作为深化金融体制改革、激发金融市场活力、优化金融机构体系的具体举措，民营银行是加强中小微企业、“三农”和社区金融服务的重要突破口，也是探索运用金融科技手段，加强金融领域创新，高质量服务民营经济的试验田。试点5年以来，陆续成立的17家民营银行依靠各自的资源禀赋，探索走出了差异化、特色化的发展路径。 

新网银行作为全国第三家基于互联网模式运营的民营银行，以“技术立行”，充分运用大数据、云计算、人工智能等数字技术创新金融产品和服务，实现金融服务的场景化、风险控制的智能化、运营模式的差异化，努力打造成为一家数字科技普惠银行，运用金融科技的力量，践行普惠金融，服务实体经济，并实现银行自身的高质量发展。 

作为普惠金融的补位者与探索者，民营银行肩负服务民营经济发展，改善对中小微企业、“三农”金融服务的历史重任。经过持续创新，民营银行借助金融科技有效降低了融资门槛、扩大了服务半径、拓宽了融资渠道，实现了普惠金融的高质量发展探索。 

长期以来，小微群体、民营小微企业融资难融资贵，金融服务很难“既普又惠”。 从“普”的角度，“二八定律”中有80%没有享受到完善金融服务的人群，其资金需求普遍“短小频急”，且缺乏抵质押物，信用征信方面缺乏相应历史记录，所在行业也面临宏观经济环境以及个人经营情况等诸多不确定性因素，传统金融机构很难依托以往的风控手段与方法预测评估风险，因此很难直接面向小微客户提供碎片化、小额化、便捷化、灵活化的信贷产品，这导致了普惠金融的服务半径有限，服务人群也有限。

从“惠”的角度，传统银行的作业成本高昂，银行主要是通过信贷员扫街获客，后续再通过内部工厂化的分工完成授信评估和放款，从申请到下款的周期大约为两周，获客、尽调、评估、授信、放款耗费了较大的人力物力，普遍而言单笔信贷作业成本高达上千元，这也决定了作为商业盈利性机构的银行，其推进小额、高频的普惠金融产品意愿不强，其对客的定价也没法实现真正的“惠”。 

可以说，没有金融科技的助力，普惠金融很难解决作业成本高以及风险识别难的问题。在移动互联、大数据、云计算、人工智能等技术对金融服务的支撑之下，越来越多维的客户数据具有巨大的价值，也给银行等金融机构进行普惠金融创新提供了现实基础。 

以新网银行为例，作为一家没有线下网点、没有客户经理的新银行，通过互联网采集多维度数据，开展体系化的数据治理，进一步对采集数据进行清洗和精炼，并运用成熟的大数据和人工智能技术，整合海量数据、挖掘数据价值，提供标准易用的大数据产品和服务为业务赋能。

通过综合分析客户的信用数据、行为数据、社交关系数据、交易数据等等，智能匹配授信额度及利率，帮助众多缺乏信用记录和抵质押品的客户获得信贷支持，服务那些主流银行服务不到、服务不好的“长尾客群”，扩大普惠金融服务半径。最新的数据显示，新网银行79%的客户分布在三四线及以下城市，其中，通过身份证OCR（身份证地址含有地址村、乡、屯）识别，能精确到农村的用户超过300万。 

与此同时，技术也解决了普惠金融作业成本高的难题。新网银行目前99.6%的线上贷款申请均由机器进行自动化、批量化审批，只有0.4%的大额信贷和可疑交易需要人工干预，单笔信贷审批时间最快7秒，平均仅40秒，日批核贷款峰值超过33万单，减少了贷款客户申请和银行审核时间，也进一步减少了银行运营成本和客户融资成本。

目前，新网银行目前单笔信贷边际作业成本在20元左右，相比传统金融机构的作业成本已经实现了大幅度的降低，这也让新网银行可以为客户提供低至200元、借款期限仅一天的小额分散化信贷产品，高效满足小微群体“短小频急”的资金需求，让普惠金融具备商业可持续性。 

作为经营风险的金融机构，风控是银行业的核心，大数据风控也逐渐从辅助工具逐渐变为部分新型银行的核心实力，并对业务快速发展提供了坚实支撑。 

传统的金融风控技术，多以人工的方式进行经验控制，主要利用信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿，金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分，依据评分来决定是否贷款，确定授信额度等。 

随着金融产业生态发生变革，传统模式下事后的、手动的、基于传统结构性数据的管理范式，不能满足金融科技新业态的发展需求。大数据对多维度、大量数据的智能处理，批量标准化的执行流程，更能贴合信息发展时代风控业务的发展要求。

在此基础上，依托金融科技的大数据风控极大丰富了传统风控的数据维度，通过对借款人的行为数据、社交数据、关联网络等海量数据的分析，借助数据模型来揭示某些行为特征和信用风险之间的关系，从而实现贷前风险分析、贷中决策判断、贷后风险追踪等更加高效、智能的风险控制。 

