-.--大數據金融全方位解析伴隨著阿里集團在美國上市，互聯網金融的大戲進入高潮，大數據、云計算以及互聯網金融等幾年前對公眾還很陌生的技術術語，迅速成為社會熱點。這些底層技術以移動互聯的用戶體驗呈現出來，不僅通過互聯網產品改變了人們的衣食住行，更通過互聯網金融產品開始沖擊"智力博弈巔峰"的金融業。不管你恐懼還是欣喜，大數據金融時代已經來臨。如何理解由技術創新逐漸引領的金融創新？何謂大數據金融？我們選取三個最有代表性的例子來解答。何謂大數據？大數據沒有嚴格定義，顧名思義就是"很多數據"。可以從三個層面來解析這個特別的稱謂--從生產來看，不需要特別的采集過程，因為監管要求、業務邏輯或者技術便利，具有"自生產"特征，比如搜索數據、交易數據等；從存儲來看，相對于傳統數據庫的數據規模，量變引起質變，需要新的數據庫技術來支持存儲和訪問；從使用來看，分析方法從基于概率論的抽樣理論過渡到人工智能、統計學習等講求高維、高效率分析技術。從行業細分角度，大數據金融業主要有大數據銀行金融和大數據證券金融，分別和銀行業務、證券業務相關。當然，保險業天然就和大數據相關。信用卡自動授信是典型的大數據銀行金融。從銀行角度是否應該對申請者授信、發授多少信用額度，是個重要問題。傳統方式是人工審核申請資料，然后根據大致的檔位發放額度或拒絕申請。但是當銀行積累了足夠多的用卡客戶數據，可以把是否違約，違約概率，有效使用額度等指標作為被評價對象，然后調用與此相關的各種客戶信息建立統計模型，自動計算授信結果。機器人[-2.80%資金研報]投資是大數據證券金融的代表形式，股票價格波動受各種因素影響，傳統的投資方式一般人工收集信息，手動交易。機器人投資可以建立多因素模型，自動選擇股票或尋找交易時機，在適當的風控模型下建立機器人投資云交易模式。再如，連接銀行和證券的大數據不良資產評估。2005年，某國有不良資產管理公司開始嘗試在海量數據基礎上進行不良資產評估。原本銀行信貸資產的評估都是基于會計模型，但是不良資產基本沒有會計特征，很難用傳統方法評估。因此，收集已處置資產和待處置資產樣本進行對比，建立數據挖掘模型，可以方便評估待處置資產的價格。了解了大數據和大數據金融的幾個應用實例，我們總結一下何謂大數據金融。金融業積累的大數據就是金融大數據，根據銀行金融和證券金融本身的不同，這些數據也分成銀行金融大數據和證券金融大數據。積累數據過程中，產生了數據采集、存儲、使用的相關工作和企業，這樣就完成了金融大數據的產業鏈，但總體依然是信息技術產業鏈。隨著信息技術全面發展，金融大數據產業具備提供信息技術服務之外的金融服務能力時，就產生了大數據金融。大數據金融是脫穎于金融大數據的新服務，是技術服務催生出來的金融服務。出走的“阿里系”聶歐宋怡青張曙霞阿里巴巴在美國紐交所上市次日，清華五道口金融學院的一場EMBA課后，蔣韜被講臺下各路大佬包圍，要求私聊。復旦大學計算機碩士畢業后，蔣韜從IBM到了美國硅谷，2009年加入阿里，從事反欺詐和風控領域研究，位至安全部技術總監。2013年創業，成立"同盾科技"，同年獲得IDG和華創資本的1000萬元投資。除他之外，從阿里出走的還有一批人。創業最初，蔣韜一個人拉客戶、談投資、建團隊，但不久就有原同事加入進來。眼下，核心團隊匯集了阿里安全部、美國PayPal公司的一批反欺詐科學家和技術高管，專注于賬號、交易、支付和網絡信用等領域的一系列反欺詐技術開發。"創業圈里有騰訊系、百度系、華為系、IBM系、復星系等，我們是阿里系。"蔣韜團隊目前所做的，是接入銀行、保險公司、第三方支付和P2P等機構的大數據庫，以數學建模來抓取行為、用戶習慣等信息，"抓壞人"。