- 大数据
- 征信
- 金融
罗皓，是聚信立创始人兼CEO，更是大数据行业的“老兵”。
SAS认证是国内商业银行广泛运用的分析建模工具，而罗皓是中国前十位通过该认证的统计师。他先后在通用电气、渣打银行、Discover工作七年半，主要负责信用卡和个人贷款模型、分析和决策引擎方面的工作。
2011年，罗皓选择创业。当时网络社交兴起，而用户在网上留下的信息是非结构化的，品牌商需要对用户需求进行分析。因此，罗皓将创业方向定位为网络舆情监控和广告监控，帮助肯德基、麦当劳、路虎汽车等品牌商分析用户网络信息。
两年之后，罗皓调整方向，也是聚信立现在的重心，即利用大数据帮助信贷机构判断借款人的风险。
在罗皓看来，大众对征信的认识过于狭隘，往往以为征信主要应用于信贷，实际上征信的想象空间体现在各行各业，不同的行业价值和侧重也各有不同。
罗皓认为，征信本质上都是分析人，信贷业用来防止信用风险和欺诈风险，而其它领域则有助于甄别客户的商业价值，例如进行客户管理、预防客户流失、判断客户长期价值等。
因此，罗皓并不将聚信立单纯定义成征信公司，而是基于数据技术为客户提供更多范畴的服务。除了信贷外，聚信立还拓展保险领域，除风控外，还提供客户甄别等服务，以此逐步拓宽聚信立的商业范畴。
近日，爱分析专访聚信立CEO罗皓，访谈中罗皓针对征信行业竞争关键、数据变现渠道、征信行业未来发展等方面，深入阐述自己的见解，现摘选部分内容与各位分享。
征信比拼焦点是数据和连接
爱分析：中国征信行业发展至今，比拼重点在什么？
罗 皓：主要体现在三方面，第一是数据；第二是连接，一个类征信公司能和多少机构建立系统级别的直连关系；第三是数据处理能力，包括数据处理、分析、建模等能力。
我认为最核心的体现在两点，一是数据本身。从数据角度出发，类征信机构就是面对两类人群，有信用记录的人群和没有信用记录的人群。
有信用记录，无非解决的是三部分数据，即谁借的、谁批的、谁还了。对于没有信用记录的人群，那征信机构比拼更多体现在反欺诈上，要收集个人身份、多头借贷、还款能力等信息。
二是要有足够的连接。例如多头借贷这种风险，光有数据是不行的，一定要在很多放贷机构和征信公司之间形成连接。只有连接，才可以持续不断获取谁借的、谁批的、谁还了的信息。因此，连接可能比数据本身更重要。
爱分析：如何看待数据建模能力？
罗 皓：模型其实是基于数据和连接，才能具备建模的基础。另外，建模需要的技能等级在慢慢降低，机器学习等所谓高端算法，十年之前对技能要求是非常高的，现在技术逐渐被封装化、开源化，门槛没那么高了。因此，建模这个点的竞争是在慢慢降低的。
爱分析：在数据处理上是否面临难点和挑战？
罗 皓：这个挑战我倒觉得是越来越难了，并不是建模方面，而是清洗和整合方面。
以前的信用类型比较简单，就是收入、有没有借过钱、有没有还过钱。现在的数据各种类型都有，有电商、公积金、社保的，种类很多，同时，每一家的数据标准也都不一样，所以要去做非常多的清洗跟整合工作。
那如何把这些数据整合起来，并提炼出关于这个人的欺诈身份，挑战就比较大。因为它并不是直接的信息，比如不是这个人的直接收入、直接负债信息，有可能是电商、支付等信息，如何转成这个人的身份和还款能力信息，还是有很多数据处理工作要做的。
数据形成定价才能达到开放
爱分析：如何提高获取数据源的能力？
罗 皓：第一是技术层面上增强数据获取的能力，比如通过开放的第三方，以网页抓取的形式去获取。
第二是如何打造一种商业模式，可以跟放贷机构互换数据，这是很关键的。
第三，从国家层面来说，数据是否会越来越开放。数据获取的重要性是一直存在的，因为无法从开放的渠道拿到这些数据，所以需要动用技术。从长远看，应该是越来越开放，如果能实现数据的流动，是有利于获取数据的。
爱分析：怎样解决数据开放的问题？
罗 皓：一是数据的定价，如果缺乏一个非常好的定价体系的话，数据本身是不会流动的，其实封闭的原因无非就是因为没有一个定价体系。
二是数据的价值不要被低估。现在数据的价值是远远被低估的，举个例子，如果开放一些数据可以给征信公司带来可观的收入，我相信他一定会开放，可是现在很多征信公司的收入一年可能连几千万都到不了，甚至很多还是免费的，那他为什么要去开放呢？
