3.新网银行简介
3.1 新网银行基本情况
四川新网银行是由中国银监会批准，继微众银行、网商银行以后全国第三家以互联网模式运营的商业银行，由新希望集团、四川银米科技（小米的全资子公司）、成都红旗连锁等股东于2016年底联合发起成立，前三大股东分别持股30.00%、29.50%和15.00%。新网银行以“普惠补位”为市场定位，以“普存小贷、线上线下”为经营方针，以“移动互联”作为特定战略，走创新型、差异化的特色经营道路，服务互联网活力人群和民营经济、中小微企业、“三农”客户，弥补传统金融盲区。
新网银行自成立至今的主要事件如下表所示：
表 2：新网银行发展历程一览
时间
事件
2016年6月
新网银行获中国银监会筹建批复
2016年12月28日
新网银行正式开业
2017年2月27日
推出网贷机构资金存管业务
2017年3月23日
个人消费信贷产品“好人贷”上线
2017年4月24日
举办全国首届网贷机构资金存管对接大会
2017年9月15日
获评“2017中国金融科技先锋榜·民营银行先锋榜”
2018年2月2日
荣获“2017四川十大行业领军企业”
2018年5月28日
与贵阳市金融办签署战略合作协议
2018年8月7日
首个专利获得国家知识产权局批准
2018年8月22日
累计放款额突破1000亿元，笔数突破4000万笔
2018年9月7日
第二次获评“2018中国金融科技先锋榜·民营银行先锋榜”
2018年9月12日
与宜人贷签署战略合作协议
2018年11月22日
在管资产突破500亿元
2018年12月3日
获“高新技术企业”认证
2018年12月12日
累计放款额突破1500亿元
2019年1月9日
入选“2019胡润新金融50强”榜单
2019年1月11日
荣获“2018四川十大领军企业”
数据来源：新网银行官方网站
目前新网银行没有分支机构，只有一个营业大厅，主要作为展示使用，全部业务几乎均在网上完成。在人员配备上，新网银行以科技和风控人员为主，其中风控人员介入前端并参与到营销策略中。目前风控人员120人，占比约三分之一，加上科技人员其占比共70%。科技工作大部分由银行自身完成，少量通过外包方式解决。
3.2 新网银行业务发展情况和主要财务数据
2018年为新网银行实际经营的第二年，年报显示，受益于业务模式的逐步确立，银行的在管资产、表内资产、客户数量等指标均大幅增长，并实现扭亏为盈。在规模和利润快速增长过程中，银行的风险控制良好，不良率仍然维持较低水平，经过两年的实践检验，新网银行的模式已初有成效。另外，资本压力逐渐显现，2019年即将完成新一轮增资。
在资金来源上，新网银行即有传统的表内同业存款和一般性存款融资，也有较新兴的资产信贷化和联合贷款形式的表外融资。表内融资方面，截至2018年末新网银行的一般性存款余额为136.39亿元，较年初净增101.50亿元，主要为特定场景存款与业务驱动型存款。同业存款余额为184.20亿元，较年初净增90.77亿元。表内负债来源方面，仍然对同业融入过于倚重，值得关注。新网银行基于较高的贷款定价能力，存款成本承受能力相对较强，因此当前的一般性存款均是按照利率定价自律机制所允许的上限执行，具整体负债中相对高定价的同业存款占比较高，新网银行整体的表内融资成本相较于传统商业银行较高。
表外融资方面，联合贷款（他行部分）年末余额达到293.36亿元，信贷资产流转底余额1.54亿元，对于新网银行这类一般性贷款来源有限的新型银行来说，拓宽表外融资渠道对于资金可得性和资金成本的优化确实具有较大的正向价值。