在全球規模龐大的信息泄露關聯產業，一批黑客長期從事截獲并販賣大眾信息的工作，而接貨者則通過計算機自動比對，將買來的賬號密碼等信息在各大金融機構網站、電商網站進行"撞庫"，成功率通常可以達到5%?10%，成功"撞庫"的信息將高價賣出，以便下個團隊用以挪走消費者資金、非法支付和欺詐勒索，等等。按照銀監會一位人士的說法，金融機構自身安全措施并不完善，技術不斷升級但總趕不上黑色產業的蓬勃生長，加之互聯網金融中的P2P、直銷銀行、NFC支付、在線保險、比特幣等新業態如雨后春筍般涌現，金融系統的反欺詐手段亟待升級。蔣韜的公司很快就獲得國內部分有反欺詐市場需求的金融機構的重視，商業銀行中也有不少于10家開始試用并購買其產品。而他，也開始在各種場合一遍遍"掃盲"。"但是，別以為沒有競爭。"蔣韜說。公司產品瞄準了商業銀行的信用卡、貸款、理財、P2P、電子銀行和對私業務等領域，這些"肥肉"早有人垂涎三尺。蔣韜眼下最大的心病是人才。公司的現有團隊人數明年需要翻番，"推薦人才吧，好的都要"。只是這個"好"，恐怕得兼具金融、數學、IT、統計等多專業背景。人才缺乏是行業共同的難題。在杭州，阿里高薪招人的條件家喻戶曉，非名校應屆生的工程師崗位，底薪已經加至每月9000-12000元。蔣韜說，人力成本被炒得很高，公司現有100人的團隊，每月要付出200多萬元運營成本。但是在長三角地區，阿里系的創業者仍舊如雨后春筍。有人統計，阿里系已然占據長三角創業圈1/3的規模。而阿里最讓人難以捉摸的，是其在技術上不畏分享的態度，以無償的技術開源社區供創業者免費使用。蔣韜的公司就大部分搭建于阿里開源出來的技術框架，并由此得以在巨人的肩膀上成長。至于由此而生的大數據金融生態系統，也很可能成為未來影響中國發展的力量中，最風生水起的那一支。大數據監管的混業挑戰文/《財經國家周刊》記者宋怡青聶歐實習生張曙霞在大數據金融時代，"大數據監管"模式也將應運而生，即圍繞數據的生成、傳輸和使用等環節，采取實時、互動方式，實現對金融市場的監管。《財經國家周刊》記者在調研中發現，無論是頂層設計，還是"一行三會"的實際監管工作，"大數據監管"都已經在籌備和應用中。一位不愿具名的專家說，各部委動起來，更多是意識到大數據能夠為己所用，但相互間仍處于割裂狀態。"一行三會"動起來"征信系統為金融機構提供了一個共享借款人信用記錄的平臺。"央行征信中心副主任王曉蕾對《財經國家周刊》記者說。根據央行提供的數據顯示，截至2014年8月底，企業征信系統累計收錄企業和其他組織信息1951萬戶，個人征信系統累計收錄自然人數8.5億，其中，收錄有信貸記錄的自然人約3.4億，中國已建成世界上最大的個人征信數據庫。近幾年新金融業態，譬如小貸公司、融資性擔保公司的發展都對央行征信系統提出新要求。這些新業態的數據是否納入征信系統也一直為各界所討論。"從法律層面沒有任何障礙。"王曉蕾表示，《征信業管理條例》第二十九條規定，從事信貸業務的機構應當按照規定向金融信用信息基礎數據庫提供信貸信息。《財經國家周刊》記者了解到，由央行征信中心控股的上海資信有限公司，已經發起設立了網絡金融征信系統，開始收集P2P借貸機構上報的信息。大數據給監管機構帶來的壓力日增。"銀監會既要管好每家銀行，又要關注整個銀行體系，還要參與宏觀調控，這就可想而知所需要的數據統計量了。"銀監會統計部副主任苗雨峰在接受《財經國家周刊》記者采訪時表示。證監會則充分利用了大數據這一神器，如稽查"老鼠倉"。證監會一位司局級官員對《財經國家周刊》記者透露，"捕鼠"的線索就是來自交易所日常監控下的大數據。他透露，每天下午4點鐘，監管部門就能拿到全國基金公司報送的交易和凈值數據，"基金獲益率是否異常，通過大數據檢測一眼就能看出。"