在毕马威公布2016年Fintech 50强榜单之后，我大概花了一个多月的时间把这个榜单中每一家公司，从一个产品经理的角度仔细研习了一遍。在这个过程中，我有了一些发现和自己的见解，但也有很多疑惑。所以，通过智能金融沙龙这个平台和大家沟通，一方面是想把自己一些粗浅的见解分享给大家，另外一方面是作为这个行业的后辈向各位前辈讨教和学习。
本次分享的内容可以分为以下两个部分：
第一部分：毕马威Fintech 50强回顾概览
第二部分：热点细分领域及企业对比 （这部分是重头戏）
一、毕马威Fintech 50强回顾概览
我们先回顾下2016年毕马威中国Fintech 50强上榜企业的分布、估值和商业模式等情况。
还不太熟悉此次上榜企业的朋友，可以先看一下上图中左边的企业列表，有个大概印象。
上面右边这张图，则根据业务场景将上榜企业分为三大类：
第一类企业：围绕个人用户的消费信贷、信用卡、理财、保险、财富等需求，提供精准营销、风险定价、反欺诈等服务。
第二类企业：围绕企业用户的收付款、票据、信用借贷、理财、租赁、抵押贷等需求，提供风险监控、定价及反欺诈服务。
第三类企业：也是极少的一部分企业，从事的是针对金融市场的量化交易、组合管理等业务。
在这张图上我们可以明显看到，做To C业务的Fintech企业明显比做To B业务多，T0 C的企业连线要比T0 B的密集一些。
在这50家企业中，大数据类公司占比较高，综合金融服务其次。
再来看这些企业的核心技术分布，目前金融领域很多痛点都需要通过领先的技术应创新实现突破，大数据和数据分析技术的研发和应用普及度最高。
二、FINTECH热门细分领域及企业对比
在毕马威关于Fintech 50强的官方报告中，这50家企业按照业务模式被划分至10多个细分领域，包括消费金融、财富投顾、大数据/大数据征信、支付汇兑等，如下图所示。
毕马威还将2016年中国Fintech 50强和2015年的国际Fintech 100强进行了对比。大家可以看看在同一个领域，中外企业（其实主要是中国和美国企业）的数量对比，其实挺有意思的。不过由于时间的关系，我主要挑选了消费金融、支付汇兑、大数据/大数据征信和财富投顾这四个领域来讲讲我的发现。
1. 消费金融领域
在消费金融领域，51信用卡的打法是典型偏互联网方式，做工具起家，圈住流量后再寻求场景变现；趣店是原来做得最大的一家校园借贷平台——趣分期，不过他们已经宣布退出校园分期市场，此后将专注于非信用卡人群的消费金融业务；量化派最近刚宣布C轮5亿的融资，近期也广受关注。
传统消费金融，是指向各阶层消费者提供消费贷款的现代金融服务方式。消费金融公司由于具有单笔授信额度小、审批速度快、无需抵押担保、服务方式灵活、贷款期限短等独特优势，广受不同消费群体欢迎。
消费金融前景看好的主要原因：
政策推动：自2009年银监会颁布《消费金融试点管理办法》，开展消费金融公司试点工作以来，政策红利不断催化，消费金融正在成为众多资本追逐的对象。
消费升级：中国国民经济进入新常态，在拉动经济增长的三辆马车中，消费成为目前最关键的环节。目前，中国消费性贷款余额的占比只有20%左右，与欧美发达国家的50%左右的比例相比，有着明显的差距。
巨量市场：2010年以来，中国城乡居民的消费需求保持了较为强劲的增长势头。2015年12月，我国金融机构人民币信贷余额为93.95万亿，个人消费信贷余额为18.95万亿，占比20.17%，增长迅速。据保守估计，2020年消费金融市场规模将突破5000亿, 乐观估计则将近9000亿（引自中泰证券）。
互联普惠：互联网技术，特别是移动互联网技术在消费金融领域的应用，使得消费金融服务更具普惠性，能够覆盖更多的中低端用户群体，如学生、蓝领、农民群体等。