截至2018年末，新网银行在管信贷资产时点余额为582.77亿元，较年初净增407.80亿元。其中：各项贷款年末余额257.16亿元，主要为零售贷款；应收款项类投资年末余额30.71亿元，为通过间接方式投放的贷款；联合贷款（他行部分）年末余额293.36亿元；信贷资产流转底层资产月末余额1.54亿元，全部为2018年新增业务。截至2018年末，新网银行表内资产余额361.57亿元，负债余额为329.86亿元，所有者权益总额为31.72亿元；2018年累计取得营业收入13.35亿元，营业支出8.78亿元累计实现净利润3.68亿元。三大互联网银行的主要财务数据对比如下表所示：
表 3：微众银行、网商银行和新网银行的主要财务数据对比（单位：亿元）
银行名称
微众银行
网商银行
新网银行
截止时点
2018年末
总资产
2,200.37
958.64
361.57
总负债
2,080.96
904.99
329.86
净资产
119.40
53.65
31.72
利润表时期
2018年度
营业收入
100.30
62.84
13.35
净利润
24.74
6.71
3.68
资料来源：各互联网银行2018年年度报告
此外，2018年末新网银行主要经营指标及与微众银行的对比情况如下表所示（网商银行的公开披露信息不足）：
表 4：微众银行和新网银行的主要经营指标对比
指标大类
指标名称
微众银行（截至2018年末）
新网银行（截至2018年末）
监管/监测阈值
信用风险
贷款拨备率
4.30%
2.71%
≥2.5%
不良贷款率
0.51%
0.39%
≤5%
流动性风险
流动性比例
61.61%
75.50%
≥25%
资本
资本充足率
12.82%
12.62%
≥10.5%
一级资本充足率
-*
11.46%
≥8.5%
核心一级资本充足率
-*
11.46%
≥7.5%
杠杆率
-*
8.06%
≥4%
资料来源：各互联网银行2018年年度报告（*暂无公开数据）
可以看到，在不良贷款率方面，新网银行做到了同行业的更低水平，说明其风控体系适当；在资本充足率方面，新网银行稍显弱势，主要因为目前新网银行的资金来源仍阶段性依靠同业融资，整体的资金来源及成本较高。
在贷款方面，除了表内的零售贷款或消费信贷，新网银行还参与了表外的联合贷款业务，即新网银行负责审查、风控等主要工作，只发放贷款总额的一小部分，其余由其他银行联合发放，类似于银团贷款。一部分中小城商行面临着业务转型压力，它们原本都是以对公业务为主导，现在需要分散风险，但是独立做零售业务非常困难，通过与新网银行进行联合贷款可以使得经营地域分散化从而获得较优质的客户，同时获得新网银行的技术支持。
截至2018年末，新网银行累计发放贷款1601亿元，累计放款5733万笔，服务客户1905万人，贷款笔均金额约2000元，笔均周期约70天。初始贷款期限一般为6个月至5年，但是由于按日计息，许多客户选择提前偿还贷款。总体而言平均利率约为14%。
新网银行目前的客户群体中约20%为个体户，客户覆盖全国31个省、自治区和直辖市，其中四川地区客户占11.41%。
图 1：新网银行客户群体地区分布
数据来源：新网银行调研资料
新网银行客户的男女比例约为3:1；在已知教育程度的客户中，超过7成为本科以下学历；在已知收入的客户中，约40%是年收入5万元以下的。根据授信额度，新网银行最高授信额度为100万元，最低授信额度为500元，平均授信额度为1.86万元，中位数为9588.88元。截至2018年末，其贷款期限、借款人年龄、借款人收入等基本信息的分布表如下所示：
表 5-7：贷款期限、借款人年龄、借款人收入分布表
贷款期限
占比
<=1个月
16.37%
1-3个月（含3月）
15.98%
3-6个月（含6月）
32.81%
6-12个月（含12月）
30.34%
12-24个月（含24月）
3.12%
>24个月
1.39%
总计
