不管是蚂蚁金服旗下的网商银行，还是背靠腾讯的微众银行，作为国内惟二的互联网银行，几乎从成立前到眼下满周岁，两者一直吸引了外界的众多目光。

“我们两家互联网银行（网商银行和微众银行）这一年走来，都不太容易。”在网商银行成立一周年之际，在接受包括澎湃新闻在内的小范围媒体专访时，网商银行行长俞胜法回应。

究竟难在哪？在俞胜法看来，一方面，如何利用互联网模式服务小微企业和个人创业者，并没有可以参照的经验，另一方面在开业前大家的期望值很高，期望网商银行成立会对传统银行造成冲击，“今天来看，现在这种声音已经很少了，也为经营营造了很好的环境”。

作为首批试点的民营银行，有多少人成为网商银行的客户？等了一年的远程开户政策什么时候落地？作为不能吸收存款的纯线上银行，网商银行发放贷款的资金从何而来？俞胜法在采访中给出了回应。

问题一：一年级的***怎么样？

从数据上看，截至2016年6月25日，网商银行开业一年来共服务170万个客户，贷款余额230亿元。

打开网商银行的APP，网商银行的基本业务一览无遗：“贷款”、“转账”以及“理财”。

在贷款业务中，除了覆盖阿里生态体系内电商商户如淘宝店主和外部接近60家合作平台（如金蝶软件、美团）的企业主的“网商贷”外，还包括为农村地区小微经营者提供的无抵押无担保信贷服务“旺农贷”，截至目前，已经覆盖了全国25个省市区234个县市的4852个村庄。

从贷款利率看，目前保持在7%—12%之间，依企业资信状况浮动。

俞胜法表示，相较于传统银行，纯互联网银行在运营成本上本就具备优势，随着着资产规模扩大，其规模效应会逐渐显现，未来贷款利率仍有下降空间。

而网商银行的理财业务“余利宝”，可以看作一个为小微商户版的余额宝，考虑到淘宝店主们资金周转的需求，余利宝的灵活性强好于余额宝，无论多少金额都能够实现T+0提取。

对于眼下的盈利能力，俞胜法也没回避。

“银行业是一个经营风险的行业，银行需要一个积累的过程，所以希望公众给我们更多的时间。”作为一家成立一年、拥有不到四百名员工且员工平均年龄只有29岁的互联网银行的掌舵人，俞胜法在采访中多次提到，期望公众给予它们更多的时间，“我们希望一年能够实现盈亏平衡”。

问题二：不能吸收存款，那资金从哪来？

由于远程开户仍未有新进展，但业务的规模在扩大，对注册资本金30亿元的网商银行来说，究竟通过什么渠道筹集到的资金？

对此，俞胜法表示，网商银行一半以上的资金来自于保险机构和基金公司，这部分资金的期限可以根据网商银行的需要来设计，主动性更大；另一部分资金来自于同业，这部分多是三个月以下期限较短的资金，利率也比前者低；另外一部分资金则就是自有资金。

