拍拍贷：金融垦荒的科技极客

走进拍拍贷上海总部的前厅，印入眼帘的是一个电子大屏，屏幕实时更新用户借贷情况，如广州市的陈先生成功向上海的一位用户借款675元。

接近9年的时间，拍拍贷的用户逼近2000万，并在去年底实现盈亏平衡，根据其今年第三季度的业绩报告，每分钟发生超过2万元的借贷金额，平均计算，每天大约有3000万的交易，当然，数据并非静态。

截至笔者发稿，拍拍贷用户已经突破2000万，日均交易额大约5000万。

张俊说，几年下来，平台已经迎来拐点，无论是从用户数量还是交易金额，其增长速度都开始大规模增长。他将这称之为一种黑洞效应。

6月初，零壹财经记者在华东采访互金平台时，拍拍贷CEO张俊如上介绍。

拍拍贷是p2p网络借贷的典型代表，当众多企业放弃无抵押的信用类贷款纷纷投入相较而言风险较可控，业务较传统的抵押类贷款时，拍拍贷坐了多年的冷板凳，坚持了下来，张俊并不否认，这个过程周期很长，中间栽了很多跟头，交了很多学费。

p2p行业在发展过程中，平台逐渐迎来一个个完整的贷款周期，这一过程伴随的是逾期的逐渐凸显，加之宏观经济整体下行，行业出现诸多乱象等，平台诸如资产获取能力，风险管控能力等愈发显得重要。

相较于企业较大的借款额度，针对个人的小额信贷迎来热潮，当前火热的消费金融就是体现。拍拍贷的判断与坚持或许是对的。

专注小额现金贷

张俊说，平台会专注于无信用卡，新生移动互联网人群的小额现金贷需求。目前，平台用户90后居多，笔均贷款额度大约4000元，90%的用户群体没有信用卡。

根据去年8月的统计数据，2014年底我国信用卡的发卡量为4.55亿，而拍拍贷的目标用户群体是未持有信用卡的庞大人群。张俊说。“未来的目标是平台能服务3-4亿用户。”

拍拍贷的业务简单纯粹，只满足用户的小额现金贷款需求，与目前消费金融的整体发展路数略有不同。其并没有强烈的愿望去介入场景类的分期消费。

消费金融的发展方式中，一种是向用户提供现金贷款，一种是与b端商户合作，为c端用户提供分期付款服务，第二种目前在市场被炒的很火热，正所谓“逢消费金融必谈场景。”

其背后的逻辑是，将金融服务嵌入消费场景中，作为一种市场营销的手法使用，既可以刺激用户消费，也可以避免用户套现，起到风险防范的作用。

但张俊对此不以为然，他认为现金类贷款简单直接，是整个消费贷款的主流需求。现金贷款更符合中国人的特点，为什么？信用卡套现问题突出，场景消费往往寻求套现难的场景的特点恰恰说明人们更需要现金。

另外，从用户体验的角度讲，场景不同，则需要不同的账户，如果一家机构解决现金问题，对于用户来讲，则更便捷，体验更好。

同时，从风险控制的角度讲，张俊的观点是，随着互联网创新技术的发展，基于场景对风险管理的需求在减少，所以嵌入场景控制风险并不是重点。

从获取用户的角度讲，拍拍贷的策略是先通过线上方式获得客户，未来可能的格局是其与线上线下消费场景合作，为他们导流，而并非目前通过与商户合作获得用户。

“未来不排除在我们有足够多的用户之后，依据需求与场景嫁接，如果有商户愿意接入我们的体系，我们也会不断创新与他们合作。”

话要分开说，不同的策略主要取决于各个平台自身的定位与优势，蚂蚁花呗，京东白条等能够开展场景类消费，主要是其具备线上场景与流量等资源，更多互联网金融创业平台则在没有流量，场景等优势下选择类助贷的服务模式。

拍拍贷的定位也很明确，基于技术垦荒信用相对空白的屌丝人群，在开发资产的同时也从线上获得投资用户提供资金。

大数据与模型迭代

如上所述，拍拍贷目前大约2000万的用户群体中，90%以上是非信用卡用户，从反欺诈，信用评估，风险定价等方面看，这确实是在垦荒。

虽然目前我国的征信体系很不发善，央行的征信记录覆盖率不高且不对外开放。但对于拍拍贷来讲，即使接入央行的征信记录，恐怕作用也有限。90%的用户没有信用卡意味着其在央行没有征信记录，那这些群体的信用判断分析只能拍拍贷自己去完成。

利用大数据的方式开展信贷业务的风险控制，其逻辑是先具有大量的数据，并以此建立起模型，但仅建立模型还远远不够，还需要不断训练验证模型，直到模型有能力快速处理大规模用户的信贷审批需求。

张俊说，做不到上面这些就只停留在大数据风控的思路上，如果平台只有一两年时间就标榜业务可以大数据驱动，那就是忽悠人。

事实上，拍拍贷的大数据系统是多年时间积累后的结果。

从数据源上看，其会采集多个维度的数据，包括社交数据，电商数据，互联网行为数据，公检法数据等，也会购买第三方数据机构的数据，张俊说，目前他们评估一个人的信用状况，至少需要600个变量。

采集数据之后，要对数据进行清洗降噪，这些数据可称之为自变量，而平台放款之后的业务表现可称之为因变量，有足够多的因变量之后就要建立起自变量与因变量的关系，并建立模型。

模型建立之后要不断验证训练，所以整个周期会很长。这是拍拍贷花大量时间精力的原因。

张俊介绍，平台发放的贷款平均周期为10个月，如果不到一个完整的周期，不能进行模型训练，而至少要经过5，6个周期后，才可以保证模型验证训练的有效性。这一模型建立的周期就需要几年时间。

拍拍贷的数据模型在几年当中经过了多个阶段的更新迭代，即从最初的决策树到线性回归模型到逻辑回归模型，再到目前的计算机神经网络加人工智能机器学习模型，张俊说，这是一个随着数据量级不断扩大的自然演变过程。

此外，由于数据不共享，信贷行业发展过程中存在的用户多头负债问题严重，张俊对此并不否认。基于此，他认为，信息共享机制的建设要加快步伐，这对于各个平台来讲都是好事，再不能一味死守数据，割据数据了。

“我们在前期也交了很多学费，在数据积累不够，模型不够完善的时候，逾期率很高，付出了很多成本和代价。“”所以，金融是一件很严肃的事情，要耐得住寂寞，耐得住亏损，耐得住市场的质疑。“他说。

张俊在采访过程中一再强调他们并不是生意人，如果看重利润，盯着赚钱，肯定早就放弃了。

对于他们，或许金融垦荒的科技极客更为贴切。