100.00%
年龄段
占比
21-25
38.99%
26-30
32.43%
31-35
16.60%
36-40
6.86%
41-45
3.28%
46-50
1.62%
51-55
0.23%
总计
100.00%
年收入（万元）
占比
<3
17.00%
3-10
68.20%
10-20
10.58%
20-50
3.62%
50-100
0.47%
>100
0.13%
总计
100.00%
数据来源：新网银行调研资料
3.3 新网银行开展大数据信贷的模式
新网银行是全国第一家采取“全客群、全在线、全实时风控”的银行，其开展大数据信贷的基础主要是可靠的信息科技系统和精准的在线实时风控体系。目前开展大数据信贷模式较为领先的互联网银行主要有三家，分别是微众银行、网商银行和新网银行。三大互联网银行的异同概览如下表所示：
表 8：微众银行、网商银行和新网银行的异同概览
银行名称
微众银行
网商银行
新网银行
成立日期
2014年12月16日
2015年5月28日
2016年12月28日
注册资本
42亿元
40亿元
30亿元
所属城市
广东深圳
浙江杭州
四川成都
股东构成
腾讯、百业源、立业等
蚂蚁金服、复星工业、万向三农、金润资产等
新希望、四川银米科技、红旗连锁等
最近融资日期及金额
2016年1月27日
（12亿元）
2017年9月8日
（金额未披露）
2016年12月28日（金额未披露）
主要产品
微业贷、微粒贷
网商贷、旺农贷、
借呗
好人贷
客户对象
主要面对大股东生态体系内的已有客群
面向全网获客
授信决策
采取白名单制，先行完成大部分客户的预授信
实时审批授信
授信依据
反欺诈校验系统和六大模块数据（公安数据、央行征信数据、手Q社交数据、微信社交数据、财付通支付数据以及资金饥渴度数据）
水文模型（小微企业的种类、历史交易、经营情况、同业地位等信息）和芝麻信用体系
自己采集的数据和外部数据，以第三方数据为主
企业贷款产品对比
微业贷：最高300万、最长36期还款、日利率低至0.01%
网商贷：1元起贷、最长可贷24个月
暂无
个人消费贷款产品对比
微粒贷：500元起借、最高30万
蚂蚁借呗：1000元起借、最高30万、最长12个月、日利率在0.015%-0.06%
好人贷：500元起借、最高100万、最长5年分期还款、日利率低至0.03%、平均年利率14%左右
资料来源：各互联网银行公开资料及新网银行调研资料
与另外两大互联网银行微众银行、网商银行相比，新网银行的主要特色在于“全客群、全实时风控”。“全客群”，即新网银行面向全网络开放获客，而微众银行和网商银行主要面对各自大股东生态体系内的已有客群，在这一点上新网银行的客户范围更广。新网银行并不事先挑选客户，也不预设条件，只要申请便可获得审核的机会。“全实时风控”，即新网银行在客户发起授信申请时，根据客户提供的信息和客户授权实时调取客户数据，实时做出风险决策，而微众银行和网商银行主要基于生态体系内已有客户的相关数据采取客户白名单制，先行完成了大部分客户的预授信，客户发起的贷款申请实质是“贷款提用”，没有实时进行风险审批决策。从客户在新网银行提出贷款申请到最后得出审核结果，平均用时为42秒左右。在所有申请者中约70%会被直接拒绝，这部分用时只需要几秒钟，而最终通过审核的审核时间一般为1至2分钟，再到放款的时间只需十多分钟，全程没有人工干预。
新网银行作为全国第一家全面应用机器学习技术进行零售信贷风险决策的银行，坚持将个人消费金融业务作为全行的战略性业务方向，采用全线上、全自动、全标准的业务流程，主要产品“好人贷”提高了个人金融服务的覆盖面积，很好地解决了个人小额、短融信贷难的问题。与微众银行和网商银行相比，新网银行的客群来源更加广泛，风险管理方面面临的挑战也更加复杂。
