高兴。
　　谭义斌：大家好，我来自杭州安存科技网络的谭义斌，我们成立于2008年，成立以来只专注于一件事情，如何让电子数据更具有司法效力。2011年的时候，我们和运营商合作，推出全球首款具有司法效力的录音系统，安存语录。后来我们跟网易合作推出了安全业务。后来我们在版税保护行列，在互联网金融行业等都有自己的一些做法，互联网金融行业，第一个用户是为微众银行，后来在浙江微贷网等比较有名的平台，使用了我们安存的业务系统，第一个，能够保护投资人，投资人在线上威权是很难的，因为你手上没有可靠的数据，微贷网为了表示他自己是可靠的平台，率先使用了安存的系统，安存全国有一百多家公证处出示公证书，可以将数据提交给法院。我们内部也在探讨，所谓的大数据，首先要保证数据的真实性，然后保证数据的合法性，这些数据是谁的？我们国家法律政策没有很清晰的定位，今天来参加这个论坛，也想跟大家一起沟通和交流一下。谢谢大家！
　　葛伟平：很高兴有这个机会跟大家交流一下我们的看法，我是考拉征信的葛伟平。我们跟其他的征信机构不太一样，我们会扩大股东的范围，原因是什么？当时我们觉得刚成立征信公司的时候，征信靠数据的，用数据给我们P2P机构、小贷机构、银行提供服务，数据非常重要，我们特别希望跟有数据特色的公司成立一种股东关系，不仅从资本层面，从数据层面形成考拉征信，像拉卡拉，是一家互联网金融集团，有一级金融数据，跟400万小微商户的数据，还有拖瓦丝也有一些互联网运营的公司，像蓝标也有一些数据等，通过数据，把这几家公司整合在一起，给我们提供相关的服务。目前国内的行业来讲，征信行业还是需要牌照经营的，考拉征信是第一批获得征信的牌照，也是目前央行[微博]允许的8家可以试着在个人征信领域，我们叫做试营运，考拉征信是其中八家中一家，我们提出了信用评分、信用报告、互联网征信平台服务。2015年是征信的觉醒年，2016年是崛起年，国家发布了很多关于征信的政策，各种征信机构试营业，国家也发布了用大数据加强市场主题监管与服务的指导意见，推动大数据信用体系的建设。我们也看到本身数据碎片化程度蛮普遍的现象，像P2P机构，我们也跟很多P2P机构合作，也在观察、实验，征信评分是不是能解决风险或者防范风险？所以2015年是征信觉醒年。2016年数据融合是常规态势，我相信不光覆盖到贷前，还要覆盖到贷中贷后。我相信这个征信不光用在信贷行业，可能会在其他行业，比如说保险的定价行业等等。
　　王世今：这个介绍非常好了，能够听到各种不同的数据，各种不同的风控带给大家的思想碰撞了。风控肯定是金融里面的核心和生命力，而风控离不开大数据或者离不开数据分析，在我们国家大数据，大数据时代，信用评分时代，大家是认可，也是共识的，但是也有各种垢病，很多人说我们大数据说虚的，雷声大，雨点小，这些数据也没有转化成生产力，带着这样的问题和思考，今天我们这四位嘉宾很可能会给大家一场盛宴，冲击我们思考方式的革命式、创新式的火花。基于希望这个，我想问一个特别实惠的问题，比如说经常会问说你们在大数据执行策略上都有哪些优势，我想分头的一起问，这四位，大佬，您的企业，您的公司银行，在过去的一年里，比较一年以前，比较去年的这一天，您在大数据领域里有哪些进展和突破，所以这个问题得到的答案更实际，更实惠，更符合观众们的口味，我们逐一的回答，先请谢总！