利好因素如此之多，所以我们看到除了上榜的这5家企业，银行派系的各种消费金融公司，互联网巨头BAT，大型零售商苏宁、万达等这些大企业们都有所布局，还有接下来将要介绍的那一堆做to C的大数据征信的公司都在磨刀霍霍要杀向消费金融领域。
说句题外话，我11月份去参加了毕马威官方的金融科技50强研讨会，一些上榜企业的代表被邀请参与现场讨论。如果对研讨会的讲话做一个关键词的词频排列统计的话，大数据排第一，消费金融绝对排第二。这是一个竞争非常激烈的红海市场。
图的来源：GEO大数据：2016年消费金融报告
上图是我从网上看到的。这是一张消费金融的产业生态图，主要的生态构成有资金供给方、催收机构、征信机构、服务商等。此次上榜的科技公司主要集中在征信的数据补充和互联网平台服务。
按照派系划分消费金融：
如果再将消费金融的企业按照派系划分一下，则可主要分为银行系、电商系和产业系三个派系。
银行系：据不完全统计，截至目前，经银监会批复成立或正在筹建中的消费金融公司已有18家，银行系占八成以上，其中包括中国银行 、招商银行 、兴业银行 、北京银行 、南京银行等。就在上个月（2016年11月份），短短十天之内，就有上海银行 、华夏银行和江苏银行三家上市银行陆续发布消费金融公司的布局计划。
电商系：以蚂蚁金服、京东为首的电商翘楚，依托自身强大的在线购物场景和长期沉淀的庞大消费数据，开拓消费金融领域显得游刃有余。
产业系：是由零售企业主导设立。零售企业在线下消费场景方面拥有稳固的基础，相比越来越贵的互联网流量和渠道成本，线下获客成本反而比较低，比如此处上榜的马上金融就是一家典型的产业系企业，由重庆百货、重庆银行、物美控股、阳光保险、浙江中国小商品城、中关村科金共同发起。
消费金融领域的两个关键因素
在竞争如此激烈的态势下，场景入口和数据风控成为了消费金融领域的关键，相关企业的竞争力取决于是否具备结合场景、将数据变现的能力。
场景入口：高频的场景，如在线购物、租房、学生分期、旅游、整形等，已被上游企业占得先机。比如链家肯定会去做租房分期，携程肯定会去做旅游分期等。作为创业企业，在场景的寻找和切入上实属不易，有时甚至要自建场景。
另外再举一个例子，安心de利也是此次上榜公司之一。我也有幸听到安心de利CEO刘延峰刘总分享的公司模式。安心de利目前专注于大农业——养殖业，模式做得比较重，将产业链的整合、贸易和金融结合在一起做供应链金融。比如在他们的平台上有产业链肉牛供应商的借款，皮毛经销商动产质押借款之类产品。刘延峰认为，友商们玩数据和技术的太多了，而入口和场景被巨头们把持着，所以安心de利认为不能靠利差赚钱，而要切入某个价值链，以此获得价值。消费金融有时不缺钱，也不缺数据，反而是缺特定的金融服务，比如在养殖业那些小的养殖户、屠宰厂等在之前很难获得金融服务，或者说很难获得低成本的服务。所以安心de利和其他公司趋势相反，更注重服务。
数据风控：即数据能力。我们也可以看到此次毕马威50强评选上涌现了那么多大数据征信公司。
从北美消费金融企业发展的经验中可以总结出：消费金融的后来者能够实现弯道超车，在于他们敢于采用与银行这样的传统金融机构不一样的体系筛选客户。他们利用数据积累和大数据技术，建立智能化风控体系，并愿意足够耐心地完成试错，最终打造出独特的信用评分体系与风控模型，实现个体差异化贷款利率。
比如有一家美国的公司，他们创立的起因就是当时联邦政府对学生的贷款利率制定的是一个标准统一的数字，而其创始人则认为常春藤盟校的学生应该享受到更低的学生贷款利率。于是他们就自己建了一个主打学生贷款领域藤校学生差异化贷款服务的平台。这家公司仅仅是发现了这个很简单的道理，都没用到什么大数据，实现个体差异化贷款利率，就做了一门成功的生意。
另外，现在普惠金融能够更好地覆盖学生、蓝领、农民低端人群。这类群体的坏账率虽然偏高，但可承受的实际利率更高。比如最近出现的女大学生“裸贷”事件，令人震惊的是他们对利率非常之不敏感。这些学生虽然都是几千块的小额贷款，但是年利率高达30%-40%。比如某平台给蓝领的借款，借1000元，每天利息1元，其实年化利率高达36.5%，只是换了个马甲和说法之后，但蓝领群体对这种高利率的感知变得很迟钝。
