2020年数据要素与金融科技创新.pdf

金融科技创新发展研究报告之 数据要素与金融科技创新 中国人民大学大数据与金融科技创新实验室 中国人民大学金融科技研究所 中信证券研究部 2020 年 11 月 1 目 录 引 言.1 第一章 金融科技：科技赋能金融.4 一、金融发展的科技历程.4 二、移动互联，助推中国金融科技步入快速增长期.5 三、中国金融科技发展图谱.8 第二章 数据要素：金融科技创新实践的核心环节.11 一、理论：数据要素的理论内涵.11 二、内涵：金融领域数据要素的运用逻辑.14 三、实践：金融业务中的数据要素落地.16 四、数字金融小结：数字经济驱动，数据要素赋能.18 第三章 支付科技：从资金流转到数据沉淀.20 一、支付十年：量与质的跨越式发展.20 二、支付的商业模型：从资金流到数据流.24 三、数据视角下的支付科技发展.27 四、支付科技行业小结：行业常态增长，赛道差异展业.29 第四章 信贷科技：从信用数据到数据信用.31 一、信贷科技十年：线上化与自动化快速发展.31 二、信贷科技原理：场景化+数据化+科技化.37 三、数据视角下的信贷科技发展.40 四、信贷科技发展总结.41 第五章 理财科技：资金端营销，资产端效率.42 一、理财十年：中国财富管理市场蓬勃发展.42 二、理财科技的商业模型：资金端重营销，资产端重配置.46 三、数据视角下的理财科技发展.48 四、理财科技小结：深耕长尾客群，提升客户贡献.50 第六章 主要结论及政策建议.52 一、主要结论.52 二、政策建议.52 参考文献.55 1 引引 言言1 1 金融的发展史，就是金融科技的发展史。2011 年以来，移动互联的快速发展，赋予了金融科技业务指数级增长的契机。展望未来，数字经济时代到来，数据要素重要性提升，数字金融将迎来发展新契机。中国金融科技业务发展全球领先。支付、信贷、理财等传统金融业务，与互联网时代的海量客户、海量场景和海量数据高度融合，叠加算法和模型的作用，逐渐演绎为支付科技、信贷科技和理财科技等新兴金融模式。科技与数据、金融和实体，新时代的金融科技具备了多样性和复杂性的特点。如何在技术要素和数据要素赋能的过程中，提升金融服务实体的质效、促进金融科技行业的可持续稳健发展、保护金融科技用户和消费者权益，是监管部门、金融科技机构和学术研究机构将持续共同探索的课题。中国人民大学与中信证券联合研究团队对我国金融科技的发展现状、行业脉络及经营情况进行深入分析，形成数据要素与金融科技创新报告。核心结论包括：第一，金融科技是科技对金融赋能带来的效率提升。金融的一个重要作用，是通过价值效应实现资源配置效率优化。金融的发展，就是金融科技的发展。金融科技的关键，一方面是数据要素的引入，另一方面是算法技术的运用，将科技赋能金融，提升金融支持实体能力。在移动互联时代，金融科技产品通过互联网效应，迅速形成生态圈。互联网公司具备场景、数据和技术优势，成为金融科技的领域的核心参与者，将互联网禀赋转化为金融业务竞争力。在此过程中，传统金融机构加大科技布局，创新金融产品，提升客户服务水平和管理经营效率。第二，支付科技业务发展，促进资金流转，沉淀入口数据。支付科技的原理，在于将移动互联、人工智能、区块链等技术与支付功能融合，从而提升支付便利性。移动支付的高频特征及其与场景天然结合的特征，有助形成客户行为画像，创新多元化金融产品。过去十年间，国内第三方支付体系在监管呵护下长效发展，支付交易量和用户数量均已处于全球领先水平。目前，在支付行业增长步入常态阶段后，不同细分赛道的差异化、专业化发展将成为主逻辑。平台型机构可以发 1 报告执笔人：中国人民大学研究团队：宋科；中信证券银行研究团队：肖斐斐、彭博、周基明。2 挥平台优势，延展能力边界；收单端机构扎根垂直领域，升级商业模型；清算机构在竞争加剧背景下，转型新兴模式。第三，信贷科技行业发展，反映了从信用数据到数据信用的过程。信贷科技的原理，在于场景、数据、科技与信贷业务的融合，从而扩展业务客群、提升风险定价能力。目前国内信贷科技行业包含三种业务模式：传统银行通过互联网布局线上贷款业务，互联网企业通过金融牌照开展线上融资业务，以及互联网机构与银行合作开展的联合贷款和助贷业务。展望未来，信贷科技的作用在于，借助数据和技术提升信贷业务的运行效率，扩大信贷客户的覆盖面；约束在于数据获取及数据资产价值、风险定价模型有效性、机构行为规范、外部性约束机制等。第四，理财科技行业发展，拓展长尾用户财富产品，提升机构资产配置能力。