5月22日，在愛分析舉辦的2018·中國金融科技高峰論壇上，品鈦創(chuàng)始人魏偉、拍拍信CEO陳平平、天創(chuàng)信用CEO李文賢、小花錢包副總裁林詩意、新顏征信COO趙楊等10多位金融科技領(lǐng)軍人物，就行業(yè)未來發(fā)展趨勢分享了深度觀察。
同時(shí)，愛分析在會上還發(fā)布了《中國金融科技行業(yè)報(bào)告》（以下簡稱報(bào)告），詳細(xì)對比了中美兩地市場異同點(diǎn)?！秷?bào)告》稱，中國金融科技市場規(guī)模300億元，只有美國13%。個(gè)人征信在中美兩地都是最大的賽道，不過企業(yè)征信、財(cái)富科技、保險(xiǎn)科技等在美國占據(jù)半壁江山，在中國尚處于萌芽階段。
美國金融科技市場規(guī)模350億美元
根據(jù)Celent預(yù)測，2017年美國銀行業(yè)IT支出為675億美元。相比之下，金融科技支出占比30%，規(guī)模達(dá)199億美元，年增速約8%。美國銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)三者資產(chǎn)規(guī)模比例約為55:30:15。按此比例估算，美國整體金融科技支出約350億美元。
舉例來說，摩根大通是IT投入力度最大的銀行，規(guī)模在百億美元級別。2018年，摩根大通科技支出預(yù)算108億美元，收入占比約1%，其中50億美元投向金融科技。摩根大通金融科技/IT支出的比例為46%，比銀行業(yè)平均30%的水平高出不少。
與資產(chǎn)規(guī)模龐大的商業(yè)銀行相比，投資銀行的科技支出相形見絀。高盛作為典型代表，2017年科技支出只有9億美元，收入占比3%。因此，商業(yè)銀行始終是金融科技公司的首選客戶群體。
分場景來看，個(gè)人征信及企業(yè)征信占比過半，是最大的賽道。保險(xiǎn)科技緊隨其后，是第二大賽道，并且培育了第二大金融科技公司Verisk，市值170億美元。在美國，保險(xiǎn)業(yè)發(fā)達(dá)，資產(chǎn)規(guī)模8萬億美元，約為銀行業(yè)一半。而且美國保險(xiǎn)業(yè)IT基礎(chǔ)設(shè)施完善，每年IT支出也在600-700億美元級別，不輸銀行業(yè)。
從技術(shù)角度看，大數(shù)據(jù)在美國金融業(yè)應(yīng)用日臻成熟，區(qū)塊鏈?zhǔn)俏磥碓鲩L動力。人工智能在美國金融科技領(lǐng)域應(yīng)用很早，Experian早在2006年就在反欺詐過程中使用了AI技術(shù)。區(qū)塊鏈?zhǔn)枪韫刃轮匦?，孕育著下一代金融科技公司?/p>
中國金融科技市場規(guī)模300億元
根據(jù)愛分析估算，中國金融科技市場規(guī)模約300億元，只有美國13%。但從增速角度看，金融科技頭部公司今年大多預(yù)期翻倍增長，遠(yuǎn)遠(yuǎn)超過美國。
分場景看，個(gè)人征信一枝獨(dú)秀，智能營銷也大多以信貸領(lǐng)域應(yīng)用為主，兩者市場占比2/3。信貸場景依然是中國金融科技的核心。
國內(nèi)智能營銷尚處于流量獲客的初級階段，轉(zhuǎn)化率還有大幅提升空間。例如，LendingTree是美國版的簡普科技。LendingTree貸款申請匹配成功率是60%，并計(jì)劃提升至70%。
國內(nèi)大部分貸款超市都提供信用卡推薦開卡服務(wù)，開卡成功率只有10%。這其中的差距，未來將由更加精準(zhǔn)的智能營銷彌補(bǔ)。通過人工智能、大數(shù)據(jù)等技術(shù)，簡普科技已經(jīng)將信用卡開卡成功率提升至25%左右。
