精品推荐互联网银行行业分析报告完整版.docx

精品推荐互联网银行行业分析报告完整版.docx

《精品推荐互联网银行行业分析报告完整版.docx》由会员分享，可在线阅读，更多相关《精品推荐互联网银行行业分析报告完整版.docx（8页珍藏版）》请在冰豆网上搜索。

精品推荐互联网银行行业分析报告完整版

2016年互联网银行行业分析报告

目录

一、互联网银行起跑

1、微众银行试水

2、网商银行筹建

3、三个虚构的小案例

二、互联网银行精要

1、核心逻辑链：

场景—导流—大数据—征信并授信

2、大数据之源：

UGC网络

3、点石成金：

从数据到信息

4、在逻辑链上寻找最具价值的环节

三、传统银行视角：

补充而非颠覆

1、传统银行也有类似的逻辑链

2、传统银行与互联网银行错位竞争

3、传统银行迅速反应

四、总结

一、互联网银行起跑

1、微众银行试水

2014年7月，银监会披露近日已正式批准三家民营银行的筹建申请，其中包括由腾讯、百业源、立业为主发起人的深圳前海微众银行（以下简称“微众银行”）。

12月12日，微众银行完成筹建，获准开业。

根据当时披露的公开信息，微众银行注册资本金30亿元，经营范围包括吸收公众、主要是个人及小微企业存款；主要针对个人及小微企业发放短期、中期和长期贷款；办理国内外结算以及票据、债券、外汇、银行卡等业务。

业务模式上，微众银行定位于“个存小贷”，服务个人消费者和小微企业客户。

12月28日，微众银行官网上线，成为我国第一家互联网银行。

2015年1月4日，微众银行在总理见证下发放了一首笔贷款，金额

3.5万元。

2015年1月18日，微众银行试营业（内容包括为银行股东、银行员工办理开户；邀请目标客户参与业务体验；加强同业联动，建立合作关系等。

不是正式对外营业）。

预计正式开业在三四月份左右。

2、网商银行筹建

相比微众银行，另一家互联网银行，蚂蚁金融旗下的浙江网商银行（以下简称“网商银行”）进度略慢。

2014年9月，银监会批复，同意浙江蚂蚁小微金融服务集团有限公司等发起人筹建浙江网商银行。

根据程序要求，筹建工作应自批复之日起6个月内完成，因此预计开业时间在2015年第一季度。

根据公开信息，网商银行将坚持“小存小贷”的业务模式，目标客户锁定为电子商务平台的小微企业和个人消费者，产品主要是贷款等适合网络操作、结构相对简单的金融服务，主要提供20万元以下的存款产品和500万元以下的贷款产品。

3、三个虚构的小案例

但是，两家互联网银行将来如何具体运营，我们目前并没有很清晰的图景，银行自身也表示仍在摸索之中。

我们先分享三个虚构的小案例。

然后，我们试图顺着互联网金融、互联网银行的逻辑，推导可能的业务模式，最后给出行业预判。

互联网银行如何借助数据判断一个人的诚信？

阿里巴巴掌握电商交易和支付数据，相对简单（如果这数据可以提供给网商银行使用）。

比如淘宝用户小强（同时也是支付宝用

户），阿里巴巴能看到他每月还时还信用卡账单，按时缴纳水电煤费，每月10日会有一小笔钱存入余额宝（可能是工资的一部分），购物过程中也未与任何卖家产生过纠纷，因此有把握相信小强是一个诚信的人，可结合其收入水平谨慎地给予授信。

腾讯旗下的微众银行，掌握的交易数据、支付数据不多，多的是社交数据，甚至都称不上数据，而是文本。

但借助一定的文本挖掘技术，也能够用来判断一个人的诚信。

比如微信用户小明（同时也是QQ用户），经常在微信（或QQ）上与朋友、客户等约定见面的时间地点，而后到点前，会总向对方发送类似“我到了，我在正门口”之类的语句。

腾讯发现小明发出这句话的时间总是比约定时间早个几分钟，这也能从一个侧面反映小明为人诚信。

但是，当腾讯用同样方式去考察另一位客户小红时，却发现小红会在微信上和别人约定时间地点，到点了却从没见她有类似“我到了”的语句。

后来才发现，小红按时到达目的地后，习惯于用手机联络对方。

这意味着，仅掌握自己的数据是不够的，还需要从体外获取数据，比如电信运营商的数据。

二、互联网银行精要

对于我国银行业乃至金融业而，互联网金融是新生事物。

“新”

