2016年12月3日第19期智能金融沙龍，文因互聯(lián)非常榮幸地邀請到金融大數(shù)據(jù)的大咖——北京視野金融的COO張燦，和大家聊聊金融大數(shù)據(jù)、人工智能金融和新三板數(shù)據(jù)的分析與整合。

張燦，視野金融聯(lián)合創(chuàng)始人、COO。12年金融IT從業(yè)經(jīng)驗(yàn)，證券、基金從業(yè)資格。擁有大型、中型、創(chuàng)業(yè)公司工作經(jīng)驗(yàn)，歷任銷售、咨詢、管理等崗位，具有豐富的企業(yè)管理和實(shí)戰(zhàn)經(jīng)驗(yàn)。

在金融大數(shù)據(jù)、新三板數(shù)據(jù)研究、XBRL、信貸財(cái)務(wù)分析、風(fēng)險(xiǎn)評級、支付、IT營銷管理領(lǐng)域有很深的研究，并擁有豐富的實(shí)踐經(jīng)驗(yàn)和深厚的人脈資源，曾主導(dǎo)過多家大型銀行、證券公司、第三方支付機(jī)構(gòu)信息系統(tǒng)及互聯(lián)網(wǎng)項(xiàng)目的建設(shè)。

本文為張燦在文因互聯(lián)智能金融沙龍現(xiàn)場分享的實(shí)錄：

一、金融大數(shù)據(jù)行業(yè)的發(fā)展

真正的金融信息化，應(yīng)該是在1998年之后才真正開始的。為什么說1998年之后?因?yàn)楫?dāng)時(shí)我們在某銀行做系統(tǒng)時(shí)就發(fā)現(xiàn)早些年的數(shù)據(jù)根本找不到。而到了2010年，金融機(jī)構(gòu)的數(shù)據(jù)質(zhì)量才慢慢好起來。

1.金融信息化二十年，金融數(shù)據(jù)在做什么?

數(shù)據(jù)大集中

數(shù)據(jù)大集中是一個(gè)過程，之前整個(gè)銀行體系都在分行，包括證券公司也是如此。這些金融機(jī)構(gòu)并沒有集中的數(shù)據(jù)中心概念，所以他們先做了數(shù)據(jù)大集中。

數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是在數(shù)據(jù)大集中的基礎(chǔ)上，提升、改善了數(shù)據(jù)的質(zhì)量。

報(bào)表

在上面兩步的基礎(chǔ)上，做了兩個(gè)報(bào)表：一個(gè)是監(jiān)管報(bào)表，另一個(gè)是內(nèi)部管理報(bào)表。

決策支持

決策支持是基于報(bào)表而形成的系統(tǒng)。但是，最后形成的決策支持系統(tǒng)扮演的角色并不是全局性的。比如，針對風(fēng)險(xiǎn)部門的是風(fēng)險(xiǎn)數(shù)據(jù)倉庫，針對業(yè)務(wù)部的是客戶數(shù)據(jù)倉庫，所以在金融信息化過程中，以上四個(gè)方面還是部分處于分離的狀態(tài)。

2. 最近幾年，金融數(shù)據(jù)在做什么?

數(shù)據(jù)效率和即席分析

最近幾年，大家又開始認(rèn)為數(shù)據(jù)收集過多。對國內(nèi)的金融機(jī)構(gòu)來講更是這樣。實(shí)際上從數(shù)據(jù)的角度來講，用戶量實(shí)在太大了?，F(xiàn)在我有幾個(gè)同事在用Hadoop給銀行做解決方案，大家發(fā)現(xiàn)數(shù)據(jù)效率已經(jīng)成了非常大的瓶頸，因?yàn)槠渲杏行┯?jì)算實(shí)在太復(fù)雜。

原來從數(shù)據(jù)庫導(dǎo)到數(shù)據(jù)倉庫里，可以延時(shí)來算這個(gè)數(shù)據(jù)，但現(xiàn)在發(fā)現(xiàn)這樣不可行了。最典型的一個(gè)案例就是“反欺詐”。 P2P現(xiàn)在已經(jīng)有團(tuán)伙性作案詐騙，這就導(dǎo)致選擇模型很難，然而又不能像銀行放貸一樣速度很慢。所以我覺得，提升數(shù)據(jù)效率和即席分析這兩個(gè)結(jié)合起來，誕生了非常多的機(jī)會。