　　谢群：大概是一年前的今天，金融核算我们金融大数据中心。金融大数据中心的成立，主要是为了给我们P2P业务更多的数据上的支持，也就是说以后不单依靠外部合作方推出来的数据，而是我们主动去找，网上下载和我们其他的合作方，包括一些征信公司或者数据公司，因为征信这个词比较泛，这是第一点，把专门工具开发好。第二，当我们一年前主要做一些房屋类和企业类的贷款的时候，我们需要一种数据，当我们业务已经扩展到很多以个人消费类贷款为引擎的业务的时候，我们所获取的数据成长速度非常之快的。今天我们每天都要处理上千笔小额的，有实际场景的消费信贷。一年前，我们接触更多的，一年有十笔，动辄上百万的贷款需求，所以通过对碎片化数据的接触和支持，我们积累了更多的数据。以往的风险控制，基于第一到现场尽职调查，现在可以在网上各种数据源合作，更方便，更有效的做数据上的处理。这里面包括两层意思，一是对欺诈的处理，一个人如果给了你一个他父母的电话，你发现他一年中没有给他父母打电话，这个电话是假的，还有利用高科技判断来识别欺诈风险。二是信用风险，这个人本身没有问题，但是违约了，这也不是非常让人吃惊的事情，毕竟有一些不可测的事情，只能把它归纳到概率范畴来做，用概率的方法进行风险管理，离不开基于大数据的积累。我们以前对银行或者大机构的数据进行改造用到现在的业务上，现在优势积累了上百甚至上千个逾期客户，一方面对业务上不是好事，另一方面对风险管理通过过去历史分析出哪些是好客户，哪些是坏客户，确实是优势的弥补，这是我们在过去一年里面大致的变化。
　　柴如军：就光大银行来讲，去年一年里头，做了以下几个方面：
　　一个方面，对于自己数据充分的挖掘和应用。大数据的时代，应该说各个行业都产生数据，我们自身也是如此。光大银行发卡10年时间，不断的累积数据，不断在这一块进行优化和完善。这一块也在跟FICO合作，去优化我们的模型，新开发我们的模型在这方面的合作。
　　第二个方面，我们主动的通过一些跟外部的第三方拥有数据资源的企业进行跨界合作，在座的嘉宾里头，葛总，光大银行在去年下半年跟拉卡拉集团联名发了信用卡，“联名信用卡”，拉卡拉有大量刷POS的资源，我们应用拉卡拉的数据，共同推出联名卡。我们跟银联商务联，我们去年也推出了联名信用卡。去年我们跟一些税务合作方，针对一些税务方推出了联名卡，这是大数据方的一些大作为，这些属于销售推广方面。实际上销售推广和风险管理，本来是一个事物两个方面，销售过程中本身也孕育着风险管理，我们跟销售推广部门共同制订我们推广政策，共同利用这些大数据。
　　第三个方面，积极准备着怎么更好的运用大数据，把光大银行，我们所谓的传统银行，我们信用卡中心，打造成数据驱动型的信用卡中心，把我们的信贷审批打造成智能信贷审批工程。我们为什么要这么去做？实际上看到，必须要看到现在技术发展的趋势，以及他带来的这样一种优势，我们必须做好准备。考拉征信的葛总谈到目前有8家公司，向央行提请申请征信的牌照，这些征信公司来讲，他们都是能够提供大数据评分服务的公司。我们也要积极的跟这些公司进行合作，利用他们的一些优势，他们的一些资源来对我们人民银行[微博]征信中心进行补充，民营的征信机构跟他们合作，我想，一是优化我们自己，二是我们主动推的，三是准备好下一步要去更以积极姿态运用好大数据，做业务储备，应用储备。