對比美國市場，保險(xiǎn)科技的市場占比未來提升空間最大。國內(nèi)保險(xiǎn)行業(yè)IT基礎(chǔ)設(shè)施較銀行業(yè)落后5年，因此保險(xiǎn)科技爆發(fā)時(shí)間點(diǎn)也將落后信貸場景5年左右。
根據(jù)愛分析調(diào)研，平安車險(xiǎn)、中國人壽都已經(jīng)向保險(xiǎn)科技公司開放了理賠數(shù)據(jù)，不斷完善核賠反欺詐引擎。這些都是保險(xiǎn)科技即將崛起的信號。
以下為愛分析聯(lián)合創(chuàng)始人&首席分析師張揚(yáng)在會上發(fā)布報(bào)告的演講實(shí)錄
張揚(yáng)：感謝大家今天參與愛分析的中國金融科技論壇，上次大數(shù)據(jù)論壇我們分享了金融大數(shù)據(jù)的行業(yè)情況，今天會分享更宏觀的金融科技市場。
這次報(bào)告深度對比了中美兩地金融科技市場，因?yàn)槊绹鹑诳萍及l(fā)展時(shí)間長，最早的征信局可以追溯到19世紀(jì)。因此，美國金融科技市場發(fā)展的路徑、市場規(guī)模都對中國有參考借鑒意義。此外，愛分析也把美國Top10的金融科技公司系統(tǒng)分析了一遍，今天給大家分享一下成果。
首先是整個(gè)美國金融科技市場規(guī)模。這個(gè)市場規(guī)模是按金融機(jī)構(gòu)支出法計(jì)算的，2017年市場規(guī)模350億美元左右，增速8%。美國金融科技市場已經(jīng)比較穩(wěn)定，最大的客群是在銀行業(yè)。
美國銀行業(yè)IT支出將近700億美元，其中金融科技支出差不多在30%左右，所以整個(gè)銀行業(yè)的金融科技支出199億美元。
摩根大通是美國最大的商業(yè)銀行，資產(chǎn)規(guī)模2萬億美元，占銀行業(yè)總資產(chǎn)規(guī)模10%出頭。摩根大通2017 IT支出95億美金，占收入的1%。這個(gè)比例跟國內(nèi)商業(yè)銀行差不多。2018年，摩根大通已經(jīng)把IT預(yù)算提升到108億美元，這里面將近50%，也就是超過50億美元會投向金融科技。
摩根大通IT支出占全銀行業(yè)IT支出10-15%之間，和資產(chǎn)規(guī)模占比類似。因此，我們通過美國銀行業(yè)資產(chǎn)規(guī)模占整個(gè)金融業(yè)比例，推算了美國金融科技市場規(guī)模。美國銀行業(yè)資產(chǎn)規(guī)模占整個(gè)金融業(yè)50%-60%，比國內(nèi)低很多，按資產(chǎn)規(guī)模比例去推算的話，整個(gè)金融科技市場規(guī)模在330-400億美元之間。
剛才講過摩根大通商業(yè)銀行的案例，另外一個(gè)投資銀行案例就是高盛。高盛2017年科技支出約9億美元，和摩根大通差距很大。商業(yè)銀行持續(xù)會是金融科技主旋律。
但是證券業(yè)科技支出占收入比例會比較高，高盛的話差不多3%，這個(gè)比例基本上跟國內(nèi)券商類似。
除了按銀行、保險(xiǎn)、證券主體分析，我們也按具體場景應(yīng)用分析了美國金融科技市場。按場景劃分的話，征信占比超過一半，尤其是個(gè)人征信占據(jù)了大量市場份額，這個(gè)其實(shí)跟中國是類似的。
