作者: 陈凯
当互联网金融逐步深入监管的同时，互金行业生态也发生了较大的行业趋势改变，从前几年“一窝蜂”做线上理财端资金对接和高收益的用户圈占活动，开始逐步转型为依托于各自用户群和场景生态做个人信用类贷款和分期等服务。一方面符合主流的监管模式预期，另一方面也因为小额、分散和以技术模型驱动的方式进一步降低了平台运营成本，并在一定程度上提高了盈利空间的可能性。
从理财端的发展重点转移到信贷端，对平台自身的技术能力、用户运营和风险管理能力都有更高的要求。最为核心的是平台自身的大数据风控能力，这种信用风险管理能力和传统金融机构的风险管理流程存在本质上的差异，主要是利用数以千、万计的维度和变量来对用户的信用行为做综合模型评分，其中融入大数据、人工智能、深度学习、反欺诈、人脸识别等核心技术，并形成一套和主流的金融机构完全不同的线上大数据信用管理模式。在这种核心大数据风控能力的推动下，国内的互金产业正在迎来第二波高潮。
根据艾瑞咨询最新发布的《2017消费金融洞察报告》显示，短短4年，互联网消费金融的交易规模从60亿猛增到4367.1亿。另外，消费金融市场规模总量正在从目前的20万亿左右逐步增长到2020年的40万亿左右。消费金融市场的前景为互联网化的个人信用贷款和分期提供了很好的切入点。
互金类平台的消费金融业务增长，很大程度上得益于其优势的用户和线上服务场景，以及通过特定的场景和服务入口积累的海量用户信用数据。这一点是传统金融机构所不足或者是欠缺的。传统商业银行对用户的信贷覆盖率是相当有限的，用户在信贷服务中饱受“申请难”“获批难”“用款难”“还款难”“再借难”等各种金融服务的痛点，而互联网、线上的信用贷款，则是依据用户的征信和信用记录而开展信贷服务，人群具有普适性，在技术手段上则是通过大数据风控模型和“人脸识别”、“设备指纹”“行为特征分析”等一些尖端的互联网技术来实现信贷风险控制和用户行为的审核。
相对于数十万亿的消费金融市场，随着金融服务渗透率不断提高，互联网巨头、独角兽或者金融机构在这一方面又会采取怎样的操作手法呢？
从2016年开始，以个人信贷端产品场景为核心的互金模式进入了快速发展的通道，包括阿里借呗、微众银行微粒贷、京东白条、招联好期贷、51信用卡人品贷、宜人贷等产品都开始逐步进入了百亿甚至是千亿的规模，并开始稳定自身的技术风控和产品业务盈利能力。发迹于2016年的这股个人线上信用贷款洪流，正在让个人金融服务变得更加“唾手可得”。同时，细究后就会发现，目前市场上其实存在两种主要的个人信贷服务路径。
如果是要自己做个人信贷业务，那就需要拿到一定的金融服务资质，比如民营银行、消费金融、网络小贷等，利用自身沉淀的数据，开发风控模型进行内测形成稳定风控水平后再放开更多的白名单用户；当然，也可以通过对传统金融机构进行技术升级和模型输出的方式，通过技术性服务收费和风险共担利润分成的方式完成“助贷”服务。
在目前国内的互联网金融江湖中，各个主体由于技术、用户、场景和发展阶段不同，在这一方面的选择也会不同。BAT巨头在个人信贷服务上一般都是自主建立信贷体系为主，往往都是通过自身的用户、数据和风控体系，在恰当的时机拿下金融服务牌照，建立线上个人信贷服务的闭环。
相比于巨头，独角兽在用户圈层和数据积累上的细分维度更强，一定程度上也都是与强信贷属性比较相关的数据。这些互金平台，虽然不具备巨头的海量用户和场景的集成优势，但是通过做好垂直细分数据的大数据运作和强信贷属性的模型搭建，同样可以发挥出不错的服务效果。以国内白领用户人群个人借款撮合服务平台宜人贷和通过信用卡用户集群扩展金融服务的51信用卡这两家为典型。
当然，除了巨头和独角兽在进行自主的信贷场景搭建和用户服务以外，由于国内还存在很大的个人消费金融市场空间，特别是传统银行为主的个人信贷服务也在引入外部的第三方数据和技术服务，因此也就产生了一些专门服务于银行等金融机构的大数据风控服务商。
相比于做自营信贷服务的平台而言（优势在于数据和用户、场景），这些专业的助贷服务机构，往往最大的核心优势是其技术和模型搭建能力。因为从整个产业链的配套程度看，在数据、场景和用户上难以匹敌巨头和独角兽，因此就找到了相对而言具备用户和数据基础但是缺乏一定的技术和场景能力的银行进行合作。
