近日，愛分析在京舉辦了2018·中國大數據高峰論壇。TalkingData創始人崔曉波、九章云極創始人方磊、數瀾科技創始人甘云鋒、數起科技創始人李明國等7位明星CEO分享了未來幾年大數據行業的深度觀察。

　　作為大數據重要應用領域之一的金融，愛分析邀請了邦盛科技創始人王新宇就大數據反欺詐未來的發展趨勢展開深度講解。同時，愛分析還在會上發布了《中國金融大數據行業報告》（以下簡稱報告）。

　　《報告》稱，金融科技潛在市場規模1,100億元，金融大數據將落地應用過程中的急先鋒。信貸、支付等金融大數據已經達到一定滲透率，2018年將成為保險大數據元年。

　　金融大數據是金融科技急先鋒

　　金融科技是銀行重心投入的領域。2017年，招商銀行拿出7.9億元，即稅前利潤1%，投入成立金融科技創新項目基金。2018年，招商銀行計劃為金融科技投入22.1億元，即上年收入1%。

　　之后，中國銀行也宣布投入營業收入1%，近50億元，用于科技創新。以該比例推算，整個銀行業金融科技潛在市場規模1,100億元。

　　《報告》顯示，金融科技的創新技術包括大數據、人工智能、區塊鏈、云計算、物聯網等，相比之下，大數據在金融領域應用落地最為成熟。

　　比如，五大行的大數據平臺都已經落地。農業銀行早在5年前就已經開始建設大數據平臺，2016年底對公、零售、風控等業務都已經在全行統一的數倉上線。中信銀行等股份制商業銀行從2015年開始上線大數據平臺，到2017年，各地城商行也開始紛紛上線大數據平臺。

　　大數據被金融機構廣泛認可，最重要的原因在于數據是金融科技創新最關鍵的驅動力。從數據收集、存儲、分析、應用的流程來看，大數據技術在各個環節都有涉及。AI重數據分析和應用，物聯網重數據采集，區塊鏈和云計算重數據存儲，唯有大數據技術貫穿始終。

　　再從技術成熟度角度考慮，大數據基礎平臺已有MongoDB、Cloudera、Hortonworks、Talend等4家上市公司，表明技術本身已經進入成熟期。而AI、區塊鏈等基礎平臺還沒有獨立上市公司出現。

　　因此，作為金融科技急先鋒，大數據是未來幾年與金融機構結合最緊密的領域，而保險公司、券商等非銀機構將是下一波金融大數據受益方。

　　大數據在保險領域應用即將爆發

　　在落地應用過程中，大數據與信貸、支付、財富管理、保險等金融場景緊密融合。

　　以信貸領域為例，大數據在貸前、貸中、貸后等各個環節都與原有業務流程深度結合。依靠大數據建立的完整用戶畫像，信貸機構在獲客、反欺詐、風險定價等方面都大幅提升了效率。

　　據悉，擁有百度深厚大數據背景的百信銀行，開業僅4個月，授信用戶超過100萬，累計放款金額超過150億元，貸款余額80億元。這些成績與百度深厚的大數據背景密不可分。

　　《報告》同時指出，大數據在信貸和支付場景達到一定滲透率之后，下一個即將爆發的是保險場景。

　　過去，保險行業IT基礎設施落后銀行至少5年。隨著銀監會和保監會合并成為銀保監會，保險行業的IT重視程度將提升到新的高度。這為大數據應用落地鋪墊了基礎。

　　根據愛分析調研，2018年保險領域的投資重點已經從銷售轉向大數據，新流數據、評駕科技、彩虹無線、棧略數據等一批保險大數據公司先后獲得融資。眾安在線旗下的眾安科技，不光利用大數據技術賦能保險公司，還將大數據滲透到醫院領域，打造醫療、保險的全鏈路賦能。

　　可以想見，隨著數據以及IT基礎設施完善，信貸、支付等成熟領域的大數據公司也將逐步向保險場景滲透，完成跨行業發展。比如，百融金服原本深耕信貸大數據領域，借助長期的積累，已經橫跨至保險場景。

