在金融领域，美国的发展程度依然遥遥领先于中国，但在网络借贷和金融科技领域，却呈现出了与金融领域完全不同的发展趋势。网络借贷、金融科技的概念都源于欧美，这些概念及模式传入中国之后，从最初的学习、模仿到创新突破，中国金融科技行业显然已完成弯道超车，到达引领全球金融科技发展的领先位置。这是来自全球的金融科技专家、学者、行业领袖在第五届美国LendIt(朗迪)峰会首日达成的共识。
美国时间3月6日，第五届美国LendIt峰会在纽约召开。作为全球最大的网络借贷和金融科技行业峰会，来自全球40多个国家、1000多家机构、超过5000名业界领袖在此展开了对话与交流。
作为中国网贷和金融科技领域的代表，拥有独特且可持续发展的商业模式、领先国际的大数据风控技术、唯一一家在美国设有硅谷大数据实验室的中国Fintech企业信而富，见证和参与了中国金融科技从诞生到崛起到引领世界的不同阶段。
在峰会现场，信而富通过主会场演讲、展台、圆桌论坛等形式向全球业者传递中国网贷和金融科技行业声音，展示了中国企业的软实力。
东风正劲，信而富迈入高速发展的快车道
峰会次日，当地时间3月7日，信而富CEO王征宇博士在LendIt峰会的主会场发表了主旨为“迈入高速发展的快车道”的演讲。
王征宇博士现场说到，中国庞大的信贷规模中，属于个人消费信贷的份额仅有20%，在GDP中所占比例仅为2%，而在美国这一比例则要超过60%，在GDP中占比超过20%。中国的消费信贷占比与美国相比，差距很大，即便与邻近的东南亚国家相比也很低。
艾瑞咨询研究报告显示，预计到2019年，中国互联网消费金融市场规模将达到3.4万亿元，消费信贷在中国仍然具有广阔的提升空间。致力于个人消费信贷服务的信而富也迎来了高速发展良机。
由于征信数据缺失，中国有近5亿人群“央行有数据，但无信贷记录”，很难从传统金融体系获取消费信贷服务。信而富从消费信贷角度，率先提出了“EMMA(爱码族)”概念，“爱码族”英文全称为“Emerging Middle-class, Mobile Active consumers”，他们是“成长中的新兴一族”，也是“移动互联网设备的频繁使用者”，具备“年轻，职业发展中，小企业工作，对于互联网重度依赖，喜欢网购，拥有各种消费和信贷需求”等主要特性。
信而富为“爱码族”群体打造了“全生命周期服务”的商业模式。从500元“现金贷”起步，伴随着“爱码族”逐渐成长，其消费借款需求也会逐渐增多。信而富通过长期稳定的服务质量，深入了解用户需求，从而伴随用户共同成长并获得盈利。
不论是从国家的宏观GDP占比，还是细分到用户市场，信而富都定位清晰目标明确。截至2016年年末，信而富累计借款人已突破140万，借款笔数突破1000万笔。2017年，信而富将继续通过核心技术实力，抓住市场发展机遇，走出一条高速发展之路。
金融科技企业与银行紧密合作将是双赢
信而富在中国有16年的风险管理实践经验，曾为国内一半以上的全国性银行提供风险决策、模型评分等信贷管理技术服务，与银行有着悠久且紧密的合作。信而富CFO沈筠卿受邀与来自德勤、LendKey等企业的嘉宾共同围绕“银行如何与金融科技企业合作”这一话题展开讨论。
沈筠卿在现场表示，银行本身从事存款业务，有相对便宜的资金来源，也有优质的征信数据、好的信贷决策体系。银行与金融科技企业合作，可为有需要的借款人提供成本较低的借款，同时，银行也可以低成本获取更多的借款用户。
他补充到，银行等传统金融机构基本上不会为5亿爱码族提供服务，信而富通过先进的PST(预测筛选)、ADT(自动决策)等大数据风控技术为这部分人群提供消费信贷服务。
看上去银行和金融科技平台并没有开展任何合作，但是由于两边在用户上完全不重叠，形成了完美的互补效应，这算是另一个维度的合作模式。
沈筠卿认为，金融科技平台只要设计了合适的产品，正确的目标市场，合理的定价，就可以与银行建立长久的合作关系。
反欺诈是中美同业的共同课题
作为数据处理领域的年轻专家，利用先进的理念和人工智能为中国消费信贷决策提供数据解决方案，信而富硅谷大数据实验室首席科学家Thomas Wang受邀出席“身份验证的最新技术”分论坛，与来自ThreatMetrix、Transunion、LoanDepot、IDology等知名Fintech企业嘉宾共同交流。
Thomas Wang表示：在美国，欺诈集团或个人通常会通过一些泄露的个人数据，制作出近乎真实的个人资料，用这些资料对金融机构或者网贷平台进行攻击。而在中国，通常是一个人做很多假的ID，然后对网贷平台发起攻击。
信而富是怎么做的呢？信而富采用了AI/人工智能技术可大规模降低欺诈发生。中国是全世界拥有最多大数据的国家，亿级用户以上规模的大数据机构众多，但是大数据质量不一并且分散，多为具有典型中国特色的非金融数据。信而富通过与这些大数据机构合作，对用户在互联网、社交平台等方面的行为、轨迹数据进行分析，能够有效辨别出潜在借款人的风险级别，这一技术有效地解决了欺诈防范的问题。