　　谭义斌：现在数据确实很大，这么大的数据里面怎么把数据进行分类整理、净化是非常难的课题。安存数据很多，但不敢用，我们纯粹第三方数据证明力的公司，如果用了这些数据的话，跟我们主业不相关，而且违反了我们战略发展方向。数据很值钱，微信和支付宝[微博]推出了支付宝+公证的项目，我们第一模做什么？你出国很多公证不需要跑公证处了，拿这些公证数据好了。数据很值钱，出国的人算是高端用户，随着中国的人均GDP越高，这种人群越多。这种数据的话，蚂蚁金服也在说，这些数据是否可以开放给他们作为征信体系中的一种，还有平台上的数据，也有平台跟我们谈，我们上面有一个按纽，你是否申请仲裁或者是否申办公证，都有这样的按纽。我说点这个按纽，对你评分有很大的帮助吗？他说也是他的行为数据之一。我们自己在思考一个问题，讲大数据的前提一定是数据真实、客观，数据利用上面我们没有过多考虑。在大数据应用场景各方面，我们在想，我们在甄别自己用户的时候，其实用到一些的。因为安存是做司法证明的公司，我们在想，在甄别我们自己客户的时候，我们也会对我们的用户，对我们的服务的对象，也会利用大数据的方式去进行一些梳理和整理，也是为了防止黑天鹅事件，不说哪个平台好了，接触很多平台的时候，也会发现平台会有一些问题，所以我们也在积极的往大数据方向去靠，能够汇集出模型出来，从而更好为平台、投资人服务。
　　葛伟平：首先讲一讲征信行业，传统来讲就是收集个人信用数据，推导出个人的信用。在这里面，在中国或者在美国也有这种明显，在P2P行业更明显，有些人原来没有信用积累，就是覆盖率不足的问题。第二，我认为精细化程度不够，我同样两个人，我两张信用卡，我一人刷一万块，也按时还款，真正再深入考虑一下，同样是一万块钱，有的人用在餐饮行业，有的人用在出国，有的人用在超市，这里面可能信用不一样的，我们做了数据分析，确实信用不一样。就有这两个问题，导致了很多数据，我们多用一些数据更准确的反映一个人的信用，尤其是互联网大数据，大数据技术给我们征信行业带来很多新的思路，新的方法，新的机遇。我们去年一年，我们做了很多工作，就是各种各样的数据不断的采集、整理、清洗，不断让它显著。中国数据有一个特点，有时候看数据很广泛，但是深度不够。我们刚才讲到，为什么需要用多样化的数据？除了传统的，还有一些比如说你的理财类的数据，资产类的数据，行为分析的数据，互联网的数据，互联网数据尤其丰富，现在国家逐步放开了这个数据，你的法院判决书，老赖的名单等等，提供了很多的数据，都可以用到征信上尝试，看看对我们的整个征信是否有帮助。
　　去年也做了一些分析，也做了一些工作。中国像小的商户，大概几千万，其中我相信其中小的商户有融资需求的，因为他业务要发展。但是小的商户有一个特点，一是他没有信用的，他原来没有借贷机会，很难对他进行信用的评估；二是中小微商户，不是贷五千，一千，基本上在十万到三十万之间，我也看了P2P平台，P2P平台很多都是用所谓的房产抵押，小额商户不一定有房产，就导致融资、贷款存在一些问题，我们想了一些办法，根据小微商户经营流水看一看，你这个商户经营状况跟你的同比环比是不是在发展，你的发展速度是不是超过平均的发展速度？再看看说竞争力的分析，你手上的行业当中，大部分处于什么样的发展态势？你是不是比他们优秀，优秀到什么程度？再看看欺诈交易等等，再结合小微商户本身的经营，再看看小微商户的自然的属性给他综合的评判，帮助小微商户可能会在小贷机构，P2P平台上面，甚至银行贷到的款，经常从小微企业贷款难，通过信用把它缓解这种状况，也是一种思路。
