（本文系紫金财经原创稿件，转载请注明来源）

今年以来，金融大数据行业风波不断！

因公安部门在全国范围内大力围剿“套路贷”，导致其上下游产业链均受到不同程度的影响，其中贩卖数据的大数据公司首当其冲，受打击较大，此事在金融科技圈内已发酵数月。

值得注意的是，部分媒体对以输出技术为主的大数据风控公司多有批评声音，声浪甚至盖过了直接开展“套路贷”、“高利贷”的网络借贷公司。

众所周知，在数字经济时代，数据已是至关重要的新型生产要素，而以数据资源为基础的金融行业更是绕不开大数据风控技术的加持，目前大数据风控正逐渐成为各金融机构的核心竞争力。

毋庸讳言，在进行科技创新的过程中，除去因概念混淆导致的“误伤”外，过分苛刻的环境也难以孕育出创新成果，适度允许试错才能不断推动技术的进步，尤其在金融行业的智能风控领域，科技的应用有助于信用体系建设。当然，这一切还有赖于从业者的严格自律，不能侵犯公民隐私、危害社会的发展。

概念混淆，容易误伤

事实上，大数据分析市场是由一个极为庞大和复杂的体系组成。以美国为例，其个人数据市场结构分为三个层级：全面征信机构、专业征信信息提供商、数据分析公司。

大数据公司特指提供数据买卖和提供流量服务为主要业务的企业。他们一般通过技术手段从各种渠道获取数据并存储到自身数据库，而后针对不同场景简单打包，直接销售给客户。

而大数据风控则是专指提供数据分析、人工智能、机器学习、大数据平台能力以及分析咨询服务的企业。大数据风控公司的价值体现和核心竞争力在于科技能力，这与大数据公司直接贩卖数据和流量的商业模式有本质的区别。

大数据风控公司的核心竞争力是高技术、高学历、高品质人才，以及多项的技术专利和具有较高竞争门槛的技术产品；而大数据公司则很难谈及 “核心竞争力”，因为收集数据进入门槛低，因此数量众多、鱼龙混杂。

大数据风控技术天然适用于金融领域，结合各类风控模型搭建的服务产品，可实现在大批量作业下，更快、更准的识别风险；同时从销售管理、反欺诈、贷前准入、客户授信到贷后管理，智能风控的模式可以有效对金融机构前中后进行重塑，形成贷前、贷中、贷后体系化和全周期化的生态系统。

因此，简单的理解，大数据风控企业只是提供大数据技术在金融风控领域中的运用，这可视为一种技术能力。比如业内知名的同盾科技，就是这类企业的典型代表。其通过人工智能、云计算、大数据等核心技术的应用，提供处理数据的一系列解决方案，以便帮助金融实体、企业，甚至政府部门完成风控、反欺诈、提高运营效率等方面的助力。

而从行业发展的角度来说，处理违规大数据公司，避免劣币驱逐良币现象的发生，也是一批真正具备大数据处理能力的风控企业所乐见的。通过监管行动，一批不合格公司将出局，占据行业领先地位的企业将以此为契机，迅速在涤荡污浊的氛围中快速崛起。

什么才是金融核心竞争力？

中国科学院的一位专家曾公开表示，数字经济是继农业经济、工业经济之后的更高级经济阶段，它正加速重构经济发展与政府治理模式的新型经济形态，已成为中国经济增长的核心动力。

2018年4月，首届数字中国建设峰会披露的数据显示，2017年中国数字经济规模达27.2万亿元，占GDP的比重为32.9%；2019年4月，中国国家互联网信息办公室发布报告称，2018年中国数字经济规模达31.3万亿元，占GDP比重为34.8%，占比逐年增加。

赛迪顾问测算数据显示，预计2020年中国数字经济规模将达到6.4万亿美元，同比增速达19.4%；另据有关机构预测，2035年中国数字经济规模将达到16万亿美元，数字经济已成为当下经济发展的最强新动力之一。

以数据资源为基础的金融行业，恰恰是大数据风控技术的长项和演练场，特别是在交易、反欺诈、精准营销、黑灰产业防范、信贷风险评测、二级市场监测、智能投顾、骗保识别等多个金融场景中，大数据风控正起着越来越重要的作用。

大数据风控能够帮助企业提升效率，降低成本，同时还可以更快、更准确的实现批量识别，如果说金融机构的核心能力是风险定价的能力，那么大数据风控技术正逐步成为金融机构的核心竞争力，助力它们更加高效的进行金融决策。

实际上，目前走在前面的几家大数据风控公司，每家都有自己的优势和特色，但成体系的提供大数据风控产品的企业并不多。相对而言，同盾科技在人工智能，大数据分析等一系列技术理念的支撑下，已经开始慢慢演化到知识图谱、深度学习等领域。这样的意义就非常重大，因为在这样的能力支撑下，才能够使得金融决策从人工审核过度到机器自动决策阶段，智能风控才能够更高效。

不仅仅是在金融行业，大数据风控技术的智能化一旦达到相当高的水平，在诸如航旅、电子商务、社交等非金融行业，也有施展的空间。这就要求志存高远的风控公司，不能过度追求短期利益。同时，还需要不断吸收人工智能、云计算、风险管理等方面的人才成为公司的新鲜血液，才能在智能风控和智能商业决策平台的建设上取得一定的成果。