此外，网商银行还打算通过资产证券化的方式来盘活流动性。

俞胜法透露，网商银行的资产证券化正在向监管报批，而银行间市场是首选。

问题三：远程开户还有希望落地吗？

无论是对网商银行，还是微众银行，迟迟未解决的远程开户问题，始终困扰这两家没有线下网点的纯互联网银行。

“远程开户没解决，我们做不了支付结算业务，能做的还是融资服务。”俞胜法说。

自去年5月征求过意见后，远程开户的放开并没有更近一步的消息。从开业到现在，网商银行方面一直在与监管部门沟通。

“也理解监管的想法，监管部门是站在更高更全面的角度来看待这个问题，但是，希望能够在适当的时候对特定的客群、特定的区域，做一些可以先行先试。”俞胜法表示。

他同时表示，网商银行方面一直在技术上做准备和完善，也通过公安系统对客户真实身份真实性进行判断，“一定的时期条件成熟时，还是有可能性的”。

问题四：大数据究竟怎么做风控？

互联网银行们最倚重的风控手段就是大数据了。而有时只需几分钟就能完成审批的互联网银行们，担心有人通过***交易信息骗贷吗？

据俞胜法介绍，客户想申请贷款，在获得授权后，网商银行会调取他的交易信息、支付信息以及其在央行的个人征信报告，随后的风控环节就是大数据来完成了。

想从网商银行获得贷款，你需要通过四个关卡：第一是准入模型，如果通过销售额等数据检测出该企业属于并非小微企业，那么该企业的申请不会获得通过；第二是反欺诈模型，主要用于认证贷款人的身份，究竟是不是本人就是在这个环节完成识别的；第三是授信模型，用来评估企业能够获得的贷款额度；第四是产品分析模型，即根据企业的不同经营特征为其匹配相应的融资产品和还款方式。

“是不是本人支用，支用完后钱到哪去了，我们都会跟踪，并不是可以随便用的，比如一个电商卖家，第一个月销售额是50万吗，第二月变成了150万 我们会分析原因，变更一个授信整个流程都靠大数据。”俞胜法表示。

大数据交出的第一份风控***不错：截至目前，网商银行的不良贷款率为0.36%。

不过，俞胜法在采访中也表示，网商银行开业时间还比较短，客户的风险还没有暴露出炉，同时，我们的大数据风控模型也需要更长的时间来检验，“现在低是正常的，以后（不良贷款率）高一点也正常，只要收益能覆盖风险就可以”。

问题五：对传统银行来说，网商银行是挑战者吗？

在采访中，俞胜法多次强调，网商银行的定位“传统银行的合作者而非挑战者，也就是说，基于网商银行业态而起的产品，应该从客源上服务于现有银行服务不到的小微群体。

“我们的客户群体定位于小微企业、个人创业者、农村广大经营者，去做那些现有大型银行没有覆盖到的部分。”俞胜法说。

他坦言，自己压力最大的时候，是在网商银行开业之前。

“大家的期望值很高，期望网商银行成立会对传统银行造成冲击，今天来看，现在这种声音已经很少了，也为经营营造了很好的环境。”俞胜法说。

您认为这篇文章与"新一网（08008.HK）"相关度高吗？

在过去几年时间，快速崛起的互联网金融或者金融科技，究竟要解决什么问题？那就得看今天中国金融体系里面存在的问题是什么！

问题很多，但可简单总结为两类：

一、金融服务是难普难惠。普及面不够广，在今天中国有十几亿的人口，有七千多万的消费企业，能够获取金融服务的，占的是少数；银行体系里能向个人提供基本金融服务，除了存款之外，获得信贷、理财金融服务大概占比也不到30%。最近看到现金贷的问题，其中一个垢病的对象，就是利率太高，其实对银行体系是一样的，我们获取银行信贷服务的成本太高。

二、金融资源的分配严重不均。经济非常发达的地区，一线城市，不管是企业还是个人获取的服务都是不够的。大的企业，特别是国有企业获取的金融服务很多；小的企业、普通的个人获取的金融资源太少。

过去我们采取了很多手段，银行提出小微的融资，前面包括微型金融机构、信用社、小贷公司，思路都是要解决这些问题的，现在包括大的银行机构设立出来的普惠金融部都是要解决这个问题。

而全球金融发展到今天，问题并没有解决，美国都没有解决这个问题，因为银行机构、投行机构就是嫌贫爱富的，有钱的能够让他更有钱，没钱的不会让你有钱。没有获取金融服务，银行你要承认是商业机构，一定是商业导向的，金融服务必须具有商业可持续性，不具备可持续性的叫政策性金融机构，但是今天金融机构能回到政策性金融机构上去吗？显然不能。

阿里巴巴蚂蚁金服研究院执行院长 李振华

如何解决中国金融体系存在的问题

在技术、科技已经高度发达的今天，可以使所提供的金融服务触达层和成本得到大的改善，从几方面来说，今天数字技术发展得非常快，不管是发达地区还是贫穷地区，现在数字技术做了基本的基础设施，现在已经普及了。