2014年，中國保險信息技術管理有限責任公司成立，負責統一建設、運營和管理保險信息共享平臺，主要通過信息技術手段，采集保險經營管理數據，建立標準化、系統性的數據體系。協調不易《財經國家周刊》獲悉，一個關于中國金融業的大數據庫早在2012年就已醞釀，目前正加緊推進。9月24日，"一行三會"主管統計或調統的負責人齊聚央行，關于中國金融綜合統計平臺建設的討論會正在召開，央行副行長潘功勝參加。會議討論籌建中國規模最大、涵蓋最廣的金融信息數據庫。它將在集合"一行三會"現有數據，涵蓋銀行、證券、保險、基金等金融行業，甚至將銀行業表外業務數據進行統一的基礎上，建立起中國金融業信息統計平臺。"金融業綜合信息統計是決策層特別提出的，從2012年就開始醞釀。"央行一位司局級領導接受《財經國家周刊》記者采訪時表示，之所以建立金融業綜合信息統計平臺，主要出于兩點：一是中國金融數據歷來以銀行業為主，當下混業趨勢日漸明顯，如何建立全維度、全覆蓋的大數據系統，是"一行三會"的共同難題；另一方面，互聯網金融等新興業態層出不窮，對監管統計工作提出重大挑戰。但是，中國金融綜合統計平臺建設的細節問題仍需解決。9月24日會上，一行三會人士進行了激烈的討論，主要集中在以下幾點：首先，金融綜合統計平臺的建設亟須在統計方式、指標、對象、主體上實現標準化，包括金融機構代碼、企業代碼和個人代碼都需要制定標準；其次，這一新型數據系統要實現綜合化覆蓋，囊括新型金融業態，這就涉及新型金融機構、準金融機構如何統計、是否強制性納入等問題；再次，是該系統最終要實現共享，需要解決社會服務共享中是否收費、如何收費等問題。前述知情人士還表示，建設金融綜合統計平臺必須打破現有分業監管"畫地為牢"的思想，"有些部委的數據庫，不準別人插手，目前協調的難度仍相當大"。民間數據對接難題通過10余年積累，電商巨頭已經積累了海量的信用數據，如今這些數據的商業價值正逐步顯現。政府機構是否可以利用這些數據？中央財經大學中國銀行[-1.88%資金研報]業研究中心主任郭田勇表示，目前我國最大的數據庫征信系統的信息覆蓋面主要集中在信貸系統，而對于個人其他經濟活動和社會活動尚缺乏信用報告。央行副行長潘功勝也曾公開表示，鼓勵包括民間資本在內的各類資本進入征信業，也歡迎阿里、騰訊等互聯網企業進入征信體系建設。但是，一位接近央行征信中心的監管人士卻表示，目前電商數據庫很難被直接納入官方數據庫。《征信管理條例》規定，采集個人信息應當經信息主體本人同意，未經本人同意不得采集--電商數據來源是否合法難以界定。此外，"電商平臺上的差評是否算不良信息？目前很難說。"這位監管人士強調，在不知道電商數據質量如何的情況下，不會盲目將其納入央行征信系統。杭州同盾科技有限公司首席執行官蔣韜向《財經國家周刊》記者介紹說，在美國，金融、互聯網各個行業都有自己的數據體系。"民間、官方的數據很難放到一個數據庫里去，只能是開放的心態，雙方在數據層面上達到共建共享。"國家統計局局長馬建堂也表示，所有擁有海量數據的機構，無論是企業還是政府機構，原則上除涉及國家安全、商業秘密和個人隱私等數據外，都應以更加開放的姿態、更加積極的行動促進大數據的深度應用，通過立法保障各方在大數據應用中的共享共贏。沉睡的銀行大數據文/《財經國家周刊》記者宋怡青聶歐實習生付晶互聯網金融正式進入破繭成蝶的大數據時代，傳統銀行業面臨的挑戰前所未有。清華大學五道口金融學院一位專業人士表示，互聯網時代海量的數據和分析工具，催生出很多新的金融業態，切入傳統銀行的禁地，"他們比傳統銀行有更強的數據收集和分析能力"。北京銀行[-1.68%資金研報]一位高管也對《財經國家周刊》記者坦言，大數據應用可能對銀行的一些觀念和經營模式產生顛覆。