阿里金融帝国的早晨：大数据金融的逆袭

金融业本质上是一种信息产业，获取判定客户的身份记录的真实信息，监控客户的交易行为和踪迹，是金融业的核心业务。在通常情况下，获取真实信息，精确地把握客户的行为踪迹是相当困难的，甚至是不可能的，面对大量信息的不确定性，传统金融业采取的方式是通过抵押担保等手段消除、减少信息的不确定性可能导致的经营风险，当客户无法提供担保和抵押时，交易只能放弃。在互联网的助推下，交易行为被置于信息越来越共享和透明的信息环境中，所有的身份信息和商业行为信息，都可以被存储、被挖掘、被分析和提纯，大数据让信息的不透明、不对称在逐渐消除。

实际上，传统金融是率先拥护数字化、网络化的行业，传统金融企业很自然地以为自身的业务早已经“e化”了，正是这个隐蔽而常见的认知误区，让传统金融企业在互联网大数据金融方面滋生出极难消除的自负，传统金融可以“借助于信息技术，使自己变得更为强大“，但决不能”更为无所不在，无所不能“，原因在于，再先进的技术，即使拥有数据，如果置于陈旧的构建下，其作用都是有限的。

金融作为现代经济的核心，涉及支付、贷款、保险、投资等众多领域，利润丰厚，由信息不对称产生的“资金融通”基本诉求，包括基于数据更好的判断资产价格走势、评估机构与个人信用、分配资金流向、控制金融风险等要求，这些正是大数据所擅长解决的。

互联网的发展，大数据的爆发，传统银行的傲慢，丰厚的利润诸多因素综合，决定了大数据金融在互联网时代的迅速崛起。大数据金融不仅仅是在征信等领域，实际上，它已经全方面渗透进金融行业，将爆发出极大的能量，理解大数据金融的模式，特别是理解如阿里金融的发迹，对于致力于大数据变现的传统企业亦或传统金融企业，都具有极大的意义，可以说，大数据金融是唯一能与大数据广告相提并论的大数据变现领域，更重要的是，从当前看来，它的潜力也超大数据广告。

Part 1 支付大数据-一箭双雕

支付功能是货币的核心功能之一，此前支付功能一直是商业银行的一项重要业务，但传统各银行的网络银行由于服务标准不一，不能为客户提供统一的服务框架，而诸如支付宝、微信支付等互联网支付，或是依托其电商业务的信用问题解决、或是基于庞大的用户覆盖，同时在功能操作方面的便捷性，一举打造出一个支付帝国，互联网支付首先是基于业务的驱动发展起来的，此为一剑。

但与传统支付不同，互联网支付在完成用户原始积累后，其支付数据的价值也在迅速扩大，依托其业务，互联网支付企业积累起了大量商家和用户资源，以及海量的交易数据，这些大数据奠定了互联网企业全面侵蚀传统金融业务的基础，并具备了进行金融创新的资本，无论是阿里小贷还是保险，亦或余额宝的互联网货币基金，核心的支撑数据就是支付大数据，此为二剑。支付大数据能在金融业二次创新，在阿里刚刚起步的时候，我想也是其没想到的。

这告诉我们，从来没有无缘无故的大数据创新，其往往是随着业务发展而积淀下来，达到一定的阶段后开始反辅业务，并具备二次创业的能力。

Part 2 信贷大数据-赚钱机器

传统金融体系，商业银行仍占据主体地位，根据2013年上市银行年报统计，16家上市银行实现净利润11659亿元，盈利仍在快速增长，造成这一结果的主要原因是存贷利差，由于利率管制原因，由于线下调研巨大的成本，大量长期被低存款利率压抑的客户理财需求，大量中小微企业及个人无法融资的现状，都是互联网信贷金融崛起的原因。可以将互联网信贷大数据区分为两大类，平台金融和供应链金融：