理财包括资金端和资产端，理财科技的原理，在资金端体现为：以移动互联提升可得性和覆盖性为起点，基于千人千面的数据画像，拓展理财客群和精准理财营销；在资产端体现为：以数据、算法和模型为依托，提升金融产品组合能力和机构资产配置能力。展望未来，基于长尾客户的渗透率提升空间，互联网理财是财富管理市场长效增长点；资金端机构发展重点在于客户规模、精准营销和单客贡献度，资产端机构发展重点在于智能和算法运用，提升资产配置能力。基于上述结论，我们认为数字金融的可持续稳健发展，核心在于处理好创新、效率、风险、稳定的关系。我们提出以下建议：第一，加快数据治理规则的顶层设计。数据已经上升到生产要素的高度，但相比于土地、劳动力、资本等其他要素，数据要素存在衍生性、共享性、外部性和非排他性等较大不同，因此数据要素顶层设计框架需要更全面的、前瞻性的战略布局。如何明确数据治理规则，如何确定数据产权与保护机制，如何完善流转与交易机制，都是强化数据资源配置的重要课题。第二，加快金融科技领域数据治理规则设计。金融数据治理规则与数据治理规则一脉相承。对于金融数据的采集、交易与运用的边界，对于金融领域数据相关机构的持牌经营，对于金融消费者权益保护，对于金融数据采集许可、数据运用授权、数据保存要求、数据综合管理、数据转让许可等，均是未来需要深度探讨的内容。3 第三，完善金融科技监管框架。金融科技监管体系的建立，需协同以金融系统稳定性为出发点的宏观审慎框架，以及以业务合规性和消费者权益保护为核心的微观行为监管。支付科技监管核心是确保资金流和信息流流转安全，信贷科技监管重点在于功能性监管和审慎性引导，理财科技监管重点在于投资者保护。4 第一第一章章 金融科技：科技赋能金融金融科技：科技赋能金融 一一、金融金融发展的科技历程发展的科技历程 根据金融稳定理事会（FSB）的定义，金融科技主要是指由大数据、区块链、云计算、人工智能等新兴前沿技术带动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。中国人民银行金融科技发展规划(2019-2021 年)对于金融科技的界定是，技术驱动的金融创新，旨在运用现代科技成果改造或创新金融产品、经营模式、业务流程等，推动金融发展提质增效。由此可见，金融科技的实质是科技对金融的赋能，通过技术、数据和场景实现金融能力的提升和效率的提升。货币的技术演进史。技术进步改变货币的表现形式，货币维持一般等价物的功能。货币的形式伴随技术进步，呈现不同的形态：（1）早期以贝壳、粮食为主的实物货币；（2）以金、银、铜等铸成的金属货币；（3）信用货币时代的纸币及硬币；（4）互联网数字时代的数字货币。技术进步给货币带来了不同形式，但没有改变货币的底层逻辑。图 1-1 货币形式演变 金融的科技演进史。在科技发展的过程中，不变的是金融业务的逻辑运用关系，而不同时期的技术模式，改变了金融业务的表现形式。1、农业化时代：生产效率较低，金融活动不活跃。在工业革命之前，货币载体经历了从实物货币到金属货币，再过渡至信用货币的转变，但整体社会生产效率偏低，资源配置需求不强，金融活动不活跃。2、工业化时代：实物、实地交易为主，运行效率较低。工业革命以后社会生产效率提升，金融活动趋于频繁，最早的消费分期即来自消费者对缝纫机的购买需求。但金融交易仍然没有摆脱实物、实地交易的模式，5 金融运行效率偏低。在这个阶段，金融活动主要围绕商业银行展开，支票等商业票据开始普及。3、电子化时代：计算机技术及通信技术应用增加。20 世纪五十年代至 20 世纪末，技术在金融行业广泛渗透，极大地改变了金融业的经营模式。通过计算机技术和通信技术的应用，金融业务能够实现自动化处理、信息化管理和科学化决策。信息化时代的代表性金融产品是银行卡、ATM/POS 机，通过金融业务的电子化，金融业的发展和业务效率都得到了极大提升。4、互联网时代：科技+互联网，金融业 2000 年之后互联网快速发展，以及 2010 年之后的移动互联网快速发展，为金融业务升级提供了新的模式。一方面，金融业务可以更大限度地跨越空间上的限制，跨区域业务经营效率大幅提升另一方面，金融业务可以触达原本难以获得的客户，降低了金融业务的门槛，金融业务客群基础得到拓展。随着金融业务数字化程度的提高，数据科技重要性日益提升。金融业务日趋长尾化、高频化，业务数据较之前有了指数级的增长。同时，海量的客户行为数据为金融机构分析客户行为提供了依据，基于不同客户的行为逻辑，金融机构能够提供最符合客户需求的服务，实现业务的智能匹配。