刚才讲了那么多，总的来说消费金融还是一个有机会但是压力颇大的领域。我们来看看一些投资人对消费金融这个细分领域的观点。
在毕马威Fintech 50强的研讨会上，高瓴资本的董事总经理洪婧女士提到：“Fintech领域分为上下半场，上半场触达的游戏已经结束，下半场价值链的重构游戏才刚刚开始。”
上半场是对金融业务旧模式的升级，下半场的新模式、新技术才刚刚开始 。比如2016年11月，我们曾翻译发布了福布斯2016年全球金融科技50强的榜单，AphaSense、Kensho等美国Fintech企业上榜。在中国，没有一家企业能够做到和榜单中的美国企业相匹敌匹配，文因互联算是正在发展中。
此外，我还看到了金沙江创投的一篇文章，里面提到一个观点：远离Self-destruction模式和渠道驱动的业务。
什么叫Self-destruction呢？是指“平台发展越快，业务规模发展越大，则该领域里的套利空间越小，越难保证持续收益与发展”的自我毁灭模式。
典型的例子是校园分期市场。短短三年时间，校园分期市场的利率水平从过百降到不足20个点，套利空间蒸发殆尽。这种Self-destruction模式就注定了企业持续转移阵地、“打一枪就换个地”的命运。
另外一方面，消费金融都要依托（或自建）渠道以促进“销售”。很多企业很难摆脱被渠道“驱动”的事实。一旦渠道成本攀升，或渠道维护出现问题，公司的业务发展都将受到严重影响。
2. 支付汇兑领域
很多投资人都喜欢具有“网络效应”的商业模式。什么叫“网络效应”呢？就是指使用或兼容某个产品和服务的人越多，这个产品或者服务的边际价值就越大。这和Self-destruction模式完全相反，有网络效应就意味着爆发式增长。而在Fintech领域中，存在显著网络效应就是支付，接下来我们就看看支付汇兑这个领域。
我们可以看看下图中的这张表。财付通就不说了，快钱已被万达收购。汇付天下是做金融机构类B端支付产品，Ping++和钱方好近我们稍后详细讲。支付宝没上榜是因为蚂蚁金服作为一个整体被归类到综合金服领域了。
看到下面这张图，作为支付领域的创业公司都应该感觉到挺头疼的。基于互联网和移动互联网的支付领域目前已被微信支付和支付宝占据了半壁江山，且巨头统治力明显。对于阿里和腾讯来说，支付是他们的“成本池”，是为一些更大的战略目标而服务的。而对于一些外部支付的创业企业来说，支付是他们的“利润池”。巨头会有意无意地把支付领域从“利润池”打成“成本池”，从而陷入恶性竞争。此外，相对于美国市场化的银行格局，第三方支付企业平均可以获得2%以上的利润。而中国因为种种原因，利润水平非常低，所以必须要靠规模效应来赚取利润。
图片来源：2016上半年度：中国第三方支付市场分析报告
那么，哪里还有空间留给创业公司呢？ Ping++及钱方好近的模式比较值得学习，其核心就是：做巨头的朋友，而不是敌人。
钱方好近和Ping++都是帮助各种支付巨头接入各种支付场景。Ping++主要做线上支付的接入，而钱方好近做的是线下支付的接入。
钱方好近——中国最大的小商户服务平台，提供线上线下的聚合支付、营销及商户贷款等系列商业运营方案及增值服务。2015年，推出智慧商圈概念“好近”，以线下支付和线上营销的模式为商户提供全方位服务。
我们最近感受非常明显的各种线下小额支付场景，比如在路边买了个早餐，便利店买了瓶水。钱方好近的线上线下支付平台——钱台，就是通过云端开放API及客户端SDK的方式，让小型商户、O2O创业者都可很方便地接入提供交易云服务的SaaS平台。并且钱台支持iOS、 Android、H5等平台，让企业快速拥有线上支付、线下支付能力，低成本、高效率实现交易闭环。