接受采訪的一些人士認為，探索以大數據為基礎的解決方案，是中國的銀行提高自身競爭力的重要手段。如何建立強大穩定的數據分析系統，開發創新數據應用，實現經營轉型，是銀行業在大數據時代迫在眉睫的任務。夢想很遠，現實卻很緊迫。"國內銀行還處在搭建推廣手機銀行、網上銀行階段，"前述五道口人士表示，"我們已經慢了一拍。""金融富士康"華道數據處理有限公司是隱身在銀行大數據"轉型"背后的"推手公司"。"只要你去銀行填表單，無論是對私還是對公業務，銀行都會把手寫表單的影像第一時間發給我們，我們再通過人工錄入生成電子表單返回給銀行。"該人士介紹，"時間很短，可能就1分鐘。"這就是銀行后臺外包業務，也是銀行最初的大數據入口。《財經國家周刊》記者了解到，目前幾乎所有的大中型銀行都將數據錄入業務外包。"這個工作比較枯燥，屬勞動密集型。銀監會一位領導來檢查時，稱我們為'金融富士康'。"該人士有些不好意思地笑著說。銀行業具有天然的數據屬性，但是與阿里巴巴等電商動態的數據采集系統相比，銀行目前經營管理數據挖掘和采集方式仍比較落后。而且，不僅數據錄入處于原始狀態，一位信息系統的管理人員透露，目前銀行仍有不少業務處理系統和管理系統缺乏標準化的統一設計，直接導致大數據二次開發難。銀行正逐漸意識到這一點，不少銀行開始用移動終端直接錄入客戶信息。但是華道數據人士表示，由于國家于電子類單據尚未立法保障，所以在今后一段時間內，銀行大數據的獲取仍離不開手工錄入。《財經國家周刊》記者了解到，在數據錄入完成后，銀行的每張紙質單據仍需作為憑證，歸檔庫存。除為銀行錄入單據之外，華道還承擔了另一項外包業務--信息審核。幾乎每人申請信用卡的時候都會接到核實信息的電話，"這個電話一般都不是銀行打來的，多是外包公司打的。"華道人士介紹。至于業務銀行信用卡的審核，也由華道負責。前述人士說，在審核流程中，銀行可能會調取央行的征信系統信息，但是，查詢一條信息的費用為5元左右，所以很多銀行查詢完就放到自己的信息池中，不再更新。"我們對照核實的信息很有可能是幾年前的。"除此之外，銀行傳統的數據庫可能會涵蓋客戶的基本身份信息，更深一步的信息譬如性格特征、消費習慣、興趣愛好等卻是銀行難以準確掌握的。而這正是互聯網金融的強項。沉睡的大數據互聯網公司頻頻在已有的大數據基礎上開展金融業務，這些業務跨過銀行傳統的信貸領域，開始向轉賬匯款、現金管理、資產管理、供應鏈金融、支付等領域蔓延。前述五道口人士表示，互聯網、電子商務等新興企業在大數據處理經驗、產品創新能力、市場靈活度等方面都擁有明顯的優勢，一旦涉足金融領域，將對銀行造成很大的威脅。在這種情況下，銀行更應激活利用內部的"沉睡數據"。記者了解到，目前銀行對數據的分析仍集中在結構化數據，譬如單據、借貸行為，等等。對于非結構性數據，如客戶瀏覽銀行網站的行為信息、服務通話的語音信息、營業網點或ATM機的錄像信息都無法分析，更談不上挖掘利用。麥肯錫的一份研報指出，這類非結構性數據中蘊含了豐富的客戶信息，如客戶身份、客戶偏好、服務質量、競爭對手信息，等等。但現實中，此類數據除了少量的人工質檢調閱外，幾乎沒有其他用途。"國際經驗已經表明，加強數據分析能力會使銀行具體業務收益得到改善。在國內銀行轉型的這個節點，加強數據分析，也有利于銀行挖掘資源，找到獨特的經營模式。"前述五道口人士表示。畏首畏尾銀行業對大數據的挖掘創新似乎并不如互聯網企業那么熱衷，這其中既有傳統行業理念的保守，也有制度上的掣肘。"銀行進行大數據挖掘，必然牽扯多方面,譬如觀念轉變、制度建設、流程優化、系統開發以及人才儲備，等等。"一位股份制銀行的信息管理人士說。首先是合法性問題。前述央行司局級官員說，與電商相比，銀行機構同樣也能做到消費者信息實時跟蹤，但《征信業管理條例》第十三條規定，采集個人信息應當經信息主體本人同意，未經本人同意不得采集。"