　　2017年大數據風控市場規模140億元

　　大數據風控和營銷是橫跨信貸、保險等場景的通用業務流程。在移動互聯網完全滲透的今天，大數據風控需求對于金融機構顯得尤為重要。

　　在愛分析最新發布的《中國金融科技創新企業估值榜》中，大數據風控上榜公司數量高達32家，占比超過50%。榜單第2名是京東金融，CEO陳生強公開表示，京東金融風控體系變量有60萬個，5000多名員工中3000人從事風控和大數據。由此可見，大數據風控在當前金融科技領域的重要性。

　　根據《報告》，中國大數據風控市場規模2017年達140億元，而美國市場規模則是120億美元?？紤]到當前中國市場居民消費信貸余額只有美國1/3，中國大數據風控市場規模還有大幅提升空間。

　　2017年末百行征信的成立，對于大數據風控市場的數據源基礎設施是一大利好。

　　由互聯網金融協會主導的百行征信吸納了芝麻信用、騰訊信用等8家股東，有助于解決非人行征信中心覆蓋人群的數據孤島問題，降低了整個行業獲取數據的門檻。

　　但是與人行征信中心不同的是，百行征信是市場化個人征信機構，行政命令權弱。人行征信中心的定位則是國家金融信用信息基礎數據庫，擁有強制性的行政命令權。因此，是否能夠順暢的要求各個非銀機構上傳個人信用信息是百行征信面臨的一大難題。

　　可以對照的是“信用中國”。信用中國是由發改委、中國人民銀行指導的社會信用體系建設系統性項目工程。信用中國包括政務誠信、商務誠信、社會誠信、司法公信等眾多內容，需要調配各級人民政府、工信部、農業部、商業部等眾多資源，其數據收集難度不亞于百行征信。

　　信用中國自2014年開始立項，計劃2020年初步建成，歷時7年之久。由此可見，百行征信統一數據源的時間征程也不會短暫。

　　以下為愛分析聯合創始人&首席分析師張揚在會上發布報告的演講實錄。

　　演講實錄

　　張揚：感謝各位今天能參加我們愛分析的大數據論壇，上午講的是大數據的基礎平臺和通用技術層，下午我們共同探討大數據在各個行業的應用。

金融科技潛在市場規模

　　首先，我們可以看一下金融科技的市場規模。其實，金融科技的市場規模本質上和IT投入的邏輯是很相似的，就是金融科技其實是占整個金融機構營收的一到兩個點之間。

　　舉幾個例子可以實際看一下，第一個是招行，招行2017年金融科技成立了一個項目基金，這個項目基金是做專門做金融科技的業務，這個基金2017年的時候只是上一年稅前利潤的1%。到2018年的時候其實已經提到了營業收入的1%，這個其實跟IT投入的比例已經極其接近了。所以2018年招行銀行在金融科技的投入是22億，這個數字可以類比另外一個數字，就是招行整個的研發支出是40-50億之間，從這個角度來看金融科技對傳統整個IT支出支出擴大了40%到50%的市場。

　　第二個例子是中行，中行是五大行中第一個提出來把1%收入投入到科技創新中，中行2017年收入將近5000億，因此科技創新投入至少是50億的量級。

　　除了銀行以外下面的兩個例子是券商。先講一下華泰證券，華泰是除了大智慧，東財、同花順以外，最大的獨立流量平臺，月活在千萬級別。華泰證券研發投入4.1億元，占營收比例2%。廣發證券也是在2%左右，

　　因此，我們可以看到，在相對比較成熟的做大數據的金融機構里面，整個金融科技的投入是在1%到2%的比例。我們拿這個測算一下金融科技整個的潛在的市場規模，2017年中國GDP是82萬億，金融業占比大概是9%，再乘以1.5%的金融科技預算比例，金融科技潛在的市場規模是在1100億左右。

