王先森日记第70篇:蚂蚁金服与芝麻信用

在过去,只有大的机构和高净值人群才能获得优质的金融服务,利用资本持续创富。而蚂蚁金服的出现,可以说是让普通人也能享受到大机构的金融服务了,相当于为普通人提供了“微缩版”的企业金融服务,而且蚂蚁金服逐步建立和积累起了可量化的个人信用指标。

蚂蚁金服之所以起名叫蚂蚁,正是因为它的服务对象是每一个普通人和小微企业,这不就是跟蚂蚁一样嘛。

一、蚂蚁金服提供的服务

支付宝是2004年成立的,在支付宝之后,从2010年起,阿里陆续为支付、基金、保险、民营银行等业务申请到了牌照,然后水到渠成在2014年成立了蚂蚁金服。

现在我们在支付宝 App 里看见的支付、转账、余额宝、蚂蚁聚宝、蚂蚁借呗、花呗、芝麻信用、蚂蚁森林等等,包括各种生活服务,实际上都是蚂蚁金服的产品。

这些产品已经渗透到了我们日常生活的方方面面,我来简单列举三个:

第一个,我们早已经习惯用支付宝来支付了;

第二个,很多人每个月都会定期把工资存到余额宝里,然后把借呗、花呗当作额外的信用卡来使用;

第三个,芝麻信用现在的用处越来越大,很早就能免押金租车、租房了。现在很多人在闲鱼上买卖二手产品,遇到信用低于600分的就免谈了。

2016年2月,蚂蚁金服还联手广州妇女儿童医疗中心开通了国内第一家信用医院,推出了“先诊疗后付费”的服务,650分以上的用户可以免除所有排队付费环节,直接挂号、诊疗、检查、拿药。也就是说,你可以在医院安心看病,回家以后再完成支付。这个服务平均节省了患者60%的就诊时间。

不过,刚刚我说的这几个都是常见的服务。其实蚂蚁金服还有大量的其他业务,比如,他们为金融机构和商家提供的各种数据、安全、营销和融资的解决方案,借此还能继续积累信用记录。而且事实上,这才是蚂蚁金服的核心业务。

二、芝麻信用

蚂蚁金服最重要的价值,就是在移动互联网时代,依靠大数据和云计算,为每个人都搭建了一个可量化的“芝麻信用”平台,给普通人实现“信用等于财富”的梦想,打下了扎实的基础。

为什么这么说呢?

这还得从传统的征信模型说起。

传统征信模型主要依赖历史信贷这样的强相关数据,这在中国就是个大问题,因为我们有10亿人口没有历史信贷数据。

但一个支付宝 App,几乎就拥有了中国广大网民在互联网上各种各样的消费数据,然后就形成了“芝麻信用”。

那在支付宝 App 里能够查到的芝麻信用分,是怎么算出来的呢?

其实,芝麻信用起源于“芝麻分”,它是利用个人累积的五大类综合评分。

这五大类分别是:

信用历史、行为偏好、履约能力、身份特质以及人脉关系。

通过风险核算后,给每个人“量身定做”一个信用分数。根据这个分数,你能在很多生活场景中享受到便利的金融服务。

比如,芝麻分数高于600,就有机会享受免押金租房、租车、住酒店,以及凭信用极速申请贷款等等。一般来说,芝麻分的分值在350-950之间,分数越高,信用越好。比如,350-550分是比较差的,600-650良好,超过700就是极好了。

源源不断地为芝麻信用提供数据的,除了阿里系的淘宝、天猫、支付宝、花呗、飞猪旅行等等以外,征信系统还拓展了数百个数据合作伙伴。实际上, 芝麻信用超过90%的数据来源都在蚂蚁金服和阿里巴巴的体系之外。 

其中,正面数据有教育部的学历学籍、各地的水电气缴纳、社保、公积金、税务缴纳等;而负面数据则包括最高法认定的“老赖”、法院涉及经济纠纷的判案裁决、合作伙伴反馈的违约信息等。

这些数据涵盖了信用卡还款、网购、转账、理财、水电气缴费、租房、住址搬迁、社交关系等各个方面。

为什么给个人打个芝麻分需要这么多信息呢?

因为实时和多维的数据是科学评分的关键,没有一个单项信息能够直接或者完全决定个人的芝麻分,但是,一点一滴累积起来的海量数据,就能够很全面地体现一个人的信用状况。

自从有了芝麻信用以后,过去传统征信机构覆盖不到的草根人群,像是从未有过借贷历史的人、没有申请过信用卡的人、学生、蓝领工人、个体户以及自由职业者等等,他们也能够享受到合适的金融服务了。

三、数据驱动的小微贷款服务

我们都知道,绝大多数的金融服务就是提供贷款。贷款人通过借贷开始自己的商业活动,而放贷人则通过收取利息来获得收益。而在这个过程当中,可靠的信用体系可以说有着决定性的影响。

过去贷款业务基本上都得去传统银行申请,然后提交资产证明,比如工资、房产、汽车保险等等。通过这些文件,银行会对每个贷款申请人进行严格审核评估,然后判断出一个最合理的贷款额。这个过程一般需要几个礼拜到几个月,然后才能拿到贷款。

但是,银行的贷款主要是大额贷款,一般不提供千百块钱的小额贷款。

蚂蚁金服是如何保障人们的小额贷款需求的呢?

简单来说,就是四个字:数据驱动。

蚂蚁金服是典型的由数据驱动的业务模式,通过大数据计算,他们不仅能更准确地识别和管理风险,还大大地提高了服务效率,降低了服务的成本。

跟传统银行动辄数周的审批和放贷周期相比,蚂蚁金服可以事先对借款人进行风险评估和授信,借款人在线提出申请后,只要大概1秒钟时间,就可以完成放贷,完全不需要人工干预。

另外,蚂蚁金服凭借可靠的信用体系,除了内部数据,外部还有法院执行网数据、工商系统数据和电力水力数据等等。经过客户授权以后,甚至还能拿到税务数据,以及国际客户的出口退税报关数据。

在传统信贷模式下,单笔信贷操作成本大概需要2000元,而蚂蚁金服的信贷模式却能控制在2块钱左右,这个优势实在是太巨大了。

在过去的6年里,蚂蚁金服已经给超过600万家小微企业和创业者提供了小额贷款。为新兴经济业态的发展、新商业模式的探索提供了资金,更重要的是,让更多普通人实现了他们的创业梦想。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,524评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,869评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,813评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,210评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,085评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,117评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,533评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,219评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,487评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,582评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,362评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,218评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,589评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,899评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,176评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,503评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,707评论 2 335

推荐阅读更多精彩内容