所以很多信息，尤其是服務通話的語音信息、營業網點或ATM機的錄像信息等，這些數據信息采集尚未得到當事人允許，所以能否進一步分析開發是否合法沒有定論，這也使得很多銀行無法拓展這方面的業務。"前述股份制銀行人士表示。其次，銀行現行的架構缺陷。國內銀行傳統架構中，信息科技部門是作為配角出現的。與電商成千上萬的IT工程師相比，銀行的技術部門僅有幾十甚至十幾人，并且基本上集中在電子銀行、系統維護等邊緣業務。"進行數據分析開發必須把信息科技部門提到一個新高度，整合全銀行的數據資源。但是這又牽扯到部門利益，必須進行大刀闊斧的改革，所以很復雜。"前述股份制銀行人士說，進行數據開發，銀行要從內部把數據標準化，這又會牽扯到很多細節問題，僅統一日期格式的工作就很繁重。所以，在大數據時代來臨之時，很多銀行仍顯得猶疑不定。大數據金融時代文/馮永昌微量網董事長伴隨著阿里集團在美國上市，互聯網金融的大戲進入高潮，大數據、云計算以及互聯網金融等幾年前對公眾還很陌生的技術術語，迅速成為社會熱點。這些底層技術以移動互聯的用戶體驗呈現出來，不僅通過互聯網產品改變了人們的衣食住行，更通過互聯網金融產品開始沖擊"智力博弈巔峰"的金融業。不管你恐懼還是欣喜，大數據金融時代已經來臨。如何理解由技術創新逐漸引領的金融創新？何謂大數據金融？我們選取三個最有代表性的例子來解答。何謂大數據？大數據沒有嚴格定義，顧名思義就是"很多數據"。可以從三個層面來解析這個特別的稱謂--從生產來看，不需要特別的采集過程，因為監管要求、業務邏輯或者技術便利，具有"自生產"特征，比如搜索數據、交易數據等；從存儲來看，相對于傳統數據庫的數據規模，量變引起質變，需要新的數據庫技術來支持存儲和訪問；從使用來看，分析方法從基于概率論的抽樣理論過渡到人工智能、統計學習等講求高維、高效率分析技術。從行業細分角度，大數據金融業主要有大數據銀行金融和大數據證券金融，分別和銀行業務、證券業務相關。當然，保險業天然就和大數據相關。信用卡自動授信是典型的大數據銀行金融。從銀行角度是否應該對申請者授信、發授多少信用額度，是個重要問題。傳統方式是人工審核申請資料，然后根據大致的檔位發放額度或拒絕申請。但是當銀行積累了足夠多的用卡客戶數據，可以把是否違約，違約概率，有效使用額度等指標作為被評價對象，然后調用與此相關的各種客戶信息建立統計模型，自動計算授信結果。機器人投資是大數據證券金融的代表形式，股票價格波動受各種因素影響，傳統的投資方式一般人工收集信息，手動交易。機器人投資可以建立多因素模型，自動選擇股票或尋找交易時機，在適當的風控模型下建立機器人投資云交易模式。再如，連接銀行和證券的大數據不良資產評估。2005年，某國有不良資產管理公司開始嘗試在海量數據基礎上進行不良資產評估。原本銀行信貸資產的評估都是基于會計模型，但是不良資產基本沒有會計特征，很難用傳統方法評估。因此，收集已處置資產和待處置資產樣本進行對比，建立數據挖掘模型，可以方便評估待處置資產的價格。了解了大數據和大數據金融的幾個應用實例，我們總結一下何謂大數據金融。金融業積累的大數據就是金融大數據，根據銀行金融和證券金融本身的不同，這些數據也分成銀行金融大數據和證券金融大數據。積累數據過程中，產生了數據采集、存儲、使用的相關工作和企業，這樣就完成了金融大數據的產業鏈，但總體依然是信息技術產業鏈。隨著信息技術全面發展，金融大數據產業具備提供信息技術服務之外的金融服務能力時，就產生了大數據金融。大數據金融是脫穎于金融大數據的新服務，是技術服務催生出來的金融服務。阿里數據到底有多美?