　　上午也講過，整個金融大數據，在現在的實際市場規模是在200億左右，整個測算實際金融科技滲透率也就是20%上下，還有80%的提升空間。這是我們未來看到的獨角獸級別的金融科技公司未來一個很大的成長空間。

金融大數據是金融科技的急先鋒

　　第二個我們來分享一下為什么先看金融大數據。從數據的應用流程，就是從底下的搜集，到存儲，到上層的分析、應用的話，大數據是貫穿始終的一個技術。從這個角度講AI只是在上層應用，區塊鏈現在是在數據存儲，未來一定會到應用層。像物聯網基本上是在數據搜集這個層面去展開的。大數據是整個在金融科技里面最核心的一個技術，而且大數據是在銀行里面落地最早的技術。

　　農行2013年的時候開始籌建大數據平臺，2016年的時候，對公業務，零售業務，核心的一些業務系統，基本上在統一的大數據平臺上線。像中信銀行，2015年大數據平臺初步上線，是比農行晚了兩年。2017年，我們看到各種各樣的城商行上線大數據平臺。

　　從這個角度上來講，大數據底層的基礎設施在銀行體系里面搭建的比較完整。如果是去類比，不管是AI、還是物聯網也好，這種底層的數據平臺還沒有搭建那么完整。包括上午講AI平臺，我們看到的公司也不到十家，整個市場規模大概就是二三十億。

　　除了看金融科技以外，我們也在看大數據在各個行業應用，在金融行業的應用是市場規模最大的，我們看到大數據除了在互聯網這個行業應用以外，金融行業是最先跑出來的，未來包括政務，電信都會持續去做。

金融大數據在信貸領域的應用

　　第二部分，我們重點講在金融大數據各個領域的應用。其實整個大數據在金融行業里面的應用，細分的話就是四大類，信貸，支付，保險，財富管理。我重點講一下信貸和保險這兩個領域。

　　底下這張圖是信貸的標準業務流程，這個業務流程過程當中我們可以看到大數據最早，其實是從反欺詐這個角度切入，逐漸進入風險定價，然后開始做獲客。在信貸業務流程中，我們看到少了一個環節就是貸后催收這個環節。

　　2016年底，2017年初的時候，我們系統性的調研了貸后催收公司。當時的實際情況其實大數據在里面更多的起到了一個分發器的作用，就是說它本身并不改變貸后催收。第一個它不改變催收的人員效率，第二個也沒有改變整個催收的催回率問題。

　　其實當時的話，大數據在貸后的作用還是相對有限的，整個貸后催收的環節是有波峰波谷，其實大數據，因為它是連接各種各樣的第三方的催收公司，所以他可以很好的平滑波峰波谷，這個對金融機構來講是它解決的唯一的需求，他沒有改變金融機構催回率的問題。

　　今年隨著AI技術與大數據融合，未來能實現智能催收的一個方向就是智能客服在里面起到價值的時候，其實很重要的一點催收人員效率改變，原來是就是一催，二催，大數據起到的價值就是找到最合適的催收機構去催收。但是它對于人效提升本身其實是沒有本質性的改變。

　　如果AI在里面起到一定作用的時候，有一部分催收人員是會被替代的。像上午講到的智能客服未來是有機會去替代到人工客服。然后催收其實本質上某一些環節是和客服很像，尤其是很多現金貸的催收，那些催收基本上都是電話的催收，不是實際上門的催收，實際的催收人員去替代是很困難的。但是線上的電話催收，一催二催，其實都有可能通過技術去實現的，如果一旦通過技術實現的話，貸后催收是很大的一個市場。因為相當于它一部分是幫你替代了原來的催收人員，另外一部分它可以創造一些新的價值。

　　除了貸后這個環節以外，我們剛剛講到的大部分金融大數據公司是從反欺詐切入，然后做風險定價，最后做獲客，這個過程有一個點可以和大家探討分享的。

　　我們一直在考慮的一個問題，其實最早五大行，五大行其實對獲客，對于身份驗證，對于授信是有系統性的需求，我們看到能給他提供服務的大部分時候還都是BATJ。核心的原因都是因為大家互相體量差不多的合作伙伴，其實五大行是比較難切入的一個客群的領域。