在何处？

首先，肯定不是新在“互联网”上，因为互联网不是新生事物，互联网和金融的结合已实践了10多年，但传统的网络银行业、网络证券业并不是我们如今热议的互联网金融。

于是，我们必须思考，现今的互联网行业和过去相比，有何变化？

我们认为最显著的新特征在于“大数据”，互联网金融的核心创新就是大数据。

我们将互联网银行视为互联网金融的一个子业态（就像银行是金融的子业态一样）。

因此，互联网银行一方面要遵循互联网行业的最新逻辑，另一方面仍然要遵循金融业、银行业的本质逻辑。

我们首先据此梳理出互联网银行的主要逻辑链，然后，再沿着逻辑链寻找最有价值的环节。

1、核心逻辑链：

场景—导流—大数据—征信并授信

我们在此前有关互联网金融、互联网银行的报告中，阐述过我们所理解的互联网金融。

和任何金融交易一样，互联网金融要实现放款过程中的风险定价（也就是量化风险，然后据此科学地拟订利率）。

传统银行业通过对借款人的贷前尽调实现风险定价，这种尽调结果不可能彻底量化，很大程度上需要信贷审批人员的经验。

而互联网金融则试图通

过分析大数据，实现批量、海量、快速的征信并授信，并且几乎是纯量化的。

这种征信有两点意义：

（1）成本低廉：

由于互联网金融面对长尾市场，单个客户金融交易的金额很小，因此能够承担的融资成本也非常小。

比如一笔总额几万元的贷款，按照传统利差估计，银行能够从中获取的收入也就几百块钱，完全无法用传统的实地尽调等方式来完成征信。

因此，利用大数据批量快速实现授信，首先能够降低成本。

（2）海量客户：

同样由于单个客户交易金额微小，能够回报金融服务商的对价更小，金融服务商只有通过批量覆盖海量客户，才能实现这项业务整体盈利。

因此，互联网金融的核心是基于大数据的征信。

至于这种征信方式能否实现更好的风险控制，则取决于数据分析能力，也就是：

能否将纷繁复杂的大数据，转换成能够用于征信的信息。

这可能是所有互联网金融面临的问题。

2、大数据之源：

UGC网络

因此，这一切的前提在于大数据。

我们回顾互联网发展史能够发现，互联网并不天然等于大数据。

事实上，大数据是随着web2.0、UGC（UserGenerated

Content，即用户生成内容）兴起后，才慢慢积累起来。

在UGC网络兴起之前，由网站主办方单方面从事信息生产，信息总量毕竟有限。

只有UGC网络充分发展后，才出现了真正的信息爆炸，大幅推进了数据的积累和传播。

典型的UGC网络包括社交（包括熟人社交和生人社交）网络、资讯（视频、图片、专业知识等）共享网络等，电商网络也能视为UGC的一种类型，交易就是它的内容。

UGC网络所产生的信息，又分为公开和私密两大类，比如电商网络的交易数据是私密的，仅放贷人有权获取。

UGC网络的主办方不再提供内容服务，他们仅提供平台服务，而由用户自行完成互动，从而实现数据留存。

大数据因“大”而有价值，因此这些网络会想方设法去导入流量，并且有可能为此花费大

量支出，俗称“烧钱”。

沿着这一逻辑，我们就能知道上哪儿寻找大数据：

（1）大型UGC网络：

典型代表如腾讯、阿里巴巴，建立平台再慢慢积累流量；

（2）UGC网络创设各种场景去主动引流（比如打车、红

包），导入流量，最终是为了导入数据。

当然，创设场景不能是胡乱创设，而是要抓住用户实际需求。

因此，大型UGC网络及其导流行为，是金融业务获取宝贵大数据的基础。

3、点石成金：

从数据到信息

掌握大数据后，更为关键的一步是从数据到信息的转换，即将大数据转换成能够用于征信的有用信息。

毫无疑问，电商网络的数据是最为直接可以应用于征信的，因为那是最直接的交易信息，其存储本身是结构化的，也易于处理。

但简单也有其弱点，就是其背后的变量和算法容易被用户掌

握，从而使恶意骗贷者有机可乘。

这类似于淘宝“刷信用”的行为，即，如果信用体系是相对明晰的（也就是大家都知道哪几个变量最为影响征信结果），那么用户可以有针对性地采取行动，刻意美化那些变量，达到“好信用”的标准。