文/《財經國家周刊》記者宋怡青聶歐實習生付晶張曙霞彭蕾和自己女兒同學的媽媽打賭，因為對方不相信孩子的專業課本--《天目山植物學實習手冊》能在淘寶上買到。結果，同學媽媽搜到了此書的25個賣家鏈接后，瞬間折服。接下來，這位媽媽只要一登錄淘寶或阿里旺旺，天目山、莫干山等各種"山"，植物學、動物學等各種"學"，甚至從大學英語到旅游手冊，無數相關商品撲面而來，所有的依據，就是其僅有的一次搜索。她感慨自己瞬間就"被大數據"了。而參與打賭的彭蕾，正是阿里小微金融服務集團CEO。在歷時近一個月的調研活動中，《財經國家周刊》記者所見阿里金融劍之所向，是成為環境舒適安全、人流絡繹不絕的全維度大"超市"--無論銀行、證券、保險，抑或擁有數據和技術的互聯網公司，將統統會在該"超市"上架。而整個阿里集團，也將轉向定位于大數據服務商和技術提供商，不賣數據賣分析，不賣硬件賣服務。"馬云想要的，是下一個IBM。"阿里一位高管說。不過，在央行一位官員看來，阿里能提供給客戶的大數據產品，瑕疵不少而且安全難保，"一切并非所見的那么美好"。"毛細血管"的野心阿里原安全部技術總監蔣韜說，阿里的大數據技術至少全球前三，甚至已超過另兩位--亞馬遜和谷歌。8000多人的技術團隊，從2003年底第一筆支付寶交易以來的10年內，他們已鉚足勁頭，等待爆發。阿里大數據之戰的戰略核心，就在于此。阿里小微金融服務集團副總裁俞勝法給出一組調研數據，稱傳統銀行的客服、柜臺和客戶經理人數占比達80%左右，數據工作人員不足10%，而阿里微貸事業部采用數據化決策，60%從事數據相關工作，余下則主做數據底層架構搭建。整個阿里的金融團隊，90%的人每天與數據打交道。目前，阿里擁有全國最大的Hadoop分布式計算集群，日增數據50TB（數據存儲單位，1TB=1024G），有40PB（1PB=1024TB）海量數據存儲，分布于全國80多個節點的CDN網絡，支撐流量超過800Gbps，即同時支撐對數十億商品的實時搜索和記錄。關鍵的是，所有訪客行為都被如實記錄。部分數據采用1:120的高壓縮極限存儲技術，通過由3000多臺服務器組成的"云梯"超大規模數據系統，以及阿里自研的ODPS數據系統，持續挖掘和分析。"有人說我們要賣數據，也有銀行來洽談，但其實數據是不賣的。"俞勝法很直接，說阿里傾盡全力打造的大數據庫，難以定價。他表示，阿里每一步的初衷都很簡單，成立支付寶，意在解決網購雙方信譽和擔保問題；余額寶，是為減少網購涉及的銀行備付金及其利息；涉足小貸，則是為了讓無廠房、無固定資產、無財務報表的淘寶賣家們，能有融資和生存之路。而眼下的大數據金融，是意在滿足市場對高效金融服務的需求，并帶動淘寶賣家實現電算化。那么，捂著這些數據黃金，馬云究竟想做什么？"馬云要自己動手取代IBM。"前述阿里高管告訴《財經國家周刊》記者。具體的商業模式，是阿里將拿出5000臺服務器的系統處理能力作為基礎，將大數據庫作為核心競爭力，免去銀行建機房、造系統的成本，只出具少量服務費就能享用阿里式服務。"銀行將繼續做金融系統主動脈，阿里一邊做毛細血管，一邊做數據和技術服務商。"前述高管勾勒出一幅藍圖--待納入基金、證券、保險等機構后，擁有巨量金融信息的阿里平臺就將誕生。局限性質疑對此，有人提出異議。央行一位司局級官員指出，阿里前述商業模式明顯有三點局限性--首先，阿里90%以上的數據來自含淘寶、天貓在內的"大淘寶"，支付寶實名制用戶2013年底接近3億人，但與"大淘寶"高度重疊。阿里只能駕馭自有平臺的數據，之外則無優勢。"我們確實在數據采集上存有局限。"前述阿里高管也坦言，他本人就少有網購行為，"數據庫中可能找不到我的信息"。加之京東、1號店等電商崛起，同一客戶在不同電商平臺的表現是否一致，不同平臺的分析結果誰更準確等問題，還有待商榷。