　　到股份制銀行，我們調研的金融大數據公司都能服務這些客戶。未來，這些公司一定是往營銷這一塊去延伸，延伸的最核心的一個原因就是銀行其實要做的事情就是用戶的LTV，這個對于所有的銀行來講都是終極目標。銀行跟其他的金融機構稍微不同，銀行自帶了信貸業務，自帶了財富管理業務，也可以做保險的銷售，銀行是所有金融機構里面最強調LTV的一個機構。所以從服務銀行的角度來講，最終一定會做生命周期管理服務。

　　再往下就是城商行，對于銀行來講需求發生了很多的變化，舉個例子比如說股份制銀行，招行應該它的零售客戶是在億級別，如果到股份制銀行是幾千萬級別的，如果是稍微小一點是城商行可能是千萬級別，甚至是百萬級別，這個時候對于他們來講，幫他去激活沉默客戶，這個其實是營銷需求。但是更重要的營銷需求，我們看到的是獲客。但是實際上這個獲客，大部分的金融科技公司比較難去幫他去解決的。因為手頭沒有流量。

　　所以這個過程當中，我們看到風控區別沒有那么大，因為你背后的模型本質上還是會有一些標準化的模型，只不過是運用的參數有一些區別。但是在營銷的環節區別會比較大。在往下整個過程中有兩類，一類就是BATJ這種是會下沉的，本身自帶流量，有一些客戶適合大行，有一些客戶適合小行，這是邏輯通暢的。

　　還有我們看到一些金融大數據公司是幫小行做各種各樣的營銷體系，就是小行去做線上獲客，但小行沒有那么多的預算去線上獲客，所以你必須要賦能線下的網點人員。網點服務的客群一個是小微企業主，還有年齡大的人群。第二種人群會越來越少，所以我們認為服務小行的時候，很有可能重心是服務小微企業主客戶。比方說我是在某一個區的營業廳的營業經理，這個經理會對這個區的小微企業比較熟悉，這個有可能是他們的競爭壁壘。

　　所以原來做小微企業征信的公司，他們的風控模型更適合再往小行，其實這些征信的模型，或者風控的模型，跟2C的風控模型還是區別會比較大。所以信貸領域，過去其實是看到大部分做做個人風控，做消費的客戶。但是實際上銀行再往下，下沉到城商行，再下沉農信社的時候，有很大一部分客群是小微企業，這些小微企業主的風控模型有可能是完全不一樣的。

金融大數據在支付領域的應用

　　支付領域比較簡單了，支付領域相對來說，原來銀行的信用卡也好，或者是第三方支付公司來說都是相對來說比較成熟的公司，就是大數據支付領域是相對成熟的。

金融大數據在保險領域的應用

　　另外一個就是核心講的就是大數據在保險領域的應用，其實農行的大數據平臺基本上是2013年建的，大家都認為保險是落后銀行五年，理論上2018年應該是保險大數據的元年。

　　其實也是因為我們最近再去調研的時候，跟去年去調研，包括2016年下半年的時候去調研，尤其是調研保險大數據的公司，會發現思路上有一些不一樣。過去我們去調研的時候就是純粹賣保險的，里面會用到一些大數據，我通過互聯網贈險的方式，拿到的大數據，通過我后面的坐席，可以銷售給客戶的高客單價的壽險，轉化率大概是2%，這個沒有特別大的改變。

　　去年去調研的時候，2017年的時候一個很明顯的感覺，還是銷售這個環節，但是對強調整個大數據在銷售環節的，就是在場景里面去拿更多的數據，去獲取更多關于這個客戶，除了原始的投保數據以外更多的數據，這個過程當中就是場景險。場景險就是去年上市的眾安在線很強調的，他叫生態。

