傳統零售費時費錢
從傳統銀行的零售流程跟大家講起。
傳統銀行的流程像個梭子， 業內稱作信貸工廠模式：
首先銷售和客戶接觸，
客戶準備材料， 遞交一些企業工商資訊， 企業主個人資訊、經營證明、銀行流水、水電煤氣費繳納單等等
交由銷售支援人員做錄入；
中台覆核；
風控部門再通過實地調查；
審批電話核實；
再做最終的審批結論
整個流程下來， 最快需要一周。 盡調調查還可能出現各種情況， 比如商戶老闆需要調查改期、帳本準備的不好、材料還沒批下來等。
雖然， 當時在傳統銀行創立了信貸工廠模式實現“流程標準化”， 但因為每個步驟都需要“人”來完成並且流程與流程的銜接需要“人”來傳遞， 所以不論怎麼優化， 也難以再提高速度。
運營成本也掣肘效率提升。 銷售、錄入、預審、運營、審批等團隊至少需要幾十人， 這樣規已是很精簡。
正因為成本如此之高， 5萬元的信貸需求， 利息不能覆蓋運營成本， 對銀行是虧本生意。
但fintech公司可以做到5000元， 甚至更低。
Fintech如何給煎餅攤授信
這類客戶屬於銀行零售業務， 也叫零售金融業務。
按照金額來區分， 零售業務一般金額是指百萬級別和以下的業務, 當然我們在讀秒的零售業務更屬於小小微的範疇。
相比於銀行的其他業務來說， 零售一直處於額度小、難度高、批貸難的一塊。
賣煎餅的葛大媽為例
如果有如題的煎餅攤老闆“葛大媽”向銀行提出借貸申請， 她唯一的可變現資產是一輛可移動工作間——這在銀行是不可能被承認的。
她的“企業”沒有政府認可的註冊， 日常記帳都是記在自己的小帳本，
當然還有好一點的情況。 倘若葛大媽不僅僅有一個攤位， 她可能有一間小店， 有營業執照， 但註冊資本金小， 稅務不規範， 有一些經銷記錄等等。 葛大媽想要和銀行借5萬元裝修一番——大概率還是會被銀行拒絕。
因為五萬元的信貸， 刨除銀行的觸客、盡調、錄入、初審、終審等成本， 銀行是虧損的。 她心一狠， 那借20萬呢？傳統銀行又會認為難以給一間小店批貸20萬。
葛大媽這樣的小微商戶想當然地認為銀行嫌貧愛富， 看不上零售業務， 其實並不是看不上。 從金融邏輯來講， 這類業務的NPV若為負， 即不能盈利， 寧肯不做。
Fintech重構信貸流程
相比之下， Fintech是近年興起的行業， 沒什麼歷史包袱， 整個信貸流程在fintech的環節中被重構了。
信貸最簡單地可以被分為貸前、貸中、貸後。
貸前來說， 相比于上述的傳統的信貸工廠模式， fintech的資料獲取、加工、處理、分析都是並行的一個過程。 葛大媽在銀行申請時需要準備一堆材料， 跑4、5個機構。
但在她授權情況下， 讀秒可以做到15分鐘完成從收集到授信的全流程：採集的資料依次進入資料湖沉澱， 再經由中間層進行資料清洗， 通過資料採擷和機器學習加工出爐企業使用者6大緯度的特徵變數和使用者畫像（如下圖）。
對葛大媽來說， 申請流程是簡單的。
但需要說明的是：資料驅動決策系統內部， 每天近萬級的資料顆粒採集，
用戶生命週期即時管理， 是fintech獨創的貸中、貸後管理環節。 以往一個客戶是否被予以授信， 常常是在申請那一刻的靜態授信。 但實際上， 企業每一年的變化並不小， 小微客戶更是如此。 fintech用資料觀察客戶生命週期， 客戶在借款過程中的動態趨勢可以即時反應風險的變化。
詳細來說， 我們可以根據客戶的類別， 監測其在授信以後的業務資料。 比如舉例來說， 葛大媽的經營範圍發生了變化， 本來煎餅攤， 變成了賣衣服、賣玩具， 甚至賣手機了。 我們無需去現場驗證， 可以通過後臺資料的業務資料、商品資訊進行分析， 就可以知道這類的變化， 從而掌握經營動態風險。在此基礎上，Fintech可以根據使用者類別，設置一系列預警指標並即時交互獲取，依賴資料指標進行預警監控，作為催收策略的指導。
煎餅攤的用戶畫像構成
葛大媽此類的客戶是傳統銀行、小貸公司都難以覆蓋的客戶，也是我們的典型用戶之一。Fintech之所以能夠為小微商戶進行用戶畫像，並授信，源於其多維度的用戶畫像能力。
傳統金融機構在零售信貸中更多依賴于金融範疇的資料，從財務角度去看客戶的銀行流水狀態、負債杠杆比率、稅務等資訊。但fintech會有一個從企業到人更為全面的征信判斷。
舉例來說，我們通過APP GPS定位葛大媽在北京某城區，可以從通話城市，收款位置，住址資訊等多維度交叉驗證和比對來鎖定用戶的生活和經營地址，而傳統機構提供住址/經營地租賃合同或者水電煤氣繳費單據的方法，不僅繁瑣且作假容易。
可能銀行的審批員還沒有見到葛大媽，fintec就已經為她完成了授信，甚至通知金融機構放款了。
綜上，Fintech之所以能夠覆蓋各種碎片化的需求，主要是由於一：重構流程，用資料驅動決策降低了運營成本，申請量的增加，幾乎對成本沒有影響，邊際成本趨向於0。二：立體的用戶畫像，從金融與財務外的維度來收集資料，再回歸金融，驗證授信。
而授信的準確度、資產的優質程度，就看各家fintech的具體模型與技術了。
-END-
從而掌握經營動態風險。在此基礎上，Fintech可以根據使用者類別，設置一系列預警指標並即時交互獲取，依賴資料指標進行預警監控，作為催收策略的指導。煎餅攤的用戶畫像構成
葛大媽此類的客戶是傳統銀行、小貸公司都難以覆蓋的客戶，也是我們的典型用戶之一。Fintech之所以能夠為小微商戶進行用戶畫像，並授信，源於其多維度的用戶畫像能力。
傳統金融機構在零售信貸中更多依賴于金融範疇的資料，從財務角度去看客戶的銀行流水狀態、負債杠杆比率、稅務等資訊。但fintech會有一個從企業到人更為全面的征信判斷。
舉例來說，我們通過APP GPS定位葛大媽在北京某城區，可以從通話城市，收款位置，住址資訊等多維度交叉驗證和比對來鎖定用戶的生活和經營地址，而傳統機構提供住址/經營地租賃合同或者水電煤氣繳費單據的方法，不僅繁瑣且作假容易。
可能銀行的審批員還沒有見到葛大媽，fintec就已經為她完成了授信，甚至通知金融機構放款了。
綜上，Fintech之所以能夠覆蓋各種碎片化的需求，主要是由於一：重構流程，用資料驅動決策降低了運營成本，申請量的增加，幾乎對成本沒有影響，邊際成本趨向於0。二：立體的用戶畫像，從金融與財務外的維度來收集資料，再回歸金融，驗證授信。
而授信的準確度、資產的優質程度，就看各家fintech的具體模型與技術了。
-END-