调研观察：
网商银行携数字基因而生，是一家“技数”推动的银行（技―科技，数―数据），创新“310”贷款模式、用大数据和人工智能技术改变传统金融服务模式，将每笔贷款的平均运营成本降到2.3元。成立3年多，网商银行及前身阿里小贷累计为超过1170万小微客户提供经营性贷款。
不论是从企业内部管理，还是业务拓展，技数驱动深入到网商银行的方方面面，发展过程中一直都在借助技术推动业务的创新发展。业务上，充分利用大数据，实现全程数据驱动，从一开始的营销、到客户筛选、到业务执行（贷款审批、放款跟踪等），实现高效的智能化操作。实现数据驱动，部门间的打通和联合是关键，各部门的数据联合起来，才能更好的挖掘和实现数据的价值。
从客户群体看，网商银行关注于小微、“三农”，所提供金融服务的特点是小、急、短、频；从业务形态看，所有业务都是在线业务，同时因为金融业务不是一个高频业务，所以并不追求客户端的活跃度，而更关注于通过场景触达客户（外卖、网购等）；从业务规划看，更关注于协作共赢，希望通过技术输出与更多金融机合作，充分发挥网商银行的技术优势和金融机构的业务、市场优势，共同更好地服务客户。
在营销创新领域，充分利用大数据、AI等技术，创新服务、精准定位目标客群，以“大促贷”的投放为例，是基于大数据、用户画像的精准营销，从产品的设计到投放都体现出了技术驱动，产品是针对于特定的时间（双11大促等），针对特定的客群和需求（卖家在大促期间备货和营销的资金需求）制定的产品，其背后是对于这一特定时间、场景下特定客群的个性化需求的准确把握。
在风险管理领域，拥有EB级的数据，可以真正实现基于大数据的自动化风险控制；区别于传统的指标式风险控制，真正构建了相对全面的风控模型，除了对于客群本身行为的关注，还会关注到行业的走势等时间维度的完全性（对于季节性商品会综合考虑到旺淡季的差异等）；“310”模式背后的风控模型和风控体系。
在信息系统建设方面，成立之初就整体采用了云架构搭建业务系统，一方面，这种分布式开放的架构为产品创新及研发效率的提升提供了助力，业务系统基本达到了2周一次迭代，更快更好的响应客户需求和市场环境的变化；另一方面，作为一家纯线上银行，对于业务的持续性、稳定性和快速响应有很高的要求，云架构提供了高可用和稳定性的能力，高并发处理能力强；从开业之初的两地双活数据中心到目前的异地多活数据中心，通过分流将灾备资源充分利用起来，而不像传统架构下灾备中心平时只用于备份，不承担业务，提升了资源利用效率；企业内部管理充分利用技术工具，从系统建设到系统运维使用了几十套应用系统协助管理，有效提升了管理效率。
对于数字化，网商银行CIO唐家才的观点是：数字化为业务的发展提供助力，网商银行的目标是为小微、“三农”等过去不受重视的群体带来更多平等的机会，数字化的目标是服务这些客户――普，通过技术降低成本――惠，真正的实现普惠金融，从而逐步实现为世界带来微小和美好变化的愿景。
“310”模式的背后：风控创新
网商银行立足于服务小微企业，基于创新的微贷技术，客户可以获得7*24小时金融服务，实现3分钟申贷，1秒钟放款，全程0人工介入，即“310”模式。“310”背后是长期积累的风控技术能力，包括10万项以上的指标体系，100多个预测模型和3000多种风控策略。这些技术，一方面可以让小微企业和经营者不用担保和抵押，凭借信用就能进行贷款；另一方面，将不良率控制在1%左右。
之前受惠于“310”模式的主要是网上的卖家和中小企业，如何让新金融惠及线下数量更广的小摊小贩，一直是无法破解的难题。2017年6月，网商银行联合支付宝收钱码推出“多收多贷”，率先开始了这场没有先例的探路之旅。
开始风控专家们心里也没底，但随着不断探索，他们发现线下小微经营者用上移动支付之后，沉淀下来的部分数据维度甚至比线上电商还要丰富，再结合风控能力和创新的模型算法，为线下小微经营者提供贷款服务就有了基础。