　　但是我們其實類比一下信貸領域，信貸領域不是從最早的獲客環節進去的，我們現在看到的真正在做金融營銷的，就是簡普科技一家。這個其實核心原因是營銷，就是跟我剛才談的信貸是一樣的，營銷一定是到最后，做完風控以后，就是做完風控才去做營銷的。

　　所以我們覺得在保險領域邏輯是一樣的，上來不應該是做銷售的保險大數據爆發出來，應該還是在大數據風控的角度去做保險的公司先冒出來。

　　所以我們看的是核保核賠包括定價，然后這個里面其實又有一個跟信貸不太一樣的地方，就是它比方說信貸是從貸前開始的，保險我們更看重的是所謂的保后，賠付這個環節，而不是保前，就是核保這個環節。

　　貸款它的產品是黑盒子，你對外看的是公積金貸款、保單貸款產品，但是其實它里面內在的邏輯是不知道的，它只是那些維度的數據，但是它的風控模型是什么你不知道的，但是保險領域產品是公開透明的，你很難說做保險產品創新。我們可以看到眾安做的尊享e生，至少目前有三四十款同類產品，保險產品的風險定價很難有差異化的，大家的邏輯和思路基本上是類似的。

　　所以，第一個來切入的是應該核賠環節。核賠這個環節有些公司是能夠拿到保險公司歷史的數據，基于歷史的數據做一個核賠的引擎，就是給保險公司做一個核賠過程中的定價。

　　這個為什么能做呢？第一個就是賠付的數據對保險公司沒有那么敏感，因為比方說舉個例子，像團險這種，大概實際賠付的人次是整個投保人次的十分之一，沒有那么深入的客戶的數據，保險公司第一方面是愿意開放。

　　第二方面保險公司相對來說還是本地化部署去做核賠反欺詐，所以它對于這個數據保密性還是可以做得比較好，所以核賠這個環節，其實是我們覺得第一個在保險大數據領域有運用價值的。

　　舉健康險這個例子的話，基本上團險，健康險還能賺，個險健康險基本上是賠的，因此核賠是非常重要的一個點。未來這個險種是盈利還是虧損，基本上取決于你核賠的能力。核賠是一個很重要的點，這是非常好的切入點。

金融大數據在財富管理領域的應用

　　下一個講的是財富管理領域的大數據應用。財富管理公司我們覺得在保險之后爆發的，核心的一個原因就是在基礎數據這個方面不太成熟。其實整個財富管理里面，如果是從銷售這個環節角度考慮，其實有兩個核心，第一個是KYC，就是對于用戶的理解，還有KYP，就是對于產品的理解。對于產品的理解其實我們覺得大數據的基礎，或者是數據基礎是充分的，其實過往的產品的歷史和回報的數據，包括一些公募數據，包括私募的一些回報數據，其實相對來說是比較標準化，而且是覆蓋還是比較OK了。

　　其實核心的問題是在KYC這一塊，你對真正的用戶不是那么了解，這主要是因為財富管理和信貸和保險還是有所不同，財富管理沒有機會要求用戶授權去拿很多的數據。

　　舉個最簡單的例子就是說，你要去申請一筆貸款，他會讓你授權，至少授權他去拿央行的征信，或者是各種各樣的數據，他會要求你去授權。你要做一個健康險，尤其是高端的健康險，他會要求你提供各種各樣的數據。你做財富管理很難要求客戶提供這些數據的。收集客戶數據就是一張問卷，這個問卷基本上是不太準的。

　　對于財富管理公司我們看到的，其實大部分時候還是處于數據不完善的階段。唯一他們能搜集數據的一個機會就是在自己的這個財富APP里面一個行為數據，才能搜集到。除此以外它基本上不知道其他的數據。

　　所以這個過程當中核心我們覺得短期內還沒有爆發的一個，主要還是數據基礎不夠。其實像智能投顧，我們內部研究，也是認為智能投顧也是金融科技在財富管理領域里面很重要的一個應用。那智能投顧也不會是短期內爆發的一個原因是你對于用戶數據的搜集量還差得很遠。

