近年来，监管层对消费金融创新引导和支持不断增强。券商分析人士预计，随着消费金融行业利好频出，整个行业规模将快速增长，未来3年互联网消费金融交易规模将增长7倍。如何通过人工智能、大数据分析等先进科技强化风控能力，成为消费金融机构在行业中“突围”的关键所在。

坏账率高

专家指出，随着中国居民收入水平不断增长、80后、90后等消费人群崛起，我国消费金融领域潜力将不断释放。据艾瑞咨询数据，2015年我国互联网消费金融交易规模突破1000亿元，增速超过500%。随着加入者持续增加和模式不断创新，互联网消费金融行业或还将保持至少3至5年高速成长，到2019年交易规模将超过3万亿元，相较于2016年增长7倍。

从国际对比来看，2015年美国“消费信贷总额/消费支出总额”达29%，我国仅为14%。我国消费信贷总额有望从2015年的不到4万亿元，增长到2023年的16万亿元，复合增长率20%。以蚂蚁花呗为例，2016年使用花呗支付的笔数超过32亿笔，比上一年增长了344%。

券商分析人士认为，当前消费金融核心问题是坏账率高。据中国银监会统计，截至2016年9月末，行业资产总额1077.23亿元，贷款余额970.29亿元，平均不良率4.11%，贷款拨备率4.18%，因具有“无抵押、无担保”“小额分散”、面向中低收入者的展业特点，风险处于合理可控范围。

先进科技“武装”风控

不可否认的是，金融本质是风险管理，风控是所有金融业务核心。面对消费金融领域客户风险较高、客户信用信息不全、恶意欺诈或薅羊毛现象、客户违约成本低、债务收回成本较高等诸多新的挑战，消费金融必须利用大数据风控丰富传统风控的数据纬度，利用多维度数据、算法和模型来实现快速识别借款人风险。

业内人士坦言，在消费金融兴起的大潮中，无论是互联网系、电商系、银行系消费金融，都在积极布局大数据风控，而各家商业模式、资源优势不同，应用的状态和优势也各异。如蚂蚁金服旗下芝麻信用，利用梯度提升决策树、随机森林、神经网络、分群调整技术、增量学习技术等在内的机器学习算法，可以为缺少信贷记录的人群做出客观信用评价。京东金融则形成由多种大数据机器学习模型构成的弱分类组合预测模型，借助随机森林、lasso回归等算法，参考数千个预测变量，借此评估用户的还款意愿和还款能力。

相比依托场景化信贷大型电商所布局的大数据风控，对于互联网消费金融公司，其大数据风控模式和能力则更加重要。以马上消费金融为例，他同时作为大数据公司和金融科技公司，在大数据模型打造、智能风险把控等金融科技领域的不断创新，可圈可点。具体来说，马上消费金融在运用传统客户身份识别手段的同时，增加活体识别、人脸比对等新兴技术手段，进一步增强客户身份识别精准度、有效防范控制第三方欺诈风险。在此基础上，马上消费金融以央行征信数据为基础，但又不局限于央行征信数据，充分挖掘并利用客户的其他信贷数据、消费数据、互联网痕迹数据等，生成高达几万个风险变量，并分别输入不同预测模型，如欺诈模型、身份验证模型、还款能力模型、还款意愿模型等，更为精准细致评估客户的信用风险和欺诈风险。

在构建模型过程中，马上消费金融引用先进机器学习人工智能技术，以科技手段武装风控能力，以此提高大数据风控实效。据银监会公开数据，目前消费金融行业不良率为4.11%，马上消费金融不良率仅有1.36%。