首先，识别出真正的商家――毛线球vs蒲公英。怎样才能给真正有需要的线下小商家最合理的授信额度？首要解决的问题，是如何从海量使用收钱码的用户中识别出哪些是商家，哪些是个人。网商银行研究发现，这个问题可以通过分析人与人之间的资金关系网来解决。如果是个人，与他发生资金联系的人，互相之间多少是有联系的，他们的关系图就像一个毛线团。而如果是个人经营者，与之发生资金关系的人会更多，而且彼此之间没有什么联系，关系图像一个蒲公英。这个逻辑虽然简单，但是要对几千万户的商家在几秒钟内做出判断，对模型的精准度要求非常高，需要非常强的人工智能计算能力。
其次，要了解商家的经营状况和潜力。为线下小微经营者提供贷款服务，最重要的是评估其信用情况，但他们往往没有车、房等固定资产，也缺乏信用记录和积累，如果仅仅通过已有的交易授信，很难还原他们的经营全貌。所以，在经营预测上，网商银行会更多考虑线下小微经营者的实际情况，来预测店铺未来的经营潜力和经营风险。
比如沿街的门店在遇到修地铁、铺设管道等市政变化时，通常会影响未来几个月的经营情况，所以将店铺的地理位置与地图数据进行匹配，结合周边的市政信息、地标建筑、人流情况、买家结构、同类商家情况等，通过商圈聚类和行业识别，结合检索算法的优化处理，数十亿LBS节点快速匹配，能够在几秒钟内计算出店铺在未来6个月的经营潜力和经营风险。举个例子，同样是卖包子的两家店，口味、客群、每天的流水、老板的勤劳程度等所有的经营状况都相同，其中一家店所在的马路很快要开始修地铁了，那么这家店老板能够从网商银行贷的款，就会比另一家少。
同时，还要反欺诈防范风险――把套现苗头“扼杀”在萌芽状态。网商银行行长黄浩曾经说过，“传统的信贷风控理念往往先把人预设为坏人，但网商银行从不预设任何一个坏人，我们把每个人首先看成是好人，然后用大数据的风控技术把其中少数的‘坏人’挑出去。”
套现模式变化多样，套现是个攻防博斗的过程，套现本质上会在交易上具有短时间的集中性，因此，基于同个虚拟群体中套现黑产在交易上表现出的短时间的聚集性，网商银行通过时序交易关系网，运用LPC算法识别出了上万个套现虚拟社区、几百万套现买家，在新套现模式刚刚冒头的时候，就能实现对套现模式的覆盖和防控。
此外，对风控技术进行创新尝试。在网商银行，风控不只是后台技术，还与为小微经营者提供服务的产品更多联动起来。比如，将风控技术与产品设计相结合，在“多收多贷”的页面，商家能够看到，用支付宝二维码向有效顾客收款，顾客越多，自己能够贷款的额度越高。有的商家收一笔款就能在提额日提升50元额度，直至达到提额上限，让商家做到心中有数。
除了产品创新外，在技术应用上不断创新。传统的风险预测模型通常采用回归、决策树等算法，通过固定时间截面的数据进行预测，而忽略各种行为在发生时间上的连续性，网商银行将最新的Dynamic Structure2Vec算法应用在了多头借贷的识别上，不仅整合了静态的异构网络信息，还增加时间维度，将原来立体的算法上升到四维空间，从而把上一个时间点的状态传导到当前，是一个流式的自我学习的图深度学习工具，可以挖掘出潜在的行为模式。
在一系列风控技术的助力下，服务线下小微商家不仅成为了可能，成本也大幅降低，网商银行每笔贷款的平均运营成本仅为2.3元。截至目前，已经有超过300万线下小微经营者获得了网商银行的贷款，笔均贷款金额仅7615元，平均资金使用时长50天，6个月内贷款超过3次的经营者达到35%。
助力“码商”搭上数字化快车
2003年，中国出现了“网商”群体。由于移动支付的普及和金融科技的发展，2017年成为了“码商”崛起元年。路边的包子铺、菜市场的小摊主……这些线下的小微经营者，规模小、底子薄、缺乏信用记录和积累，一张二维码让他们零门槛开始了“数字化经营”的第一步。
