来源：财新网

2016年，中国的消费总额33.2万亿，比上一年增长了10.4%，对国内生产总值的贡献率是64.6%，消费金融迎来一个比较好的市场机遇。

　　4月25日，国家金融与发展实验室发布了《中国消费金融创新报告》（下称《报告》），报告指出，当前中国消费金融市场规模估计接近 6 万亿元，如果按照 20%的增速预测，消费信贷的规模到 2020年可超过12万亿元，将成为全球最大的消费者金融市场。消费金融市场结构也由原来的银行消费信贷一家独大，发展为与消费金融公司、互联网消费金融及其他机构百花齐放的格局。

　　中国互联网金融协会秘书长陆书春在前述场合指出，随着互联网消费金融的发展，由于消费金融门槛低、机构多、增长非常迅猛，也暴露出了互联网消费金融领域的过度借贷、重复授信、过高吸费、个人信息保护不足等问题，有可能对未来金融风险和社会风险造成一定的不稳定因素。

　　据陆书春透露，协会正在积极开展互联网消费金融的信息披露标准制定，同时针对催收行为与个人信息使用的规范和准则。

　　此前，针对由于信息孤岛造成的信息不对称问题，中国互联网金融协会组织会员建立了互联网金融行业信用信息共享平台，希望通过前述平台与国家金融信息的基础数据库形成有效补充，有效帮助互联网金融机构加大信息共享、提高风控能力，以及精准获客、降低风险、解决重复授信的问题。

　　《报告》认为，在消费金融领域，技术驱动将贯穿从资产获取到资金对接，乃至用户体验的全过程。

　　目前消费金融场景逐渐复杂化，分期贷款服务、小额分散的业务特征对技术提出了更高的要求。金融科技已经成为新兴的互联网平台与传统金融机构差异化竞争的关键，以大数据、人工智能为代表的科技提高了消费金融公司的获客能力、风控能力，也重塑了整个互联网消费金融行业的风险管理系统和营销体系，打造了全新的互联网消费金融生态环境。未来，消费金融以技术驱动的特征将愈发明显，对大数据、人工智能、人脸识别、智能设备等等新技术的应用将越来越普遍。

　　据中国互联网金融协会的抽样样本统计，2016年全年新发的消费贷款是119亿元，平均单笔贷款金额810元，也体现了互联网消费金融产品的小额特征；用户年龄在20到30岁之间的占比是超过60%；从区域结构来看，东部地区占比比较高，特别是发达地区占比比较高，像广东、上海、江苏、浙江，这些地方占比将近一半，说明经济活跃与互联网消费金融的相关性很强的；从发展模式上来看，小额和短期的贷款占比非常高，贷款用途以网上零售和家装为主，样本机构发放的3000元以上的笔数超过了9成，一万元以上的贷款只占总笔数的10.2%，全年新发放网上贷款的笔数约2亿笔，占全部新发放笔数的99.7%；从服务价格来看，互联网消费金融以发放低利率贷款为主，样本机构发放的消费贷款中，年化利率水平在5%以下的占比是92.4%，在5%到10%之间的是占4.9%。

　　国家金融与发展实验室银行研究中心主任曾刚介绍说，消费金融的业态类型差异非常大，主要参与者分为四类，一是商业银行仍占据绝对的主导，信用卡仍是消费信贷领域当中最重要的支付工具；同时很多银行也开始做网络贷款，这是一些新的创新和变化。

　　二是持牌的消费金融公司，包括17家银行系的消费金融公司和几家电商系或产业系的消费金融公司；三是互联网消费平台，包括电商平台和分期平台等，前者如阿里、京东、苏宁等以互联网电商平台来做消费金融。四是部分小贷公司和其他类型机构。

　　曾刚表示，与以往消费金融是纯粹信用类贷款不同，目前消费金融的发展越来越多地和某一个交易场景结合；消费金融中的风控，从原来的静态数据（个人收入、年龄等），扩展到动态行为的数据获取和分析，比如网上消费行为。

　　在资金来源方面有所创新，消费金融的资产证券化发展得非常快，目前累计发行额接近1400多亿元，其中1000多亿元是蚂蚁金服和京东这两个金融机构发行的。

　　曾刚称，消费金融领域的创新趋势是综合化、平台化、科技驱动，针对一些不规范现象，比如个人信息保护不足、无牌机构做的是持牌机构的业务等，预计未来监管与创新是并行的状态。

　　对于消费金融而言，数据和技术在一定程度上改变着风控和获客效率，促进了产业升级，但一个良性、可持续性的风险防控业态，才是消费金融成功持续运营的根本。《报告》认为，数据驱动下的风险定价是消费金融企业的核心能力之一。

　　京东金融消费者金融事业部总经理区力指出，“无论是传统金融机构、互联网金融机构还是金融科技公司，解决普惠关键就在于解决可负担成本问题，归根结底就是要解决成本和效率的问题。”

　　《报告》指出，相比于传统消费金融风控模式，互联网金融消费风控系统以大数据风控是为基础，融入“数据+风控模型+算法”的思想，真正有效地将风控系统量化衡量。基于大数据风控，可将传统消费金融前端销售依靠大量地人工推荐、后台依赖人工作业的重人力模式，升级为依赖系统和数据自动决策的在线实时自动信贷工厂模式。

　　“通过数据去驱动风险定价能力，如果只是一味地提高定价、盲目做大用户规模，这不是能力，真正的能力体现在把定价控制在合理的水平，甚至想办法降低定价，用高效率的风控逐步拓展用户。”区力说。

　　以京东金融的消费金融业务为例，在过去的三年中，京东金融做了大量的数据、研发和系统的投入，这些投入是固定成本，每一单金融服务的操作成本则是变动成本。“比如‘白条’业务，没有一笔是通过人工审核，都是机器决策，这样子每单的变动成本近乎为零，我们的后台系统1秒钟可以处理几十万笔交易，这在过去的金融服务模式中是不可想象的。”区力进一步表示。

　　除此之外，“白条”信用风险评估模型覆盖了两亿多个京东用户，而且每一个数据模型体系中都有上百个子模型，几万个变量。京东金融也大量应用深度学习，神经网络等新技术，通过这样的数据模型体系去解决风控、欺诈等问题。

　　相比用抵押物、收入流水证明等粗放式的传统风控方式，通过基于大数据线上信贷审批系统将进一步提高信贷业务审批效率，充分体现信贷业务电子审批高效性，信贷调查、分析评价、审批决策和放款审查人员均通过系统调阅信贷业务影像资料和电子信息，纸质审批资料不再做审批环节中流转，同时实现"三集中"，即集中审批、集中审查放款与集中档案管理。最终实现信贷业务的集约化经营，科学化管理，各方面提高风控系统的有效性。