　　王世今：大家从刚才回答中，听到很多变化，数据源增加了，孤岛打通了，行业合作更加多了，包括评分上，模型上，客群上等等。这些嘉宾的答案印证了过去一年里，在中国大数据和风控领域里有着多么大的翻天覆地的变化，这正是我们大家心里特别欣喜，特别欣慰一件事情，今天有这样大会的契机，有几位嘉宾窗口，把这个神奇变化给大家展示出来，这是一件非常有意义的事情。大数据领域里，有一个我自己认为非常形象的比喻，风控大数据。很多人说做好风控，用好大数据，能用上大数据，有点像做一顿饭，得有米、有锅、有巧媳妇，之后得有平台和工具，得挖掘做BI，得把数据玩转，最后得有技术和经验。我非常想通过来自于不同的行业这样的嘉宾的回答，下面这一个问题，就是在我们的米、锅、巧媳妇三层领域里，您觉得无论在P2P领域里，还是在我们的银行，还是在平台的科技的公司，还是在征信领域，您觉得当前我们最大的挑战是什么？您觉得这米，这锅，这巧媳妇，当前行业最缺的是什么？
　　谢群：缺小媳妇吧，十年前，我参加一个会，会主持人，本人是国内的最顶尖的医学杂志主编，医学杂志里面很多时候用的统计数据，他就说了，据他的统计发表在国内医学杂志上的论文里面统计数字50%错的，包括没有发表的80%。当时中国可能用统计，数学来分析银行的一些东西很不适应，据我所知一些银行的风控，大概在10年前，甚至7、8年前，对毕业生专业要求从来不说数学统计到风控来干什么，几个月前，又和北大[微博]的教授，专门做商务智能教授聊了一会儿，我们聊到国内企业对数据分析能力怎么样？他斩钉截铁说，分析能力非常弱。我们处于大数据年代，数据非常多，对数据分析本身相对落后。一个原因，也是我们对这块相对来说比较重视的晚一些。在美国比较有意思，美国人数学不好，不妨碍用数学做分析，美国银行里面很重要的决策都要看数学模型，如果这个数学模型证明项目上线以后两年以后或者三年以后给银行带来18、13%的收益，这样的年化项目才值得银行投资。这是银行的惯用的做法，对数据的使用和分析成为对银行竞争最强的一块。好的客户和坏的客户都知道，哪些客户处在中间？但是你能正确识别是好客户，还是坏客户，这才是本事。
　　刚才你用米、锅、灶台、巧媳妇来比较，无非几点，第一，用商业直觉判断哪些数据对你有用的，这里面包括对现代科技的理解，以前我们可能不知道，百度[微博]可以追踪你的行走路径；第二，用测试的方法找出哪些真的为你带来帮助，毕竟在我们行为中有很多是非常偶然的事情，如果不正确把它抓住以后，对我们的分析是有害的。如果你相信一个人星座和偿还能力有关系的话也可能有关系，也可能没关系，我们需要做的事情，把它拿到各种不同的场景来看，看这种关系是否成立，需要来测试。第三，再下面用高科技，来抓取适当的数据，比如说知道很多公司开始设置在你的抓取过程中，我给你安排一下，放了很多的折扣券，看你有没有看一看，通过这种方式找到行为的数据。第四，用统计分析或者机器学习，但是不管用统计分析还是机器学习，这种效果上比较平行的。
　　柴如军：就巧媳妇来讲，巧媳妇很重要，关键是家长更重要。第一，要不要用大数据；第二，怎么用大数据。
　　还是理念的问题，对于传统银行还是理念上，在我们整个企业文化上是不是具有这样一些思维和理念，这需要我们更多去转变。我们说互联网金融企业，并不是天然具有用数据的基因的，今天我听到一些数字说去年，累积到现在有一千多家问题平台，我也看到一些平台，有的数据成立不到半年，就跑路，出问题了，从大数据来说，半年没有到一个暴露期就出问题了。大数据不是传统银行就会有，也不是说P2P，我们互联网金融也天生就有，我觉得理念上，思维上，观念上这很重要。如果说我们有了这样一些理念，有了这样的思维，我们会去找能做大数据，我们会去搭建这样的平台，我们会去投资，我们也会去找数据。作为银行来讲，我想这都是容易做到的。所以，也同意谢总的观点，也补充一点，从我们传统银行的角度，来做的一些思考。