钱方好近的CEO称自己是支付宝的线下拓展军。而在2016年春节的时候，钱方好近也帮助微信扫码支付，首次通过服务商接入香港本地300家零食超市759阿信屋。
这就是创业企业的模范生存模式，在巨头斗争中通过合纵连横来获得自己的落脚处。
支付最为核心的是“清算”。国际上最早的清算组织为英国伦敦的票据交换所，成立于1775年。提供相互代收、代付票据进行相互清算，这是一种集中办理转账清算的制度。所以说，支付其实就是各种主体之间的结算活动，比如人与人之间的清算，人与银行之间的结算，银行与银行之间的结算等。
科技使得支付行业进化，但只停留在工具层面。POS机、美国Square手持刷卡器、二维码、刷脸本质上依然是更便宜、更高效、更便捷的清算工具。2014年，央行叫停二维码支付，因为有很多潜在的风险。前段时间有新闻报道，有人把店家的收款二维码改成了自己的，从中盗取很多钱。但这样的支付方式，既便宜，又便捷。以前，一些商户可能要购买价值不菲的POS机和收银系统，才能让顾客进行非现金结算。但是现在，只需要花1毛钱打印一张二维码，就能进行无现金结账了。所以，我们可以看到这个趋势：大家甚至愿意牺牲一些风险，来换取支付清算的便捷性和廉价性。
但上面的进化也只是工具的进化，一旦有新的工具出现，很容易被抄袭，而且巨头支付的清算成本一定会更低。比如，人与人之间的支付成本已经被支付宝和微信支付打到最低了，财务成本是0，使用成本也非常低，所以支付几乎已经没有空间了。
像蚂蚁金服推出的刷脸支付，其本质也是更进一步地降支付清算的成本。如果说二维码支付还需要购置一台几百元到几千元的手机，那么刷脸支付的工具成本更低。
那支付汇兑领域还有哪些机会呢？关键是寻找那些清算主体之间成本还非常高的业务。有痛点的地方就有市场，比如跨境支付。
西联汇款（Western Union）是一家国际汇款公司，拥有全球最大、最先进的电子汇兑金融网络，迄今已有150年的历史。
在福布斯2016年Fintech 50强的榜单上，出现了一家名为TransferWise的公司。该公司为客户提供了一种低成本的国资金转移服务。他们的定价和运营模式与传统银行大相径庭，只收取很低的费用，比如转账金额在300英镑以内的只收取1英镑的费用。因此有人评价说：TransferWise实现了一个国际间的支付宝——PayPal，完全绕过了银行高昂不合理的手续费。
我们在毕马威中国Fintech 50强的榜单上就没有看到过这样的汇兑公司，大家都在盯着支付宝这种形式。
3. 大数据/大数据征信领域
大数据和大数据征信这个领域上榜公司太多了，我就先不做过多介绍了，请看下图中的表格。
提起大数据，大家脑海里可能出现一系列各种关键字。作为一个非技术人员，我也不过多分享与此相关的技术了。纵观此次的毕马威Fintech 50强上榜企业，大数据领域的竞争者是最多的。
其实，大数据从未远离过我们，它只是一直在不停地换马甲。只不过随着互联网及技术的发展，数据更多了，算法更先进了，因此涌现出了更多的模式和公司类型。其实从本质上来说，大数据领域是一个客户决定的领域。因为大数据公司一般都是To B公司，而开拓To B市场就是找到客户并说服让其买单。所以说大数据公司的客户在哪儿，商业模式的落地就在哪儿。
服务于B端客户就要去帮助他们解决实际业务上的问题。什么对B端客户的业务最有帮助呢？无外乎两点：增长收入，或削减成本。
那么针对不同类型企业增加收入和削减成本的目标，大数据企业利用技术做了这么一些事情：
针对大型消费企业，基于大数据形成用户画像和偏好，进行品牌塑造。比如说慧辰资讯这样的企业。
对于电商企业，做精准营销，推荐引擎，为媒体做广告点击优化。
前几年移动互联网大热，我们在座的产品经理同行应该对这些比较熟悉。对于应用或者手游的运营分析、广告检测，个性化信息推送等，都有企业提供相关服务。
再到近些年互联网金融的大热，诞生了这次榜单上各种风控、征信、安全反欺诈的公司。
