据业内人士测算，目前P2P等小微贷款机构的平均获客成本约为3－4个百分点，而资金成本普遍在年化10%左右，即使不考虑坏账备付金，这类机构的贷款利息必须达到15%左右才能实现盈亏平衡。

“数据驱动模型的最大作用，就是让机构基于海量客户还贷动态数据分析，优化某些放贷审核规则，一方面降低获客成本，一方面又能有效控制坏账风险。”廖世宏说。

基于大数据模型，维信目前推出了中位数5万元系列的丽人贷、高薪贷、本科贷等，中位数5000元系列的卡卡贷等，以及中位数500元系列的星星钱袋等，单笔最高贷款额仅20万元，最低只有200元。

以信用卡余额代偿产品“卡卡贷”为例，用户只要关注微信公众号，通过简单填写资料，便可以在1分钟内获得授信，最快15分钟内放款，整个过程没有任何人工参与。

这一全自动风控审批操作流程的背后，是维信8年累积数据和用户建立的“评分卡”。除了自身客户积累和筛选，维信还跟银联、电商、电信等部门合作，利用征信及消费记录、话费流量等指标来给客户评分。风险量化使得自动化审批和降低风险成为可能。目前，维信4000多名员工中，只有几百人负责审批，且主要是通过电话核对贷款人基本信息。

数据模型有时比主观判断更可靠。此前，维信理财开发了一款为小微企业主提供消费信贷的产品。最初研发团队认为，小微企业主有房有车，还款风险理应不高。但产品运营数据却意外发现，没有房产的企业主坏账率要低于有房产的。

“我们一时也想不通，但数据模型就得出这样的结果。”廖世宏说，最终整个产品团队重新去分析这些企业主的个人信息，发现他们偏向于拿房产去银行、民间借贷机构申请抵押贷款，导致隐性负债较高，坏账风险自然增加。

维信理财的数据驱动业务模式特别之处在于，它不向个人投资者募集资金，而是通过和信托公司、银行等金融机构合作，利用数据风控信贷工厂模式进行融资，再放贷给国内百余个城市的小微企业主或个人。

“维信探索的数据驱动模式已经初步形成一个有效的闭环，并对商业银行进行‘技术输出’。”据廖世宏透露，维信目前已经跟多家城商行合作，帮助小银行加速转型。“随着经济高增长周期的结束，银行传统信贷业务趋于微利，都试图转型到定价能力较高的个人信贷业务。几千几万元的个人消费信贷是未来金融的蓝海，维信的数据模型和评分卡系统可以帮助银行有效降低风险。”