消费金融，新一轮洗牌开始了！

近日，最高法拟调整民间借贷利率上限。业内紧急讨论应对，舆论场里却没能掀起浪花。失宠于舆论，说明消费金融正走向成熟，变得模式清晰、未来可预测。
但成熟都有两面性，好的一面是有共识、有规则，消除了冲击性和破坏性，坏的一面则是有惯性、有惰性，失去了多样性和灵活性。在快速变化的时代，惯性太强容易把车开进死胡同。
风控的四大问题
凡事均有利弊。有些弊端，在行业初期不明显，无碍大局；到了一定阶段，就会被激活，显现出杀伤力。
大数据风控之于消费金融便是如此，早期几乎全是优点，随着外部环境的剧烈变化，弊端显现，一些优点也在变缺点。
贷款的关键是风控，风控的核心可归结为四大问题：谁在贷款？贷款干什么？拿什么还款？还不上怎么办？
在这四大问题上，传统风控与大数据风控给出了不同的解决方案。
传统的消费贷款流程，强调资料证明。申请消费贷款时，银行要求借款人提供在职证明、收入证明、公积金缴费记录，甚至还要查验户口。这些证明文件，能很好地解决“谁在贷款”“拿什么还款”的问题，但手续繁琐，体验较差。
引入互联网技术后，大数据风控用数据取代了这些繁琐的现场手续，便利了借款人，大幅提升了借款效率，满足了消费场景对付款时限性的要求，促进了消费贷款与消费场景的融合。
对于“还不上怎么办”，传统风控强调以抵押担保为抓手。只有借款人收入稳定（如公务员、国企员工、大型企业员工等）且借款金额不高时，银行才会妥协，发放纯信用贷款。
相比之下，大数据风控仍然以数据为抓手，摆脱了对抵押担保的依赖，大幅降低了借款门槛，推动了消费贷款普惠化。
至于“贷款干什么”，无论传统风控还是大数据风控，都未给出解决方案，面临相似的困境：房贷、车贷、消费贷的用途是可控的，现金类贷款难以监测用途。
总的来看，大数据风控更强调便利性、突出普惠性，在上行周期，给增长松开了枷锁，引领了消费金融大发展；但大数据风控也有自身的问题，行业高增长既掩盖了问题，又拖延了问题的解决，到了下行周期，这些问题开始被放大。
大数据风控的“一体两翼”
传统风控，以收入和抵押物为核心抓手，大数据风控给出的解决方案，可以总结为一体两翼策略：以“群体风控”为主体，以“定价覆盖风险”和“催收覆盖不良”为两翼。
所谓群体风控，是指重群体、轻个体。就单个借款人来看，大数据风控做不到精准识别，偏差大（这里仅评价行业一般情况，不同机构间的大数据风控能力有显著差异），相比传统风控手段有差距；但胜在效率高、门槛低，借款人数量足够大，客观上把单个借款人风险湮没在群体之中。
2016年前后，国内居民杠杆率低，且消费金融处在风口期，借钱容易，借款人个体层面的信用风险很低。只要群体层面借款人的财务状况不恶化，模型差一些也能凑合用，不会出大问题。
此时，很多机构的大数据风控，追求的是反欺诈能力。相比传统风控模式，大数据风控接触的不是活生生的人，而是姓名、手机号、身份证号、银行卡号等构成的虚拟字符串。一旦虚拟字符串与真实借款人的映射关系被篡改，如身份证显示为A，实际借款人却是B，就会产生骗贷问题。
综合利用人脸识别、黑名单、网络图谱等手段，大数据风控可以把业务线上化释放出来的猛兽（骗贷风险）重新关进笼子里。但很多机构的大数据风控，对信用风险评估始终重视不足，“只要不骗贷，谁都可以贷” 。