　　谭义斌：主持人提的很有意思，巧妇难为无米之炊，媳妇很重要，米是好米还是坏米，我们很关注米的真实性的问题。如果里看这个问题的话，锅和媳妇随着我们技术不断的升级，随着应用场景不断建多，会越来越多，我们安存一直做法律的，非常关心米的来源问题，是否是真实的。业界也有别的看法，是否不真实的数据也可以作为大数据的一种，作为安存来说一直关注米是否是真实的。我们最早跟微众银行合作的时候，他说你怎么防止我微众银行造假，如果源头就是假的源头，你怎么来做？给了我们很大的挑战，互联网银行第三方数据存储，随着我们算法升级和流程的改变，已经确保米是好米。
　　葛伟平：我个人看法数据更重要一些，或者说也许是阶段性的，这个阶段，我认为在数据行业完全做整合，完全做融合。我们是从征信行业来做的，国外来讲已经有100多年历史了，数据非常好，数据基本上非常完善的，从征信机构弄了一些数据，样本也比较齐全。对我们八年来讲都面临这个问题，数据的问题，不够完善。数据这一块，因为现在在做模型的时候，有时候是这样子的，要不然是专家，要不然是机器学习法，我们有时候也要看看数据跟目标有什么关系。我们样本分成两种，一种样本量、覆盖量足够大的话，跟我的群体样本表现出来的结果不一样的，这是第一。第二，我在外面，加一个数据进来，数据覆盖面比较少，整个模型表现也不一样。我感觉目前阶段来讲，数据更加重要，这也是未来得重点，也是作为征信公司来讲希望做数据整合，为P2P、小贷银行提供服务。
　　王世今：太完美了，来自于不同的公司，不同领域的各位大佬，有着不同的挑战，每一个最关键对他们来说的，刚才的智慧的火花，行云如水的答案，印证了我们当前领域缺失的是什么。知道问题在哪儿就知道找问题的办法。我不由想加一句，我自己也是做大数据分析的人，我回国是2013年，我实际上特别想振臂高呼一件事情，我们各个行业或者机构，我觉得是对平台以及大数据分析工具的投入，其实是不够的，比如我在美国银行里，我们每一个分析员，自己手里拿着数据分析的，第一有数，第二我们可用的工具太多了，数据挖掘的工具，做BI的，可视化的工具。2005年的时候已经用优化软件，但是在中国，我们有很多有着抱负、理想的人，而且特别肯干，我们五个人代表着不同的声音，希望是我们未来能够解决发展的趋势，这一组的答案实在太完美了，如果大家都是说一个事情，也有他的好，我特别期待就是听到不同的声音。
　　下面分成两组，第一组，针对P2P和银行，在你们这两个领域里，在风控和大数据领域上，你们觉得自己的优点是？银行和P2P不一样的，谢总觉得说我跟银行有突破的地方，两家比一下，来一次不一致的地方，一致的地方，觉得自己有优势或者有劣势的地方分头是什么？
　　柴如军：对于P2P了解不够深入，说的也有不到的地方，谢总指正。作为银行和P2P来讲的话，先说一样的地方，今天在论坛也好，上午的主题嘉宾也好，都讲了金融的本质核心是风控。银行也好，P2P也好，实际上来讲的话，都是金融，尽管从目前出台给P2P的定义是信息中介，作为P2P产业，我认为还是金融。既然是互联网金融，重点还是在金融方面。既然是金融就是把风控放在第一，这是第一点。第二点，银行还要定义到信用卡的风控，银行有个人业务，有企业业务，个人业务做的信用卡业务是消费金融，P2P也是消费金融，我们用的方法很多一样的。我们要做小额分散，这是我们都要去坚持的。不一样的地方，P2P是一个中介，我们是一个贷款机构。作为目前情况来讲，作为银行既可以用线上的一些能力，也可以用线下的，可能从目前来讲的话，我们在线下这一块有一些传统的惯性，怎么很好的转到线上，或者线上或线下的融合，我想需要我们去加强的。作为P2P来讲，在大数据的应用方面，如果说要做得很好，做得很大，一定要应用这个技术的。作为P2P来讲的话，没有线下的优势，必须把它做好。从本质上来讲，是一样的，但是我想可能更有侧重。但是核心核心的东西，我觉得是没有差别。