3.4 新网银行模式的可行性分析
3.4.1 数据来源及成本
新网银行对数据的要求坚持四大原则，即“数据丰富、来源合规、数据准确、成本低廉”。新网银行开展大数据信贷的数据来源主要分为自己采集的数据和外部数据两大类。自己采集的数据包括客户在与新网银行交互时所填写的基本信息、操作痕迹、生物数据等。外部数据包括央行征信报告、各地政府大数据平台、第三方数据源（电信运营商、公安、学信网以及各持牌或准持牌征信机构）。新网银行所使用的第三方数据来源共计有三十多种。
以操作痕迹为例，如果系统检测到GPS定位在短时间内有巨大变化，则可能存在欺诈行为；任何传感器的抖动也可以视为数据，如果一直不抖动说明可能并非人为操作，如果有大幅度的移动说明可能并非一个人在操作；位置信息可以具体到某一楼宇，如果检测到非正常的聚集比如某个位置的申请人在短时间内激增，系统也会发现并作出相应的管控。政府平台的数据则是银行直接与政府数据提供部门直联，在取得客户授权的情况下，直接调取、查询，主要是社保、公积金、违章、法院判决、住房登机、婚姻等市民基本行政信息。另外，新网银行在为多家P2P、小贷公司进行存管的过程中能够了解客户是否存在多头借贷的情况。
为了做到对客户的精准刻画，从而识别用户的信用风险，新网银行从外部获取了包含人口统计、信用历史（包括银行和非银行机构）、固定资产、电信运营商信息、社保公积金、航旅出行、教育、网络行为、支付信息等在内的数十个信息维度。根据不同的业务类型和是否为人行征信报告数据，采用机器学习模型（GBDT，梯度提升决策树模型）分别建模，来度量和预测客户的信用风险。对于用户的个人信息，有一部分可能受监管限制在未来获得更加严格的隐私保护，这需要在采集数据的过程中始终坚持“来源合规”的原则，始终保持与政策的统一，避免出现合规风险。
在数据成本方面，自己采集的数据一般不涉及成本，但是需要综合考虑用户体验做出取舍和平衡。第三方数据存在使用成本，一般按照调用次数收费，根据数据源的不同调用费用在几分到几元之间不等，也有部分政府大数据平台不收取调用费用。其中成都政府的数据内容可供新网银行免费使用若干年，其他城市也正在进一步谈判中。但是市政数据很难实现规模效应，交易成本较大，性价比较低。目前新网银行的模型基本可以在不需要市政信息的情况下识别客户信用。总体而言，新网银行的单个客户审批成本在3到6元之间。
3.3.2 数据处理技术
大数据信贷业务中对于数据的使用，关键在于如何发现不同渠道数据之间的结合作用，即许多看似并不相关的数据结合在一起可能会产生一定的关联性，真正的创新之处也在于找到这些数据的用途。在实际的操作中，首先由主观的想法产生对数据间关联的认知，再通过数据去验证其是否适用。
另外，新网银行有一个专利项目是关于客户信息的饱和度。由于有的客户数据多，有的客户数据少，以往的评级结果可能是一样的，为了增加现有评分的能力，新网银行设计了“客户信息饱和度”这个指标来给不同信息饱和度的客户以不同的衡量权重。
大数据信贷业务的数据库中包含了很多半结构化和非结构化的数据。对于半结构化的数据，新网银行通过配置化自动解析程序将数据结构化，存储于本行大数据平台，供分类使用。对于非结构化的数据则采用OCR进行自动识别，形成半结构化或结构化的数据，应用到业务环节。
同时，新网银行搭建了非结构化数据平台提供历史数据查询和非结构化数据存储。此平台是基于支持异构数据处理的Hbase数据库构建，通过Hive on Spark提供类SQL的统一访问接口，平台对贴源数据和仓库数据进行备份和调阅，承担了银行离线数据归档和异构数据存储访问的职能。根据对在线数据不同的生命管理周期及业务需求对历史数据的分析及挖掘需求，准时地把在线数据区的数据及时同步到历史数据区。平台还用于存放处理新网银行的非结构化数据，支持文档型数据（如JSON/BSON）的存储和检索，并支持如二进制文档、图片、音视频等数据的存储、搜索和自动回收。