大数据技术公司的商业模式，是伴随着某一个行业的集中崛起而找到落地方式的。前几个领域的大部分竞争格局都已经定了，上榜企业大部分都是C轮及以后的公司，例如像百分点已经D轮。那么下一步是哪些领域的企业崛起呢？我们可以从此处上榜的一些典型公司初见端倪。
微众税银、金电联行、棱镜征信、数联铭品这四家公司，我们看到他们的共同点就是：能够让政府部门为他们买单，他们找到了一个新型的客户。所以当时在毕马威的研讨会上，也有参会企业喊出一个口号叫做：“挖掘政府数据的金矿”。
为互联网金融业服务的数据征信公司，目前还处在各方混战的状态，那我们回到大数据征信这方面来看。
我们来着重讲一下企业征信。大家做征信一般第一步都是从数据看起。公开和私有数据，要看大数据企业的数据获取能力；数字数据和文本数据，要看企业的数据处理能力。上榜的企业在这几个维度都有做得挺不错的公司，他们一般能够甄别出企业的还款能力和还款意愿。但是这里有个问题：围绕着企业的征信，大家都去关注了金融机构的借贷业务，而融资部分被忽略了。
对于金融机构来说，具体到针对某一资产的分析，主要分为两个维度：一个是质量分析，另一个是成长分析。
银行、股票市场和早期市场是三个典型代表机构。银行注重质量分析，股票市场注重成长、质量混合分析，早期市场只注重成长分析。其他类型的机构也大同小异，比如资管、信托等等，只是对质量和成长分析的比例不同罢了。
到这里我们就会发现，大部分数据企业都在关注银行的借贷业务，做的都是质量分析，而却忽视了很多其他金融机构的成长分析需求。而就银行本身来说，在中国银行业发展报告（2016）中也提出：“投行化”是成为非信贷资产产业发展大趋势，“大资管”是非信贷资产业务发展大方向。所以在企业征信里，对企业的成长分析是一块巨大的潜在市场。
虽然大家都会说，金融的核心就是“风控”，但那是建立在判断价值之后的，所以说大数据（智能）金融——不只是风控，价值也是一块洼地，这也是文因互联一直在尝试做的事。
4. 财富投顾
顺着上面的话题，我们就谈到了财富投顾这个领域，因为这个领域需要大量的价值判断。但是因为这次上榜的企业中就资配易一家，所以我把其他一些没上榜的同类公司也在这里列了一下。不过财富投顾这个领域太大，我关注的范围更小一些，锁定的是智能投顾这个细分领域。
智能投顾是一种在线财富管理服务，基于算法提供自动化、智能化的投资组合，可以避免人的主观情绪对投资带来的负面影响。
再强调一个概念，就是这里说的“智能投顾”指的智能资产配置，不是“智能”荐股，抓涨停，提示买卖点那种。具体来说，智能投顾指的是：基于现代投资组合理论（MPT）指导，运用大数据、云计算及人工智能等技术，给投资者提供个性化、智能化、自动化的投资配置服务，使得用户的投资具有效率更高、费率低、门槛低、投资分散度高等优势。
在海外市场，主要是美国市场，智能投顾的发展非常迅猛。2012年，美国的智能投顾市场几乎为0。而到了2016年，美国智能投顾的资产管理规模已经到达506亿美元。到2020年，其市场规模预计会达到2.2万亿美元。同时，美国的智能投顾公司也遍地开花，目前已有超过 200 家公司布局智能投顾市场，且这一数字在不断攀升。从竞争态势来看，美国智能投顾行业集中度明显，前五大智能投顾公司（或产品）占据超过 90% 的市场份额。他们的商业模式一般是靠收取管理费用、或推荐购买其旗下的ETF产品实现盈利。
对比美国To C端智能投顾业的蓬勃发展，中国惯用的Copy to China模式却似乎显得有点失灵？仅仅一家公司上榜，且其核心是To B业务。他们按照人工智能系统标准架构与证券投资任务环境要求，开发了一个可以独立运行在云端的系统。
我们的问题就是，为什么“智能投顾”在中国没有很好的发展呢？
针对于这个现象，我总结了以下几点原因：
第一点：环境的客观因素。人工投顾在中国的发展并不普及 ，投资组合理论的理念教育在中国投资者中也十分缺乏。