　　有一点差别是什么？是我们在客户定位和产品或者应用模式上不一样。因为银行来讲的话，可能我们受制于自己在风险控制方面的要求，我们要求信用度比较高的，风险比较低的客户，但是P2P来讲的话，在客户群上不一样的。
　　在运营的方式上也不一样的，核心我认为没有什么不同，关键无论是银行还是P2P，针对我们自身的特点，针对我们自身的应用模式，搭建适合我们自己的风控的体系，我想谈谈我自己的理解，可能对P2P有理解不到的地方。
　　谢群：先说一致的地方，对人才的渴求，今天我看到没有一个部门的人才，像信用卡部受到P2P的追逐。很多分析方法，非常类似，不仅是对个人消费，很多方法可以用于小微信贷第二是不同的地方先从美国看经常基于结果的，如果银行拒绝你的信用，你不能用什么东西呢？在中国可以用性别做信用评分的，大家认为天经地义的，统计数据这么说的，事实上，主要是基于对于公平的理解。在屏幕上停留时间多长，也可以用作判断信用风险的依据，这方面我们更灵活，银行能不能做这个事？也能做这个事，如果拿枪逼着你，银行监管和P2P监管不可同日而语，对严格性和数据保密性，数据来源合规合法性，这是不一样的。在美国的时候，任何一个风险分析员都可以接触银行大部分的数据，除了一些敏感信息。中国大部分的银行，如果想使用一些数据的话，我原来工作过四大银行，都要打申请报告的，但是在中国大部分的数据分析简单列一个表，做一个平均数，现在有好事SASS用得越来越多了。这方面P2P比银行更加灵活一点，我们未必比你更聪明，但是使用方面更灵活。
　　王世今：谢总和柴总彼此非常友好，金融本质一致的，差别是有的，尤其监管上的差别。下面请另外两位谈一谈对金融的服务，一是从征信的角度来服务，一是从科技角度来服务，你们对银行和P2P领域哪些是你公司认为最值得骄傲的？
　　葛伟平：作为征信公司来讲，像小贷、P2P、银行都是我们服务对象。我可以感受到，第一，P2P公司跟小贷公司目前客户群体或者本身掌握的数据，他们对整体的或者对服务的要求比较迫切的或者比较高的，除了信用报告等等，黑名单查询等等。对于银行来讲，从他们角度来讲，由于各种各样的原因，用户群体不一样，会导致这个群体有可能有些资料，或者不像P2P公司没有获取风控方面的资料，这是第一。第二，银行渠道比较多，多到甚至我认为比征信公司渠道还要多。征信公司刚刚成立，也需要时间，像国安方面的，一些比较重要的资料，目前来讲对银行开放，对我们征信机构不一定开放。大概他们的需求是不一样的，对于我来讲，我们也是根据他们的不一样的需求，提供不同的服务，你要对P2P机构，我可以提供全面的，打包的，端到端的，对于银行需要资料的补充。我们也做了一个补充的场景，我们做的工作不是传统征信，是互联网征信，我们的思维比较互联网化，我们做了一个场景，我们原来发现很多的评分，发现评分的话，原因很多，评完以后有什么用？就做了场景化的动作，我们就推了好多APP，你评完分之后，可以给你几个应用，一个应用比如说考拉信用券，可以申请商户有关的活动，还有很多不一样的地方区别在哪里？根据你的信用分来定的。第二个有信用的超市，我根据什么来定，我自己不做信用产品，你小贷公司的产品，银行的产品可以上网申请，品种不是我的，我可以做信用评估。我们上面也有其他小额公司的产品，上面申请的时候，我客户到帐的时候评分，他会贷款，根据他的评分推荐贷款，为什么这么做呢？跟一般的所谓的互联网没有征信评分是不一样的。小贷公司有不同的品种，有优质的，有一般性的，你凭什么说对小贷公司最好控制好东西，把好的客户，C端客户作为真正的客户，通过什么来评判？通过分数，分数越高，可以申请到更好的产品，如果你的分数差，只能享受到一般的信贷产品。你的信用也是从各个层面积累出来的，分高可以申请更好的产品，分低申请更低的产品，逐步逐步形成有机的信用体系。
