本文作者根据自身的金融从业的经历，总结出了小贷业务的大数据迷思、复贷率迷思、风险溢价迷思、场景迷思这四大“迷思”，并相应进行了分析，一起来看一下吧。

数年的金融从业经历，回望这些年的业务，感觉有些金融机构是走弯路了，基于个人理解总结以下四大“迷思”，不足之处，欢迎拍砖！

一、大数据迷思

大数据风控，其实是建立在一个“理想化的时代背景”下，即：客户的有效信息均可被线上化，并可被高效获取。机构能根据这些信息，建立起具有极强区分能力的风控模型或策略，极致压缩风险成本。他们声称他们的大数据、AI模型可以比你更了解你。他们说，他们用几百个维度的千万计的指标和几十种模型来衡量你、预测你。

但事实上，当今借款人的财务与信用信息线上化的程度依旧不完备，大量信息还是“烟囱一样”分散在不同机构中。想要对这些数据进行聚合和分析，首先要动用接口或者爬虫从多个数据载体中进行归并，这里本身就涉及了不少的技术成本与法律风险；同时这些数据对客户现金流与信用状况的描述也只是管中窥豹，其完整性与全面性都是有限的，并不高于线下的风控策略，双方各有优劣、需相辅相成。如此，很多数据只是垃圾甚至错误的东西，那么必然造成的结果就是“Garbage in，garbage out”虽然金融科技的内容很多，但是在信贷领域，它似乎只解决了一 个衡量还款能力的问题。但是如何衡量还款意愿，却着实不容易。

再者，即使大数据对信贷客群在广度与深度上的覆盖性都很好，它也面临着与线下风控一样的困境：业务初期Y值（客户履约事实）不足，中后期模型随着客群迁移而逐步失效。比如对于经营贷这种需要对企业经营状况进行评估的业务，无论是客户的账目明细还是经营现场，都很难数字化，风控模型所需的关键变量需要业务员在现场的采集，更不是一个“大数据”的概念就可以涵盖的。

其实，大数据风控的真正价值，其实体现在对第三方欺诈的防控上。第三方欺诈行为通常通过伪冒大量自然人的身份来操作，其在物理设备、物理空间、信号基站、IP、wifi等数据上会产生聚集，在此过程中伪造出来APP活跃、财务流水等因经不住多源数据交叉验证的考验，容易被找出漏洞，这些都可以利用互联网公司强大的数据分析与整合能力加以甄别。此外，客户在生产/生活中的异常行为有时也能作为信用状况异变的旁证，用于信用风险的防控。应该说，互联网大数据作为传统信用数据的补充是很有意义的，作为初筛手段的性价比更是线下风控不能比拟的，但将其说成无所不能就是言过其实了，以此作为壁垒开展的信贷业务，更容易掉进陷阱。

二、复贷率迷思

随着流量“租金”的不断上涨，放贷机构的利润空间将持续被压缩，因此放贷机构总是希望提高借款人的复贷率来降低实际的流量成本（reloan、topup和展期都是常见的操作方式）。用简单的逻辑计算，如果每个客户在本机构的平均复贷次数为N，机构的整体获客成本就可以下降N倍。这样，原来在单次信贷假设下由于高昂的获客成本不成立的商业模式，就能在N次复贷假设下成立了。

这个逻辑本没有错，但与大数据迷思类似，从业机构不宜对效果寄予不切实际的期望，因为机构的复贷倾向本身是有副作用的——多数信贷客户，总是在缺乏头寸的时候发起贷款，并且在头寸充裕且未来现金流可控时主动缩小负债（还款或提前结清）。存在通过拉升复贷率来降低成本的机构希望客户在可还款的时候继续维持负债余额，甚至进一步扩大（余额存在意味着息差、罚息以及各类服务费收入，因而提前还款的未必是“好”客户），这样的业务倾向会直接作用在风控策略上，使得最终的信贷产品偏向有扩表意愿的客户，即风险策略向获客策略低头。

虽然信贷资金是有价格的，但对于经营者而言，很多时候不会那么敏感，因为所有的生产要素都是有价格的，宽松的资金环境一定会让他的债务扩增。类似的，消费信贷的借款人很容易控制不住物欲，更在极低的“日息”诱惑下冲动消费。当整个市场的放贷机构都在追逐复贷率时，借款人的债务会积少成多，提升违约风险。由于其隐蔽性与市场联动性，这是一个不可忽视的陷阱，一旦发生，波及的是整个市场。

三、风险溢价迷思

贷款风险溢价是根据特定贷款业务的风险大小来确定贷款利率提高的幅度。当市场的信贷规模扩大，金融机构推市场下沉策略时，业务势必会覆盖更劣质的流量。这时为了防止转化率显著下降所引发的获客成本暴涨，放贷机构可能会适当降低风控门槛，同时提高服务价格以平抑由此提升的风险成本。

这个策略的问题在于：当服务价格逐步上行，一方面市场会出现逆向选择，即高定价吸引高风险群体；另一方面，信贷规模扩容，致使流量价格加速上行，形成“踮脚效应”，不愿降低风控门槛并溢价放贷的机构被逐出市场。

四、场景迷思

身边有一些从互联网公司转型过来的同事经常说公司的信贷业务没有后劲是因为“缺乏场景”。我的观点恰好相反是“场景没那么重要”。场景贷产品曾在2015-2018年掀起了一轮热潮。基本集中在汽车、3C产品、医美等三个领域。选择这些场景的原因无外乎几个因素：

1）传统金融机构对一些领域覆盖不足，虽然传统金融机构已经介入且规模空间足够大，但只针对优质用户，如汽车抵押、汽车分期等。民间资本的介入则很好补充了银行对于下沉市场用户服务不足的空白。
2）行业发展迅速，市场规模足够大，且产品更新迭代快，能满足信贷产品“刚性强、频率低”的弊端，如3C产品特别是智能手机。
3）服务单价较高但需求量大，且正处风口，如医美分期兴起，是在用户对于医美服务及产品的需求爆发之际，而医美行业的高客单价，成为金融产品解决用户资金不足的服务点。

然而，自从2019年以后，场景分期的热度随之下降，特别是一些早期头部平台纷纷失利，如3C信贷产品分期难做了、医美分期遭遇整顿等等，场景贷从业机构也随之湮没在了普惠金融历史进程中。

而促使上述现象产生的原因，主流的说法是大致是内外两方面。

1）内因

站在信贷产品本身的角度来看，还是金融与场景的融合出现了问题。简单粗暴一点就是金融在该场景当中的应用没有使交易双方有明显的“效率提升感”，反而因为金融的参与，使得交易变得更为繁琐，在此情况下，也就自然而然地会被市场所舍弃，转而选择更有效率的金融工具或者产品。

2）外因

我认为是技术的不断进步、征信数据的持续完善、风控理念的大力创新等因素的助力。正是在上述外部因素的推动下，“泛场景化”下的金融信贷才有理论成为了现实，并最终对传统“重场景”的信贷产品，完成了革新与超越。

由此看出，“场景贷”更像是信贷产品向泛场景化方向发展的一种过渡产品。

除此之外，我还有另一个看法，是从借款人违约方面考虑：场景更多是发现（或创造）客户的借款需求，但无法抑制客户违约，这也是金融机构很在意的。要抑制客户违约，除了产品设计与运营策略，更需要抓手。越是客户在意的东西越是好的抓手，比如征信、熟人关系等。微粒贷为什么违约率低，是因为微信就是很好抓手，如果因为违约限制微信使用，那是多大的不便。

因此，场景没那么重要，抓手才重要！