图 1-2 科技改变金融业务模式 二二、移动互联移动互联，助推中国金融科技步入快速增长期，助推中国金融科技步入快速增长期 基于金融的逻辑和技术的手段，叠加移动互联网时代的来临，中国金融科技步入爆发式增长时期。6 移动互联网时代，流量呈现指数级增长。智能手机及移动网络等基础设施的发展奠定了移动互联网的发展基础。2011 年被认为是移动互联网元年，智能手机开始正式成为手机市场主力产品。与此同时，移动网络建设快速发展，2009-2014 年，国内 3G 用户总量增长至 4 亿，2014 年开始发放 4G 牌照后，在4 年之内 4G 用户总量达到 11 亿户。智能手机的推广及网络传输效率的提升，带动了移动互联网市场的快速发展，人们对互联网的接受程度得到快速提升。2012年以来，国内移动互联网接入流量实现指数级增长，移动互联网用户成为国内互联网用户的主流人群。表 1-1 移动通信技术演变 时期 数据传输速度 技术特点 1G 1986 缺乏数据传输功能 一般只应用于语音传输 2G 1995 150Kbps，折 合 下 载 速 度15-20K/s 相对 1G 增加数据传输服务，主流制式为 GSM 3G 2003 1-6Mbps，折 合 下 载 速 度120-600K/s CDMA 成为主流制式，图片等较大数据传输成为可能 4G 2009 10-100Mbps，折合下载速度1.5M-10M/s 传输速度更快、质量更高、费用更低，视频传输增加 5G 2020 上传速率稳定保持在 600Mbps以上，最高可达 1Gbps 低时延、高可靠、低功耗 数据来源：维基百科等公开资料 数据来源：工业和信息化部 图 1-3 移动互联网接入流量指数级增长 移动 APP 成为最大的流量入口。相对于 PC 设备，移动设备的优势在于携带便捷，用户可以随时随地接入移动互联网。同时，随着网络传输效率提升，数据 7 传输方式从文字逐渐过渡至语音、图片、视频等，提高了用户间的沟通效率。2011年前后移动 APP 快速发展，传统互联网巨头逐渐从 PC 端向移动端过渡。截至2020 年 9 月，月活前十大 APP 中有 7 个于 2010-2011 年上线。表 1-2 月活前十大 APP 上线时间 移动应用 上线时间（IOS）月活用户（截至 2020.9）微信 2011.1 9.97 亿 手机淘宝 2010.9 8.05 亿 支付宝钱包 2009.10 7.88 亿 手机 QQ 2011.6 7.57 亿 抖音 2016.9 6.14 亿 爱奇艺 2010.9 6.12 亿 拼多多 2015.10 5.59 亿 腾讯视频 2011.9 5.07 亿 高德地图 2011.9 4.54 亿 新浪微博 2010.1 4.53 亿 数据来源：易观千帆 移动支付是互联网企业最早的金融业务入口。有了流量和用户，支付是最容易形成生态闭环的环节。国内第三方支付规模从 2013 年约 13 万亿元，增长至2019 年超过 300 万亿元，其中移动支付规模从 2013 年约 1 万亿元，增长至 2019年约 226 万亿元。2019 年移动支付占第三方支付市场比重超过 70数据来源：艾瑞咨询 8 图 1-4 第三方支付市场规模 从支付入口业务，到存量金融业务，金融生态圈逐渐形成。庞大的移动支付导入了庞大的用户，吸引互联网流量巨头加速布局金融业务的原因有二：一是原生业务的自然延展。对于电商系或社交系而言，以支付为代表的金融服务实际是整个交易闭环的最后一环。而通过交易闭环的打造，既能强化客户体验和客户粘性，同时亦能加强资金和数据的体内流转。二是借助金融业务丰富 C 端变现手段。从盈利模式而言，搜索类、资讯类互联网企业本身缺乏 C 端变现的场景和产品（以广告收入等为主要收入来源）。而金融业务，则为该类具备 C 端客户数量的企业，提供了变现的手段。对于互联网流量巨头金融科技业务核心逻辑在于基于用户流量实现价值变现，将互联网资源禀赋转化为金融业务竞争力。按照递进顺序，关键是：（1）围绕自有 C 端客户建立金融账户体系，即提升客户二次转化率，从原有的互联网业务切入金融业务。（2）打造契合自身场景的金融产品，通过为客户提供合适的金融服务（如融资业务、理财业务等），提升客户 ARPU 贡献。（3）积累和迭代有效金融数据，进而进行有效的风控和定价，提高业务的利润率。同时在 C 端用户深度挖掘后，逐渐向 B 端业务延伸。