3.3.3 数据质量
在采集普惠长尾人群的数据信息时，普遍会面临一个问题，即数据不饱和、高稀疏，这也正是新网银行广泛接入第三方数据并采用机器学习模型的重要因素。
新网银行有一套标准的外部数据信息接入流程，从数据源资质的评估、到数据维度和字段的评估、再到接口接入。数据来源必须合法合规，数据字段需要经过测试，满足覆盖度和区分度等定量要求。新网银行也会定期对已经接入的数据和已经构建的模型进行验证，确保数据和模型持续有效。对于效果衰减明显的数据和模型，新网银行会进行替代或者迭代。
一般来说，新网银行会从覆盖度、IV取值分布、IV值、KS值等多个方面评估数据和模型的有效性。目前，模型的区分能力良好（KS值均在0.3以上），在客户准入、额度管理等方面发挥着重要作用。
3.3.4 风控策略
风控是银行业的命脉，在快速发展的同时必须要同时做好风控，才能实现银行的可持续发展。新网银行的线上信贷业务实行全流程的风险管理，特别是结合线上业务的特点，通过多重技术防线，提高了审批标准的统一性，保证了风控质量的标准化，同时也有效降低了操作风险。由于新网银行面对的客户群体差异极大，数据源也不够稳定，需要设计动态的模型来适应此模式，这也是风控的难点所在。而相比较而言，网商银行不存在这个问题，因为它的客户群体和数据相对稳定。
传统的商业银行需要重点防范的欺诈主要来自内外勾结的操作风险，而新网银行等网络银行的主要风险来自技术层面，比如账户被盗、批量攻击、黑客等。
新网银行采取了一系列具体的风控措施如“天启”反欺诈系统、“星网互联”系统等来进行反欺诈监测和控制信用风险。欺诈风险来自于不同的使用场景，任何操作和交互都有可能产生风险。针对不同的场景提炼不同的风险，才能进行有针对性的防范和有效的识别。
图 2：新网银行采取的风控措施
数据来源：新网银行调研资料
图 3：新网银行的“天启”反欺诈系统
数据来源：新网银行调研资料
图 4：新网银行的“星网互联”系统
数据来源：新网银行调研资料
新网银行自主研发的反欺诈系统，综合运用人脸识别、生物探针、设备指纹、关联网络等技术手段，针对不同场景，始终围绕三个真实来证明、效验用户的真实性。三个真实包括：
（1）真实的设备：是一台物理存在的手机，不能是模拟器不能是虚拟的网络请求
图 5：“真实的设备”模拟图
数据来源：新网银行调研资料
（2）真实的人：是一个真实存在的人，不能是机器人，不能是模拟的操作者
图 6：“真实的人”模拟图
数据来源：新网银行调研资料
（3）真实的意愿：用户进行当次操作是用户本人的真实意愿，不能是另外的人、用户在操作过程中也没有说谎。用户本人、且符合银行要求的意愿，即用户所填写资料为真实资料，其中没有说谎的心理；用户在操作过程中，大量细节可以表达用户的意愿情况，通过有针对的采集用户行为数据进行分析可以了解用户意愿。
举例来说，用户在输入家庭地址的过程中，按照家庭地址的文字数会有一个常规的输入时长，但一个人在撒谎的时候存在思考时间，那么文字的输入时间将会变长。
在信用风险方面，新网银行以大数据为基础，运用机器学习、深度学习等先进算法构建的风险量化模型和风险特征指数，能够精准进行客户全方位画像，多维度对客户的风险进行判断和预测。同时，新网银行会定期更新行为评分模型和信维策略，全方位、多角度对客户进行观察和评估，并及时更新客户评级，对客户的信用额度与风险做匹配性管理，采取包括提额、降低利率等激励措施和冻结、降额、人工介入调查、宣布贷款提前到期、提前入催等限制性或止损措施。
3.5 新网银行大数据模式推广中可能存在的问题