同样，其他好客户如果刚好某个变量不优异，则可能会被“错杀”。

为解决该问题，目前逐渐引用非结构化数据征信，比如近期比较热门的美国大数据征信公司ZestFinance。

ZestFinance广泛收集借款人的数据，包括第三方数据（信贷记录、司法记录、居住情况等）、用户自身提交的数据（水电煤账单、电话账本等）、互联网公开数据（来自社交所其他网络的信息）等，然后通过机器学习等方式，进行大数据挖掘，寻找变量间的关联性，再据此逐步转换为有用的测量指标，代入模型，模型结论最后还要经模型投票，形成最终的信用分数。

ZestFinance的核心是建立数据挖掘模型，将大量原始变量间的关联性进行“解读”，让模型“读懂”其真实含义，并最终运算出有用的征信信息。

原始变量规模巨大，使借款人“刷信用”难度大为增加，也使部分达不到常规征信标准的用户，能够有机会申请到贷款。

非结构化数据的大数据征信应用，在我国尚处起步阶段，阿里巴巴、腾讯等公司均有尝试，分别建有芝麻信用、腾讯信用公司，已获央行批准进入征信市场。

4、在逻辑链上寻找最具价值的环节

我们首先据此梳理出互联网银行的核心逻辑链，然后，再沿着逻辑链寻找最有价值的环节。

逻辑链为：

我们把上述逻辑链概括为以下三个环节（以及每个环节的任务）：

（1）从流量中要大数据：

抓住客户需求，创设应用场景，使客户在自身的平台上热烈互动，以此将大数据留存；

（2）从大数据中要征信：

通过大数据征信技术，实现从数据到信息的质变。

大数据是越“大”越好，有时还会需要从别的机构那里获取数据，这里就涉及合作问题；

（3）授信：

以征信信息为基础，实现海量、快速的授信，发放贷款。

首先，第一个环节，是建立大数据的基础，其实就是导流。

这其实是所有互联网企业面临的课题（不是互联网银行独有的问题）。

目前我国新设的两家互联网银行，在这一环节上都已有很好的基础，因此也不是难点。

但阿里巴巴与腾讯所掌握的大数据有所区别，阿里巴巴最宝贵的是交易和支付数据，结构化程度高。

腾讯则以社交数据为主。

其次，第二个环节，则是全新的挑战。

阿里巴巴目前使用电商交易数据，本身足够结构化，易用于征信，已经使用在阿里小贷公司的业务上，效果良好（根据中国人民银行杭州市中心支行发布的《2013年浙江省金融运行报告》，截至2013年末，阿里小额贷款不良贷款率1.12%）。

但阿里巴巴显然不会就此知足，也在收集其电商系统里的其他非结构化数据，处理后用于征信。

而腾讯所掌握的数据则大多是非结构化的，需要更强大的大数据处理能力。

第三个环节，授信，完完全全建立在第二个环节的结果上。

所以，在大家都已经掌握有大数据的现状下，比拼的将是谁的大数据处理能力更强。

换言之，大数据的处理这一环节，才是整个逻辑链中最具价值的环节，谁掌握了优异的大数据征信技术，谁就能执互联网银行之牛耳。

三、传统银行视角：

补充而非颠覆

1、传统银行也有类似的逻辑链

事实上，上述互联网银行的逻辑链，传统银行的线下业务也同样具备。

比如，如果一家新企业主动找上银行申请贷款，银行对它很陌生，显然不可能看了他的财务报表后就立即发放贷款。

此时，银行

往往会要求企业在本行开立结算账户，企业日常经营结算放到该账户，银行观察一段时间该账户的情况。

大约观察个1-2个季度，基本上就对该企业的日常经营心中有数了。

这其实就是一个积累数据用于征信的例子。

只是，上述例子是一家大银行，企业会主动找上门，因此银行没有“导流”环节。

而有些小银行就有导流环节，主动拜访企业，为其开立账户，该账户没有任何手续费（包括账户管理费、汇兑手续费等），以此吸引该企业使用该账户进行日常经营结算。

日后企业若有信贷需求，银行就能够根据所掌握的企业日常经营现金流，初步判断该企业偿债能力。

当然，传统银行也会在征信中引进非结构化数据，比如给小微企业授信时需要考察企业主的软信息，由客户经理凭经验主观判断。

因此，上述逻辑其实是银行业的永恒逻辑：

导流—（大）数据—征信并授信。

只不过传统银行是在线下进行，而互联网银行则在线