并且，阿里的客戶群相對單一和同質化，一旦風險襲來則很難把控。相比之下，銀行卻擁有眾多細分市場和細分風險模型，小微業務即便做砸了，也不至全盤皆輸。其次，阿里宣稱其具備確認支付寶用戶信息的能力，但其實，開設支付寶賬戶必須鏈接至少一張銀行卡，身份確認的工作和成本，早已由銀行付出，阿里只是借力而已。不僅如此，阿里也不應具有對客戶數據的交易和處置權，至少應該在征得被搜集人許可后才能進行買賣。相比之下，銀行線上線下的業務辦理，均會書面通知客戶信息將被部分抓取，行為明顯規范得多。其三，阿里目前呈現的數據產品，不包含細節信息和分析過程，僅是所謂評分系統給出的信用評分，不但真實性、可信度打上了問號，其評分標準亦可能各執其詞。例如，全球銀行普遍使用的美國FICO個人信用評分系統，是在依據高達100萬的大樣本數據進行驗證與核對的基礎上，才開始使用的。阿里的大數據模型，卻尚未經過數據檢驗和修正。"金融數據必須足夠準確。阿里的產品缺乏標準，如何負起不良率的風險連帶責任？"一位有著阿里背景的高盛人士質疑，"一個負責任的銀行，絕不會輕易購買。"是故，一些數據源匱乏的中小銀行，就算高價買來阿里數據也難以二次使用。P2P和小貸公司等機構，則往往囊中羞澀，掏腰包也會"貨比三家"。"例如，央行征信系統能給出個人或企業貸款90天內的逾期概率，阿里能給出嗎？"前述央行官員說。合規之忌有監管方面專家指出，阿里的大數據金融，從源頭到終端都畫了一個"圈"，"玩"到極致也跳不出來，沒"玩"好則將導致風險在"圈"內爆炸。按俞勝法的說法，大數據系統設計之初就囊括了風控措施，對店鋪信息的長期跟蹤，亦伴隨著準入、定價、反欺詐等風控評分；一旦發現經營異象，阿里會有專人負責溝通核實、提早介入；一旦違約，還有一整套外包的催收機制。《財經國家周刊》記者獲悉，截至2014年7月底，阿里小貸已具有幾百億元貸款規模，戶均貸款余額和戶均授信分別僅約4萬元和18萬元，但貸款余額不良率在1.5%左右。這在業內是個較高的數字。"是金融背景還是互聯網背景的人在玩金融，一眼便知。"前述高盛人士稱，后者往往另辟蹊徑、大步向前，缺乏對金融應有的敬畏。而更客觀和嚴峻的問題是，銀監會規定小貸機構放貸規模不得超過自有資本50%，貸款規模受到嚴格限制。但資本金僅20億元左右的阿里小貸，緣何能將貸款資金杠桿放大至幾百億元？知情人士私下透露，阿里小貸早就"突破"20億元資本金的限制：各種合作方，能助其將資產包在交易所上市，比如2013年深交所東證資管將阿里的資管計劃掛牌出售，以資本市場交易來實現"出表"，即貸款行為不再受到自身資產負債表制約，貸款余額得到大幅增長。簡單說來，與絕大多數小貸公司孤立無援相比，阿里強大的"人脈網"，能讓其放貸行為避開資本金規模和杠桿率監管的制約。"證券化能輕松將貸款余額做到資本金的數倍，這是做小貸的默認'行規'，阿里玩得最猛。"高盛人士說，阿里無所畏懼地橫行于自己不擅長的領域，并且以全鏈條閉環封閉了可能的風險。這一點，金融危機時的美國銀行業改革已給出警示。2010年初，奧巴馬宣布采納"沃克爾法則"，要求銀行業剝離衍生品、抵押貸款等杠桿率過高的交易，并提高了資產2500億美元以上銀行的風險和資本標準，規定對抵押貸款進行證券化的金融機構必須自身持有一部分風險頭寸并接受消費機構檢查。"此舉可謂美國1930年大蕭條以來最致命的金融改革，目標直指交易透明度，限制大型機構以自有資本參與市場投機。"高盛人士指出。有分析人士認為，阿里的核心問題，在于包括前述隱性擴大杠桿和實體經濟下行等一系列風險，均內置于一套金融閉環內，從數據收集、信用評估、模型建設、貸款發放、風險跟蹤直到還貸收貸，整個鏈條統統由阿里一家完成，風險無法跳出循環，此