熟悉X教授（微信公眾號：X_Man_Investment）的童鞋都知道，我雖然是互聯網金融的積極鼓吹者，連我的簽名都是“互聯網金融不是醬紫（這樣子）的”，但其實我并不覺得傳統金融機構一定會像恐龍一樣滅亡。就在不久以前，我也仍然在傳統金融機構供職，職位也算是高管級別，傳統金融機構的牌照優勢，忠誠客戶資源以及線下風控經驗，不是一家創業一兩眼的互聯網公司可以立刻追得上的。如果能與互聯網公司的數據獲取與處理能力相結合，金融互聯網能與互聯網金融并駕齊驅也未可知。
1. 傳統金融機構的強項在于獨有數據
一年前去湖南的一家地方農信社考察，主要的貸款對象都是附近村的村民，但十幾年下來壞賬率出人意料的低，而有一家P2P到這里發展后，卻很快開始出現壞賬，由于不夠人手催收，最后只能退出了這個地區。農信社的資產規模不算大，信貸員也不是名牌大學畢業懂高科技的，就連農信社使用的銀行核心系統也是十幾年前的過期貨色，但是它就有一招鮮，那就是農信社的幾個主要信貸員在這里耕耘了二十年，哪家小孩今年讀了大學，哪家夫妻倆在外打工平均一年寄多少錢回家都心里有本帳，這些數據都存在他們心里，別人是看不見的。
大型金融機構就更不用說了。比如銀行除了花大價錢養著的客戶經理團隊和風控團隊，還有長期積累下來的信用記錄，單單這一點就能讓競爭對手垂涎欲滴了。基金和信托等財富管理類機構，長期以來的推薦也是基于已購買客戶的信息，例如我曾經在官網上購買了嘉實基金的一個ETF股票基金，然后每逢有新的A股基金產品推出，我就會收到他們的推廣郵件，由于和我的投資偏好比較符合，我也樂于進行重復購買。
在獨有數據這一項，保險公司就比較弱，例如車險定價到現在為止也只是很粗放的根據駕駛人年齡，車輛購置價等統一因素定價。
2015年6月開始，在黑龍江等六地開展的費改，到目前為止也只是開始基于不同的車型以及車型相關的零整比（零整比指的是整車購買價格和將此車所有零件的維修報價之和的比例，有的車在2-3倍，但有的車高達8-9倍，因此不同車型的賠付成本會有很大差距，零整比高的車型的車險就會更高）開始有差異化的定價。
由于定價的因子本質上是一樣的，每家保險公司根本談不上差異化競爭，所以到最后就陷入了死拼渠道費用的紅海之中。車險，從來都是不掙錢的業務，強大如平安車險，綜合成本率也在95%以上，其他保險公司的綜合成本率在100%以上的比比皆是，純粹只能賠本賺吆喝。
2. 大數據，一般都是非獨有數據
這些用獨有方法獲取的，非結構化的數據當然很值錢，但是對于大部分競爭對手來說已經很透明，而且隨著互聯網公司一步一步收購現有的金融機構，以上這種“一招鮮”很有可能被其他的信息或風控手段取代，很快這個壁壘就將不復存在，到那時，“一招鮮”就變成“沒牙虎”了。而大家一直驚呼的“狼來了”，就是近年開始嶄露頭角的新的競爭壁壘– 對大數據的分析應用能力。
X教授（微信公眾號：X_Man_Investment）有一次和一個大型商業銀行IT主管吃飯，他很不屑的跟我說，“別看外面吹的大數據神乎其神的，其實真正的大數據都在我的數據庫里，我們的數據是以PB計算的，能不大嗎？我在里面隨便拿幾個維度出來做一下回歸分析，就是獨門秘籍了，那些互聯網公司的大數據能比嗎？”很抱歉，這個不能算大數據，這只能算獨有數據的分析。
當年在匯豐集團，我看過他們花了大把銀子請世界頂尖數據分析公司做這樣的數據挖掘，結果連個響都沒有。終極原因是，銀行由于嚴格的流程限制，大部分信息歸根結底還是來自前線的手工輸入（即使有些金融機構實現了掃描表格之類的技術，但是那個表格的設計還是來自于手工時代），他們最多能在自己的系統里輸入十幾個維度的信息，再多的維度就無能為力了。而大數據的分析，其精髓就在于從大量原本不相干的數據源獲取內容，進而找出相關性，這件事簡直就是現有金融機構的噩夢。
為什么是噩夢呢？其實稍微對現有金融機構的流程有所了解就會明白了。假設你是一家保險公司的老總，對自己公司的車險業務老是虧錢很是頭疼，一天決定這樣下去不是個事，于是把自己的首席精算師，營銷總監，產品總監，IT總監叫來商量，于是就有了以下的對話（完全虛構，如有雷同，純屬巧合）：