以新网银行为例，当传统金融机构靠流水证明、收入证明、关系证明等纸质材料去评估风险的时候，新网银行借助人脸识别、生物探针、星网关联等进行反欺诈识别，并通过9大维度的模型计算，上千个变量因子的综合分析进行信用风险评估。

比如在授信环节，新网银行采用了GBDT随机森林的机器学习模型和数千棵决策树构成的决策引擎开展实时、自动化的线上信贷审批。每次授信所使用的画像标签体系基于大数据平台采集的数百兆客户数据进行构建，全面覆盖了互联网用户的资产情况、消费水平、浏览行为、生物特征和黑名单信息等。实现银行线上信贷业务全天候、全场景、全实时和全线上的授信决策，确定客户“千人千面”的授信额度以及利率。 

可以说新网银行真正实现了依靠技术进行全方位的大数据风控，利用金融科技为业务保驾护航。截至目前，新网银行有效阻止了超过380万次的欺诈攻击，不良率也保持在行业较低水平。 

除了在线信贷的风控表现优异之外，金融科技也助力风控模型持续优化及迭代。新网银行

在自研AI平台的支撑下，新网银行形成了100余个机器学习模型，模型平均2-3天完成一次迭代，有效地保证了模型的准确性与可延展性。随着“未来银行”的趋势演进，金融业务还将在金融科技的支撑下，更深入地融合到消费场景与用户的生活习惯之中，最终大数据风控将更加智能化与精准化。 

金融科技的助力，除了让普惠金融具备经济可行性，提升银行的风控效率与精准度，也让银行自身发展得到了前所未有的效率提升，为未来发展创造了更多的盈利空间与可能性。 

作为一家“没有物理网点、没有现金业务、没有客户经理”的新银行，这些先天“弱势”，在金融科技的助力之下，反而成为新网银行探索高质量发展的优势。没有物理网点，前期固定资产投入少；没有线下风控流程，人员管理成本轻；没有现金等业务，全力推进数字小微信贷业务打造“爆款产品”，业务增速快。新网银行总体呈现出轻量化运营的特点，逐渐成长成为一家“轻快”的银行。 

以组织架构来看，新网银行极度扁平化，减少审批中间层级，快速试错迭代更新，根据市场情况迅速、灵活调整运营、业务模式。与传统银行动辄30多个一级部门的架构不同，新网银行的结构更加精简，目前仅有15个一级部门；从人员结构来看，新网银行科技与风险等中台员工数量占比超过6成，全行除了匹配传统银行工作背景的员工外，还有超过50%的员工来自于科技行业，比如网络架构师、大数据建模分析师、反欺诈研发工程师等。

拥有主流金融机构从业背景的员工与拥有BATJ一线互联网企业工作背景的员工，在产品设计、流程体验、风控管理等各个方面实现碰撞，在跨界融合的文化氛围中开拓创新，进一步提升了银行整体运行效率和用户产品体验好感度；从运营模式来看，对于一家没有自有流量的新银行来说，新网银行的思路是依托核心的金融科技与大数据风控能力，运用“开放银行”模式，打开API接口，连接各类场景机构、金融同业机构，做一个万能连接器与适配器，提升整个行业的信息流、资金流的匹配效率。

与此同时，新网银行也开放连接金融监管机构，促进监管者或者行业自律组织心中有“数”，为系统性地降低相关风险，打造高效、精准的监管环境和健康、稳妥的金融行业运行环境，做出应有贡献。 

两年来的发展探索，让新网银行各项指标表现良好，在“技术立行”的战略指引之下，也取得了一定的成果。 

2018年底，新网银行获得国家高新技术企业认定，成为全国第二家获得高企认定的银行机构；新网银行报送的两项课题：“民营银行信息科技建设及科技风险管理实践”、“基于互联网数据挖掘驱动银行业务的研究与实践”，分别荣获银监会2018年度银行业信息科技风险管理课题一类成果奖、三类成果奖，成为四川省银行法人机构中首家拿到一类成果奖的银行，这也是民营银行序列里首次获得一类成果奖的机构。新网银行也作为四川省金融科技典范企业，被纳入了地方的独角兽企业培育计划，牵头的“智能金融风险管控”项目，2018年也成功入选四川省新一代人工智能重大科技专项。 

我们认为，金融科技将是民营银行目前实现弯道超车的强大引擎动力，也是能够让银行站稳脚跟、实现差异化发展的核心推动力。金融科技带来的是银行产品、风控、运营的全方位变革，可以弥补物理网点和人力资源的严重不足，可以有效缓解信息不对称问题，为批发式开展小微企业和个人业务奠定基础，也可以助力民营银行达到优化银行收入结构、提高经营效率等目的。

目前各项技术在金融领域的运用愈加成熟，随着大数据、云计算、人工智能等技术的深入应用，数字化监管的日益成熟，以及各类公共数据的整合，金融科技可以在合规的范围之内发挥出更大的能量，也能助力金融风控更加精准，效率进一步提升，最终能够实现“银行无处不在，人人都有云授信”的局面。