第二百一十一章 B端業務（2/2）

張益達不耐其煩的給各位領導講解起了很多工作原理。

「我們如果採購這一整套解決方案，該如何落地？」

工行領導的這一句問到了點子上，其他三大行領導也把目光投向張益達，看他如何回答。

「這個很簡單嘛！

四大銀行引入我們這一整套解決方案，將可以對你們銀行體系的全部用戶進行信用評估和分級。

再按照不同的信用評級，給予用戶不同的授信額度和風險定價。

信用好的，額度給高點，利息給低一點；

信用差一點的，額度就給低一點，利息給高一點。後期再根據用戶的履約情況進行二次信用評估和額度授予、利息調整。」

「光這一點的話。我們的信用卡評分模型也可以做到啊！」

工行領導連連搖頭，他們宇宙行的風控技術也不是蓋的，張益達拿出來的這套風控模型，在他看來，也沒什麼了不起的。

他們工行每年都聘請了很多985院校畢業的後台技術人員，還投入了重金用於研發，風控技術一向不差。

「那貴行的壞帳率是多少？2%還是1.5%？

風控模型和風控模型之間也是有差距的。」

張益達的言外之意，在座的人都聽懂了，意思是：銳向的風控技術比他們四大行的強。

幾位領導都笑了，這位張總還真是年輕氣盛啊！

竟然敢說我們比不上你們銳向！

誰給你的勇氣？梁靜茹嗎？

四大行中，以工行為例，去年用於IT技術研發的經費投入不低於50個億，這還沒有算上整個IT架構、IT團隊日常運行所耗費的資金。

當然，這50個億不是全砸風控系統上面的。

機房建設及維護，伺服器採購及維護，網點終端設備採購及維護都得花錢。

真正投入到「金融科技，風控系統」一類的投入叫「應用系統及廠商服務」。

對於銀行應用系統的開發而言，也大致有三個階段：購買廠商產品、僱傭外包開發團隊、建設研發團隊。

對於小型銀行如城商行，首先會選擇廠商產品，股份制銀行多數僱傭外包開發團隊，大型銀行或科技化程度較高的股份制銀行會選擇建設自己的研發團隊以滿足個性化的需求。

像工行40多萬名員工中，就有近1萬人的科技崗員工。

張益達看他們臉色，就知道他們不相信自己的話。

認為四大行依舊遙遙領先，每年投入的研發經費豈是你一個創業公司比得上的。

張益達覺得有必要和他們上一課，他又說：「我想問下，四大行的風控數據是不是都來源於金融數據？或者說央行徵信。」

張益達這話就把幾位領導問懵了，他們不太了解這些基層業務啊。

幾位領導把目光投向各自帶來的年輕人。

這幾個年輕人見領導和張益達一直在說話，沒有領導開口，一直就在一旁靜聽，哪裡敢胡亂插嘴。

現在見領導示意自己開口，他們這才說話了：

「對，我們的風控系統都是來自於銀行的各類業務數據，包括存款，取款，借款，轉帳等等。」

「除此以外，還要調用用戶的央行徵信報告。」

「我們的「綠豆信用」和「銳向超級大腦」也會收集用戶的金融數據，包括投資理財，借款等等。

但生活數據我們也會收集分析，比如說騎共享單車，共享單車的日常騎行軌跡可以分析出很多有價值的東西。

一個用戶騎了一年共享單車，長期都是騎到同一棟寫字樓，那說明工作穩定。

一個用戶騎共享單車的時候，遵守規則，使用規範，也說明這個人有良好品質……

除此以外，綠豆信用還接入了多個使用場景，比如說租房，住宿，租物等等。

這些應用場景，都可以積累收集一個用戶的履約數據。

魔寶支付，也可以搜集一個用戶的生活消費數據。

另外，我們還和數百家網際網路金融企業有合作。

這些企業會讓用戶在借款的時候，進行綠豆信用分授權。

藉此，我們可以掌握一個用戶的多頭借貸和共債數據。」

張益達把自身產品優勢稍微提及了一下，相比於四大行，銳向的科技能力早已脫離了金融，朝生活中的方方面面覆蓋。

簡而言之：數據收集越多，風控就越做得好。

四大行領導這下不說話了，這怎麼比？

銳向都開始朝一個用戶生活的方方面面滲透了，一個人都快在大數據面前成透明的了。

他們可算是搞明白了銳向的貸款壞帳率那麼低的原因。

奧秘就在大數據分析上面。

和幾位領導達成了意向，接下來天策科技還要走一個「招投標」流程。

張益達一點也不擔心投不中標，意向都早就達成了，就是走個流程。

螞蟥金服只要不來搗亂，其他企業沒哪家敢說金融科技實力勝過銳向。

而且四大行還是銳向的股東，肯定要照顧一下自家人。

天策科技的B端客戶早前一直是網際網路金融行業的中小企業。

但客單價太低了！張益達早就不滿足了，準備進軍一下高端領域。

先拿下四大行，有這些案例在手，再慢慢朝股份行、城商行等機構推進。