　　未來，財富管理的市場規模比我剛才講的保險要大得很多，財富管理如果是按個人算的話，應該資產是在120萬億左右，每年會有增長，其實整個保險業的資產規模才20多萬億。所以從市場規模的角度來說，未來的一個很大的爆發點會是在財富管理，但是這個時間可能會比較久。

大數據風控綜合價值最大，領跑應用領域

　　上面其實我是按各個場景去看的，下面我們可以按具體的應用去看一下。我分了幾類，一個是風控，剛才其實信貸領域很重要的一個就是風控，保險領域很重要的就是風控。支付領域很重要的也是風控。除了風控以外，另外的很重要的就是營銷。

　　我們覺得風控對于整個金融機構來講，投入相對來說是比較大的，我們講到的大數據風控規模100多億，大數據營銷在金融機構里面占的份額是不到100億。

　　從核心性的角度來講，整個大數據風控是金融機構的核心能力，這也是金融機構看中的，所以我們一直覺得做風控領域的金融大數據公司更有機會是做到完整的，一站式的解決方案。

大數據風控發展歷程：行業趨于合規

　　這個是大數據風控過往的發展的歷程，這里面核心想講的一個就是，包括我們去調研的時候，包括服務客戶的時候，就是百行征信怎么去看的問題。

　　我們認為，百行征信肯定是在大數據風控的基礎設施很重要的一個點，類似于央行征信，它到底需要花多長時間建立起來？我們找了很多可以參考的思路和方向，最后選了是社會信用體系建設，就是大概2014年提出來的，比百行征信早了3-4年左右。這個社會信用體系是2014年到2020年的規劃，所以這個周期會特別特別長。

　　社會信用體系是類似于整個中國基礎的一個公共信息平臺，這個里面會有各個市級政府、各個部委參與。每一個城市都需要建立完整的信息平臺，這里面有個人的信息，企業的信息。

　　再比如，國家電網也在建自己的大數據平臺，這是一個很浩大的，全社會的一個過程。這一點其實跟百行征信，某些程度上有一些類似，核心就是調配整個社會資源去獲取數據的時候，第一個是標準化的過程很漫長，第二個是從社會角度來講是發改委牽頭的，各部委要參與，各政府要參與。從百行征信來講，行政命令權要比發改委弱，因為上面是互金協會，而且是一個市場化的機構。他的行政權命令權要比發改委這邊弱很多。第二個是他要獲取數據的公司很難協調，這些公司都會有競爭關系的，這個層面的協調難度高。

　　從社會信用體系建設來看，要協調的部門更復雜了，要協調不同的部委，不同的政府。我們判斷百行征信的建設歷程跟社會信用體系建設是類似的歷程，不會很快，難度系數都會比較高。因此，從總體上來講百行征信把大數據風控的基礎數據源會逐步統一，但是這個周期比較長，留給大數據風控公司的窗口期還是比較長的。

大數據風控市場規模分析：2017年國內市場規模140億

　　簡單講一下大數據風控的市場規模，2017年140億這是歷史的市場規模數據。左邊其實是美國的大數據風控市場規模，其實北美那邊整個的信用反欺詐，包括下面講的風險合規，所有加起來是150億美金，所以到美國的話大概是100到120億美金左右，而且美國是市場集中度比較高的領域，前三家是在60%的市場份額。

　　回到中國市場，就是中國市場現在大數據風控基本上是偏個人的大數據風控，其實對于企業的大數據風控，還沒有正式開始，這個市場其實是一個藍海，一會我會重點講一下企業大數據的一個想法。

　　如果從個人的消費信貸來看，中國其實現在是美國的大概三分之一，這個比例其實是縮減的，因為中國的人口基數比較大，第二個個人負債的比例會持續的提高。舉個例子，比如說美國那邊整個的消費信貸里面有三分之一是汽車，但是中國汽車消費信貸余額遠遠不到三分之一。