图 1-5 互联网企业涉足金融业务的核心逻辑 三三、中国中国金融科技金融科技发展发展图谱图谱 根据从事业务类型不同，我们对国内金融科技企业进行了划分：（1）支付业务：侧重支付业务，包括具备第三方支付账户、从事收单等支流量场景数据账户产品风控定价互联网逻辑金融逻辑核心：将C端海量用户转化为金融账户核心：打造契合自身场景的金融产品核心：积累和迭代有效金融数据提升转化率提升ARPU贡献提高利润率 9 付业务、跨境支付等业务的企业。（2）融资业务：侧重在提供信用服务，包括持牌消费金融公司、互联网消金公司、网络小贷公司、互联网银行等。（3）理财业务：包括从事资管产品代销的互联网平台及开展智能投顾业务的财富管理类公司。（4）证券业务和保险业务：包括互联网券商、互联网保险。（5）金融科技服务机构：互联网风控机构、数据提供商等。（6）基础设施：清算机构如银联、网联）及征信机构（如百行征信）。（7）综合型业务的大型平台：包括同时开展上述业务的大型平台，主要是腾讯系、京东系等大型互联网公司。图 1-7 国内金融科技企业版图 10 科技进步与赋能，推动金融转型升级。本文从相对狭义的科技赋能金融的角度，系统分析在大数据驱动下的“存贷汇”业务线上化、智能化进程。其中，“汇”对应了目前的支付科技，“贷”对应了目前的信贷科技，广义的“存”对应了目前的理财科技。科技的正向赋能，有助于延展客群广度，提升运行效率，从而提升金融的资源配置效能。图 1-8 金融科技：“存贷汇”的技术升级 “汇”“贷”“存”支付科技信贷科技理财科技 11 第二章第二章 数据要素：金融科技创新实践的核心环节数据要素：金融科技创新实践的核心环节 一一、理论理论：数据数据要素的要素的理论理论内涵内涵 1、数据要素已演进为经济增长的重要生产要素之一 中国政府率先通过顶层设计将数据纳入生产要素，并强化数据要素市场培育。自 2017 年政治局学习中明确“数据的基础资源作用和创新引擎作用”以来，中共中央及国务院已在多项中央政策中明确数据资源的重要性，以及加快培育数据要素市场的必要性。特别是今年 5 月发布的中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见，通过顶层设计的形式，明确了数据作为五大生产要素之一的定位，并且提出推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护的三大政策方向。比较而言，目前我国对于数字经济和数据要素的重视程度和政策力度已处于全球主要经济体的领先水平。表 2-3 中国政府数据要素相关的政策表述 时间 相关文件或事件 政策表述 2017 年 中共中央政治局第二次集体学习 发挥数据的基础资源作用和创新引擎作用，加快形成以创新为主要引领和支撑的数字经济 2019 年 中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定 健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制 2020 年 中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见 加快培育数据要素市场。推进政府数据开放共享；提升社会数据资源价值；加强数据资源整合和安全保护 2020 年 中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见 加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值 数据来源：中国政府网 全球主要经济体对数字经济的布局已上升为国家战略。推动数字经济的战略性发展，已经成为全球主要国家的一致共识，经济合作与发展组织（OECD）的报告数字经济展望 2017显示，彼时 32 个 OECD 国家和 6 个合作经济体都已发布数字经济相关的战略、议程或专门项目（其中三分之二已制定独立数字战略）。以美国为例，以商务部、国家电信和信息管理局、经济分析局为代表的政府部门，12 2010 年以来以累积发布近 10 余项政策文件及研究成果。得益于数字经济的顶层政策设计和底层产业发展，上述经济体的数字经济快速发展，中国信息通信研究院报告全球数字经济新途径（2020 年）模型测算显示，截至 2019 年已有 6个国家的数字经济规模已达到万亿美元。