　　谭义斌：安存当时为互联网金融提供服务的时候，第一个P2P易网，他说如果不能把行为暴露在阳光下面，我的平台上跑了几千万，几亿资金的时候，一旦股市好的时候，很难不动这个资金，由第三方监管的时候，这种念头会少一点。比如说甲乙两个平台，甲平台提供有司法证明力的电子凭证，乙没有的，我相信客户选择能够提供司法证明力的电子凭证的平台进行投资。安存在互联网金融行业，能够做到，第一，为平台证明他的清白；第二，投资人保护这块，切切实实做到了，中国讲究司法底线，当你平台跑路的时候，我相信司法是最后一条救赎路径，司法能够帮助你在你确权情况下提供最大的司法援助。
　　王世今：时间关系不做总结，最后一部分有热心观众提了很多问题，对每一位嘉宾都有问题，时间关系挑两个问题，一是葛总，一是柴总。
　　第一个征信，个人征信牌照运营一年了，什么时候会发？央行有什么顾虑吗？
　　葛伟平：这个问题不应该我来回答，应该央行回答，1月份8家发了试运营的通知，4月份做了预检查，7月份做了验收，从各个方面，技术方面，业务方面，合规性方面等等。近期也发了互联网个人征信监管的条例，至于什么时候发？我们很想知道牌照什么时候发放。我认为这个工作不影响我们的工作，我们正常工作正常推进，数据方面，业务方面也在正常推进。我们有一个宗旨叫做信用创造价值，很多东西还是考虑信用还是给金融服务的，我希望体现到它的价值。比如我跟光大合作的信用卡也是如此，贷款额度蛮高的，最高到30万，不是根据财产，不是根据抵押，完全根据信用，根据跟光大联合开发的模型进行评分，分数高的办到卡，这能体现信用体现价值的宗旨。
　　王世今：目前大数据风控在行业的现状，阻碍发展的壁垒是什么？请柴总用一分钟的时间回答一下这位观众一下！
　　柴如军：银行这一块来讲，大数据的应用，还是一些政策的配套的支持，实际上来讲，包括一些配套的政策，以及相应的政府的推动和市场的更加的参与，两个主体的推动。数据来讲，各个行业，市场参与主体都有很多数据，数据如何挖掘它的价值，这个更重要。比如刚才谢总讲的银行数据很重要，但是不能用，P2P也想用数据，但是拿不到。我个人觉得大数据平台也好，技术也好，我觉得现在已经有了很好的基础，有些行业已经用的很好了，这在于一些配套的政策，一些能够到位，我们的一些市场的参与能够更活跃，这样的话，能够推动整个大数据在整个金融或者互联网金融方面的应用。
　　王世今：四位回答都特别好，各位观众非常抱歉，问题很多，也有给谢总、谭总的，时间关系不一一回答，接下来可以走到他们面前，单独找他们回答一下。今天这个圆桌让我自己非常受益匪浅，我珍惜这样的感觉。我刚才觉得过去50分钟，从不同的视野非常多元化的关注了我们在当前行业里吵的最凶，问题最多的风控，以及大数据风控可执行战略和应用场景。非常感谢四位嘉宾和组织方，今天这个圆桌代表了对金融领域风控无比之大的责任心和社会责任感。非常感谢四位嘉宾这么好的圆桌！
　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。