放弃搜索引擎后，用钱宝是怎么做“变革性”金融服务的？

在前不久的创新工场年度峰会上，创业导师李开复谈及投资经验和趋势时，将金融放在了人工智能之内。他认为，“金融改革和创新的机会在于它里面核心的技术，无论是人工智能的技术，还是区块链的技术。”那具体而言，他会投怎么样的金融科技公司呢？

一个例子是用钱宝，它为用户提供500-5000元的小额贷款，期限在一个月内。由于不是持牌金融机构，用钱宝会与银行及消费金融公司深度合作，为他们获取客户，做风控，他们作为放款主体来发放贷款。目前用钱宝每月有四五十万的贷款量，上个月的放款额达到6亿元。

用钱宝服务的则是传统金融机构无法服务的人群，如服务员、业务员、私企文员等。这部分人群征信数据缺失，而目前也少有适合他们的信贷产品。

目标人群和交易数量都不是传统金融业务擅长的，所以用钱宝最关键的是基于机器学习的大数据风控技术。公司创始人兼CEO焦可告诉雷锋网(公众号：雷锋网)，现在每天放出2万笔贷款，全由机器完成。他们会从数百个维度考察借款对象，这显然是人类无法完成的。相比之下，传统银行的风控虽然也是基于不断的学习来完善，但学习的主体是人，基本的维度和特征点很少，一般是十多项。

据了解，用钱宝累积融资额已超过2亿元，投资者包括晨兴创投，源码资本，洪泰基金，创新工场，光信资本和51信用卡等。

从搜索引擎到用机器学习做风控

焦可创业的第一个项目不是用钱宝，而是贷款领域的搜索引擎，贷小秘。当时他们的想法是消除市场上的信息不对称，让贷款者和金融机构都能找到对方。但后来他们发现，金融产品同质性比较严重，这就像网站内容都一样，那做搜索就价值不大。但在这一过程中，他们对传统金融的方式和思考逻辑有了深入了解，也发现了传统金融照顾不到的领域。

他们发现，真正的问题不在于信息不对称，而是金融机构的服务能力有限。传统金融的贷款，会基于用户的强特征（如是否有房，抵押品，工资流水和社保等数据）来做出判断，但很多人群这类信息缺失，以至于服务覆盖率低。以信用卡为例，据统计国内目标人群大约在5亿人左右，而发卡账户总量约为2亿人，其中有巨大的落差。于是他们决定服务这类非银行金融用户。

焦可和核心团队均是技术出身，曾在百度和赶集等公司任职，百度T6级别的技术大拿就有十多个，公司自然也以技术为导向。那么，哪一类金融服务可以用技术手段去覆盖广泛的需求呢？焦可的答案是短期小额借款。他发现，月光的年轻人经常工资没发就把钱花完了，有小几千的借款需求，月初和月末为甚。传统银行没法满足这种需求，一般不会只借数千，也没有能力做这个事（征信数据不全）。

对于借款的额度和期限，焦可也有自己的考虑，他表示，“从需求和有足够样本来定价，这是当初选择这种产品的考虑”。单从技术上说，风控模型需要有好的样本量，而小额短期的业务就特别适合去积累适合的样本。

以6亿的放款额为例，如果是传统方式，5万元一笔就只有1.2万笔，如果每期半年，一年会有2.4万个样本；但用钱宝一个月可以做到40多万笔，每期一个月，一年可产生480万样本量。这样的数据量才能发挥机器学习的优势。

当然，并非所有业务都适合机器学习，比如抵押业务，有些抵押业务金额较大，一个月仅数百笔，每年的样本有限，不够训练模型。

“不仅懂业务，还有业务”

目前做大数据风控的公司不少，不过焦可认为，相比其它提供风控服务的公司，用钱宝也有自己的优势，主要体现在不仅懂业务，还有业务。

他表示，金融机构的还款数据一般不会对外公示，这让做通用模型的公司很难拿到。即使是在美国，通用模型的效果也不如专业模型，它可以做基本的东西，但对具体的业务来说不够，比如FICO做基础分，但各公司只用它做参考。

“用钱宝除参考用户是否还款这种简单的数据外，还利用是否提前还款，是到期还或逾期还，逾期后又如何处理等，这些业务数据都会回馈给模型，而这种迭代深度是通用型模型做不到的。”

另外，他认为做通用风控模型一般适合BATJ这样的公司，比如芝麻信用，因为他们天然在渠道和效率上有优势。

而创业公司，在焦可看来，更重要的是从不能到能，扩大金融业务的能力和覆盖率。他把新的金融技术分为技术型的变革，以及渠道和效率的改良。

“我认为改良适合大公司，创业公司要知道哪里可以破，不破不立，拓展新的业务机会，扩大传统的Ability，要做变革性的东西。”

未来用钱宝会继续关注当前的产品。虽然现在每月有四五十万的贷款量，但与市场比起来量还很小。每个月有多少年轻人遇到钱不够花？焦可给出的数字是千万级。所以他认为还有很大增长空间，短期重心仍是小额短期产品。当然，如果非银行用户有新的需求，而这种需求可以被技术更好地满足，一定会去提供更多产品。

。