數(shù)據(jù)整合

無論做什么樣的分析，數(shù)據(jù)質(zhì)量是最重要的。如果數(shù)據(jù)質(zhì)量差，很多事情都做不了。

公開數(shù)據(jù)現(xiàn)在越來越開放，比如說工商數(shù)據(jù)、征信數(shù)據(jù)。所以我覺得很多公開數(shù)據(jù)的運(yùn)用，確實(shí)為數(shù)據(jù)分析提供了非常好的基礎(chǔ)。

智能金融的嘗試

為什么用嘗試二字，因?yàn)槲疫€是持一個(gè)比較保守的觀點(diǎn)。就智能金融而言，現(xiàn)在的數(shù)據(jù)挖掘技術(shù)與人工智能技術(shù)還是不夠的，但是我相信科技的不斷發(fā)展肯定會解決這個(gè)問題。我一直堅(jiān)信一個(gè)觀點(diǎn)就是：以后絕對不會存在物理上云的概念。再過十年或者二十年所有的東西都是云，這就是趨勢，是你沒有辦法改變的。我覺得智能金融或者大數(shù)據(jù)是一個(gè)趨勢，是一個(gè)沒有辦法去改變、沒有余地可討論的趨勢。

3. 銀行、貸款機(jī)構(gòu)的大數(shù)據(jù)應(yīng)用熱點(diǎn)

信用評級+

這部分對金融機(jī)構(gòu)來說是不可或缺的，無論是何種形式的評級都發(fā)展得很快。

押品管理

這是大家沒有解決好的一點(diǎn)。比如車貸評級還是一個(gè)弱項(xiàng)。

實(shí)時(shí)放貸

銀行在這方面的應(yīng)用上其實(shí)要負(fù)一大部分責(zé)任。因?yàn)槲覀兊慕鹑隗w系還不健全，導(dǎo)致小額貸款難度較大。

實(shí)時(shí)預(yù)警

提到實(shí)時(shí)放款就會涉及到實(shí)時(shí)預(yù)警。做到實(shí)時(shí)預(yù)警，需要將現(xiàn)有數(shù)據(jù)系統(tǒng)變成一個(gè)可計(jì)算的系統(tǒng)。整個(gè)的存儲架構(gòu)包括業(yè)務(wù)邏輯與數(shù)據(jù)計(jì)算的架構(gòu)，都需要做出改變。實(shí)時(shí)預(yù)警并不僅僅是計(jì)算模型這么簡單，貸前、貸中與貸后的實(shí)時(shí)預(yù)警都是必須的。如果大家有興趣做，這會是一塊很大的市場。

另外還有兩個(gè)大數(shù)據(jù)的應(yīng)用熱點(diǎn)是“營銷和客戶分析”和“金融機(jī)構(gòu)的工廠化”。

4. 投資機(jī)構(gòu)的大數(shù)據(jù)應(yīng)用熱點(diǎn)

投資機(jī)構(gòu)的大數(shù)據(jù)應(yīng)用是這兩年我們一直在做的事情。

第一張圖是“百度股市通”，我覺得挺有意思的是股票雷達(dá)，用搜索的情緒來看其對A股的影響。因?yàn)锳股確實(shí)是散戶市場，情緒的影響確實(shí)很明顯。使用以后你會發(fā)現(xiàn)，搜索熱度和上證指數(shù)在一年和兩年的時(shí)期內(nèi)基本是一致的。

對于現(xiàn)在比較熱門的量化，我們也在和公募基金、私募基金合作進(jìn)行研究。但是需要明白的是，量化還有很長的路要走。再往下講就是風(fēng)控、投資機(jī)構(gòu)合規(guī)性做的很好。但是對市場的預(yù)警與企業(yè)的預(yù)警，銀行比證券公司做得好，比如在證券市場崩盤前很多銀行已經(jīng)在撤資了。