表 2-1 近 10 年主要海外国家数字经济战略相关政策 国家 时间 战略政策 政策核心 法国 2011 年 数字法国 2020 核心战略围绕三大主题展开：发展固定和移动宽带、推广数字化应用和服务（特别是电子政务）、扶持电子信息企业的发展 美国 2014 年 数字经济议程 明确将发展数字经济作为实现繁荣和保持竞争力的关键，议程聚焦 4 个方面：自由开放的互联网、互联网信任和安全、互联网接入和技能、创新和新兴技术。在“数字经济议程”发布会上，成立数字经济咨询委员会，旨在“为数字时代的经济增长和机遇提出建议”德国 2016 年 数字化战略 2025 提出了重点领域目标，以及为达成目标所要采取的措施。战略内容涉及传输网络建设、智能网络建设、初创企业投资、监管框架等多个领域 英国 2017 年 英国数字战略 对如何推进数字转型做出全面部署，下设连接战略、数字技能与包容性战略、数字经济战略、数字转型战略、网络空间战略、数字政府战略和数据经济战略等七大战略 日本 2017 年“互连产业”：东京举措2017 提出重点发展称为“互连产业”的数字经济，明确了突出发展包括自动驾驶与出行服务、制造与机器人、生物科技与材料产业、重型工厂与基础设施安保、智能生活在内的五大产业领域、推进机构及其发展目标 数据来源：法国政府官网（www.gouvernement.fr），美国政府网（usa.gov），德国联邦经济与能源部（BMWi），英国政府网（GOV.UK），日本经济产业省 表 2-2 2019 年全球数字经济规模前十大国家（单位：亿美元）排序 国家 数字经济 GDP 数字经济渗透率 1 美国 130,652 213,744 61.1%2 中国 51,954 143,636 36.2%3 德国 24,380 38,456 63.4%4 日本 23,949 50,818 47.1%13 5 英国 17,606 28,271 62.3%6 法国 11,698 26,838 43.6%7 韩国 7,995 16,424 48.7%8 印度 5,856 28,751 20.4%9 加拿大 4,540 17,364 26.1%10 墨西哥 3,903 12,583 31.0%数据来源：中国信息通信研究院，世界银行 全球数字经济的快速发展，使得数据在经济发展中的重要性不断提升。二十国集团（G20）数字经济发展与合作倡议对数字经济的定义为，以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。由此可见，数字经济的核心包括两个方面：一是信息技术产业发展，即数字产业化；二是通过数字化技术为经济产业赋能，即产业数字化。结合国际数据公司（IDC）预测来看，未来 15 年全球数据总量或将呈现非线性、跨越式增长（CAGR 在 40%以上），这意味着数据资源的获取、处理、传输和应用能力将成为数字经济发展的重中之重。数据来源：国际数据公司（IDC）图 2-1 新摩尔定律主导下的全球数据总量增长态势 2、于金融产业而言，数据要素的核心在于提升资源配置效率 金融即资金的跨时间、跨空间融通，其发展水平决定了微观主体的资源可得性。因此，其总量多寡、结构优劣也是决定实体经济增长质效的重要因素。数据对金融业务的赋能，即是对自金融效率的提升，又是对实体经济支持能力的提升。数据要素与金融要素的结合，其解决的痛点在于：6 44 334 2,537 19,267 -5,000 10,000 15,000 20,000 25,00020152020（E）2025（E）2030（E）2035（E）全球数据总量（ZB）14 1、降低信息不对称。金融经典文献对此有较多论述，如 Stiglitz&Weiss（1981）就从信贷配给现象入手，阐述了信贷业务中的信息不对称问题。正因如此，数据作为信息的载体，数据要素赋能金融业务的过程，也就是通过信息获取和处理来解决信息不对称的问题，进而降低金融供给约束。2、提升风险定价能力。落地至金融业务层面，无论是以资本市场为主体的直接融资体系，抑或是借助金融中介的间接融资体系，信息的对称程度最终决定了风险计量准确性以及基于此进行的资本要素定价有效性。针对于此，Grossman&Stiglitz(1980)曾构建了基于信息不对称的资产定价模型。随着数据要素为核心的数字金融发展，其根本原理在于，通过提升非对称数据可获取性、基于大数据的信息分析能力，来提升风险定价的有效性和精准度。3、优化资源配置效率。微观金融风险定价能力的提升将促进金融市场运行的有效性，使风险偏好不同的资金供给方和资金需求方匹配度提升。