跟中國差距比較大的場景應(yīng)用是保險(xiǎn)科技。長期來看，保險(xiǎn)科技是一個(gè)比較大的市場，核心的原因在于保險(xiǎn)在美國資產(chǎn)規(guī)模接近銀行一半，也是很大的體量。其次，美國保險(xiǎn)業(yè)IT基礎(chǔ)設(shè)施成熟，市場上有埃森哲等一批保險(xiǎn)IT服務(wù)商。中國保險(xiǎn)業(yè)IT服務(wù)商其實(shí)只有中科軟和易保。
在美國，保險(xiǎn)科技很重要的一點(diǎn)是在理賠。保險(xiǎn)行業(yè)跟信貸行業(yè)差距特別大的一個(gè)點(diǎn)，其實(shí)是在于保險(xiǎn)行業(yè)本身是保障型，大部分成本最終是賠付成本。因此，保險(xiǎn)機(jī)構(gòu)很重要的競爭壁壘樹立在賠付能力上。
除了保險(xiǎn)科技以外，美國財(cái)富科技同樣很發(fā)達(dá)，是第三大應(yīng)用場景。財(cái)富科技在國內(nèi)相對來說還處于早期，尤其政策層面還不明朗。比如， P2P備案今年是否能夠成行尚不可知。從這個(gè)角度講，財(cái)富科技需要比較長的合規(guī)路程之后，才會有豐富的財(cái)富科技公司冒出來。
除了從場景分析，還有一個(gè)分析維度是技術(shù)。美國金融科技最重要的驅(qū)動力是區(qū)塊鏈，大數(shù)據(jù)、人工智能等技術(shù)接受度已經(jīng)很高。舉個(gè)例子的話，2006年，Experian就在反欺詐中應(yīng)用了人工智能技術(shù)。
講完美國，我們可以一個(gè)一個(gè)映射去講中國市場。根據(jù)愛分析估算，中國金融科技市場規(guī)模在300億元。
分場景來看，個(gè)人征信是最大的一塊，與美國相同。個(gè)人征信，無論是現(xiàn)在還是未來，都將是金融科技的核心。我們看到，現(xiàn)在大部分金融科技公司也是聚焦于個(gè)人征信業(yè)務(wù)。
企業(yè)征信，最大的應(yīng)用并不是銀行信貸領(lǐng)域，而是資信評級。比如，企業(yè)征信龍頭鄧白氏，市值只有40多億美元。但是，從鄧白氏拆出來的評級穆迪市值在300多億美元。
單純的企業(yè)征信是一個(gè)比較淺的業(yè)務(wù)，不像個(gè)人征信可以滲透到整個(gè)信貸場景，企業(yè)征信很難特別深的滲透到銀行信貸里面。如果做比較大的企業(yè)授信，銀行線下DD團(tuán)隊(duì)對于整個(gè)數(shù)據(jù)的把握，對于公司的把握，會比征信公司強(qiáng)很多。對于小微企業(yè)授信來講，企業(yè)征信公司收集的經(jīng)營數(shù)據(jù)很難真的跟銀行授信環(huán)節(jié)匹配起來，長期來看，企業(yè)征信不會是像個(gè)人征信那么大的市場。
另外一塊智能營銷，國內(nèi)和國外差距特別大。LendingTree是美國的智能營銷公司，核心競爭力都建立在轉(zhuǎn)化率的提升上。但是國內(nèi)大部分的智能營銷，依然是粗狂的流量模式，對流量轉(zhuǎn)化率要求沒有那么高。
我們看，2017年中國信用卡開卡做的很好，新發(fā)行1億張以上，特別是在線開卡增量很大。 去年，信用卡開卡成功率10%，也就是說10次開卡申請成功一次。行業(yè)領(lǐng)先的簡普科技，通過精準(zhǔn)營銷引擎，可以做到25%成功率。
LendingTree做貸款匹配，每個(gè)貸款申請最終能匹配成功概率是60%，遠(yuǎn)遠(yuǎn)大于國內(nèi)開卡10%的成功率。中間的差距就是精準(zhǔn)營銷算法所導(dǎo)致的。所以，國內(nèi)智能營銷現(xiàn)階段市場規(guī)模比較大，主要因?yàn)榇蟛糠侄际橇髁繉?dǎo)入，長期來看會更多做精準(zhǔn)營銷，真的能體現(xiàn)出來智能這兩個(gè)字。