• 平台金融模式依赖于自身交易平台众多商户经营活动中的大数据，平台方可以利用这些大数据进行数据挖掘，从而向平台上的商户进行快速信用评价、授信服务。其优势在于平台方掌握了商户大量的交易信息，对于商户可谓知根知底，对商户的客户了解甚至超过商户本身，这种基于大数据的精确信用评估，能够有效解决风险控制问题，比如阿里金融的阿里小贷（针对B2B）和淘宝小贷（针对B2C）、p2p借贷(比如拍拍贷、人人聚财)。
• 供应链金融模式往往依托于某一个实力雄厚的核心企业，以自有资金或联合金融机构对整个供应链条的参与者提供金融支付和服务，满足了产业链的协调发展，以京东为例，其依赖自己掌握的各个类型、各个行业、各个领域的关联企业的海量交易数据，通过数据挖掘评价企业信用、资金运用情况，进而为这些企业提供金融支持和服务。京东在供应链金融中发挥了对上游企业信息收集、信息挖掘、信用评估的作用，进而向银行提供担保。

大数据信贷借助互联网，其成本低廉的优势，将给传统金融行业带来冲击，加速整个金融业的洗盘，倒逼改革。

Part 3 投资大数据-量化一切

随着现代金融经济学理论的发展，证券投资正在从一门艺术转变为一套科学的理论体系，投资经理人更多地依靠严密的经济学理论和结构化的资产配置来投资，而非单凭个人感性认识和市场直觉进行判断，证券投资的方法技术也在不断演变，逐渐由定性投资转向基于大数据的量化投资，在欧美金融市场，伴随着高频交易、大数据及云计算的发展，量化投资已经跻身主流投资方式的行列，在中国这一新兴市场，量化投资也正引领着金融投资领域的新变革。量化投资没有严格、权威的定义，一般认为，量化投资基于大量与投资相关的历史数据，运用数理统计分析的方法，借助计算机的程序化交易，以选取未来回报可能会超越基准的证券进行投资，获得超额收益，这种数据化投资策略可以消除投资者心理因素影响，决策将更为科学，管理更有纪律性和系统性。

• 余额宝本质上是一种货币基金，其实跟大数据并不是直接相关，但有两点值得一提，一是其理财思维明显具有大数据时代的特征，它不设置任何门槛，明显就准备好了长尾理论里的“长尾”用户群体服务，从名字就可以看出，余额宝本身是定位于支付宝账户余额的，说明余额宝做的是小微金融，服务银行不愿服务的80%的草根用户，二是大数据在余额宝的风险管理中起到较为关键的作用，现在用户可以随时消费余额宝，实际上是支付宝先垫付的，只有基于支付宝流水大数据的预测，基金经理才能预估赎回金额的多少，以安排货币基金第二天的流动性。
• 印第安纳大学和曼彻斯特大学的三位学者发布了一项研究成果，他们利用6个月的Twitter数据和“情绪状态量表”测量法来派生每日全球情绪，并据此对股市进行预测。结果发现，他们能够以87.6%的准确率提前三天预测道琼斯工业平均指数的变动方向。后来，这三位学者和一位对冲基金交易员共同组建了Derwent Capital，成为全球首支社交媒体基金。该基金的投资策略是是随机选择10%的Twotter信息，从中寻找诸如“警报”、“快乐”和“重要”等字眼，并将这些信息归类到不同的情绪状态，进而预测市场走势，指导投资。其得出的结论不仅被用于FTSE100指数、FTSE250指数，还被用于石油，黄金、贵重金属和外汇买卖。自2012年开始到2014年，该基金累计收益率高达32.88%。
• 同样，国内投资机构也不甘落后，也推出了大数据指数基金，之所以冠以大数据，是因为这些指数基金的选股方式不再是传统的金融数据分析，相反，它们独辟蹊径地运用了互联网公司能够的非结构化大数据，将媒体资讯、投资者情绪、消费者行为、网络搜索行为等信息纳入考量范围，以追求更加全面、准确地捕捉市场动态，优化股指成分。比如中证银联智惠大数据100指数、中证360互联网+大数据100指数、中证房天下大数据指数等。

也许未来，投资将是大数据及机器人之间的博弈，人将被淘汰出局。

Part 4 保险大数据-挑战“大数法则”