27岁的肖冕在成都市开了家水果店，由于要供应附近十多家酒店的水果，常常不能及时回款，而进货又等着要用钱，他尝试过使用小贷公司的贷款，但利息太高吃不消；银行贷款周期长、手续繁琐让他感到远水救不了近火。2017年他使用支付宝的收钱码后，这个问题解决了。
水果店支付宝账户里每天流水稳定，肖冕试着用了下贷款功能，发现需要用的钱时候点下手机资金很快就到账了，不需要复杂的手续，而且贷款利息较低，“贷款10万，每天利息最多不到50元”。这解决了他的大问题。其他果农、批发商听说他用支付宝收钱、贷款“很溜”，都来请教，肖冕很乐意分享经验，“一来交易走账会更方便，二来也能维护好客户关系”。他在水果批发市场的人缘越来越好，很多批发商都愿意优先把质量最好的水果供给他。现在，肖冕再不用为资金不足发愁了。
从行业看，网商银行服务的“码商”主要以服务行业的经营者为主，其中服装店、超市便利店、烟酒杂货等零售商家占19%，餐饮、教育、美容、维修、家政等纯服务性商家达81%。
用大数据技术服务“三农”
网商银行正积极探索用互联网的手段沉淀数据，运用大数据等技术创新，逐步建立农村信用体系，消除农村信用鸿沟，降低金融服务的成本和信息不对称性。实践证明，大数据技术让普通农户、小微涉农企业等农村用户，得以享受与城市用户无差别、平等便捷的普惠金融服务。
徐州农民徐峰与国内大型农牧食品集团益客合作，供应肉鸭，存栏将近15万只，因鸭苗和饲料的采购量大，他自己的资金承担不了，期间也向银行贷过款。今年2月份，益客告诉徐锋网商银行可以为农民提供资金，扶持农户扩大经营，徐锋详细了解了贷款产品，当得知贷款可以随借随还，立即提出了贷款申请。“虽然网商银行给我的额度没有银行高，但是能够随借随还，而且利息低，每次要买多少饲料，就支用相应的额度，多余的钱不支用不会产生利息，降低了成本。我每次卖了肉鸭收回资金后，第一时间还贷款，不会造成资金浪费。”
徐锋开始贷款的3个月时间里，支用25次，最低1万元最高5.4万元，总共30万元的授信按随借随还使用，到目前为止实际资金使用已经远超30万元。
截至2018年9月底，网商银行及前身阿里小贷累计为1171万小微企业和个人经营者提供了近2.14万亿元经营性贷款。其中，服务了467.4万家农村小微企业、农村个体工商户、农村种养殖户。
除了服务线上的“网商”和线下的“码商”，网商银行还基于大数据和风控模型，打通线上线下、实现数据一体化，围绕品牌核心商家提供综合金融服务方案，帮助符合条件的上游供应商或下游经销商更快、更高额地获得信贷支持，将金融服务延伸到新零售产业链上下游的小微企业。
数据显示，今年双11，一共有343万商家从网商银行获得了2020亿元的资金支持，贷款金额较去年同期增长37.4％，网商银行累计投入3000万元补贴帮助降低商家融资成本，其中，部分产品甚至给到商家最低8.5折的利率折扣，为小微企业注入增长信心。
今年6月，网商银行在成立三周年之际推出“凡星计划”，向行业开放所有能力和技术，与金融机构共享“310”模式，希望未来三年与1000家金融机构一起，共同为3000万小微经营者提供金融服务。
当前，银行纷纷投入巨大的资源进行数字化转型，移动化、智能化、数据化在更高效地获客、活客、留客的同时，给客户带来更便捷的服务、更低廉的价格、更友好的体验。《银行家》杂志特推出《银行数字化转型》栏目，旨在聚焦业内关注话题，分享银行数字化转型实践案例，预测银行数字化转型趋势、分析衡量转型效果、探讨数字化竞争力评价等等。敬请关注业内经典案例并分享您的观点。
――《银行数字化转型》课题组
本文首发于微信公众号：银行家杂志。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。