会议室的巨大led屏幕点亮了。

一副巨大的中国电子地图出现在了长宽5米x3米的led屏幕上。

电子屏幕上有很多数据跳动，显示的都是“今日授信额度”，“今日授信人数”，“今日已放款额度”，“今日已借款人数”……等数据。

另外，地图颜色深浅不一，体现的是各省份的放款总金额差异。

张益达又接着介绍道“锐向超级大脑，依托整个集团4亿用户数据，以及“绿豆大数据信用分”；

再结合云计算、ai等前沿科技，最快可以3秒钟完成几千个维度的数据比对和反欺诈风控审核。”

几个银行领导目不转睛的盯着大屏幕，就看着上面的数据飞速跳转。

一位中行的领导用手指数了数，忍不住问道“今天就放款532263万了啊？放款人数是23141人？人均借款2000多？”

张益达点点头，说“是的，你所看到的一切都是真实数据。

用呗和贷呗目前一共有超过200万名的授信用户，总授信额度超过了100亿元。

目前我们每个月的放款额超过20亿元，预计15年度总放款量将超过200亿元。

相较于年初，我们的业务增速达到了100以上。

虽然业务增速提升了，但我们的风控质量并没有下降，坏账率一直维持在08以内。”

“张总，这所有的流程都是在线上完成的？线下没有一个工作人员？”

建行的领导年纪有些大了，感觉这套系统太神奇了，十分好奇的问道。

“是的，全部流程都在线上完成。用户是我们在内部系统按风险系数筛选过后，依次逐批的开放授信额度。

用户获得了授信额度，通过手机a直接就能把借款取出来了。”

张益达不耐其烦的给各位领导讲解起了很多工作原理。

“我们如果采购这一整套解决方案，该如何落地？”

工行领导的这一句问到了点子上，其他三大行领导也把目光投向张益达，看他如何回答。

“这个很简单嘛！

四大银行引入我们这一整套解决方案，将可以对你们银行体系的全部用户进行信用评估和分级。

再按照不同的信用评级，给予用户不同的授信额度和风险定价。

信用好的，额度给高点，利息给低一点；

信用差一点的，额度就给低一点，利息给高一点。后期再根据用户的履约情况进行二次信用评估和额度授予、利息调整。”

“光这一点的话。我们的信用卡评分模型也可以做到啊！”

工行领导连连摇头，他们宇宙行的风控技术也不是盖的，张益达拿出来的这套风控模型，在他看来，也没什么了不起的。

他们工行每年都聘请了很多985院校毕业的后台技术人员，还投入了重金用于研发，风控技术一向不差。

“那贵行的坏账率是多少？2还是15？

风控模型和风控模型之间也是有差距的。”

张益达的言外之意，在座的人都听懂了，意思是锐向的风控技术比他们四大行的强。

几位领导都笑了，这位张总还真是年轻气盛啊！

竟然敢说我们比不上你们锐向！

谁给你的勇气？梁静茹吗？

四大行中，以工行为例，去年用于it技术研发的经费投入不低于50个亿，这还没有算上整个it架构、it团队日常运行所耗费的资金。

当然，这50个亿不是全砸风控系统上面的。

机房建设及维护，服务器采购及维护，网点终端设备采购及维护都得花钱。

真正投入到“金融科技，风控系统”一类的投入叫“应用系统及厂商服务”。