保险业是一个经营风险的行业，现实生活环境中不确定的存在是保险业赖以存在的基础，它主要处理的是风险尤其是其中的危险的定价问题，在大数据概念和方法出现之前，保险业传统的风险定价理论都是依据的“大数法则”，即概率论中讨论随机变量序列的算术平均值向常数收敛的定律。在“大数法则”下，保险产品的定价主要依赖于对于“样本数据”的分析，统计学的诞生极大地降低了人们进行数据分析所需要的样本数量，并在实质上减少了进行数据分析，从而优化决策的成本。但是，“样本分析”的方法来判断总体的方法出现误差难以避免。

大数据的来临，让低成本获得海量数据成为现实，直接对全体的数据分析成为可能。正如马云在“众安在线”保险公司成立时所说的，未来我们的保险产品定价将不是如现在这样依据保险公司的样本数据库，而可能是源自于对于整个互联网上数据的分析，比如在社交网络上的文字、图片或视频信息。在这种情况下，来自于互联网的各种信息就能够在一定程度上实现对于保险公司客户的区分，进而使得保险公司在对保险产品定价时实现最终的区别定价的目标，实现完全的歧视定价策略，将从根本上改变保险经济学的架构。比如依赖于海量的基因数据，生物科学和医学的发展使得保险公司某一天会依靠医院或互联网上的部分大数据在基因的角度实现歧视性定价。当然，上面所说的大数据的设想完全是理想状态的情形，但是，在某些具体险种方面，已经迈出了坚实的一步。

• “大数据”在车险定价应用的一个典型案例就是UBI产品（Usage Based Insurance），即通过车联网技术将驾驶操作、汽车运动状态和车辆周围环境等人、路、车数据信息进行传输和存储。保险公司从数据中挖掘出用户的驾驶习惯、思维习惯和行为模式，建立以“从人”为主的多维度定价模型。通过欧美车联网保险市场的实践验证，基于驾驶行为的定价比传统定价模式更为科学和有效。美国经历了超过15年的研究推广，车联网保险产品和技术在车险市场已日趋成熟，在美国个人车险市场，前十大保险公司有9家已推出UBI产品。
• 当前国内保险业，诸如中国保信、众安在线、泰康“乐业保”及去哪儿网的保险经纪业务等已经步入正轨，中国保信主要进行车险平台数据系统的迁移工作，在保险信息共享平台建立后，保险公司就可以更准确、及时、深入地把握行业的风险状况，进而提高保险经营的透明度，有利于提高风险应对的针对性和有效性，防范保险消费欺诈，保护保险消费者的利益。
• “三马”联合卖保险成立的众安在线自筹备依赖便吸引业界的广泛关注，“众乐宝”是众安在线有代表性的一款保险产品，主打责任和信用保证保险，专为在淘宝网平台留下大量经营数据的淘宝卖家量声订造，这是一款典型的大数据环境下的保险产品，依靠淘宝电商平台留下的大量数据，保险公司可以对被保险人的情况进行分析，探知目标客户的保险需求，进而开发出适合被保险人需求的保险产品。

大数据的确拥有巨大能量，互联网企业凭借着大数据优势，是否可以动摇甚至颠覆保险行业，传统保险业是否会逐步沦为大数据企业的OEM公司，或者达成协作，第三方大数据企业是否有新的机会，让我们拭目以待。

Part 5 征信大数据-金融基石

前面的金融模式，会涉及到一个核心问题，就是征信。但中国现有的征信体系并不完备，绝大多数的个人、中小企业通过传统的征信机构无法获得信用数据。没有个人信用基础，无法进行信用判断，国内的互联网金融无法长足发展，未来，每一家互联网金融公司都需要信用数据，区别只是次数多少、规模大小而已，实际上，央行的征信数据对P2P等网贷并不适用，因为，中国的小微企业和绝大多数个人在央行并没有相关的征信记录。并且，央行的信用信息也不完整，无法形成同一个系统，水电煤、工商等这层信息可以用来信用评估，但这些机构的相关数据无法联通，形成了一个个数据孤岛。而互联网金融的发展，也倒闭征信领域快马加鞭。

在大数据上，做个人征信是最有前途的，一般征信从身份认证、还款意愿与还款能力三个方面来评估，以阿里推出的芝麻信用为例，其不仅有基于支付宝的信用卡还款信息，还包括大量的购物数据，一定程度上代表了个人消费能力，同时，阿里也在拼命接入第三方数据，以弥补其数据的缺陷。美国有一家名叫FICO的信用评级公司，已经成为美国征信系统的基础，其基本上也是以年龄、性别、过去的信用记录为评分方法的。