二、企業(yè)分析評價(jià)探討

1. 企業(yè)評級的演變

企業(yè)風(fēng)險(xiǎn)評級有一個(gè)演變的過程：打分卡 → 評級 → 風(fēng)險(xiǎn)預(yù)警

關(guān)于影響企業(yè)評級的因素，有以下幾個(gè)維度：

財(cái)務(wù)因素

只考慮財(cái)務(wù)指標(biāo)，數(shù)據(jù)全部來源于財(cái)務(wù)報(bào)表，并可由系統(tǒng)自動計(jì)算指標(biāo)值，標(biāo)識指標(biāo)值的表現(xiàn)好壞，按照一定規(guī)則計(jì)算出財(cái)務(wù)評分，得到財(cái)務(wù)子模型評級級別。

非財(cái)務(wù)因互素

涉及一般情況下可獲取的客戶相關(guān)信息，例如財(cái)務(wù)管理水平，經(jīng)營管理水平，外部征信情況，銀企關(guān)系等。

行業(yè)地區(qū)因素

主要業(yè)務(wù)范圍所處地區(qū)的信用分析、所在行業(yè)的前景展望和行業(yè)信用分析。

財(cái)務(wù)預(yù)警

主要考慮對客戶評級級別影響較大的財(cái)務(wù)指標(biāo)，其值可以由系統(tǒng)自動從財(cái)務(wù)報(bào)表中計(jì)算得到。比較指標(biāo)值與預(yù)警的閥值，顯示是否有預(yù)警。

非財(cái)務(wù)預(yù)警

考慮出現(xiàn)概率比較小，影響程度比較大的預(yù)警事件。

外部影響

要考慮與企業(yè)相關(guān)的宏觀信息，例如政府支持、政策導(dǎo)向、重大經(jīng)濟(jì)事件等。

2. 行業(yè)分析的拓展

大家做企業(yè)評級、分析、參照的核心其實(shí)是兩點(diǎn)：行業(yè)和規(guī)模。實(shí)際上，我覺得行業(yè)分類無論是采用統(tǒng)計(jì)局還是證監(jiān)會的分類標(biāo)準(zhǔn)，其實(shí)差別都不大。況且，在分析中小企業(yè)時(shí)，這些標(biāo)準(zhǔn)的適用性并不強(qiáng)。

關(guān)于行業(yè)分析的擴(kuò)展，視野金融也正在進(jìn)行嘗試。

首先，我們做的是宏觀數(shù)據(jù)和行業(yè)數(shù)據(jù)的配比。宏觀數(shù)據(jù)的可讀性較差，可以說只是一個(gè)庫而已。但對單列的某個(gè)行業(yè)來講，比如鐵路運(yùn)輸量和煤炭行業(yè)，白酒的銷售和A股白酒行業(yè)的業(yè)績表現(xiàn)，這些指標(biāo)和行業(yè)趨勢還是比較吻合的。將統(tǒng)計(jì)局的數(shù)據(jù)與行業(yè)數(shù)據(jù)相結(jié)合，還是可以看到大趨勢的。

其次，是關(guān)聯(lián)關(guān)系的分析。A股的兩千多家公司中有很多關(guān)聯(lián)公司，如果再加上新三板的掛牌企業(yè)，相當(dāng)于將一萬多家企業(yè)進(jìn)行關(guān)聯(lián)。將這兩部分關(guān)聯(lián)關(guān)系的優(yōu)點(diǎn)是：披露信息更全。因?yàn)橥ㄟ^工商數(shù)據(jù)的關(guān)聯(lián)關(guān)系，只能查到一些股權(quán)關(guān)系，信息不夠全面。

最后，是大家都在嘗試的產(chǎn)業(yè)鏈分析。這其中涉及前五大供應(yīng)商、前五大供貨商的分析等。

三、新三板數(shù)據(jù)挖掘探討

大家在新三板上想做的事情，我覺得都很類似。無非是企業(yè)畫像、投資機(jī)構(gòu)畫像、投資模型、并購模型、引入第三方數(shù)據(jù)等。我們現(xiàn)在其實(shí)也能感覺出來，通過數(shù)據(jù)發(fā)現(xiàn)企業(yè)價(jià)值和對投資機(jī)構(gòu)分析的需求是非常核心的。目前，我認(rèn)為新三板還處于一個(gè)“不透明”的起步階段，大家想知道很多問題。比如投資機(jī)構(gòu)想知道其他類似投資機(jī)構(gòu)的投資收益。新三板公司也希望知道同行業(yè)里有哪些投資機(jī)構(gòu)在投，有哪些動作，如果融資的話，以一個(gè)怎樣的價(jià)格談比較合適。