映射到宏观资源配置层面，以上资本要素的帕累托改进过程，也代表了对于全社会资源配置效率的优化。图 2-2 数据赋能金融最终将优化社会资源配置效率 二二、内涵内涵：金融金融领域数据要素的领域数据要素的运用逻辑运用逻辑 金融产业对于数据要素的运用，主逻辑在于强化数据的挖掘与运用，挖掘对应了场景金融的发展，运用对应了科技金融的进步。1、场景金融：提升金融数据可得性 降低信息不对称提升风险定价能力优化资源配置 15 场景金融是金融业务与产业场景的融合。目前典型的运用，包括 C 端基于金融+消费场景的消费金融，以及 B 端基于金融+生产场景的供应链金融。场景与金融的结合，可以使金融业务主体占有更多的数据，其业务逻辑在于：（1）将数据获取由被动模式转化为主动模式。以信贷业务为例，传统金融业务对于数据信息的获取，多基于客户按需所提供的资质证明材料，存在真实性、选择性和滞后性的问题。而目前供应链金融和消费金融为代表的场景金融，实际是将金融业务流程融入到产业流程或消费流程中来，有助于更加主动地获取、处理相关数据与信息。（2）将数据获取范围由“金融数据”扩展至“行为数据”。金融业务中的“金融数据（强金融属性）”，是指直接反映主体资金流相关情况的数据，如动账数据、授信数据、还款履约数据等。对于客户画像、信用评估等用途而言，金融数据是价值密度最高的数据信息，但一定程度存在滞后性、片面性的问题。相较而言，场景金融有助于业务决策者获取更多的“行为数据（弱金融属性）”，如供应链金融中的生产数据、销售数据、仓储物流数据等，又如消费金融中的消费行为数据、支付行为数据等。行为数据的补充，有助于进行更丰富的多维评价，同时一定程度改善滞后性问题。（3）将业务数据品类由单一模式升级为综合模式。相比于传统的单一金融产品，场景金融离用户更紧、离数据更近，适合提供一揽子金融解决方案。反而观之，综合金融方案也有助于提供更加丰富、更加全面的数据信息，从而形成“数据-业务-数据”的正反馈。图 2-3 从场景到金融产品示意图 生产场景消费场景场景供应链金融消费金融社交场景消费金融生产数据消费数据社交数据产品 16 2、科技金融：提升金融数据处理分析能力 金融数据的占有，仅是数字金融的起点。真正发挥数据赋能作用，更多是有赖于金融数据的处理、分析与迭代过程。金融稳定理事会（FSB）对于金融科技的定义是技术驱动的金融创新，中国人民银行在金融科技（FinTech）发展规划（2019-2021 年）中对此定义进行了延展，即“旨在运用现代科技成果改造或创新金融产品、经营模式、业务流程等，推动金融发展提质增效。”具体而言，新兴信息技术与金融业务的融合，实质是提升金融数据链的处理效率：（1）大数据技术，核心是提升数据分析能力。其中既包括增量数据的洞察能力的提升，亦包括存量数据的挖掘能力的提升。（2）云计算，核心是提升数据存储和计算能力。区别于传统的本地存储与本地计算所面临瓶颈约束，云计算借助分布式计算、分布式存储，从而发挥在资源整合、弹性伸缩方面的优势。（3）人工智能，核心是提升数据算法的有效性。通过智能算法和模型，实现在资产管理、授信融资、客户服务、精准营销、身份识别、风险防控等金融领域的智能化和自动化。（4）区块链，核心是提升数据共享的效率。利用分布式技术，实现金融数据数据共享的可信、可靠、可追溯。图 2-4 金融科技在金融数据链条中的运用逻辑 三三、实践实践：金融业务中的数据要素落地金融业务中的数据要素落地 对于金融业务参与机构而言，在业务实践中强化数据要素的运用，可以主要云计算大数据技术人工智能区块链 17 从三个方面着手。1、促进内部数据资产沉淀 金融业务最重要的数据来源，即是业务本身持续开展所带来的数据沉淀。聚焦传统的“存贷汇”金融业务领域，具体而言，促进数据资产沉淀的重点在于：（1）强化数据协同。融资与资管业务数据，映射的是 C 端客户和 B 端客户的资产负债表状况。支付业务数据，映射的是客户现金流量表状况。将“存贷汇”数据的协同使用，能更好地综合评估客户实际财务情况和运营情况。（2）强化数据复用。微观而言，数据复用代表了对具体客户的信息动态获，有助于进行高频、前瞻分析。整体客群来看，数据复用意味着“学习曲线”的逐步构建过程，从而促使客群画像的逐步清晰。（3）重视高频数据。高频数据，代表了更及时、充分、全面的客户洞察。就传统的“存贷汇”划分而言，支付业务所涉数据包括消费数据、账户数据、社交数据、定位数据和信用数据等，最具数据频率优势和体量优势。