國內(nèi)的智能營銷現(xiàn)在單價(jià)低，開一張信用卡不到100元，一個(gè)貸款銷售線索只有10幾塊錢。LendingTree每個(gè)貸款匹配成功收取20美元，未來計(jì)劃提升到30美元。這中間的差距都是由智能營銷算法導(dǎo)致的。
保險(xiǎn)科技在國內(nèi)現(xiàn)在發(fā)展比較早期。保險(xiǎn)業(yè)IT基礎(chǔ)設(shè)施每年市場規(guī)模不過70億元，和銀行業(yè)的300億差距很大。行業(yè)里面一直在講，保險(xiǎn)業(yè)的基礎(chǔ)設(shè)施和銀行業(yè)差了五年，那么，保險(xiǎn)科技的爆發(fā)時(shí)間基本上也會晚于個(gè)人征信5年時(shí)間。
以上是從具體的場景來看。從技術(shù)角度來看的話，核心驅(qū)動金融機(jī)構(gòu)接受的技術(shù)基本上是大數(shù)據(jù)為主，有一部分人工智能。大部分金融機(jī)構(gòu)的大數(shù)據(jù)平臺還處于搭建過程中，并不完善。
國有五大行、股份制銀行，大數(shù)據(jù)平臺基礎(chǔ)完備，可以在上層持續(xù)擴(kuò)展應(yīng)用。稍微下沉一下，不管保險(xiǎn)公司也好，還是券商也好，都處于最早的大數(shù)據(jù)平臺搭建階段。因此，人工智能、區(qū)塊鏈的真正大規(guī)模落地還有待時(shí)日。
我們測算了一下中國金融科技潛在市場規(guī)模，1100億元。這個(gè)是沿用美國市場研究方法，從整個(gè)金融業(yè)支出角度去看的。
國內(nèi)金融科技支出舉幾個(gè)例子。第一個(gè)是招行。2017年，招行還是按稅前利潤1%去投金融科技。2018年，招行已經(jīng)按營業(yè)收入1%對于金融科技進(jìn)行投入，整個(gè)盤子超過20億元。招行研發(fā)支出其實(shí)是40多個(gè)億，整個(gè)金融科技支出是20多億，相當(dāng)于招行有1/3研發(fā)支出放在了金融科技上，跟美國商業(yè)銀行平均水平差不多。
證券領(lǐng)域，國內(nèi)金融科技投入占收入比例在2%左右，但是因?yàn)槭杖牖鶖?shù)小，和商業(yè)銀行差距很大。
這個(gè)是我們羅列的金融科技行業(yè)圖譜，包括全球、特別是美國的對標(biāo)公司。我們可以看到，征信肯定還是最大的賽道，除了三大征信局，還有FICO、SAS等專注于數(shù)據(jù)分析的公司。第二多的領(lǐng)域是保險(xiǎn)，Verisk是金融科技行業(yè)里面市值排名第二的公司，在170億美元。財(cái)富科技也擁有SEI這種百億美元的上市公司。
這個(gè)是愛分析研究過的美國Top級別的金融科技公司。通過研究，我們可以看到以下幾點(diǎn)。
第一，美國金融科技市場規(guī)模相對平穩(wěn)，頭部公司普遍收入增速不到10%。因此，350億美元在美國金融科技領(lǐng)域是相對穩(wěn)定的市場規(guī)模，相比之下，中國金融科技市場頭部公司今年還有翻倍增長的機(jī)會，市場也有4倍成長空間。
第二，我們統(tǒng)計(jì)了Top金融科技公司2017財(cái)年在美國地區(qū)的收入之和，約130億美元。比如，Experian有一半收入來自全球化，F(xiàn)ICO也有40%左右來自全球化。由于美國總體市場規(guī)模350億美元，Top10公司的市占率至少在1/3，說明金融科技是市場集中度很高的領(lǐng)域。未來，中國金融科技行業(yè)大概率也是這種集中度，而且由于央行、百行兩大征信中心的存在，市場集中度會更高。未來整個(gè)市場的兼并收購機(jī)會很多。
