你的第一印象可能是不行。因为市场上主流的观点是，做互联网金融一定要有两点：即入口和数据，入口即场景，有了场景才能沉淀数据，有了数据才能做风控。
但是，在中国金融科技的最新实践过程中，出现了一些突破场景的金融科技创业企业，他们的核心资源和精力投入到大数据风控技术的研发，同时依赖外部渠道的数据来对授信客户的信用情况进行分析。打一个不太恰当的比方，如果把数据比喻成数字经济时代的“石油”的话(数据是数字经济时代的生产资料)，那么这些金融科技公司的核心竞争力就是炼油而非开采原油。
智能信贷服务商读秒就是其中之一，读秒于2015年6月正式上线，旗下覆盖个人读秒、企业读秒和POWEREDBYDUMIAO(读秒驱动)，目前累计申请量超过1000万笔，合作伙伴包括安盛、康德乐、携程、去哪儿、微店、收钱吧等企业。而本文我们重点讲述的是企业读秒，因为在用数据做智能信贷决策方面，企业级别的服务挑战性更大。
过去的一年中，企业读秒用人工智能技术来给小微企业做自动化的授信，他们共向15000名企业客户，累计提供了10亿元的授信。
主导这个事情的人叫宋元文，她是企业读秒团队的负责人。2015年下半年，当时还在渣打银行工作的她，接受邀请加入读秒，当时的创业设想在读秒数据基础上是打造“中国的Kabbage”，Kabbage是一家成立于2009年、坐落在美国佐治亚州亚特兰大市的在线金融科技公司，该公司通过大数据和人工智能的算法，向小企业和消费者提供金融服务。
中国也需要类似的企业。中国目前大约7200万的小微企业/个体工商户客群，而目前真正得到金融信贷服务的客户不足10%，即使是已经得到服务的客户，也鲜有对金融服务的可获得性、流程体验、资金成本满意的。
未被满足的需求是巨大的，但是供给侧的制约却是现实的，在小微信贷领域具有10年从业经验宋元文，最早供职于淡马锡，很早就曾在中国推广淡马锡的“信贷工厂模式”，她很清楚市场现存小微信贷服务的模式和痛点。
目前市场上服务小微企业贷款的机构大概有三类：一是传统金融机构(如：宜信、平安普惠等);二是电商系金融平台(蚂蚁金服/京东金融);三是Fintech金融科技公司(企业读秒)。
对于第一种模式来说，如何实质性降低小微企业信贷获客/征信/流程成本，是主要的面临的问题，就拿宋元文熟悉的淡马锡模式来说，在整个流程中，前期有销售经理获客，之后有中台录入人员，录入之后还有复核人员，复核过了后会到预审，预审后是终审，之后有专人来签订合同，还要做放款审核，从营销客户到最后放款，处理一个案子基本上需要八个人，这个运营成本摊到每笔贷款上的话，如果户均贷款金额低于10万元的话，收入是无论如何也覆盖不了成本的。
解决问题要靠数据运营，而数据直接来源于场景，因此，像蚂蚁金服和京东金融这样有场景的平台就很有优势，但是更多的金融机构和金融科技公司没有这么强的实力，他们绝大部分是缺少数据和场景的，因此就需要走出一条不同的路径。
Kabbage的成功实践揭示一个道理，在数据可得的情况下，没有场景也可以做风控，Kabbage有多元化的数据来源，其中包括从GoogleAnalytics等得到的网络信息，从网店使用的记账软件Quickbooks等得到的记账信息，以及从UPS等物流企业得到的发货信息。
在现在的情况下，企业读秒如果想要靠智能信贷突出重围，同样也需要突破场景。在最初从0到1的过程中，企业读秒团队并没有闭门造车，而是先尝试和有数据的平台进行合作，在项目中锤炼业务能力。
这种先和平台合作的策略有三个好处：首先，平台上具有丰富的交易场景数据，可以更好对企业用户进行画像，其次，借助平台可以更直接的获客，同时，可以通过与平台的合作对算法模型进行“打样”，形成可复制、可推广的模式。
万事开头难，团队和电商类平台都从没有做过类似的业务，在第一次和电商平台合作时，双方都不清楚应该从哪些角度去切入，也不清楚哪些是关键的信息点，从方案的洽谈、论证到最后的落地、上线，足足花了3个月的时间。
然而，2015年4月，当第一个案例上线后获客情况很不理想，在之后差不多一两个月的时间里，只有不到10个客户，这让团队产生了巨大的挫折感。
从获客和经营角度看，第一个项目不算成功，但是这个项目客观上让企业读秒完成了模型的打样，锤炼出了一套标准化的对外输出合作方案，这为后续的合作打下了基础，比如后来企业读秒与微店的合作就十分迅速，从2016年9月下旬开始谈判到系统整体上线，只花了6周的时间，项目上线第一天接入的客户就超过50个。
在复盘的过程中，宋元文和团队还发现，很多电商平台的数据并不完善，很多中小电商平台体系内的数据环境远不如阿里、京东等互联网巨头，单凭这些中小平台现有的数据，还不足以对企业的信用做出一个完整的判断。
但坏事也能变好事，一开始就没有流量入口和丰富的体系内数据去依赖，反而促使团队不断地强化自身数据获取的能力以及第三方合作数据的应用。所以，企业读秒练就了面对线上/线下各行业领域场景，面向新客户实时授信的能力。
比如，合作平台的数据在建模当中只占不30%的权重，其它的70%都来自企业读秒自身数据与已接入的数据合作方。客户只需要提供企业名称、工商登记号、姓名、身份证、税号、POS设备号等十几个字段，就可以从500+的数据纬度，6大视角在线评判企业/企业主用户画像，风控全程无纸化、在线化，并在15分钟内完成客户授信。
目前，企业读秒的部分业务虽然和平台合作，但这种关系是基于平台而非依赖平台，这与传统意义上的供应链金融有本质上的区别，传统的供应链金融依赖于核心企业的授信，基于供应链体系内的交易场景数据，相对封闭，存在核心企业经营不善而引发的整条供应链金融风险。而企业读秒对场景中的每一个客户进行独立风险判断，仅有一部分数据取自于合作平台，更多的是结合读秒体系内积累的经验数据源对客户进行更为全面和综合的评判。
然而，即便风控如此严格，企业读秒也不能掉以轻心，数据是有温度的，今天能有效识别和区隔风险的数据可能明天就会被破解。为此，企业读秒团队不断进行测试、检验和模型迭代，同时进行动态调整，将一些失效的指标从评分卡和策略规则集中替换掉，以确保数据源具有动态的，高精准度的风险识别能力。
比如，对于一些同样类型的数据源，团队可能会从中选取一至两家合作伙伴作为备选，当出现问题时，实时进行切换，以确保业务不会中断。
在保证了数据的准确性和稳定性之后，读秒团队在模型算法上也用力颇多，毕竟企业读秒的核心就是基于数据的智能决策。在过去的一年里，宋元文和同事们历经了千百次的方案论证，原型设计，回归测试和模型迭代，认真打磨了这一款智能信贷产品的每一道工序。
目前，企业读秒已经与微店、收钱吧、易后台、公司宝、企翼网等10多家平台展开合作，上线场景化小微智能信贷，合作伙伴覆盖B2B、B2C商贸类平台、O2O服务类平台、企业财税平台等众多领域。
在宋元文看来，过去一年是企业读秒苦练基本功的一年。未来，企业读秒将深耕小微智能信贷的专业化服务市场，对接更多企业SaaS平台和应用，覆盖小微商家企业采购，企业租房，企业商旅，企业出行等多场景信贷服务。
最新资讯
新闻热点