图 2-5 数据要素在“存贷汇”领域的数据分布 2、扩展外部数据吸收 数字经济发展带动了不同产行业的数字化提速，也为金融业务获取外部数据提供了基础条件。目前而言，可以强化两类外部数据的运用：（1）政务类数据。政策顶层设计，目前国内数据要素基础设施建设正在加速完善。未来，包括税务数据、财政数据、城市数据以及政府征信数据在内的政府类数据，有望为金融行业进行外部数据赋能2）商业类数据。包括电商数据、物流数据、社交数据等，这对部分背靠原生互联网业务的金融科技平台而言，更具优势。此外，相关监管政策明确后，商业化征信机构经营或将逐步起步，这也为外部商业类数据提供了信贷来源。消费数据 账户数据 社交数据 地理位置数据 信用数据 财富数据 风险偏好数据资管融资支付 授用信数据 征信数据 履约数据 18 3、丰富数据应用手段 目前，金融领域对于数字要素的运用，目前已经形成了较为清晰的技术层、产品层和业务层发展成果。未来，通过底层算法及模型的迭代升级，可以进一步发挥数据资产在金融业务用户画像、产品匹配、风险定价、风险防控乃至科技监管中的更大作用。图 2-6 数据要素在金融领域的应用架构 四、数字四、数字金融金融小结：数字小结：数字经济驱动，经济驱动，数据数据要素赋能要素赋能 数字经济与数字金融：经济与金融在数字时代的表现形式。传统模式下，金融运行的逻辑是通过发挥价值关系和资源配置来服务实体经济，展现的形式包括一般等价物、价值转移和价值跨期，即分别对应了货币、支付、融资与财富管理。数字模式下，伴随数据要素的赋能，经济与实体运行模式在传统逻辑上赋予了数据与科技的形态，数字金融包括数字货币、支付科技、信贷科技与理财科技等。图 2-7 数字金融是外部数字经济与内部数据赋能下的大势所趋 智能营销数据挖掘数据分析数据建模用户画像风险定价智能准入智能中台产品匹配贷后管理反欺诈政府企业个人 一般等价物：现金、货币 价值转移：支付 价值跨期：融资 价值增加：财富管理价值关系 数字货币 支付科技 信贷科技 理财科技数字金融/金融科技数字经济 19 数字/科技金融的关键，在于数据映像和金融逻辑延展。具体而言：（1）实体的数字映像。实体提供了数据获取的基础，通过获取数据，叠加算法运用，可以进行行为画像，继而形成数字形象（主体）。（2）金融逻辑的延展。通过数据与算法科技的融合，基于数字形象（主体），延展金融逻辑。以信贷科技为例，在数据基础上，通过算法处理，才能扩大信贷产品的客群覆盖面，从而把信贷业务的基础逻辑基于数据科技的方法，进行用户群体和抵押模式的延展。因此，金融与数字和科技的融合，最终体现在“逻辑的不变”和“形式的变”。其一，没有改变金融的基础运行逻辑。再以信贷科技为例，没有改变价值的跨期逻辑，亦没有改变背后资金、利率、期限等本质要素。其二，延展了金融逻辑的受众群体、提升了金融业务的经营效率。同样以信贷科技为例，比如客户群体从头部白名单客户延展至长尾客户，未来抵押品或也将从实物资产向数字资产延展（目前数字资产的价值定价仍是蓝海领域）。互联网放大金融科技的延展逻辑。金融科技是金融逻辑的延展，互联网助力金融科技产品和用户的延展。移动互联具备几何级放大效应，为金融科技业务提供“线上互联模式”，从而将金融的基础逻辑延展到更大范围。以信贷科技为例，线上实时的海量场景，既留存了信贷客户的海量数据、也将信贷科技产品推广至海量客户。20 第三章第三章 支付科技：从资金流转到数据沉淀支付科技：从资金流转到数据沉淀 一一、支付十年：量支付十年：量与质与质的的跨越式发展跨越式发展 1、过去十年间，国内银行体系及非银行体系支付规模增长明显快于同期经济与金融增速，反映支付业务渗透率与可得性提升。根据中国人民银行公布的数据，2010 年至 2019 年十年间，全国银行业非现金支付业务2笔数由 214 亿笔增长至 3310 亿笔，对应年化复合增长率 31.5%，同期银行业非现金支付业务金额由 716 万亿增长至 3779 万亿，年化复合增速 18.1%。2015 年至 2019 年的五年间（中国人民银行自 2014 年起首次公布非银行支付机构数据），国内非银行支付机构处理网络支付业务3笔数由 374 亿笔快速增长至 7200 亿笔，对应年化复合增速达 80.7%，支付金额由 25 万亿增长至 250 万亿，年化复合增速 58.8%。