一般制造业流程，以制衣为例，是购买原材料布料，进行版型加工，产出成品成衣。银行业以制造流程上看，按现金流方向，原材料是贷款资产，加工流程是信用赋予，成品是存款。为简单化，这里只考虑基础的纯借贷业务，其他产品也都是基于存贷基础的衍生。所谓制造是将原材料进行加工，生产出符合市场需求的产品。银行就是将贷款原材料进行信用加工，产出存款产品。由于银行资质的限制，银行的存款产品大多是自产自销，我们将贷款信用加工视为工厂制造，存款网点视为店面零售，银行的经营类似于前店后厂模式。
为什么要做上述的区分？金融产品识别的难点便在于产品形式上都是无差别的货币，而通常的分析都是基于无差别货币形成的对公业务、零售业务、贷款业务、存款业务等业务模块，通过比较各个业务模块的风险收益能力来衡量银行的整体水平。这类分析适用于银行成熟业务领域的竞争优势对比，对于新兴的大数据银行而言，重点在于业务模式本身是否具备可行性，能否存活，货币的信用差别显得格外重要，基础的制造流程分析提供了有利的判断依据。（由于新兴的金融模式都采用互联网数据技术，文章以大数据银行作为新兴金融的统称，来区别于传统银行）
可行性：
金融指的是绕过中介机构，由贷方直接贷款给借方的点对点借贷模式，平台只作为交易撮合平台，不承担借贷风险。设计初衷便是将贷款直接交付于贷方，达到去中介化目的，节省双方借贷成本。而以制造流程角度上看，其实就是将贷款“原材料”卖与客户，而不是“产品”。流程并不涉及信用制造，即是说其没有加工成产品，直接将原材料当作产品卖给客户。校园裸照事件从侧面也反应出国内在信用制造环节上的缺失。
众筹可行性：
众筹，也是一种基于互联网技术，向不特性公众发起的融资需求。因为公众投资者进入门槛低，投资额度小，也经常被错认为低风险投资。就国内目前的众筹形式，如京东、阿里上面的众筹产品，其实就是“捐款+夺宝+预售”，众筹对象压根就不是投资方，而是消费者。一种良性的融资模式，不仅仅是在缩减借贷成本，更应该提供稳定的回报预期。众筹项目与公众投资者明显存在着风险收益不匹配的问题，而核心依然是去中介后的信用制造缺失。
我们可以看到，目前这些新兴的金融业务模式，很多都是打着互联网技术，去银行中介，意图缩减借贷之间的渠道距离成本，但是很明显没有搞清楚借贷的本质。金融去中介是个伪命题，因为金融机构大部分时候承担的是工厂制造的角色，去中介指的是渠道，而不是生产加工。在国外，纯粹的点对点借贷基本已经不存在，、众筹平台已经开始向中介机构方转变。有意思的是，是往联保联贷发展，即提供贷款的信用加工。而众筹，则是引入风投等权威机构对项目赋予信用，集合项目打包融资。（注：有兴趣的话可以看《大数据银行：创新者、颠覆者、企业家们正在重塑银行业》作者：布莱特·金，书中对各类银行新兴联网模式都有涉及。）
银行的渠道并不长，前店后厂模式下，产品到零售店面没有经过第三方，其渠道可以说已经很是扁平。银行借贷成本的高企不是来自于渠道的亢长，而是寡头市场的垄断利益索取。大数据银行便是要引入新的竞争模式，颠覆市场垄断格局。
是否互联网化就是大数据银行：
是全球大的直销银行，没有实体分支机构，业务都是依赖网络终端电脑、手机等。只做房屋抵押信贷业务，通过推出更高利率的存款产品来获取资金。除了缩减实体店面，其他模式与传统银行并无差别，后来的互联网追随者、也没有走出传统银行范畴。这类互联网银行与传统巨头之间的竞争依然停留在优质资产的争夺上，而优质资产识别正是传统银行的优势所在。在其他信贷市场没有规模信用识别能力，故其只能局限于房屋抵押信贷这个细分市场，贷款原材料资产的缺乏限制了存款产品的供应，分支机构费用节约无法对传统银行巨头形成明显冲击。
传统银行与大数据银行的区别，在于传统银行优势在于信用识别，大数据银行在于信用制造。在传统银行信用识别模式下，其原材料多为优质贷款资产，也就是说这些贷款资产本身就已经具备了信用。如果用制造加工角度的术语来说，银行工厂购进的原材料基本上都是半成品材料，其中的高信用客户贷款更是成品，银行多就是摘摘线头、贴牌包装就可以上市销售。传统银行之间的竞争就在于原材料采购、店面零售覆盖率以及资产信用识别。前店后厂模式使银行的原材料和店面零售依赖于银行网点地域覆盖优势，这也是四大行优于其他银行的优势所在。同时，资产信用识别能力则反映在资产不良上，不良资产意味着银行采购到信用不足的原材料，而银行又不具备对这些资产信用加工的能力，这也让银行在资产识别上更加的谨慎保守。所以我们经常说的招行风控好，其实就在于不懂信用识别就不做的保守优势。
阿里系支付宝蚂蚁金服的可行性：
之前写过一篇关于移动支付的文章时就提及，支付宝优于银联的地方，便在于其来自弱信用市场。而在弱信用市场生存的核心，就是信用制造能力。在桌面电脑时期，支付宝采用的是独立账号资产隔离和交易担保来制造信用；进入移动智能手机时代，则以购物粘性为核心的一系列行为信息整合，使用户不愿为了信用违约而丧失购物体验。只有数据与行为的结合，才能让蚂蚁金服可以对一个未加信用识别的用户提供信贷服务。
传统银行缺乏数据与行为信息结合的信用生态体系，注定其无法获得信用制造能力。大数据银行的信用制造能力意味着可以无视传统银行的网点优势，无需职工到当地跑业务，不存在地域限制，也无需挑剔原材料。大数据银行之间的竞争将从原先传统银行的网点覆盖率及信用识别能力，转移到数据行为生态的构建上。蚂蚁金服可以随意地为淘宝用户提供近万元的消费信贷，而不需要提供用户担保；另一方面校园贷则要靠裸照担保，还要经常面临违约风险。信用制造是大数据银行之间的竞争力核心。移动智能手机的应用，也使得这种生态更容易扩张，如支付宝的数据行为可以不在局限于淘宝天猫，而能够扩张到数据共通的其他消费行为。
金融脱媒：
金融脱媒，形式上的表现是绕开银行间接融资渠道，让企业与客户直接达成信贷交易关系。国内市场金融脱媒并不是新兴现象，企业发行新股或是债券，就是一种广义上的金融脱媒。证券交易平台上的企业融资，都有严格的准入门槛，其实就是为了督促企业为自有资产提供高信用的担保，平台要求交易的必须是高信用的成品，而非低信用的原材料。高信用资产不愿意银行获取零售终端差价，而是倾向于直接与终端存款客户交易。金融脱媒对于传统银行，意味着将失去信用识别领域优秀的信贷资产。只有优质的高信用资产才存在脱媒可能性，而不是众筹、这类低质资产。
传统银行的信用识别，更像是服装市场上的买办，为存款客户寻找合适的高信用资产。大数据银行则是制造工厂，将低信用的贷款转换为高信用的资产。在原材料领域，大数据银行将是低信用资产的大规模加工，而传统银行的原材料来自于各个企业的作坊式运作。高信用资产是有限的，而低信用资产是无限的。
相关阅读
评论列表