在引入第三方數(shù)據(jù)時(shí)，我們發(fā)現(xiàn)三板四板、A股、美股港股、國家統(tǒng)計(jì)局、國資委、工商、證監(jiān)協(xié)會的數(shù)據(jù)量比A股大的多。A股是兩千多家公司，加上四板和新三板企業(yè)，差不多有五萬多家企業(yè)。所以，對這部分?jǐn)?shù)據(jù)的挖掘任務(wù)還是非常重的。

四、聊聊企業(yè)融資

在做新三板市場時(shí)，我們發(fā)現(xiàn)大家都在考慮股權(quán)融資。但是適當(dāng)借債或者是用并購的思路去融資也是不錯(cuò)的選擇?，F(xiàn)在，很多新三板企業(yè)融資難，解決這個(gè)問題的核心就是要讀懂金融機(jī)構(gòu)的思維。簡單來說，銀行思考的是企業(yè)的償債能力，而投資機(jī)構(gòu)思考的是能不能退出。因?yàn)殂y行的錢基本來自于存在，所以銀行要保證資金的安全性，其次是能否兌付。投資機(jī)構(gòu)則需要保證資金的按時(shí)的收益率。

最后一點(diǎn)，我認(rèn)為企業(yè)要對照投資機(jī)構(gòu)的思維挖掘自身優(yōu)勢，包括投資機(jī)構(gòu)看重的行業(yè)的一些優(yōu)勢，比如這家投資機(jī)構(gòu)投過產(chǎn)業(yè)鏈里哪些企業(yè)等。除此之外，企業(yè)還需要對金融機(jī)構(gòu)有一個(gè)判斷，了解投資機(jī)構(gòu)的偏好、創(chuàng)始人和合伙人的背景，這樣你會發(fā)現(xiàn)融資的脈絡(luò)就會變得很清晰了。

嘉賓提問環(huán)節(jié)：

1.關(guān)于建設(shè)企業(yè)數(shù)據(jù)庫，很多金融機(jī)構(gòu)都有這方面的需求，但是為什么現(xiàn)在還沒有出現(xiàn)?

答： 我簡單說一下我的觀點(diǎn)，第一個(gè)就是銀行和證券行業(yè)看起來都是金融行業(yè)，但其實(shí)處于信息不對稱的割裂狀態(tài)。去年，某銀行在做一個(gè)項(xiàng)目時(shí)需要一些企業(yè)數(shù)據(jù)，而那家供應(yīng)商的解決方式是在新浪網(wǎng)上搜。我認(rèn)為，這樣的信息是割裂的。另一方面，這件事情雖然有價(jià)值，但前期投入太高，所以收益并不太高，比如說國內(nèi)的知名金融數(shù)據(jù)終端在新三板上面吃力但不討好。

但是我們想過一個(gè)方式，比如大智慧在安徽建立了一個(gè)基地。把這個(gè)標(biāo)準(zhǔn)定好的話，可以請一些稍微便宜的人力來解決這個(gè)問題。機(jī)器雖然可以解決一大部分事情，但是很多事后還是需要依靠人力。

2.能不能具體分享一下，在特定行業(yè)中的數(shù)據(jù)服務(wù)?

答：目前，針對特定行業(yè)數(shù)據(jù)服務(wù)的需求還是挺多的，這是一個(gè)典型的金融機(jī)構(gòu)需求。因?yàn)榻鹑跈C(jī)構(gòu)其實(shí)是不懂行業(yè)的，也不可能去培養(yǎng)那么多特定行業(yè)的人去研究某個(gè)行業(yè)。所以我覺得金融機(jī)構(gòu)獲取行業(yè)信息的途徑可以分三部分：第一部分就是研究報(bào)告，比如券商或者獨(dú)立研究機(jī)構(gòu)的研究報(bào)告;第二部分則是聘請咨詢公司做調(diào)研;第三部分就是請一些行業(yè)專家做一個(gè)訪談。像大型金融機(jī)構(gòu)會在每年校招的時(shí)候傾向去招相關(guān)專業(yè)的人才。