数据的背后，反映了近 10 年间国内支付行业的三大发展趋势：数据来源：中国人民银行 图 3-1 国内银行业非现金支付业务交易笔数及支付金额增长 2 根据中国人民银行按季公布的支付体系运行总体情况，银行业办理非现金支付业务包含票据、银行卡及其他结算业务，其中，其他结算业务包括贷记转账、直接借记、托收承付及国内信用信用证业务 3 根据中国人民银行按季公布的支付体系运行总体情况，非银行支付机构处理网络支付业务量包含支付机构发起的涉及银行账户的网络支付业务量，以及支付账户的网络支付业务量，但不包含红包类娱乐性产品的业务量 21 数据来源：中国人民银行 注：由于大部分非银行支付机构发起业务仍涉及银行卡账户，因此改数据与国内银行业非现金支付业务统计数据存在交叉重叠 图 3-2 国内非银行支付机构交易笔数及支付金额增长 （1）过去十年，支付业务经历快速渗透发展。2010-19 年间，名义 GDP 年化复合增速为 11.0%，广义货币供应量 M2 年化复合增速为 12.5%。银行和非银支付金额复合增速均明显快于前述两项指标，反映了全社会成交与交易驱动的资金流转更为积极。（2）电子支付支持下，小额高频趋势明显。以“支付业务金额/支付业务笔数”来衡量支付业务笔均交易额，可以看出，银行非现金支付笔均交易额由 2009年的 33424 元/笔下降至 2019 年的 11417 元/笔，非银行支付笔均交易额由 2014年的 661 元/笔下降至 347 元/笔。“双降”背后的主要原因是，“小额、高频、普惠”为特点的电子支付（尤其是移动支付）使用规模大幅提升。（3）近年来非银行支付体系增长更为明显。横向比较看，2014-19 年间国内非银行支付机构的支付金额复合增速 58.8%，远高于同期发达国家的 5%以内的平均增速水平，反映了国内技术成熟度、市场认可度的领先水平。细分业务看，技术跃迁带来了非银支付行业的跨越式增长。艾瑞咨询数据显示，过去 10 年非银行支付体系增长驱动要素经历了银行卡收单-互联网支付-移动支付的变迁过程，尤其是从线上到线下的移动支付目前仍处于快速增长期。22 数据来源：国际清算银行（BIS）注：BIS 尚未公布 2019 年年度数据 图 3-3 主要经济体非银支付交易增长情况 数据来源：艾瑞咨询 注：2013-17 年数据取自艾瑞咨询2018 年中国第三方支付行业研究报告，2018-19 年数据根据艾瑞咨询第三方支付行业季度数据进行计算 图 3-4 技术进步引领非银支付增长驱动要素变迁 2、伴随支付业务体量的快速扩张，支付业务质量亦在提升。从效率、风控和定价三方面来衡量与分析：（1）效率：国内支付系统的运行效率处于全球较高水平。其一，支付业务处理规模最能反映，以支付行业“中枢”清算机构的处理交易量情况看，2019年我国网联和银联处理支付交易规模分别达到约 37 万亿美元和 27 万亿美元，相比而言，VISA、Master 等全球型清算机构处理交易规模均尚不足 10 万亿规模。5.3%1.9%0.8%0.1%-0.5%-0.7%-1.0%-1.3%-1.5%-1.6%-1.8%-3.8%美国 新加坡 瑞士英国荷兰 加拿大 瑞典 意大利 德国日本法国 比利时发达经济体2014-18年非银支付交易总额CAGR51.8%53.0%59.1%39.5%32.2%22.8%19.3%38.9%26.8%20.1%15.3%12.8%10.2%8.0%8.6%19.9%20.6%45.1%55.0%66.9%72.7%2013201420152016201720182019银行卡收单互联网支付移动支付其他 23 其二，微观数据处理能力亦能说明，以网联为例，设计之初考虑高并发、高可用的需求，即采用了“三地六中心、应用多点多活”的总体架构设计，同时支付机构和银行均采用了分布式多点接入的模式，处理峰值估算可以达到 18 万笔/秒。数据来源：公司财报 注：银联、网联交易金额为 2019 年数据 图 35 全球主要清算机构的支付交易规模（截至 2020H 前四个季度）图 3-6 网联采用“三地六中心”和“多点接入”的架构 （2）风控：国内第三方支付机构资损率处于全球最低水平。资损率是用来衡量支付机构风险控制水平和有效经营能力的重要指标。根据支付机构公布的资金损失类风险事件进行计算，2019 年国内头部第三方支付机构资损率均在百万分之量级，特别是银联商务等机构的资损率甚至降至亿分之一量级水平。支付机构1数据中心1数据中心2数据中心6支付机构2支付机构3银行1银行2 24 表 3-1 部分头部第三方支付机构资金损失类风险事件占比（2019 年）财付通（腾讯）银联商务 壹钱包（平安）京东支付（京