举个简单例子，大家都知道，过去每一次科技革命之后都会对人类的生活、生产造成非常大的影响。

第一次工业革命典型代表是蒸汽机的发明，从发明到普及，用了约160年的时间；第二次科技革命典型发明是电力，电力的发展到全球供给用了大概60年；第三次科技革命典型的应用是计算机，发展到全球用了15年；现在是处于第四次科技革命，这是非常典型的，典型的是互联网、移动互联网、大数据和人工智能、物联网等技术爆发的周期。

每一次技术革命，看到普及程度都在快速的缩短。科技革命所导致的背后基础设施的使用成本得到极大的降低，几何集的降低，在计算机里面有一个摩尔定律，就是大概一年时间计算，在过去半个世纪以来，我们的计算能力达到多少次，大家可以算一下，基本统计已经增长1亿倍，所以技术革命，使我们使用新技术，计算、储存、传输成本几何级的下降，可以极大程度改变今天金融服务的商业模式和服务模式及成本，简单的去总结，今天越来越广的移动互联基础设施的普及，让我们金融可以有效的触达全世界任何一个地方，只要移动互联网在中国任何一个地方，西藏任何一个地方，我们知道移动和联通基本上有网络普及，拿一个手机在终端开一个基本帐户就OK了，不需要去设立网点。

大数据技术本身的普及，可以缓解过去的信息推迟，在金融服务里面，需要去做风险控制最根本的原因是在于信息不对称，不知道要不要给你贷款，你是否能够还的问题。但是大数据技术，数据的采集、储存和计算，成本大幅度的降低，数据来源如此多的风控化，有可能让我们过去在银行提供风控方式得到改变，可以用数据来做精确的用户画像，可以识别风险，根本不用抵押，极大程度上为过去没有办法分辨风险的用户给他提供基本的信贷服务，成为客户的可能。也可以使金融服务得到比较大的普及。

今天科技本身的发展，可以解决过去在金融服务里面难题，可以让金融服务更低成本去提供，还可以让普及程度大幅度提高，也可以做得更智慧、更智能，这就是科技的魅力，这是今天金融科技的本质和实质化；但如果没有这样的技术能力，不论说互联网金融、科技金融、社会金融、智能金融肯定是忽悠，一定要有这些技术在背后进行支撑。大数据对金融的应用，到底用来干什么的，大数据最大的应用可以说是风控，但是不仅仅是风控，可以有很多领域的应用，做精准营销也可以，做金融服务产品基本定价也可以。保险、理财产品，现在很多基金产品都做，量化交易全部由算法来解决，完全没有感情，完全可以替代人工经理的。

谈大数据的应用，完全离不开人工智能这道坎，数据、大数据初步应用阶段，是用数据本身，取代过去的人工，取代统计的模型；大数据应用再深一层的情况下，可以通过不断的多种算法模型的优化，和新的深度学习技术和神经网络技术应用，让他初步具备智能的特征。也可以让一个机器，模拟人服务的方式、情感、语言、声音等，下一步可以让他具备人的特征，这时候就可以替代人做的服务。综合起来说，今天的数据和人工智能，都是大数据中的应用，很有可能在未来会成为金融服务基本的应用。

在这个领域里面，仅仅是做出了初步的探索，未来应用会越来越大，越来越广阔，蚂蚁在这当中做出的探索，可以分为六大类：1、信贷服务，提供基本数据模型替代传统的风控手段。2、理财服务，用精准营销和精准产品方案和智能推荐，可以应用到类似余额宝产品中，非常复杂流动性的管理上。3、安全领域。大数据去做帐户，完全基于数据的方式，去做帐户安全监控，交易追踪，以及反洗钱领域。4、征信领域。把数据方式补充过去的评分卡的信用模型，非借贷数据都可以应用到信用这个领域，极大扩大信用服务的范围和信用数据的使用。5、客户服务领域。替代人工，做更智能的回答，应用到客户服务异常监测。6、保险领域。基本的欺诈等风险的识别，也可以把过去保险传统的精算模型，加入用户特征等新的维度，用大数据的意象模型做补充，可以应用到车辆定损、通过数据源识别人的基本健康特征，识别骗保等。简单说，可以在这六类以内做探索。