第二点：普通投资者期望值太高。在C端市场里，中国的散户可能更看重涨停等。我们之前提到美国智能投顾的标杆企业Wealthfont，他们为投资者提供的“税收损益收割”、“税收优化直接指数化服务”、“单只股票分散化服务” ，我相信中国的大部分投资者根本就没有听说过这些名词。其实这些都和避税相关。智能投顾所能带来的年收益率0.5%的提升，可能不足以吸引投资者的极大关注。而且最重要一点是，智能投顾打败的不是市场，没有人可以打败市场，智能投顾帮你打败的是每一位投资者中不理性的自己。
第三点：国内的风险更高。如果说在美国市场取得一分收益要冒一分风险的话，在中国取得一分收益则要冒两分的风险。如果以全球资产配置的视角来看的话，中国市场就没有配置资产的必要了。在美国，金融市场的格局以资本市场为主；而中国则是以银行体系为主，资本市场的体量在银行体系面前完全还是弱势群体。对于那些正确认知到自己没有能力战胜市场的普通投资者来说，中国的银行提供的各种理财产品，给普通人的保底年化5%或者6.5%，给高端人士保底的信托年化15%其实就是市场中最好的产品了。品类很鲜明，一枝独秀，就没有再优化配置的需求了。就在前两天招商银行发布了魔羯智投，这也是一款智能投顾产品，其他机构在银行面前就是鸟枪对大炮了。
第四点：产品优化空间小。中国固收、债权类产品在融资市场占比很高。这类产品非常稳定，没有什么可以再优化的。中国的投资标的选择太少，不像美国有那么多结构化的ETF产品。基金的未来业绩不可预测，但基金的成本是实实在在的。在美国，基金业高度竞争，主动基金很难制造超额收益，而高昂的管理费就成为了劣势。一支主动型基金每年可能会收取1.5%-2%的管理费，而优秀的ETF可以低至0.09%。
第五点；中国个人养老金账户没有入市，限制资金流出才会是投资而不是投机。比如说美国有403（b）或401（k）这些养老金账户。这些账户每年都会往里面打钱，但是这个钱又取不出来，30年之后才可以取出，提前支取要支付罚金。美国有这种账户的人有7千万人，这部分钱必须要打理，否则会直接投在比较烂的公募基金上。想想从美国人民的惰性来看，对一种更便宜、更方便、更自动化的投资组合优化的需求应该非常强烈。
分析了那么多，也就是说：在中国Copy to China的智能投顾模式做不起来。不过也并非完全否定这个领域，我相信在投资管理这个领域内，技术一定有发挥优势的空间。技术在财富领域到应用，从信息化到大数据化，到自动化，到现在的智能化。一个很明显的趋势就是：让人力不断在减少，而机器智能则逐渐提高。刚才也提到，在高度竞争的市场，成本是竞争的核心要素。我们就可以看到机器和算法能够越来越快复制人的能力，而且比人做得更高效更便宜。而且金融投资领域的理论进步非常慢，70多年过去了，就是马考维兹的投资组合理论和席勒的行为金融理论， 巴菲特那套价值投资就不是理论，而是艺术了。但技术的发展却在日新月异，我们期待AI技术带来的金融变革。
在新的金融科技榜单上我们还是可以看到像AlphaSense和Kensho这类的新型智能金融公司仍然在涌现。财鲸的CEO叶鑫曾说过，他基本上每隔2、3个月就飞到美国，去华尔街和芯片的相关人员交流一下，看下芯片都卖给谁了，结果发现华尔街拿走了一部分芯片的出货量。但是现在国内，这些芯片厂商的出货量基本上都是在游戏、BAT等。
所以，智能金融的发展还需要我们这些从业人士不断的去探索，去发现！
雷锋网注：本文由人人都是产品经理社区专栏作家@莫颜云月原创发布。莫颜云月，同花顺产品经理，一只初级女产品汪，文科出身却向往成为一名极客，同时游走在产品和技术之间。时常念叨Elon Musk 的 Take X ;Add AI，预备点的技能树是 NLP+推荐算法。目前正在学习Python&Machine Learning。文章未经许可，不得转载。
正在生成分享图...
田哲