无担保借钱给“陌生人”，敢吗？

朱宝佟亚云

用了微信钱包功能两年之后，张梅终于获得了微粒贷的授信：额度5.2万元，日利率0.05%。张梅手里有两家银行的信用卡，尽管微粒贷的无担保、无抵押的授信额度超过5万元，但这对张梅来说算不上特别惊喜的功能—多了一个应对不时之需的可选项。

不过，从微粒贷角度来看，不要小看5万元的额度：把钱借给一位“熟悉的陌生人”，或者“陌生的陌生人”，它背后需要一套严谨的运营体系。这正是一家名为“大数金融”的公司正在主攻的市场，它专注于5万至50万元中大金额无担保贷款市场。

微粒贷直接向客户授信，而大数金融则是与金融机构合作，向后者输出从获客到风控，再到贷后的一整套系统，金融机构负责面签与审批。前者的资金提供方为微众银行，后者的资金提供方为银行、信托以及基金等传统金融机构，既面向C端客户，又面向B端客户。

大数金融面向的是“陌生的陌生人”，需要从“陌生”开始识别，再对“陌生”展开验证。微粒贷邀请的是“熟悉的陌生人”，亦即在微粒贷开通前，这些用户就已在包括微信在内的腾讯平台上，积累了可供验证与用作信用评估及风控管理的数据，而微粒贷只是“动动手指”，验证一下这些数据即可。截至2016年5月的数据显示，微众银行不良率低于0.3%；大数金融截至2017年年初的不良率低于2%。

与行事更加谨慎的银行相比，比如以5万至50万元小微及微型贷款而著称的民生银行、泰隆银行，且不说大数金融是否无担保，不良率也在2%，随着近几年经济环境的变化，这一数字甚至更高。而放贷额度在5万至50万元的小贷公司，其不良率如果控制在5%以内，属于正常范畴，更高的容忍度可以在8%至10%。

大数金融提供的数据显示，截至2017年2月底，大数金融累计帮助金融机构发放贷款超过100亿元，目前仍然生效执行的有80多亿元，累计不良率在2%以下。进入市场近3年来，大数金融之所以能将不良率控制在2%以内，源于这家公司建立的风控模型与信用评分指标的选择。

风控模型与信用评分指标的选择，又源于这家公司的初创团队此前在传统银行业金融机构从事无担保贷款业务，且经过了超过5年风控模型验证的经验—不良率都保持在2%以内。用数字来描述的话，其初创团队是一个加起来有超过1000亿元无担保贷款产品发放与风险管理经验的团队，而且是原班人马。

对这个初创团队来说，他们面对的考验是，让市场相信他们可以做到。

时任广东南粤银行行长的柳博，以及同事王海龙等拿着商业计划书接触到投资机构时，敏锐的投资机构认同柳博和他的团队找到的市场—5万至50万元的无担保贷款市场。

对于大数金融介入的无抵押担保贷款这个细分领域，柳博与他的高管团队有过无数讨论。

创立大数金融时，中国互联网金融行业正迅速发展。2013年，阿里巴巴推出的余额宝，打开了个人存款分化的通道。支付宝、微信支付的快速发展，场景化贷款产品的普及，使得个人消费者无论在支付工具的使用，还是消费市场的需求，都得以释放，促进了个人与小微信用贷款市场的快速发展，如果解决了风控问题，这将是一个巨大的市场。

银行业出身的柳博觉得，公司初创的高管团队在无担保贷款方面经验丰富，7个人中，有做无担保贷款风控的、市场的、产品的，串联起来就是一个无担保贷款团队。比如，在传统银行、花旗与奔驰金融风险管理部等担任过负责人的陈志坚；在传统金融机构担任过小微金融事业部总经理的朱建华；在平安银行总行零售贷款部做过无担保贷款主管、南粤银行总行无担保贷款事业部总经理的王海龙，以及在微众银行IT部、平安科技数据库担任技术高管的人。

为了验证这个想法是否靠谱，投资机构甚至找到投资过诸如在美国上市的宜信与诺亚财富等公司的创始人，询问他们对柳博与团队要切入的市场的看法。

2014年9月，红杉中国给了柳博的初创团队1亿元的天使投资。

接下来大数金融也很快找到了华兴银行作为合作的第一家机构。与华兴银行的合作，要得益于柳博和团队的职业履历与经验。另一方面，华兴银行并不是一家规模特别大的银行，出于市场竞争的压力，更多的优质业务与市场份额是它需要的。

对于大数金融来说，华兴银行的需求对他们是个机会。作为曾经的同行，华兴银行对大数金融的高管团队比较了解，他们决定尝试合作—大数金融的高管团队，都曾经是传统金融机构无担保贷款产品的设计者、风控模型建立者，或者市场开拓者，他们都深度参与或管理过这个业务，而他们向华兴银行推出的，也正是无担保贷款业务。

从传统金融机构出身的柳博与高管团队，对于银行业的根本是经营风险这点，有着更深的认知。

信用评分的参数选择对于风控模型的建立与验证来说是个关键指标，需要与它们的目标客群特征紧密相关，甚至是精确。

浙江与广东的客群特征可能不同，江浙的民间借贷已有相当“传统”；湖北与安徽的客群的贷款使用习惯可能不同。在一个风控体系中，除了一套行之有效的风控模型，还要加入地区性的因素作为变量，以便更适用于不同地区的不同客群特征。