因此，个人征信大数据，将是未来金融企业和互联网金融角逐的焦点，同时给第三方大数据带来新的机会，这一份大数据变现大餐，只要是拥有大数据的企业，甚至是具备大数据分析能力的组织，都有可能分享，特别是对于传统金融、互联网企业、运营商等企业。

Part 6 未来的金融帝国-阿里金融

在笔者提到的金融的几乎所有领域，都有阿里的影子，作为国内大数据应用的最佳实践者，阿里凭借着规模庞大的用户群所积累的数据及卓越的大数据分析技术，从电商转型到支付，全面进入金融领域，并深入渗透银行业，其以支付宝、余额宝和阿里小贷为依托，并扩展到投资基金、保险等领域，隐隐打造出阿里金融帝国的雏形，在互联网企业的金融战略中，阿里的战略最为清晰。

银行核心的三大业务“存、贷、汇”，阿里金融通过“支付宝”实现由“电商 ” 到 “汇”业务，由“余额宝”实现“汇”到“存”的过程，继而由“阿里小贷”实现从“汇”到“贷”，构成了一个循环。

阿里金融成功的因素有以下几个方面：

• 各平台连接，数据关联，相互促进，“阿里巴巴（B2B平台）->淘宝网（C2C平台）->支付宝（线上支付平台）->天猫（B2C平台）->阿里小贷和余额宝（网络金融平台）”是一个以客户为中心，按照“客户需求+应用场景（平台）+解决方案（金融、技术）”的方案在平台之上再搭建平台并且相互支持的过程，随着平台不断发展，客户规模不断扩大，粘性不断增强，其业务创新和扩张能力进一步增强
• 以平台和网络为中心整合中小客户资源，在这块市场上，阿里金融有着传统银行无法企及的优势，小微企业级网站店主融资金额小、时间短、频率高、单次收益低，难以覆盖银行成本，同时中小企业触达渠道少，信息透明度差，银行无力开拓

对于阿里金融，它依托电子商务平台和支付平台，实现资金流、信息流和物流（如菜鸟网络，与苏宁合作）的闭环运行，构建起整个电商链条的大数据，从而解决信息不对称问题，并依托大数据及阿里云，更好的实现对商户经营信息的收集、整合和分析。

阿里的每一步，都在非常明确的补足业务短板，进而补足大数据，从而不断的创造1+1>2的效果。如果你理解了以上，就不难理解其建立菜鸟网络，与苏宁联姻、投身体育、娱乐、文化等产业、搞阿里云，发布数加产品的系列行为，绝不仅仅是一个噱头。

当然除了阿里，包括腾讯、百度、京东等都在打造自己的金融帝国，这里就不再累述。

Part 7 达摩克利斯之剑-大数据垄断

大数据驱动金融创新的核心在于信息流、资金流和物流的紧密结合，由于目前我国金融大数据的产权不明晰、交易不畅通，这“三流合一”主要在企业内部进行，这将导致金融行业严重的两级分化，特别是大数据的特性是数据量越大，维度越多，其价值的增长更多，先入者比后进者拥有太多的优势，两者的起跑线拉的太远，因此，大数据领域更容易出现数据寡头。

一方面，同时握有数据和资金优势的电商巨头与商业银行将凭借“数据垄断”获得绝对的竞争优势，比如阿里巴巴凭借电商平台的数据优势和雄厚的资金实力，进入金融领域。

另一方面，金融市场的中小参与者则处于数据和资金两相分离的弱势地位，这种数据垄断一旦形成，将降低金融市场的竞争效率，抑制金融大数据的活力，阻碍金融创新的进一步发展。

破解之道就是，尽快建立大数据的流通机制，虽然当前贵州，武汉，上海，浙江数据交易所在陆续建立，但要让其发挥作用为时尚早，中国的相关监管部门应该着力于制定相应的法律法规，为大数据的自由交易铺平道路，让第三方大数据发挥出真正的价值，降低金融大数据创新的进入门槛，基于大数据的金融创新奖不再是少数电商巨头和银行巨头的专利，从而在金融大数据领域维持相对公平和高效的市场竞争。