老總：“各位，我們的車險一直虧錢這可不行”
營銷總監：“照我說，再降個20%，我們的產品就在市場有競爭力了”
首席精算師：“這可不行，我們已經是虧的了，你再降價，我就算考慮了固定費用的攤分，也不能賺錢啊。再說，你是不是要拿著這降價產品到網上去推廣，我怎么知道你不會把那些二環十三郎給我招來”
營銷總監：“我們可以做些分析嘛，其實我們完全可以給不同風險的人做不同定價嘛。比如，上個星期新聞里還有人說，有人統計過，生兒子的駕駛者比生女兒的駕駛者出險概率要低，那我們可以給有兒子的投保者特別折扣嘛”
老總：“嗯，好想法，那就開發一個這樣的產品”
產品總監：“我可沒有這方面的統計，首席精算師你有沒有？就算用我們現有客戶做分析，我們也不知道他們生的是兒子還是女兒啊”
老總：“IT總監，到哪里去抓取這種數據？”
IT總監：“我是負責系統的，你們提需求，我幫你們開發。數據來源從哪里來，你告訴我啊。再說了，開發一套這樣的系統，預計需要兩千萬成本，大約18個月完成，我要招40個工程師，這里是初步預算”
老總：“呃。。。算了，下回再議”
這個故事是不是很似曾相識？其實這里面揭示了兩個金融機構的短板：1. 數據維度單一；2. 不能快速定制開發業務相關系統。
3. 金融互聯網和互聯網金融的碰撞
如果解決這兩個問題呢？一種方法是依賴互聯網公司，獲得他們的數據能力和資源。
例如電商平臺，作為高頻交易的入口，積累了大量的客戶行為數據，而這些用戶行為數據又可以和其他數據并在一起，做出客戶畫像，利于這些數據與現有獨門數據的碰撞，做出新的產品其實并不難。
現在也有一些金融機構做了電商平臺嘗試，但得到額外客戶行為信息的效果并不好，如此就和他們自建電商平臺的初衷相違背了。好在，并不是所有機構都像大銀行那么有錢任性，自建平臺的。基金公司和保險公司反而會更現實的與大數據擁有者合作，例如之前在不同電商平臺上售賣的保險和基金產品，包括基于電商數據的淘寶大數據基金，這是一個正確的姿勢。
有些銀行，也開始與電商平臺對接，例如興業銀行將自己的信貸資產與招財寶的客戶對接，不僅僅將自己的資產獲得了較好的收益，更為關鍵的是低成本獲取了新的客戶數據，而這些客戶的來源是淘寶系自己通過各種場景獲得的。場景化是互聯網公司的長處，也是傳統金融機構的短板，電商若是愿意將場景化獲得的數據與金融機構分享，那些先飲頭啖湯金融機構就有了相對其他競爭對手的優勢。
講到這里，又回到前面IT總監的那個問題，當面對新的，可能是海量的數據，是不是需要將自己的系統推倒重來，或者根據每一個業務重新修改自己的核心系統呢？答案其實很明白，幾大國有銀行可能會選擇自建，但是對于大部分金融機構來說，建立在云上的服務其實更為好用。國外有紐交所向經紀商提供的云服務，可以讓經紀商隨時調用云服務的計算能力。
國內目前剛剛開始有這方面的服務，例如最近對外公開的螞蟻金服的金融云，我特別留意了一下他們的介紹，撇開安全，可擴展，高可定制性，中間件等等專業術語，可以看得到是螞蟻金融云不單單是基礎設施，更可以提供軟件服務與阿里集團現有的多維度用戶數據對接，從這一點來說，已經超越了紐交所能提供的服務范圍。其實仔細想想，云服務的最大好處正是靈活，不單是可以以很低的代價嘗試不同的商業模式，對于中小機構來說是以前可望不可即的奢侈，另外可以基于本機構以外的大數據設計顛覆性產品，這比一個純技術平臺來說強得多，想想也是令人激動。
最后，X教授（微信公眾號：X_Man_Investment）如果見到螞蟻的人，很想建議他們，給頭幾個愿意嘗試的金融機構來個全免費套餐，打造出應用云服務的爆款，這樣才是互聯網思維嘛。
X學院投資理財教室已經開張，主要服務非金融專業人士，解答關于投資理財以及財務自由之路的一切問題，如欲加入，請掃描以下二維碼。
歡迎轉載：http://www.kanwencang.com/shehui/20161202/62606.html
文章列表
留言列表
