四川分站
四川分站
场景化的概念在O2O、在线支付等领域常被提及。“场景化”的思路不仅能帮助支付宝从一个支付工具变身场景导流平台，还能帮助支付宝以及更多的互联网金融平台更加****地开展金融风控。更具看点的是，这种风控不仅适用于个人用户(正如支付宝和蚂蚁金服已经进行的探索)，同样适用于企业用户。这将使互联网金融更好地向传统金融的边缘业务渗透，例如众多P2P网贷平台向中小企业提供贷款。
风控是金融的核心，向企业提供贷款，必须进行风控审核，掌握征信信息。不过，传统金融机构的风控信息，大多来源于借款人旧有的征信记录、资金流水等，但是这些信息往往并不能准确地反映借款人的真实资金用途。
因为这些资金数据实际上是“无因数据”。借款人以往取得的贷款资金究竟用到了什么地方——是真正用于业务发展，还是变相进入了股市或房地产市场，金融机构是没有掌控力，甚至无从知晓的。所以，传统金融机构往往仅能从纸面上看到借款企业的**如何、信用如何，而难以准确知道企业究竟通过何种经营方式取得了**。因此，传统金融机构往往更重视借款企业的规模、资金量和抵押物价值等，导致了大量中小微企业由于规模有限、缺乏有价值的征信信息等而**困难。
但是，互联网金融风控的思路就有所不同。互联网*大的特点之一就是一切有迹可循，结合大量的真实交易和支付场景，互联网金融借贷能够开展更加准确的风险判断和定价：
*先，支付场景中沉淀下的真实交易数据可以转化为征信数据。
电子商务的活跃为中小企业积累交易信息**了条件。大量的中小企业通过B2B平台、O2O平台进行交易或开展业务，从而沉淀下大量的交易数据和支付结算数据。这些沉淀下来的数据，逐渐发挥出征信数据的价值。
例如，X公司长期通过某垂直B2B平台采购原料，支付总是很及时、从无拖欠，那么再结合该B2B平台的数据进行印证，我们就可以初步判断在这个领域内 X公司的信用是良好的;再例如，Y公司长期在某B2C平台销售商品，销量一直很好，那我们也可以认为，如果借*给Y公司，起码还款来源是比较有**的。
以上两个例子的数据，不仅仅反映了资金进出的数额、对象，更重要的是也反映了真实的交易过程，因此是一种“有因数据”。不过遗憾的是，在传统金融领域，这些数据**“然并卵”，要么根本采集不到，要么不被征信体系所接纳，对中小借款企业带不来任何信用提升。
而以互联网思维来重新串联整个过程，把“有因数据”放到互联网金融的借贷过程中，金融服务提供者不但能“知其然(借款人资信状况等信息)”，也能 “知其所以然(借款人把这些*用到哪里去，或者借款人究竟通过什么业务取得收入)”，进而更准确地判断借款用途和经营状况，并进行授信审核。这样，金融风控的水平将大大提升，信用定价也就更加准确。这也是目前一些互联网金融公司开展业务的思路。
试想，随着电子商务、“互联网+”战略向传统企业的进一步扩张渗透，基于真实交易和支付场景的互联网征信和互联网金融，是不是想象空间*大?
其次，从当前交易中的真实支付场景衍生出的金融服务场景，可以对借款用途和资金流向有更准确的把握。
解决了风控数据的无因性问题，还有一个困扰传统金融机构的主要问题是对借贷资金流向的把控。很多时候，当金融机构发现资金实际流向与贷款用途不符时，坏账已经发生了。
但是，互联网*重要的特征之一就是一切皆有痕迹，通过线上平台开展的交易能够可视化地反映企业的真实资金用途与流向。各类线上平台开展的交易中，原本的交易场景可以视为一种“基础场景”;基于这个真实交易中的支付场景开展金融服务，可以视为一种“衍生场景”。
支付宝*初作为淘宝的副产品，往往只是一个在需要支付时才被想起的角色，而很少有主动、高频次的触发，除了“基本场景”，并没有“衍生场景”。而在互联网金融领域，“衍生场景”才是被虎视眈眈的环节——准确切入支付的场景，向合格的付款者发出是否需要贷款的要约邀请，如果被接受，则支付的场景就衍生出了贷款的场景。
例如，某旅行社承办了A公司的员工团队旅行，A公司先支付部分定金，其余款项旅行完成后结清，而旅行社通过旅游网站预订酒店时需要现款支付，资金一进一出有时间差，就可能使旅行社的现金流捉襟见肘——于是，**需求产生;进而，在预付酒店定金的场景中增加一个向旅行社提供短期贷款的环节就顺理成章。接下来要做的只是旅行社、旅游网站和提供金融服务的平台之间互通接口，**借贷资金并不流向旅行社而是直接进入旅游网站用于支付酒店定金，这样借贷资金就不能被旅行社挪作他用。
在上述过程中，旅行社借*有明确而固定的用途——订酒店，这些*有明确而固定的流向——经由旅游网站支付给酒店。这样，基础场景和衍生场景相结合，既锁定了资金用途，又控制了资金流向。由此，金融风控的成本大大降低，而安全性大大提升。
再次，由于有因数据和资金流向监控都成为可能，金融风控可以对个案进行更有针对性地具体分析。
更大胆一点设想是，由于真实交易和支付场景的存在，对同一个借款人在不同交易和支付场景中的信用表现可以分别评估，得出不同的结论。
上述旅行社订酒店的例子中，假设旅行社在旅游网站有过很多笔订单，支付都足额且及时，信用表现良好;但在别处却有一笔拖欠房租的不良记录。那么，互联网金融平台会如何判断旅行社的信用水平，还会不会贷款给它呢?答案是会。因为订酒店这一交易对旅行社来说是重要的、频繁的交易类型，对于其核心业务的开展具有重要意义，旅行社对订酒店的付款优先级通常来说显然高于交房租，互联网金融平台由于可以看到具体的交易背景而不是纸面的征信报告，**可以将不同的信用表现区别对待。
这个例子可以看出，线上交易平台记录了交易的“基本场景”，从中可以总结某一企业开展某一交易类型的频率、交易额等，结合该企业的主营业务就可以基本评估出该种交易类型对于这一企业的重要程度。一般来说，一个企业与某个交易平台或交易对象的交易越频繁、数额越大，说明这个平台或对象对于这个企业开展业务的重要性就越强，企业违约的成本就越高，发生违约的概率就越低。这也就是互联网金融平台敢于给信用记录有瑕疵的企业放贷的原因：在其他次要交易场合曾经有过不良记录，但当前交易对于借款人持续经营重要性很高，而且与这一类交易平台或对象交易时历次表现良好，那么可以认为违约风险处于较低水平。
互联网金融拼的就是用互联网思维开展风控，随着更多的支付场景(特别是To B交易的支付场景)被发掘，互联网金融风控的手段也会更加多样，将金融服务嫁接到各种各样的基础场景中，发挥互联网的优势，将给互联网金融带来更广阔的可能。