大数据信贷服务的应用，大数据风控，帮助小微企业去获得贷款；从2010年开始，阿里巴巴淘宝交易上来，用户自然就提供支付之外，上面的商务快速的成长过程中，要是缺钱能不能提供基本的信贷服务，是自然的需求，开始的时候，可以跟银行借款，但是要5万、3万，银行是不愿意提供服务的，就把钱改到20万，这就违背了阿里的初衷，所以这时候就希望开发面对这些小微客户，但是又不能用传统的方式，电商能用传统的服务方式吗？传统的信贷抵押品的风控模式吗？也不行，所以唯有一条路，就是能不能探索用数据的方式进行风控，从2011年开始，成立了一个实验团队，让他们去构建，基于网络、电商交易基本行为特征，和人信用和风险之间的关系，去建立很多的数据模型。

到现在为止，这几十个模型在实践中证明是非常有效的风控方式，和非常方便的一种基于数据化的信贷方式，可以说开创了全球的网络信贷基本进程。

到今天为止，基本服务可以叫成310服务，在网上对用户的数据是多维度的数据，包括阿里、蚂蚁，以及外部的数据，做的风控模型，基本去判断，3分钟就可以判断出，要不要给你贷款，给你利率多少，1秒钟做出决策，做出决策就只要1秒钟，中间没有人干预，中间完全是机器，没有任何抵押，没有人工干预，你的贷款是时借时还，一秒钟借，一秒钟还。大家看到花呗上借的人都是一样的，我们自己也说，有没有借呗，给我提供的额度会大一点，会经常做一个周转，有时候会玩一玩，今天借一块，一小时之后还它，就是这样测试，发现极其方便，到银行提供贷款是一周之后同意。完全数据化方式，3秒钟到帐，这就是科技给人带来的便利。到目前为止，提供贷款的小额服务的商家是850万家，累积的贷款13000多亿，货币贷款、余额贷款就是3万起。

所以说，这个要怎么做？提供数据模型当然是非常复杂的，简单的说，在这个过程中，当然需要非常多的数据的支撑，基础数据要丰富，这里面包括淘宝平台加上外部的数据，足够丰富的数据联动，一般人知道淘宝上开的所有线下商家，用互联网的好处就是所有记录行为都有数据存底，这是和线下的区别，线下的交易没有做数据化，所以你不可以去进行存储，今天交易达成了你没有什么存底，这个情况下，就非常的麻烦。在线上借钱，需要建立模型来分析行为本身和风控之间的关系。这些看起来有些是无关的，大数据其实就是非结构化数据里面分析的相关性。在当中可以建立起来基本的风险控制的模型，包括算一个概率，来对他做额度的评级，基本的定价，看是不是我们的用户，预测他未来成长性，算他这个概率。还要包括什么时候给他提供基本的信贷服务等。可能要提供一套营销体系和营销模型，能够去追踪，识别用户在他最想要提供信贷的方面提供给他。

另外还要政策的分析模型，在于规则，哪些授信，给不给准入，可以提供材料，就需要通过数据模型去建立起来。我可以给他提供这种基本的营销、审批、授信到用途的监控，到最后的一套体系建立起来，到在背后完全都是基于大数据的方式建立起来基本风险甄别体系。

是这些模型基本的含义是什么，太技术化，简单说一下，在所有模型里面有一个非常核心的模型，就是违约PD模型，意思就是如何去通过我这个模型把客户过去历史贷款的信息和经营信息等所有相关人的信息全部输入到模型里面去，能够对用户的风险做进一步的区分。简单的说，把所有的数据拿到之后，去做数据资源的分类，分类之后到模型里面，每一个信息再拆解更多的变量，用机器模型在里面跑，跑的目的是什么？跑的目的是找相关性，找到对风险具有显著影响的变量，找到之后去组合一个模型，最后得出来一个PD评分。所以说PD评分越高的，就跟人的信用分数一样，越高的人信用越好、风险越小。