第三，我們可以看到，前四名都是從數(shù)據(jù)源跑出來的金融科技公司。Experian、Verisk、Equifax、TransUnion都是如此。擁有獨(dú)特?cái)?shù)據(jù)壁壘的公司，將是未來領(lǐng)先金融科技公司的有力爭奪者。
第四，從數(shù)據(jù)源跑出的公司，建模能力也不弱。國內(nèi)做征信的公司都喜歡對標(biāo)FICO，F(xiàn)ICO在美國本土建模相關(guān)收入超過6億美元。Experian和FICO同樣的業(yè)務(wù)是決策分析業(yè)務(wù)，2017財(cái)年收入超過5億美元，和FICO差距并不大。因此，在建模能力上，Experian和FICO并沒有絕對差異。
通過梳理美國金融科技發(fā)展歷程，我們也做了中國金融科技未來發(fā)展趨勢的預(yù)測。
第一是個(gè)人征信領(lǐng)域。個(gè)人征信最先成熟的，而且是最大的賽道，所以現(xiàn)在做個(gè)人征信排名靠前的公司，長期都會是金融科技行業(yè)里面的頭部公司。百行征信還有五年時(shí)間會走上正軌，一旦百行征信在數(shù)據(jù)源領(lǐng)域地位確認(rèn)之后，個(gè)人征信市場規(guī)模、市場格局將趨向于穩(wěn)定。
第二是企業(yè)征信，企業(yè)征信市場規(guī)?？隙ū葌€(gè)人征信小很多，因?yàn)槠髽I(yè)征信提供的數(shù)據(jù)也好、模型也好，離銀行需求差距比較大。這個(gè)過程當(dāng)中，企業(yè)征信的客戶逐步在向產(chǎn)業(yè)鏈核心企業(yè)、以及政府客戶轉(zhuǎn)變。
核心企業(yè)擁有風(fēng)險(xiǎn)控制能力。這種控制能力并不是因?yàn)閿?shù)據(jù)強(qiáng)，而是核心企業(yè)在產(chǎn)業(yè)鏈里面有很多主導(dǎo)權(quán)和話語權(quán)。產(chǎn)業(yè)鏈上下游的小微企業(yè)失信并不單單是貸款沒有還這么簡單，而是會被從產(chǎn)業(yè)鏈中剔除，這種懲戒效應(yīng)遠(yuǎn)遠(yuǎn)大于征信的價(jià)值。
由于產(chǎn)業(yè)鏈核心企業(yè)有足夠的風(fēng)險(xiǎn)控制能力，大數(shù)據(jù)平臺基于這個(gè)基礎(chǔ)，做更加精細(xì)化的征信服務(wù)才有價(jià)值。
另外一個(gè)比較好的客戶就是政府。不管是園區(qū)也好，還是各地政府也好，都在建大數(shù)據(jù)平臺。大數(shù)據(jù)平臺有很大一部分是偏信用這個(gè)方向的，尤其是發(fā)改委和央行牽頭做了信用中國，在全國都在落地。
除了企業(yè)征信以外，第三個(gè)是保險(xiǎn)科技。保險(xiǎn)科技距離爆發(fā)還有一定時(shí)間，同時(shí)也取決于保險(xiǎn)公司對于賠付數(shù)據(jù)的開放程度。剛才講的比方說平安車險(xiǎn)，現(xiàn)在把自己過往的歷史數(shù)據(jù)開放出來給一家公司做賠付的模型。中國人壽也是把自己的歷史數(shù)據(jù)開放出來給一家第三方公司做壽險(xiǎn)的核賠模型。我們看到頭部的保險(xiǎn)公司在考慮構(gòu)建自己核賠反欺詐引擎，這些頭部公司把數(shù)據(jù)開放出來以后，以核賠為核心的市場才會真正起來。
財(cái)富科技需要很長的一個(gè)合規(guī)過程，尤其P2P備案通過之后，財(cái)富科技市場才會逐漸起來。