智能风控，接班传统手段

对于金融机构来说，风控模型和风控体系需要非常有经验的金融从业人士进行把控。比如，银行风控模型的出发点主要是衡量借款方的还款能力，一般来讲，模型包含客观性和主观性两部分。

客观性的评判主要依据公司的财务报告、银行流水等可以量化的数据。但只靠客观数据还不够，还要关注公司所在行业是否为落后或将被淘汰的行业，同时公司管理者的经验也会成为影响公司的风险，需要人工进行调查审核。

因此，人在传统风控体系中的作用很大，但靠人审查的风控手段毕竟单一，且人的计算能力有限，对复杂的征信环境缺乏整体的把控能力，无法为长尾客户提供风险定价。

这种的困境对小型企业、个体工商户的影响尤为明显。由于小微企业在财务人员、专业技术人员、管理规范等方面都相对较弱，加之自身资产规模较小、融资难、竞争力缺乏等问题，严重制约小微企业的发展。

以智能风控为代表的金融科技为这些问题的解决提供了方案。随着互联网科技与金融高度融合，金融科技这种轻资产、重服务的网络模式正慢慢渗透到金融模型中，推动金融机构产生变革。

以人工智能、云计算、大数据等技术为基础的科技公司进入金融风控领域，科技与金融的结合日益紧密。传统风控采用评分卡模型和规则引擎等进行风险评分，而智能风控会根据履约记录、社交行为、行为偏好、身份信息和设备安全等特征进行用户风险评估。两种风控方式从操作到场景都存在明显区别，进入移动互联网时代后，智能风控的优势更为全面和完善。

大数据风控也需要适度容错

总体而言，数据分析行业是一个庞大的体系，机会多也意味着风险高。

在金融大数据资产管理水平不健全、技术应用不成熟、底层基础设施不完备、行业标准缺失、政策保障不完善的前提下，金融行业内开始乱象丛生。

随着整肃的深入，一些敏感性问题再次受到公众热议，但媒体对部分以技术输出为主的大数据风控公司的批评声，声浪甚至盖过了直接开展“套路贷”、“高利贷”的网络借贷公司，这样缘木求鱼的背后，主要的原因还是对风控公司不够了解所导致的。

特别是在整治金融乱象期间，很多人将大数据风控公司和大数据公司混为一谈，真正的大数据风控公司被误伤的可能性非常大，被误伤的几率大大增加。我们说要去除糟粕，取其精华，而大数据风控公司以及这类公司附带的智能化技术，才是金融科技领域最为精华和宝贵的财富。

退一步来说，大数据风控技术在金融领域的应用是一种创新，创新需要勇气，创新精神更需要鼓励。紫金财经认为，除去因混淆导致的“误伤”外，过分苛刻的环境也难以孕育出创新成果，更会阻碍新兴产业的发展壮大，因此创新应该被适度包容，金融创新也需要一定的试错空间。

科技需要在挫折中、试错中不断进步。金融行业与大数据风控技术的结合还有很多可想象空间，挫折是暂时的、前途是光明的，大数据风控行业的发展，在适度容错的环境下才会有适宜的土壤，我们也需要以更大的格局来看待这场金融科技领域的变革。

科技无善恶，行业需自律

事实上，技术本身是中性的，并没有善恶之分。

在套路贷的乱象之下，有观点认为金融科技公司是“助纣为虐”。但大数据风控公司的技术并非只应用在网络借贷中，其中智能风控作为人工智能的一个方向，正是各国争夺的焦点，不能因噎废食，因为部分不良企业的恶行而否定技术本身。

在金融领域内，也不仅仅是现金贷公司等会用到大数据技术，传统的商业银行也需要金融科技团队，也会与大数据风控公司合作。大数据应用到金融领域既可以推动普惠金融落地，促进金融公平，还可以对抗网络欺诈和各类黑产，提升监管能力。

一份央行报告曾指出，信息技术的发展和移动互联网的普及进一步降低了获得金融服务的门槛。长期以来，普惠金融理念在落地方面表现得差强人意，一个重要因素便是风控难，银行等金融机构无法评估风险。随着金融科技的进步，大量非结构化的、非金融的数据被充分挖掘，并以此作为风控依据，真正推动了普惠金融的发展，促进了金融公平。

在对抗网络欺诈和黑产方面，金融科技同样功不可没。黑产始终伴随着互联网的发展，给相关从业者和普通用户造成了巨大的损失。而黑产手法不断更新，传统的防护手段逐渐失效。一些科技公司利用AI自主学习技术，快速迭代风控模型，有效遏制了黑产和网络欺诈的蔓延。

还是以同盾科技为例，其利用智能反欺诈技术，阻击黑产团伙、协助打击反洗钱、协助各部门解决电信诈骗等方面均有优秀表现。当然不仅仅是金融领域内的风控和反欺诈，同盾科技还与沪杭甬高速公司携手开发了高速公路拥堵状况实时监视系统，用智能化手段改造高速系统，提升行车效率。

2017年7月由国务院发布的《新一代人工智能发展规划》中提出“三步走”的战略目标。达成这样的目标需要中国产业界付出巨大的努力。而像同盾这样一批聚焦智能风控、防范网络欺诈、助推社会诚信体系建设的企业，未来的机会非常宽广。

科技发展会给人类带来巨大进步，但滥用很可能给人类带来新问题；科技本身虽无善恶，但只有心存敬畏、正确合理的运用才是企业长远发展之路。