金融科技公司都在学习的FICO，是个怎样的存在

指导 | 凯文 张扬 撰写 | 青川

账户管理是潜在新需求，值得金融科技公司去探索。另外，金融机构对反欺诈存在持续、稳定需求，目前国内金融科技公司反欺诈模型在不同机构通常需要调整，以达到效果最优；未来金融科技公司建模能力足够强时，可以做成通用评分形式，适用于各种场景，成为其核心壁垒。

FICO成立于1956年，由工程师Bill Fair和数学家Earl Isaac创立，初衷是通过数据分析以优化企业业务决策。

1958年FICO为American Investments打造了第一个信用评分系统，1972年为富国银行建立了第一个自动申请处理系统，奠定了其现代业务的雏形。1996年，FICO在纽交所上市，最新市值41亿美元。

经过60多年发展，FICO目前拥有上万家企业客户，遍布全球100多个国家。以银行为代表的信贷机构是最重要的客群，全球最大的100家银行FICO覆盖率超过50%。其他客户还包括保险公司、政府机关、教育组织、零售及制造企业等。

FICO提供的产品及服务众多，征信产品FICO评分最为出名，应用于风控决策领域。此外，FICO还提供账户管理、反欺诈、催收等众多业务场景决策引擎。每个决策引擎都包含数量庞杂的算法，以适用于不同使用情景，充分体现了FICO的数据分析和预测能力。

对于决策引擎无法解决的问题，FICO会派驻咨询专家实地解决客户需求。同时，为了提高决策人员效率，FICO还开发了通用决策工具，用于决策引擎开发调试。

从2016财年收入看，FICO评分贡献2.41亿美元收入，占其总收入27%。决策引擎、专家咨询部分收入达5.33亿美元，占总收入60%，营收占比最高。决策工具在其业务体系中作用较低，收入占比仅为12%。

FICO评分，美国征信体系支柱

美国个人征信体系由三大征信局、FICO共同组成，三大征信局下有上千家地方征信局，为其收集数据。FICO则在征信局数据的基础上，对用户进行评分。1981年FICO首次推出征信局评分，1991年其评分在三大征信局得到广泛使用。

FICO评分是一项标准产品，由五个通用维度组成，分别为信用记录、欠债额度、信用历史长度、信用账户组合、新账户情况，用以评价用户的信用风险。FICO本身并不收集数据，其评分建立在三大征信局的基础上，所以同一用户在不同征信局的评分会略有差异。

FICO评分广泛应用于风控领域，作为放贷参考，发展至今已经被美国大部分银行、信用卡组织、汽车金融公司、抵押贷款机构所采用。美国前100家金融机构中有90家使用FICO评分进行消费信贷决策，每年FICO评分查询量超一百亿次。

FICO评分业务包含两部分客户，一部分是银行、保险等机构客户，这类客户向征信局付费查询用户征信报告、FICO评分，并通过征信局向FICO付费。另一部分是个人用户，这些用户向征信局或向FICO提出查询申请，并支付一定的费用。

FICO评分是公司营收重要组成部分，2014-2016财年该业务收入从1.86亿美元上涨至2.41亿美元，占比从24%提升至27%。另外，评分业务由于标准化程度高，具有很强的规模效应，营业利润率很高，2016财年评分业务营业利润占比超50%。

美国三大征信局与国内央行征信中心作用相似，不同的是三大征信局均基本覆盖了美国成年人口，国内央行仅有3.8亿人征信记录。征信领域巨大空白需要第三方补足，因此出现了同盾、百融等从事数据服务的公司，可为消费金融等信贷业务提供数据支持。

但三大征信局能够获得金融机构的反馈数据，包括用户账户信息、还款记录。国内根据监管规定，第三方机构无法从银行等金融机构获得这类数据，这就决定了其在征信体系中更多地是起辅助作用。

FICO评分发展至今已经迭代到第9代。FICO评分的强大在于适用场景极广，不光适用于不同的贷款环节，也适用于不同的信贷产品线，同时还在不断扩大适用的人群。因此，为了保证通用性，FICO评分背后的模型算法十分复杂，竞争壁垒很高。

通用性也是未来中国金融科技公司重要竞争壁垒之一。决策引擎通用性越强，金融科技公司产品能覆盖场景越广，也就更容易被金融机构所接受。此外，通用性强的产品不需要做太多定制化，能够提高业务毛利率水平。

账户管理业务国内尚未有公司涉足

除了风控决策，FICO决策引擎还应用于用户账户管理、反欺诈、市场营销、催收等场景。

账户管理主要是帮助信用卡机构提振业绩表现，包括贷款规模增长、利息收入提升、坏账率降低等一系列绩效优化。

金融机构传统业务以产品为导向，发展思路是管控某一产品的通过率、坏账率等。账户管理则从用户的角度出发，决定对哪些用户进行交叉销售以及销售的产品种类；监控用户的风险水平，动态调整其信用额度等。

