普惠金融发展至今该模式影响依然“小众”，主要原因在于商业上难以持续。而数字技术的应用，给普惠金融带来突破性发展。
G20提出“数字普惠金融”背后的涵义有什么不同？当下中国制约普惠金融发展的障碍是什么？用数字技术能不能破解普惠金融的难题？本文试图对此进行分析。
普惠金融十年追溯
2005年，联合国正式提出“普惠金融体系”（Inclusive Financial System）的概念，但现代意义上的普惠金融起源可以追溯到20世纪70年代在孟加拉、巴西等国家出现的小额贷款。普惠金融模式，借助于熟人之间的信任实行小组贷款模式，小组成员之间有连带还款责任。上述模式尽管帮助了近千万社会最底层的农村妇女，甚至小额信贷之父、格莱珉银行创始人穆罕默德•尤努斯教授也因此获得诺贝尔和平奖，但发展至今该模式影响依然“小众”。
数字显示：格莱珉银行40年来累计放款165亿美元，不过是一个中型商业银行的规模。穆罕默德•尤努斯教授几十年来呕心沥血到世界各地推广孟加拉的成功经验，但鲜有成功案例，并且格莱珉模式也未能真正做到普惠，借款人的承担的利息在18%以上。导致其“小众”的根本原因是，格莱珉模式一直基于传统的信贷技术，没能够解决单笔成本高的问题，因此从商业上难以持续。普惠金融不是慈善救济，服务的对象不仅仅是贫困人群，而应该满足每一个人的金融需求，只有商业上的成功才能可持续。
2007年开始，数字技术在金融行业的应用，给普惠金融带来突破性发展。一个典型案例是非洲的肯尼亚。2007年之前，肯尼亚有38%的人口从没用过任何金融服务。2007年3月，肯尼亚移动运营商Safaricom推出的手机银行业务—M-Pesa，支持用话费进行收款和还款，帮助城市打工者将钱转账回农村老家。在汇款成本高昂、自动取款机（ATM）严重匮乏的肯尼亚，M-Pesa手机银行迅速风靡全国，现在已经覆盖绝大部分手机用户。2015年Safaricom宣布与肯尼亚最大银行肯尼亚商业银行（KCB）联手，推出最高500万肯尼亚先令的无抵押贷款业务。
大数据征信和风控仍欠缺
就国内而言，大数据征信和风控依然欠缺是制约数字普惠金融发展的障碍。
截至2015年末，人民银行个人征信系统收录了8.8亿自然人，但其中只有3.8亿人有信贷记录。信用是一点一滴积累起来的，但大数据风控与普惠金融相结合有望破解草根群体没有征信记录的困局，并降低风控成本。
在中国，目前首批八家个人征信机构已经完成央行验收，市场上还有更多各种各样的数据机构，各家机构都有各自的独家数据源，具有不可替代性，但若单靠某一家的数据就会出现偏颇。若能打通各家数据源，为信贷机构提供一站式服务，必将解决传统风控成本高、时效低、覆盖小的问题。
当前随着人们日常行为的互联网化，大数据的采集、分析环境已经成熟，并将越来越完善。一方面，大数据弥补了传统征信的空白，使得没有征信记录人有了征信信息；另一方面，大数据也可以用于交叉验证降低借款人的欺诈风险。
技术驱动普惠金融的四个趋势
笔者认为，未来技术驱动数字普惠金融将有四大趋势：
一是科技金融创新将对传统金融带来冲击。2016年4月，随着人机围棋大战最终以谷歌开发的阿尔法狗4︰1完胜人类的成绩收官，意味着人工智能也将对传统金融行业带来冲击，更先进的算法和模型可以用来识别和预测用户行为模式，提升风控模型的预测能力，使用机器学习的模型将会拥有持续学习的能力。而大数据风控可以完成大量用户的贷款申请审核、反欺诈等工作，提升效率，降低成本。深度学习和人脸识别是2016年的另一个大热门，目前人脸识别技术精准度高达99.15%，超过了人眼。
二是金融在线化趋势越来越明显。笔者认为，十年之内，中国的金融在线化会像电商一样变得稀松平常，预计消费金融的线上申请占比将超过线下。
三是资本的春天和上市的高峰。随着监管法规的出台和落地，金融科技公司从野蛮化生长到集约化发展。“良币战胜劣币”，在大浪中沉淀下来的金融科技公司已经做好了充足准备，将会迎来金融科技公司上市潮。
四是风险预警。当前，中国经济增速持续放缓，企业、地方政府和居民的高杠杆将加大信用风险、流动性风险和系统风险，多种风险叠加在一起。笔者留意到一组数据，中国银行业的不良贷款率从2013年二季度开始连续上升，到2016年一季度，已连续十一个季度上升。截至2016年第三季度，网贷行业正常运营平台数量为1683家，环比第二季度下降6.24%。较2015年同期下降了13.9%。第三季度行业新增问题平台289家，环比第二季度上升14%，这就需要行业提前做好风险预警。
综上所述，数字普惠金融虽然影响力依然小众，但依然是一个巨大充满活力的市场。在中国最渴求资金的工薪阶层和小微企业，恰恰是距离钱最远的人群，90%的老百姓和小微企业的金融需求还没有被满足。开放共享和科技驱动，可以更好的连接老百姓、小微企业和金融机构。
（叶大清为融360联合创始人、首席执行官。本文编辑/丁开艳）