如果没有这些经验，这样的风控技术方面的坑，就可能让初创者掉下去—传统金融机构的从业经验与风控模型的验证经验，让大数金融从一开始就躲过了这样的坑。团队多年的实际操盘与运营经验，让他们很清楚，即使同一套风控体系，在不同地区，都可能存在不同的适用性。

与华兴银行的合作让市场开始知道并了解大数金融这家公司。柳博与团队思考的问题是，他们需要与更有影响力的金融机构合作。

柳博的目标是北京某城市商业银行。不过，一开始，这家银行并不了解大数金融。一位曾经跟随柳博初创团队在银行实习过而进入这家城市商业银行的实习同学成为牵线者。

对大数金融的考验与考察，是从与柳博的沟通开始的—柳博给他们拆解大数金融的风控模型、专业的金融知识、传统金融的风控逻辑与互联网获客渠道与风险验证的实践，经过几个月的培训、讲座与交流，这家北京的城市商业银行决定让大数金融试试。

之后，更多中小银行与大数金融試着开展合作。此时，大数金融却遇到了个棘手的问题—保证金。

行事谨慎的传统金融机构，在与大数金融开展合作时，提出了保证金要求。也就是说，大数金融帮助传统金融机构做出的每一笔助贷（帮助贷款），都需要交纳相应可能出现的风险的保证金，来抵消传统金融机构面对的风险。

从金融业通常操作情况来说，保证金的比例一般为百分之几，保证金的循环周期因客户不同而有所不同，期限较长的会直到贷款结束。

这对大数金融来说是个掣肘因素。充满干劲的初创团队正鼓足气力要开展更多业务时，大数金融却面对了保证金挤占过多资本金的问题。

当时间来到2015年年中时，这个问题已经变得十分突出：有好的客户，却因为保证金捉襟见肘，而面临无法提供服务的局面。

做个简单的计算：大数金融天使轮融资为1亿元，以较高一档比例10%计算保证金，帮助金融机构做1亿元的助贷，其中1000万元将用作保证金。即使不计算运营等各方面的费用，如果把1亿元全部作为保证金，能同时实现的助贷规模也就10亿元。当然，这是个极端的例子。

以2017年2月底大数金融发放的、目前仍然生效执行的80多亿元贷款，及10%的比例计算，其中的保证金可能达8亿元。当然，这个粗略数据中未计入已经还款的助贷保证金的退还与再循环。

这是柳博与他的团队没有想到、也没有面对过的问题，他们迫切需要更多的资金做为保证金，开展更多业务。2015年年中，柳博和团队管理层把自己的钱都投入了进来，但这显然还是不够的。他们不得不向红杉以及信得过他们、又愿意提供低成本支持的朋友和机构借钱，并同时比计划提前半年展开融资。

从大数金融创立起，PAG中国区主席肖遂宁就一直在关注这家公司。每过几个月，他都会去这家公司聊聊，观察一下他们的业务发展，但他从未表达出要投资的想法。

就在大数金融因为保证金问题而四处想办法筹集资金时，肖遂宁安排大数金融的管理层与PAG主席单伟建见了个面。这次见面后，PAG决定投资大数金融4亿元，红杉资本随即决定跟投。

在红杉资本对大数金融的第一轮风险投资时，柳博和他的团队提交的商业计划书中只定下的短期目标是一年建立2家分公司，中长期目标是建立6家分公司。

中国最大的城市商业银行之一与大数金融建立合作后，不同的中小银行在各地与大数金融陆续建立合作，到了2015年年中时，大数金融商业计划书中提到的中长期6家分公司的目标早已实现。

截至目前，大数金融已经在深圳、广州、东莞重庆、北京、天津等，开了17个分公司，员工近1000人，总部管理岗位人员3/4来自银行。

如今，以大数金融最大占比客户的贷款年限三年期限为参考，再过不到一年，对他们的贷款质量将完成第一批验证。

这也是大数金融逐渐把发展重心转向帮助金融机构提供贷款金融技术服务的开始—在证明了它们的风控能力后。

“金融机构对风控监测严格，审批时，它们有时也会否掉少量贷款，”柳博说，“我们未来的目标，是向金融机构提供整套风控体系，用技术服务帮助它们向客户提供贷款，而无需再靠保证金得到金融机构的信任。”

一些金融机构已经开始试着采用大数金融的这些服务，比如一些与它们有较长合作时间的地方性银行，从局部地区正开始试点。

对于大数金融来说，这是一个大目标，可能还需要较长的时间—风控模型的验证是一个循序渐进的过程，只有不断地验证与持续改进，才能适用于变化的市场环境与经济环境。

在此之前，大数金融还需要用更大的业务体量来证明它所建立的风控模型的能力，以及贷款质量的稳定性—贷款质量的稳定性，对于金融机构来说太重要了。与容忍度更高的消费信贷等不同，传统金融机构愿意把钱借给优质客户，获取稳定的回报。

据柳博透露，大数金融2017年的目标是实现150亿元的贷款规模，这一数据高于过去两年100亿元的总和。“第一代小微贷款技术以抵押贷款为主，惠而不普；以信贷员技术为代表的第二代技术面临规模化的难题。在今天这个数据化的时代，数据化风控必将成为第三代的小微贷款技术。”柳博说。