三是数据变现的渠道要多，如果只是在信贷行业去拿数据变现的话，这个渠道太少，产生的收入也不会多。
爱分析：信贷机构客户如何判断征信产品的使用效果？
罗 皓：第一是准确性，第二是数据的易读性、直观性，这个很重要，因为不能给客户一个觉得有用但不知道怎么用的信息。
打个比方，假如有一个数据，是关于这个人今天走了多少步，那这个信息可能会觉得有用，但是怎么用呢，怎么样去做信贷政策呢，这个其实挑战还是蛮大的。
征信商业价值体现在多个方面
爱分析：数据变现渠道可以有哪些想象空间？
罗 皓：不光是渠道的问题，首先是能不能让征信嵌入到整个信贷交易环节，形成闭环，如果不能嵌入进去，这个数据价值一定是被低估的。
比如一个贷款1万块钱，如果只收一块钱、两块钱，那可能只占整个贷款的万分之一，但实际上它带来的价值并不止万分之一。
其次从交易模式上来看，现在基本上还是应用在信贷行业。但是，征信被狭隘化了，大家往往提起征信只是征用个人信用记录，但实际上绝大多数行业对于一个人的信息需求不仅仅是信用。大多数交易并不需要去了解这个人的信用，比如说去吃顿饭或者住个宾馆，其实不存在信用，因为是一手交钱一手交货的。
所以这个时候对人的信息需求，是判断这个人的长期价值。那这一部分对于类征信机构来说，潜力是非常巨大的。
所以征信未来不光是去征用信用记录，而是征用这个人的价值记录。现在征信公司有这么多数据，其中有相当一部分不仅仅可以回答这个人的信用问题，还可以回答这个人在某一个独特的商业场景具不具备价值，那这部分我认为可能是未来更庞大的一个市场。
爱分析：征信的商业价值具体体现在哪些方面？
罗 皓：从整个产业链去看的话，主要体现在获客、风控和资产处置三个方面。
在这个链条中，风控占的成本是最低的，最高的是获客端。因此我认为类征信公司如果数据量积累到一定程度，应该让数据在投入产出比更高的地方变现。
当然并不是说帮助别人去获客，而是在获客端提供它的价值。很多企业有一个痛点，是如何在获客时，判断这个人是高价值用户还是低价值用户，这其实也是对个人信息的一种索取跟需求。
在这一方面，也是类征信机构的一个方向，因为在这一块可以赚到的比例，比风控端要高不少。
爱分析：获客的价值体现是什么？
罗 皓：打个比方，某个公司可能每天有上万个新用户来注册和申请服务，那一开始这个公司就对这些用户有信息需求，因为未来要对这些用户进行客户关系管理，可能要进行交叉销售、升级销售等等。
那么，公司要这个信息，是判断这个人的商业价值，比如未来可能的消费频率、消费金额以及维持时间。
征信公司切入这部分领域，涉及行业就非常广泛了。
爱分析：怎么看信贷行业的变现更多体现在风控上？
罗 皓：信贷行业还真的只能做风控，因为获客时，对于用户来说，信贷的产品就是钱，钱就只有额度、利率和周期，它的维度是非常窄的，是一个没有品牌、没有忠诚度的东西，不像一个有形商品。因此，需要考虑的是他还不还钱，这是风控上的诉求。
其它行业不一样，用户可能会长期用我的服务和产品，那我需要了解用户的长期价值。
一个是想了解客户的风险，一个是想了解未来价值和成长性，怎么去更好服务客户，这是两个不同的导向。也就是说征信在不同行业的侧重点、起到的价值，会有不同。
征信行业将是寡头格局
爱分析：如何看待中国征信的市场空间？
罗 皓：中国征信市场规模并没有那么大，天花板还是比较明显的。
我认为，随着国家对这个领域越来越重视，正规的征信机构，比如说像人行征信，纳入的范围会越来越广，以前只做银行，以后各种小贷公司、消费金融公司都会纳入它的体系。那么也就意味着，缺乏信用记录的人群一定会越来越少。
其实不管是什么样的互联网数据，都比不上直接的信用信息，所以随着正规征信机构纳入更多的信用信息，留给第三方机构的空间应该是逐渐减少的。
爱分析：未来行业会形成哪些分工？
罗 皓：主要是三方面，数据的获取、数据的加工、数据的评级。
爱分析：是否会形成寡头格局？
罗 皓：会的，类征信的行业会出现赢家通吃。
征信有两个特点，第一，它是线上的，所以具备规模化的前提。第二，具备网络效应，连接越来越多，沉淀的数据也会越来越多，数据的效用也会越来越强，会形成网络效应。结果就是，强者越强，弱者越弱。