最近几年，该业务面向的客户覆盖了全球65%的信用卡，为FICO贡献的收入稳定在8000万美元。账户管理的业务逻辑与产品导向的业务逻辑迥异，目前国内从事该业务的金融科技公司寥寥，值得重点关注。

反欺诈是FICO另一款重要产品，在其收入构成中占比超过20%。反欺诈包含交易反欺诈和风控反欺诈两部分，前者属于交易安全，后者属于风控范畴。交易反欺诈和风控反欺诈存在交叉部分，比如二者都需要识别交易发起人的真实身份，都会用到身份识别技术。

银行、卡组织等机构看重交易安全，需要在信用卡支付、在线支付过程中监控是否由本人发起、是否存在异常行为。风控反欺诈是金融机构普遍面临的挑战，比如需要防范用户骗贷、欺诈团伙骗贷等。

FICO构建了反欺诈平台（FICO® Falcon Platform），为银行、保险公司、政府等机构提供反欺诈服务。平台本身包含身份验证、移动支付反欺诈等通用算法模块，同时也可以添加定制服务，比如BI等服务。此外，也可以添加社交网络分析、移动设备分析等模块。

FICO曾为苏格兰皇家银行（RBS）提供交易反欺诈服务，效果明显，FICO反欺诈策略上线四个月便降将欺诈率降低了50%。

如上图，反欺诈收入在FICO营收中占比一直比较稳定，最近七年FICO反欺诈收入总体呈上升趋势，由此可判断，银行、保险等金融机构对于反欺诈需求长期、稳定存在。目前，FICO在反欺诈领域要同Acxiom、Epsilon、SAS等机构竞争。

国内银行、消费金融公司随着业务拓展，对反欺诈的需求愈发旺盛。FICO已经将人工智能技术应用到反欺诈，用以识别移动设备、IP地址的异常。在这点上，国内金融科技公司并不输给FICO，特别是在风控反欺诈层面，国内人工智能技术在该领域应用更为成熟。

市场营销则是一项通用需求，在金融、电商、制药、政府机构都有应用。在国内，百分点科技最初做电商、媒体领域的大数据营销，后内部孵化出百融金服从事金融领域的大数据营销。

传统市场营销以产品为导向，目前正逐渐转变到以客户需求为导向。这个过程中，FICO为机构提供一整套的营销解决方案，用以获取用户、交叉销售等。

市场营销方面，三大征信局、Acxiom、Epsilon均为FICO竞争对手。Experian在2011财年市场营销业务收入4.4亿美元，到2017财年变为4.2亿美元，收入稳定，说明市场营销需求一直存在。

FICO在营销业务层面并不擅长。该业务收入在2009到2011财年约占总营收10%，规模约6000万美元；2011年之后未单独披露，说明占比已经较低。

国内金融机构对于市场营销的需求方兴未艾。中小股份制银行、城商行本身用户数不高，提升借贷业务规模首要需求是获客，对大数据营销具有需求。对比FICO和Experian该业务收入可发现Experian更有优势，一定程度上说明拥有数据的机构在营销业务上更占优势。

此外，FICO催收业务收入占比也较高，2013到2015财年均为9%。FICO催收业务主要是为金融机构提供多渠道的自动催收方案，包括电话、短信、电子邮件等，提高催收效率、降低催收成本。国内同类公司之前多从事失联修复业务，随着用户数据监管趋严，也逐渐转向催收解决方案。

对标FICO，国内金融科技服务刚开始

对于国内提供2B服务的金融科技公司来说，FICO决策引擎参考价值最大。对标FICO，有助于了解国内金融科技公司的发展方向。

中国金融业长期落后于美国，但近年随着互联网金融的兴起，越来越多人开始参与到金融信贷中。新的金融模式最先催生了一批直接从事信贷业务的公司。

随着进入者越来越多，金融基础设施不足、传统金融机构技术基础差的问题也逐渐暴露。为金融机构提供大数据等金融科技服务成为热点，过去两年诞生了一系列此类公司。

按照是否提供数据服务，可将这些金融科技公司分为两类，一类是百融、同盾、银联智策等既提供数据服务，也为金融机构提供大数据营销、反欺诈模型服务的公司，这类公司业务形式更类似于Experian等征信局。

另一类公司本身并不拥有数据，为金融机构提供模型算法服务，包括氪信、诚安聚立、冰鉴、中科聚信等公司，可对标FICO决策引擎业务。

通过调研我们发现，国内金融机构的需求除了账户管理尚未明确显现，其他需求依然集中在精准营销、反欺诈、信用风险管理、催收等维度。

反欺诈需求在其中最为旺盛，这也是很多金融科技公司从反欺诈业务着手的原因。目前国内金融科技公司的反欺诈模型在不同机构通常需要优化调整，决策引擎尚未形成。

而FICO不光有征信评分，反欺诈也同样形成了标准的评分体系，分值区间为1-999，适用于不同支付手段或应用场景。未来，国内最先做出通用反欺诈决策引擎的金融科技公司，将树立起该领域最高的竞争壁垒。