　　所以，第一個現在中國市場規模小，就是個人信貸余額會比較低。另外一個就是所覆蓋的人群。因為剛才講其實百行征信，還是需要花比較長的時間搭建起來的話，整個中國風控大數據覆蓋人群比美國少。

　　以后這個市場規模是比較大，就是消費信貸余額會有很大的空間，未來中國的消費信貸余額還有比較大的提升空間。另外一個就是在保險領域的應用，要比信貸小一點。舉個例子，現在保險領域需要大數據風控的一個是車險，一個是健康險，還有一個意外險，這三個險種加起來在中國大概是一萬億左右，他們投入到大數據風控相關的潛在比例大概是在2%左右，因為它有核賠，核保兩個環節，所以潛在的市場規模是200億左右。但是隨著尤其是健康險的規模持續增長，這個市場規模還是可以繼續擴大的。

　　另外一個就是，就是未來還有大數據風控是在企業這個角度，企業這個角度和個人角度還是有比較大的差距，核心的原因就是個人的角度，我們看最早去做大數據風控的公司都有一些自己獨特的數據源。無論是拿運營商的數據也好，還是電商的數據也好還是拿聯盟的數據源也好，有各種各樣的數據源，但是在企業征信沒有數據源，你拿稅務的數據去做，稅務還是年算的，做實時的風控還是弱很多。

　　在企業征信這個角度，第一步就是搭建平臺獲取數據，這個平臺就是剛才花了挺多時間講的社會的信用體系建設。社會信用體系建設里面基本上會是以后很重要的一個數據源，尤其是在企業征信這個角度。

　　我們看到這個領域現在在幫政府，或者幫部委建大數據平臺的公司。有一些是傳統做IT的公司，也有一批是大數據公司做這個事情。比如說紡織行業，就是大數據公司在做平臺。

　　我們看到有很多的公司去給園區做大數據平臺，其實就是把園區里面所有企業的信息歸納到一起，有很多的園區對企業要求提交的信息還比較及時，比較客觀。有園區公司的財務數據，電力數據，各個維度數據都有，其實園區的數據也可以做企業征信。還有某一個城市的大數據平臺做企業征信，就是把稅務局，工商局，社保都打通。

　　企業征信，現在處于打數據源的階段，現在做數據源的這一撥公司，里面有一批特別明顯的是做大數據的公司。他們在幫他搭平臺的過程當中可能是優先掌握了數據的經營權，就是會都各種各樣的應用，比如說在金融領域的應用，尤其是變現價值比較高的應用，都會優先給做大數據平臺的公司應用。其他的一些應用會找一些外部的供應商。最核心的應用都會自己來做。

大數據風控市場集中度：數據源集中度提升、數據分析集中度分散

　　最后講一下大數據風控市場的集中度，第一個是數據源的領域。數據源領域比較明確，包括跟上午講的數據源到數據應用，數據源一定會是一個集中的市場，數據源從長期來看是不存在獨家數據源，是開放的，你是接的接口還是渠道，僅此而已，區別主要是在這，或者是對你來說是成本的區別而已，不存在拿不到的數據源。

　　數據應用的領域會分散，在數據應用各個領域都會有很大的公司，舉個例子，我們寫的是保險領域，保險領域是Verisk，是170億美金的公司，他除了做保險以外還做能源大數據，也會做一些信貸大數據服務。

　　各個領域不同的大數據應用公司會持續爆發機會，而這些機會其實都是在不同的細分領域，信貸領域也是我們剛剛看到的第一個領域，就是未來我們講的大數據在保險，在財富管理領域都會是金融科技很大的方向。

　　總體來講這些公司市值加起來不會很低，金融科技潛在市場規模是100億，大部分公司的PS都是在6-8倍，其實整體估值總計是在一個萬億級別的市場。未來這個市場還是會有一批跨應用領域，包括跨行業的獨角獸會冒出來，謝謝大家。

責任編輯：王超