新网银行近两年的飞速发展有目共睹，也给后来者们开展大数据信贷、践行普惠金融开拓了一条可行的道路。调研发现，在经营过程中，新网银行模式在推广过程中也存在一些可能的问题。
3.5.1 数据的可得性和成本
信息不对称是银行业机构在提供金融服务时普遍面临的问题，特别是针对新网银行这类完全以互联网和移动端模式运作的银行。可用外部数据还不够丰富和标准化，金融机构在采集数据时仍然面临采集难、采集贵、采集慢的问题。部分机构掌握、沉淀了大量的相关数据，但缺乏整合。第三方数据的采集过程还存在着合规问题，在保证来源合规的情况下尽可能多地采集用户数据给商业银行提出了不小的难题。
另一方面，目前新网银行开展信贷所需的数据成本偏高。线上进行信贷业务，客户风险识别的基础是数据，新网银行单次授信审批的风控成本约6元。由于并非所有进入审批的客户都能通过授信，获得授信的客户也并非都会提用贷款，同时新网银行的消费信贷产品具有碎片化的特点（贷款最少500元，最短一天），因此在考虑“授信通过率”和“贷款提用率”的转化后，数据成本相比起利息收入来讲，仍然较高。目前虽然成都市政府的数据对新网银行免费开放，但是未来是否可持续仍然是个不确定性因素。
3.5.2 贷款去向及实体经济服务程度
新网银行成立两年多以来，主做零售信贷业务，其中主要是消费类贷款。如果消费信贷被合理使用，形成生产-消费-生产的良性循环，就能够有效促进我国实体经济的发展。但是消费类贷款的借款用途在银行层面很难追踪了解，因为所发放消费贷款极其零散，笔均单价较低，贷款发放后基本是客户自主支付、使用，银行层面难以对贷款的最终用途进行准确追踪和管控。而且客户的消费本意也很难明确，导致监管层面较为困难。消费类贷款是否能够有效促进企业生产、是否能够达到金融服务实体经济的初衷还有待后续观察和考量。通过第三方数据来开展大数据信贷业务一般以消费类贷款为主，这主要是因为个人数据相对企业数据来说更容易通过第三方渠道获得，数据量也更大。企业数据尤其是小微企业的数据存在收集困难、数据不规范等问题，导致由消费信贷推广至小微企业类贷款存在一定的障碍。
新网银行的客户中约20%为个体户，目前仍以个人消费信贷为主，导致其业务种类还欠丰富，所面对的市场风险也更高。如果未来能增加更多小微企业类贷款，对于普惠金融的开展以及服务实体经济或许更有帮助。
3.5.3 监管政策方面
目前的监管政策要求民营银行特色化定位，在特定业务领域深耕。互联网银行的特殊业务渠道和技术运用使得其经营特征与传统全品类商业银行差异更加巨大。但在当前监管实践中，对于互联网银行的差异化监管并不充分，对于征信、账户、反洗钱、流动性指标等诸多方面与传统金融机构一视同仁，存在忽视互联网银行客观差异化和业务特定范围等特征的情况。特定业务范围及模式对应的全量化、综合化监管的合规成本过高。
另一方面，新网银行所涉足的联合贷款业务目前不受监管鼓励。联合贷款由新网银行与其他银行联合发出，而此类业务容易使风险扩散化，几家互联网银行形成“风险伞”，导致国家普惠金融的目标不容易实现。这部分资源容易集中到大中型城市和经济活跃地区，而不利于落后地区的经济发展。
4.尾声
基于上述材料，回到引言中我们提出的核心问题，即新网银行的大数据信贷业务模式能够成为大数据信贷的“第三条道路”吗？阅读完以上的案例材料，你能做出什么样的评判？新网银行区别于另外两家互联网银行的创新之处在什么地方？新网银行以不依赖于互联网巨头、主要依靠第三方数据开展大数据信贷的模式是否可行？如果可行，该种模式是否具有可复制性，由此被其他互联网银行所借鉴？如果可复制，有关各方包括政府、监管层等应该如何协助推进大数据信贷的发展，在推广的过程中可能会存在哪些方面的困难？
（正文字数： 14386字）